動物交差警告サインの性能の改善

はじめに：動物と車両の衝突（AVC）は、運転手、動物の死、および大幅な経済コストに重傷と死亡をもたらす可能性があります。ただし、AVC緩和策の大部分の費用対効果は重要な問題です。 方法：ユタ州運輸省（UDOT）の管轄下にある標識を測定するために、モバイルベースのデータ収集努力が展開されました。クラッシュデータは、UDOTリスク管理データベースから取得されました。ArcGISは、これらの2つのデータセットをリンクし、動物関連のクラッシュと標識を抽出するために採用されました。データを処理し、サイン認識距離内で発生したAVCを識別するためのアルゴリズムが開発されました。潜在的なクラッシュホットスポットを特定するために、カーネル密度推定（KDE）手法が適用されました。 結果：動物交差標識の認識距離内でAVCの2％のみが発生しました。動物関連の衝突のほぼ58％が州間高速道路と米国の高速道路で行われ、動物交差標識の30％のみが設置されていました。平均標識数が多い状態ルートでは、1マイルあたりAVCの数が少なくなりました。標識認識距離以外との間に発生したAVCの違いは、衝突の重症度、衝突時間、気象条件、ドライバーの年齢、車両速度、動物の種類に関して統計的に有意ではありませんでした。ドライバーは、牛の標識よりも鹿の交差標識に慣れている可能性が高くなります。 結論：歴史的なクラッシュデータと景観構造に基づいて、低コストの安全性改善方法に注意を払って、動物関連のクラッシュの数を減らすために、さまざまなタイプのAVC緩和策の組み合わせを開発できます。AVCデータの詳細な分析の後、他の低コストの軽減対策と相まって交通標識に警告することは、優先度が高いか重要な領域に正常に配置される可能性があります。実用的なアプリケーション：この調査の結果は、AVCに対するより効率的な緩和策の開発において、輸送機関を支援します。

INTRODUCTION: Animal-vehicle collisions (AVCs) can result in serious injury and death to drivers, animals' death, and significant economic costs. However, the cost effectiveness of the majority of AVC mitigation measures is a significant issue. METHOD: A mobile-based data collection effort was deployed to measure signs under the Utah Department of Transportation's (UDOT) jurisdiction. The crash data were obtained from the UDOT risk management database. ArcGIS was employed to link these two data sets and extract animal-related crashes and signs. An algorithm was developed to process the data and identify AVCs that occurred within sign recognition distance. Kernel density estimation (KDE) technique was applied to identify potential crash hotspots. RESULTS: Only 2% of AVCs occurred within the recognition distance of animal crossing signs. Almost 58% of animal-related crashes took place on the Interstate and U.S. highways, wherein only 30% of animal crossing signs were installed. State routes with a higher average number of signs experienced a lower number of AVCs per mile. The differences between AVCs that occurred within versus outside of sign recognition distance were not statistically significant regarding crash severity, time of crash, weather condition, driver age, vehicle speed, and type of animal. It is more likely that drivers become accustomed to deer crossing signs than cow signs. CONCLUSIONS: Based on the historical crash data and landscape structure, with attention given to the low cost safety improvement methods, a combination of different types of AVC mitigation measures can be developed to reduce the number of animal-related crashes. After an in-depth analysis of AVC data, warning traffic signs, coupled with other low cost mitigation countermeasures can be successfully placed in areas with higher priority or in critical areas. Practical applications: The findings of this study assist transportation agencies in developing more efficient mitigation measures against AVCs.