Penilaian Dampak Keselamatan Jalan

Prediktif Dari Kebijakan dan Tindakan

Manajemen Lalu Lintas

HASNA ROFIFAH
10070319112
KELAS D
 ▪ Dalam penelitian terbaru, kerangka evaluasi kinerja CONDUITS
untuk manajemen lalu lintas dan Sistem Transportasi Cerdas (ITS)

ABSTRAK
dikembangkan, yang terdiri dari seperangkat Indikator Kinerja
Utama (KPI) untuk tema strategis efisiensi lalu lintas, keselamatan,
pengurangan polusi dan inklusi sosial. Pekerjaan tindak lanjut
telah berkonsentrasi pada integrasi CONDUITS KPI yang
dikembangkan dengan simulasi lalu lintas mikroskopis. Hasilnya
adalah alat evaluasi prediktif untuk manajemen lalu lintas dan ITS,
yang disebut CONDUITS_DST, di mana dua dari empat kategori
KPI telah diintegrasikan sebelumnya: polusi dan efisiensi lalu
lintas. Tujuan dari studi ini adalah untuk memperluas kerangka
evaluasi prediktif untuk memasukkan tema keselamatan lalu
lintas. Berkontribusi pada pengembangan modul keselamatan
lalu lintas CONDU- ITS_DST, Makalah ini mengidentifikasi dan
mengusulkan model dan metrik yang relevan yang
menghubungkan karakteristik lalu lintas dengan dampak
keselamatan jalan raya. Dengan demikian, ini memungkinkan
ekstraksi data masukan yang diperlukan untuk masing-masing
dari tiga KONDUIT KPI untuk keselamatan lalu lintas (kecelakaan,
dampak langsung, dan dampak tidak langsung) langsung dari
model simulasi lalu lintas mikroskopis. Model dan metrik yang
diusulkan diuji sehubungan dengan CONDUITS KPI yang relevan
untuk keselamatan menggunakan data dari model simulasi
sebelum dan setelah penerapan sistem persinyalan prioritas bus
di Brussels. Pengujian dilakukan baik di tingkat jaringan, tetapi
juga di tingkat tautan individu, dan hasilnya menunjukkan bahwa
kerangka kerja mampu menangkap dampak keselamatan yang
diharapkan dengan cukup baik, membuka jalan menuju
implementasinya adalah modul keselamatan lalu lintas
CONDUITS_DST.
2
Pendahuluan

