A Comprehensive Framework to Identify and Classify Traffic Accident Hotspots and Detect Contributing Risk Factors to the Formation of Hotspots

Abstract

Identifying roads’ hazardous locations and solving their problems are the key measures in traffic safety management. However, since the traditional hotspot identification (HSID) rests on the yearly-aggregated crashes, two problems appear: the locations that become unsafe at specific short periods may remain unidentified as they may not show noticeable crash counts, and the results of the problem diagnosis analysis on hotspots’ crashes potentially contain a great amount of uncertainty. Even though researchers have recently added the dimension of time and analyzed accidents spatio-temporally to obtain more insights, the mentioned problems have not been addressed fully. Hence, this study first suggests a new linear DBSCAN-based HSID method and demonstrates its acceptable performance by comparison with KDE+, the well-known clustering technique; second, employing the proposed technique, the study presents an algorithm for the spatial analysis of accidents through diverse time dimensions, which categorizes the risky locations based on their periodic reappearance. The tempocategorization purpose is to enhance diagnosing causative risks by understanding their arising periods. The algorithm is tested using Allegheny highways crash data from 2014 to 2019. Results illustrate the contribution of the suggested method to the problem diagnosis and for detecting hidden unsafe points. Keywords: traffic accidents, hotspot identification, DBSCAN clustering, spatiotemporal analysis, KDE+, safety problem diagnosis.

Yolların tehlikeli bölgelerini belirlemek ve sorunlarını çözmek, trafik güvenliği yönetiminde önemli önlemlerdendir. Ancak, geleneksel tehlike noktası tanımlama (HSID) yıllık toplam kazalara dayandığı için, iki sorun ortaya çıkar: belirli kısa dönemler için güvensiz hale gelen yerlerde, fark edilir kaza sayıları gösterilemeyebileceğinden tanınmayabilir ve tehlike noktalarının çözüm teşhisi analizinin sonuçları potansiyel olarak büyük bir belirsizlik içerebilir. Son zamanlarda araştırmacılar, zaman boyutunu ekleyerek kazaları mekansal ve zamansal olarak analiz etmiş olsalar da, bahsi geçen sorunlar tam olarak ele alınmamıştır. Bu nedenle, bu çalışma önce yeni bir lineer DBSCAN tabanlı HSID yöntemi önermekte ve iyi bilinen kümeleme tekniği KDE+ ile karşılaştırarak kabul edilebilir performansını ölçmekfedir. İkinci olarak, önerilen teknik kullanılarak, çeşitli zaman boyutları üzerinden kazaların mekansal analizini gerçekleştiren bir algoritmayu sunmaktadir. Bu algoritma, riskli bölgeleri periyodik tekrarlanmalarına göre kategorize eder. Tempo kategorizasyonu, neden olan risklerin ortaya çıkış dönemlerini anlayarak tanı koymayı arttırmak içindir. Algoritma, 2014-2019 Allegheny otoyolu kaza verileri kullanılarak test edilmiştir. Sonuçlar, önerilen yöntemin sorun teşhisi ve gizli tehlikeli noktaların tespiti konusundaki olumlu katkısını ortaya koymaktadir. Anahtar Kelimeler: trafik kazaları, tehlike noktası tanımlama, DBSCAN kümeleme, mekansal-zamansal analiz, KDE+, güvenlik sorun teşhisi.