Manuel de sécurité routière
Un manuel pour les praticiens et les décideurs
pour la mise en œuvre d’une infrastructure sûre
Intégrer les données sur la sécurité routière offre de grands avantages, parmi lesquels :
Les principaux croisements de données incluent la combinaison de données sur les accidents avec des données sur la circulation, l’infrastructure routière, l’immatriculation des véhicules, l’inspection des véhicules et les statistiques démographiques.
Le processus de croisement se fait en plusieurs étapes, et peut être temporaire (par exemple, pour un projet spécifique ou des besoins de la police), ou permanent (par exemple, pour l’analyse et le suivi en continu). Les données doivent être recueillies dans un format facilitant le croisement, ce qui requiert habituellement la disponibilité d’éléments communs de données, Pour les éléments de la route (y compris les accidents), les données les plus utiles sont les coordonnées spatiales. Les données non spatiales requièrent un identifiant unique afin de pouvoir être croisées. Un système exhaustif d’information sur la sécurité peut avoir un grand nombre de fichiers composants.
Après avoir été croisées, les données peuvent être analysées par fusion des fichiers de données. Pour les données spatiales, un logiciel SIG peut être de grande utilité, en particulier pour cartographier les informations des différentes sources.
Après l’investissement initial, il peut être relativement peu coûteux de rassembler différentes sources d’information pour satisfaire une variété de besoins, et plus particulièrement si un identifiant unique a été attribué à chaque ensemble de données. Dans d’autres circonstances, et surtout si les données n’ont pas été saisies dans des formats compatibles, la tâche peut être assez considérable et impliquer un investissement substantiel.
L’une des fonctions de croisement les plus communes est celle du calcul des taux d’accidents, qui permet de comparer ou d’identifier les emplacements à haut risque. Par exemple, les données sur les accidents peuvent être combinées avec des chiffres de démographie, de volumes de circulation, ou d’immatriculation de véhicules pour permettre d’utiles comparaisons du risque. Dans l’idéal, celles-ci sont présentées comme un taux d’accident mortel ou causant des blessures graves. Chacune de ces mesures est utile à différentes fins, telles que :
Les données sur les accidents peuvent aussi être combinées avec des données sur l’inventaire des routes. À un niveau simple, ceci peut fournir des informations sur les caractéristiques actuelles d’une route, et sur de possibles améliorations de la sécurité de l’infrastructure. Par exemple, les données sur les accidents en sortie de route peuvent être présentées en parallèle avec les données sur l’emplacement des barrières latérales (sur les accotements) sur une carte, permettant une rapide analyse visuelle des endroits qui pourraient bénéficier de l’installation de nouvelles barrières.
L’Encadré 5.18 décrit le Système d’Information sur la Sécurité des routes aux États-Unis.
Le Système d’Information sur la Sécurité des Autoroutes (HSIS, Highway Safety Information System) des États-Unis est géré sous contrat par l’Administration fédérale des routes (FHWA). Le système HSIS contient des informations sur :
L’information sur les caractéristiques concernant les courbes, pentes et carrefours est également disponible pour certains États. La combinaison des différentes sources de données permet une analyse poussée de problèmes spécifiques de sécurité routière.
Un grand nombre d’études ont été effectuées à partir de cette riche source d’information, avec la production de plusieurs rapports, résumés et outils de recherche. Des exemples récents incluent :
Le site Internet de HSIS offre plus d’information : www.hsisinfo.org
Les récentes initiatives d’intégration des données impliquent la combinaison de données sur les accidents avec des données sur l’évaluation des risques routiers. Ceci fournit un outil très puissant pour identifier les sites à haut risque et les solutions possibles. Le Chapitre 10.5 et le Chapitre 11 explorent plus en détail la combinaison de ces données.