Kota-kota saat ini memiliki masalah dan tujuan transportasi

yang sama sehubungan dengan manajemen lalu lintas
jalan raya, dan sangat fokus pada Intelligent Transport
Systems (ITS). Pasar menawarkan pembuat keputusan
berbagai solusi, dari mana mereka diminta untuk memilih
solusi yang paling sesuai dan efektif. Membuat pilihan ini
adalah tugas yang tidak mudah, namun, terutama
mengingat bahwa masalah transportasi pada dasarnya
bersifat multi-dimensi. Secara khusus, tingkat pengambilan
keputusan politik membutuhkan cara untuk dengan mudah
dan cepat memahami tren, menilai perkiraan hasil dan
mengidentifikasi praktik terbaik di ITS dan manajemen lalu
lintas yang tidak memerlukan pengetahuan ahli di bidang
teknik transportasi. Oleh karena itu, kerangka evaluasi
kinerja yang membahas berbagai dimensi masalah
transportasi, Zavitsas et al., 2011 ). Dalam pekerjaan
penelitian baru-baru ini (FP7 CONDUITS) kerangka evaluasi
seperti itu dirumuskan, yang terdiri dari seperangkat
Kinerja Utama. Indikator (KPI) untuk empat tema strategis
manajemen lalu lintas jalan: efisiensi, keselamatan,
pengurangan polusi dan inklusi sosial ( Kaparias et al., 2011
). 3
 LATAR BELAKANG
CONDUITS keselamatan lalu lintas KPI
Sejalan dengan strategi Komisi Eropa tentang masa depan transportasi,
seperti yang disajikan dalam buku putih 2001 dan 2011 ( Komisi Eropa,
2001, 2011 ), kerangka evaluasi kinerja ditentukan oleh proyek FP7
CONDUITS, yang terdiri dari serangkaian tindakan dan KPI untuk empat
tema strategis efisiensi lalu lintas, keselamatan lalu lintas, pengurangan
polusi, dan inklusi sosial ( Kaparias et al., 2011 ). Diantara KPI kerangka
lengkap, kajian ini menitikberatkan pada tema keselamatan lalu lintas
yang dibahas melalui tiga indeks yaitu kecelakaan, dampak keselamatan
langsung dan dampak keselamatan tidak langsung. Dimulai dari indeks
kecelakaan, ini bergantung pada penghitungan dampak keselamatan
sebagai jumlah orang yang terluka atau tewas ( Elvik et al., 2009 ), dan
oleh karena itu faktor utama yang dipertimbangkan dalam KPI adalah
faktor-faktor yang mempengaruhi kecelakaan di jalan raya: eksposur
(jumlah perjalanan), tingkat kecelakaan (risiko kecelakaan per unit
eksposur), dan tingkat keparahan kecelakaan (hasil dari kecelakaan
terkait cedera) .
Gambaran Singkat Tentang Tindakan Penilaian Dampak
Keselamatan Lalu Lintas
Di sebagian besar negara, perilaku pengguna jalan dan karakteristik
rekayasa jalan dan kendaraan digunakan untuk menggambarkan
kinerja keselamatan jalan raya. Sehubungan dengan perilaku
pengguna jalan, ukuran kinerja keselamatan yang umum digunakan
meliputi ( Dewan Keamanan Transportasi Eropa, 2001 ):
• Mempercepat, dalam kaitannya dengan kecepatan, varian, dan
kecepatan
• membatasi pelanggaran
• Persentase penggunaan sabuk pengaman dan sabuk pengaman
anak
• Persentase penggunaan helm tabrak
• Insiden mabuk dan mengemudi
• Kegagalan untuk berhenti atau mengalah di persimpangan atau di
penyeberangan pejalan kaki
• Headways tidak memadai – mengikuti
• Penggunaan lampu berjalan siang hari
• Penggunaan perangkat reflektif, terutama untuk pengendara
4 sepeda
dan pejalan kaki; dan Penggunaan fasilitas penyeberangan pejalan
kaki (oleh pejalan kaki).
Metodologi Evaluasi Keselamatan Lalu Lintas Prediktif

Persyaratan metodologi dan gambaran umum

Tujuan dari metodologi evaluasi keselamatan lalu lintas prediktif yang

diusulkan adalah untuk mendapatkan data yang diperlukan untuk input ke
KPI keselamatan CON-DUITS, yang berasal dari model simulasi lalu
lintas mikroskopis. Simulasi lalu lintas mikroskopis adalah alat yang
efisien yang menawarkan refleksi mendetail dari penerapan manajemen
lalu lintas jalan atau ukuran ITS terhadap pola mobilitas di jaringan
transportasi. Output dari model seperti itu adalah apa yang disebut file
catatan kendaraan, yang berisi informasi rinci tentang keadaan setiap
kendaraan di jaringan untuk setiap titik waktu periode simulasi.
Informasi tersebut berisi sejumlah atribut, termasuk koordinat lokasi,
fitur geometris jalan (misalnya kemiringan), kecepatan kendaraan,
akselerasi kendaraan, jenis kendaraan dan informasi tentang kondisi lalu
lintas di sekitarnya. Ini selanjutnya dapat dipisahkan dan digabungkan
dengan data terkait mobilitas lainnya pada berbagai aspek jaringan (node
/ link / rute) dan moda transportasi yang berbeda. Data yang terdapat
dalam file catatan kendaraan dapat dengan mudah dimasukkan ke dalam
CONDUITS KPI untuk efisiensi lalu lintas. Ditambah dengan alat 5
pemodelan emisi yang sesuai (seperti COPERT atau AIRE II)
 ▪ Karena nomor kecelakaan bukan keluaran dari model simulasi lalu
lintas mikroskopis, maka perlu untuk mengidentifikasi proxy, yang
dapat digunakan sebagai masukan untuk KPI yang relevan dalam
Persamaan. (1) . Ukuran yang dipilih di sini adalah kecepatan rata-

