高速道路の安全性改善プロジェクトの優先順位付け：モンテカルロベースのデータ封筒分析アプローチ

道路当局は、予算の制限により、安全改善プロジェクトに優先順位を付ける必要があります。このプロセスは、予想される利益（平均クラッシュ頻度の削減）とプロジェクトのコストを推定する必要があります。クラッシュ修正係数（CMF）の違い、クラッシュの頻度、プロジェクトのコストにより、コストと利益の予測には不確実性が伴い、その後、誤った意思決定につながる可能性があります。意思決定プロセスにおける固有の不確実性に対処するために、このペーパーでは、データエンベロープ分析とモンテカルロシミュレーションの統合に基づいたランキングアプローチを紹介します。Monte-Carloシミュレーションが適用され、決定論的なケースのためだけにDEAモデルを実行する代わりに、問題の入力と出力として確率的値を生成します。既存のケーススタディのデータは、提案された方法論のパフォーマンスを評価するために使用されます。数値の結果は、DEAの結果がデータの不確実性に非常に敏感であり、不確実性が特に入力データと出力データの両方が不確実な場合、交通安全改善プロジェクトのランキング結果に大きな影響を与える可能性があることを示しています。また、提案された方法論が、デリケートな意思決定ユニットを検出し、意思決定者が最も効率的な安全改善プロジェクトに制限予算を割り当てるためのより包括的な見解を提供するのにどのように役立つかを示しています。

Road authorities have to prioritize safety improvement projects due to budget limitations. This process needs to estimate expected benefits (reduction in average crash frequency) and costs of projects. Due to variances of crash modification factor (CMF), crash frequency and cost of projects, prediction of costs and benefits would be accompanied by uncertainty and it can subsequently lead to a wrong decision making. To deal with the inherent uncertainty in the decision making process, this paper presents a ranking approach based on integration of Data Envelopment Analysis and Monte-Carlo simulation. A Monte-Carlo simulation is applied to generate stochastic values as input and outputs of the problem instead of running DEA model just for deterministic case. Data from an existing case study is used to evaluate the performance of the proposed methodology. Numerical results indicate that DEA results are very sensitive to data uncertainty and uncertainties can have great influence in ranking results of road safety improvement projects especially when both input and output data are uncertain. It also indicates that how the proposed methodology can be useful for detecting sensitive decision-making units and providing a more comprehensive view for decision makers to allocate a limit budget to the most efficient safety improvement projects.