Martin, Jacqueline2021-07-192021-07-192022-11-252021-07-192022-11-252021https://orlis.difu.de/handle/difu/582072Das Radverkehrsaufkommen in Deutschland verzeichnete in den letzten Jahren einen Zuwachs, was sich im Umkehrschluss ebenfalls im Anstieg des Unfallgeschehens mit Radfahrendenbeteiligung widerspiegelt. Um den steigenden Unfallzahlen entgegenzuwirken, empfehlen Politik und Verbände v.a. Infrastrukturmaßnahmen zu ergreifen. Davon ausgehend untersucht die vorliegende Arbeit beispielhaft für die Stadt Dresden, wie sich einzelne Infrastrukturmerkmale auf das Unfallgeschehen zwischen Rad- und motorisiertem Verkehr auswirken. Die Datengrundlage der Untersuchung stellen dabei 548 Unfälle mit Radfahrendenbeteiligung aus den Jahren 2015 bis 2019 sowie die Merkmale von 484 Knotenpunktzufahrten dar. Da die Infrastruktur das Unfallgeschehen nicht allein determiniert, werden zudem Kenngrößen des Verkehrsaufkommens einbezogen. Um das Unfallgeschehen zu untersuchen, kommen das Random Forest-Verfahren sowie die Negative Binomialregression in Form von 'Accident Prediction Models' mit vorheriger Variablenselektion anhand des LASSO-Verfahrens zum Einsatz. Die Verfahren werden jeweils auf zwei spezielle Unfalltypen für Knotenpunkte angewandt, um differenzierte Ergebnisse zu erlangen.The volume of bicycle traffic in Germany has increased in recent years, which in turn isalso reflected in an increase in the occurrence of accidents involving cyclists. In order to work against the rising accident rates, politics and associations recommend to take especially infrastructure interventions. On this basis, the present study examines how single infrastructure features affect the occurrence of accidents between cyclists and motorized trafficusing the example of the city of Dresden. Therefore, the data base of the study consists of 548 accidents involving cyclists from 2015 to 2019 and the characteristics of 484 intersection approaches. Since the infrastructure is not the only factor determining the occurrence of accidents, traffic volume parameters are also included.To investigate the occurrence of accidents, the random forest and the negative binomial regression method in the form of Accident Prediction Modelswith prior variable selection by the LASSO technique are used. Each method is applied to two specific accident types for intersections in order to obtain differentiated results.Graue Literaturnbn:de:bsz:14-qucosa2-735000IndividualverkehrRadverkehrVerkehrsinfrastrukturFahrradverkehrVerkehrsunfallUnfallforschungUnfallanalyse