Evaluasi Nomor Kecelakaan

rata. Faktanya, diakui bahwa kecepatan mengemudi memainkan
peran penting dalam pengukuran keselamatan lalu lintas jalan raya,
karena kecepatan mengemudi yang lebih tinggi menyediakan lebih
sedikit waktu untuk menanggapi keadaan darurat baik bagi
pengemudi maupun penumpang, dan karena kecepatan tinggi
memberikan momentum tambahan, meningkatkan keparahan
kecelakaan ( Organisasi untuk Kerja Sama Ekonomi dan
Pembangunan, 2006 ). Telah dilaporkan bahwa kecepatan yang
berlebihan dan tidak sesuai bertanggung jawab atas tingginya
proporsi kecelakaan di jalan raya dan berkontribusi terhadap sekitar
sepertiga dari kecelakaan fatal dan 12% dari semua kecelakaan di
jalan raya sebagai faktor penyebab utama kecelakaan ( Bowie dan
Waltz, 1994 ). Melihat lebih detail pada hubungan antara kecepatan
dan kecelakaan, berbagai studi empiris menunjukkan bahwa untuk
setiap peningkatan kecepatan rata-rata sebesar 1 km / jam, jumlah
kecelakaan kemungkinan akan meningkat 3–4%, dengan dampak
yang lebih signifikan. ditemukan untuk kecelakaan serius.
Sebaliknya, setiap 1 km / jam pengurangan kecepatan mengemudi
rata-rata akan menurunkan jumlah kecelakaan fatal sebesar 5% (
Bowie dan Waltz, 1994; Dewan Keamanan Transportasi Eropa,
2001 ). Ekspresi yang lebih formal dari temuan ini diusulkan oleh
model kekuatan Nilsson ( Nilsson, 2004 ), yang menghubungkan
perubahan kecepatan rata-rata dengan jumlah tabrakan menurut
tingkat keparahan ( Tabel 1 ). Model kekuatan Nilsson ( Tabel 1 )
6
adalah metode yang cocok untuk menghasilkan
 ▪ Dampak keselamatan langsung meliputi tindakan / intervensi
Evaluasi Dampak Keselamatan
Langsung
yang dilakukan oleh sistem atau pengguna, yang bertujuan
untuk menghindari situasi kritis keselamatan, dan ukuran yang
dipilih dalam kategori ini adalah perlambatan kendaraan, yang
sesuai dengan kejadian pengereman kendaraan. Faktanya,
akselerasi dan perlambatan adalah sifat penting dari kinerja
kendaraan dan biasanya menyebabkan kecelakaan ketika
kendaraan mulai dan mengerem secara tiba-tiba tanpa jarak
aman yang memadai ( Bared et al., 1999 ), dan oleh karena itu,
perubahan akselerasi dan perlambatan yang signifikan secara
empiris dianggap sebagai respons terhadap situasi darurat dan
indikator tabrakan dari belakang. Misalnya, penelitian
menunjukkan bahwa deselerasi, yang biasanya mengacu pada
kecepatan pengereman, terkait erat dengan tingkat keparahan
kecelakaan ( Hydén, 1996 ). Menggunakan kategorisasi Hydén
(1996) , ditampilkan di Gambar 1 , deCelerasi yang
dialokasikan di zona pengereman "tidak terkendali"
menunjukkan tingkat risiko kecelakaan yang tinggi, sedangkan
zona "sedang / keras" menunjukkan risiko kecelakaan yang
tidak terlalu parah. Perilaku pengereman “normal” dapat
dianggap sebagai penyebab non-kecelakaan dalam hal
perlambatan. Jumlah arus pengereman yang tidak terkontrol
(lebih dari 7m / s 2), atau "abnormal" (lebih dari 2m / s 2)
tersedia dari simulasi lalu lintas mikroskopis dan, karenanya,
dapat digunakan sebagai masukan dalam KPI dampak
keselamatan langsung
7
 Penerapan dan Hasil
Studi kasus aplikasi
Penelitian yang dijelaskan telah dilakukan bekerja sama erat dengan
pemerintah kota, dengan kerangka evaluasi prediktif yang diuji melalui studi
kasus yang ada di kota Brussel. Daerah Ibu Kota Brussel memiliki jaringan
jalan raya dan transportasi umum yang luas, dengan yang terakhir terdiri dari
bus, trem, dan Metro Brussels. Jaringan transportasi umum permukaan,
sebagian besar dioperasikan oleh Perusahaan Transportasi Antar komune
Brussel (STIB-MIVB), terdiri dari 140 km jalur trem dan 440 km rute bus,
melayani total sekitar 2200 halte di seluruh wilayah. Kendaraan trem yang
beroperasi termasuk seri T3000 dan T4000 generasi baru, yang secara
bertahap menggantikan kendaraan lama, STIB-MIVB, 2019 ). Kondisi
terpenting untuk kesesuaian studi kasus ini adalah harus didasarkan pada
skema perencanaan yang telah disimpulkan, sehingga model simulasi
terkalibrasi yang telah digunakan dalam proses perencanaan dapat tersedia
l simulasi. Studi kasus yang disediakan oleh Brussels-Capital Region telah
menjadi bagian dari program yang lebih luas yang bertujuan untuk
meningkatkan kecepatan operasional di sebagian besar jalur transportasi
umum. Program ini berfokus pada pengurangan penundaan di sekitar
persimpangan yang diberi sinyal dengan menerapkan sistem yang
memprioritaskan kendaraan angkutan umum daripada lalu lintas lainnya.
Contoh yang dipilih untuk studi kasus khusus ini adalah jalur bus no. 49, jalur
bus perkotaan yang panjang dengan hampir tidak ada jalur bus khusus, yang
mirip dengan jalur bus yang dapat ditemukan di banyak kota lain.
Hasil tingkat jaringan
Menggunakan Persamaan. nilai dari Δ saya ACD dihitung sebagai
peningkatan (positif) atau penurunan (negatif) kinerja keselamatan
dalam hal kecelakaan. Penghitungan dilakukan secara terpisah untuk
tiga kategori tingkat keparahan kecelakaan yang berbeda (kematian,
cedera serius, cedera ringan), yang kemudian digabungkan
menggunakan bobot yang digunakan oleh Kaparias dkk. (2012a) ,
yaitu w lemak = 0.85, w sinj = 0,10 dan w minj = 0,05 untuk korban
jiwa, luka berat dan luka ringan. Perhitungannya adalah juga dilakukan
secara terpisah untuk moda lalu lintas yang berbeda (mobil, HGV, bus,
angkutan umum lainnya), guna mendapatkan pemahaman yang lebih
baik tentang moda khusus tentang dampaknya. Hasilnya ditunjukkan
dalam Meja 2 , di mana dapat dilihat di atasnya pengurangan
kecelakaan rata-rata sebesar 15% diramalkan untuk lalu lintas mobil
dan HGV, sebagian besar timbul dari puncak pagi untuk mobil dan dari
puncak malam untuk HGV. Di sisi lain, rata-rata kenaikan urutan 14%
dan 23% diperkirakan terjadi pada kecelakaan yang melibatkan bus
dan angkutan umum lainnya.
8
Gambar 3. Lokasi Jalur bus No.49 di Brussel (kiri), dan Jaringan Simulasi (Kanan) 9
 ▪ Empat ruas jalan yang khas dipilih dari ruas-ruas yang
melimpah dalam jaringan dan dievaluasi secara
individual mengenai dampak keselamatan dari sistem
Hasil Tingkat Tautan prioritas, yaitu: Link 50, jalan lurus pendek dengan lalu
lintas rendah yang mencakup bundaran untuk semua
moda; Link 93, jalan berbelok panjang dengan volume
lalu lintas tinggi untuk semua moda baik pada pagi
maupun sore hari; Link 130, jalan lurus panjang dengan
volume lalu lintas tinggi hanya untuk semua moda di
malam hari; dan Link 177, jalan lurus pendek dengan
akses transportasi umum saja. Selain topologi,
karakteristik arus lalu lintas dari link ini pada awalnya
diselidiki dari data simulasi, dan dapat ditemukan
bahwa kecepatan rata-rata sedikit meningkat pada
keempatnya, dan ini sering kali disertai dengan
penurunan varian kecepatan (dan sehingga arus lalu
lintas lebih stabil). Tautan, oleh karena itu, tampaknya
mendapat manfaat dari mobilitas yang lebih baik
setelah penerapan sistem prioritas, yang mungkin,
bagaimanapun, dikaitkan dengan keselamatan yang
lebih buruk. Khususnya dalam kasus Link 130,
kecepatan persentil ke-85 melebihi batas kecepatan,
yang berarti kecepatan kecepatan tinggi.
10
 ▪ Meringkas hasil evaluasi, sistem prioritas angkutan
Menghasilkan Konteks Terkait
Kebijakan Yang Lebih Luas
umum diharapkan memiliki efek keselamatan yang
umumnya positif pada jaringan- dan tingkat hubungan
dalam hal kecelakaan, dampak keselamatan langsung
dan dampak keselamatan tidak langsung. Namun,
beberapa area yang berpotensi menimbulkan dampak
keselamatan yang merugikan dapat diidentifikasi. Pada
tingkat jaringan, ini termasuk sedikit peningkatan dalam
kecelakaan yang melibatkan bus dan kendaraan
angkutan umum, dan frekuensi kejadian pengereman
yang tidak terkendali lebih tinggi pada pagi hari. Pada
tingkat tautan individu yang dianalisis, sebagian besar
terkait dengan peningkatan risiko kecelakaan dan
dampak keselamatan langsung untuk tautan yang lebih
banyak diperdagangkan. Jelasnya, beberapa hasil
negatif yang diperoleh dapat dilihat sebagai kasus yang
bertentangan dengan implementasi skema, meskipun
manfaat yang besar, dan mungkin bahkan lebih
signifikan, dapat diberikan sehubungan dengan aspek
lain (misalnya dalam hal efisiensi mobilitas).
11
 KESIMPULAN
Kerangka evaluasi prediktif untuk tema keselamatan lalu lintas dari manajemen lalu lintas jalan telah diperkenalkan dalam makalah ini, dengan
tujuan digunakan bersama dengan CONDUITS KPI dan diimplementasikan sebagai modul khusus untuk perangkat lunak CONDUITS_DST.
Sejumlah model dan metrik yang menghubungkan karakteristik lalu lintas dengan dampak keselamatan jalan telah diidentifikasi dan diusulkan,
yang memungkinkan ekstraksi data input yang diperlukan untuk masing-masing dari tiga KONDUIT KPI untuk keselamatan lalu lintas
(kecelakaan, dampak langsung, dan dampak langsung) langsung dari model simulasi lalu lintas mikroskopis. Model dan metrik yang diusulkan
kemudian diuji dalam hubungannya dengan KPI menggunakan data dari model simulasi sebelum dan sesudah penerapan sistem persinyalan
prioritas bus di kota Brussel. Secara alami, batasan dari pekerjaan yang diusulkan adalah belum divalidasi secara komprehensif. Sayangnya,
validasi akan memerlukan data dampak keselamatan dunia nyata (biasanya catatan kecelakaan) sehingga memungkinkan perbandingan dengan
dampak yang diperkirakan, tetapi data tersebut biasanya membutuhkan waktu beberapa bulan atau bahkan tahun untuk terkumpul, dan bahkan data
tersebut seringkali tidak cukup andal untuk menawarkan kesimpulan yang signifikan secara statistik (misalnya, bahkan setelah beberapa tahun,
kejadian kecelakaan fatal sering kali menggunakan angka satu digit). Akibatnya, pendekatan yang diusulkan tidak dimaksudkan untuk
menawarkan prediksi akurat dari kecelakaan aktual dan / atau jumlah korban.
Sementara penelitian ini telah menjelaskan topik evaluasi pre-prediktif dampak keselamatan lalu lintas, pekerjaan ke arah ini terus berlanjut. Ini
adalah langkah penting berikutnya untuk model dan metrik yang diusulkan untuk dimasukkan ke dalam perangkat lunak CONDUITS_DST,
melengkapi modul polusi dan efisiensi lalu lintas yang sudah terintegrasi dan divalidasi. Terlepas dari kemudahan proses evaluasi, integrasi juga
akan memungkinkan pertimbangan keselamatan lalu lintas sebagai bagian dari masalah multi-tujuan yang lebih luas di samping tema lain,
daripada secara individual. Ini berarti bahwa solusi akan dapat dibandingkan oleh para pembuat keputusan secara langsung berdasarkan nilai KPI
mereka dalam tema yang berbeda, sehingga memberikan proses evaluasi yang lebih terinformasi dan komprehensif.

12

KESIMPULAN
THANK
YOU!