Viltolyckskartor
- Teknisk beskrivning för datahantering och produktion
Version 1.0
Dokumenttitel: Viltolyckskartor - Teknisk beskrivning för datahantering och produktion
Skapat av: Andreas Seiler (SLU), Sofia Willebrand, Mattias Olsson och Henrik Wahlman (EnviroPlanning AB)
Foto framsida: Andreas Seiler Dokumentdatum: 2019-11-01 Publikationsnummer 2019:179.
ISBN: 978-91-7725-531-4 Dokumenttyp: Handledning Version 1.0
Publiceringsdatum: 2019-11-01 Utgivare: Trafikverket
Projektledare Trafikverket: Ulrika Lundin
Distributör: Trafikverket
3
Innehåll
1 SYFTE ... 4
2 OM RAPPORTVERSION 1.0 ... 4
3 VILTOLYCKSDATA ... 4
4 VILTOLYCKOR PÅ VÄG ... 5
4.1 Viltolyckor i STORM ... 6
4.2 Viltolyckor från NVR - Jägarrapporter ... 7
4.3 Kombination NVR + STORM ... 8
4.4 Koppling till vägnätet ... 11
4.5 Rutin för granskning av GPS positioner och koppling till väglinje ... 13
4.5.1 Förbättringsförslag: ... 14
5 PROCESS ...15
6 VILTOLYCKSKARTOR ... 16
6.1 Viltolycksfrekvens per väglänk ... 17
6.1.1 Beskrivning ... 17
6.1.2 Syfte ... 18
6.1.3 Dataspecifikation viltolycksfrekvenser på väglänk ... 18
6.2 Viltolyckstätheter ... 19
6.2.1 Beskrivning ... 19
6.2.2 Syfte: ... 20
6.2.3 Dataspecifikation Viltolyckstätheter ... 20
6.3 Viltolyckshotspots ... 21
6.3.1 Beskrivning ... 21
6.3.2 Syfte ... 22
6.3.3 Dataspecifikation viltolyckshotspot ... 23
7 TILLGÄNGLIGHET ... 24
7.1.1 Innehåll kartpaket ... 24
7.1.2 Kontaktpersoner: ... 24
7.1.3 Bakgrundskartor ... 24
8 REFERENSER ... 25
1 Syfte
Trafikverket tar fram och tillhandahåller aggregerade informationslager om viltolyckor som ska bidra till en förenkling och förbättring av åtgärdsplaneringen för att minska antalet viltolyckor. Viltolyckskartorna tydliggör den rumsliga fördelningen av olyckor och olycksrisker och ger gemensamma underlag för riktade åtgärder samt även för utvärdering av åtgärdseffekter framöver.
Viltolyckskartorna bygger på en standardiserad arbetsprocess och riktar sig såväl till planerare och konsulter som arbetar med åtgärdsstudier, som till andra
involverade aktörer som Nationella Viltolycksrådet och Jägareförbunden, markägare eller bilförare.
Denna rapport beskriver tekniska detaljer i framtagningen av de olika karttyperna och ger stöd i tolkning och användning av materialet. GIS-data för
viltolyckskartorna tillgängliggörs via Trafikverkets lastkaj (http://lastkajen.trafikverket.se).
Ursprungsdata, dvs de individuella viltolycksrapporterna, förvaltas av Polisen genom Nationella Viltolycksrådet (http://www.viltolycka.se). Viltolyckskartorna sammanfattar olyckssituationen över en femårsperiod och redovisar enbart aggregerade och anonymiserade data; enskilda olyckor redovisas ej.
2 Om rapportversion 1.0
Denna första version av rapporten beskriver täthets- och frekvenskartor för viltolyckor på väg för femårsperioden 2013-2017 och 2014-2018. Senare versioner kommer att vara uppdaterade med påkörningsstatistik på järnväg samt för data från senare femårsperioder.
Utvecklingen av kartor över olycksrisker och personskadeolyckor fortsätter samtidigt som registreringen av viltolyckor förbättras. Framtida versioner av viltolyckskartorna och denna tekniska rapport kan därmed även omfatta dessa nya karttyper samt ändrade arbetsrutiner i datahantering.
3 Viltolycksdata
Sedan år 2010 är fordonsförare lagligt skyldiga att rapportera olycksfall
1med för viltarter som listas i § 40 i jaktförordningen (bl a älg, hjort, rådjur, vildsvin, stora rovdjur, örn). Viltolycksstatistiken räcker tillbaka till 1969, men först sedan 2010 är uppgifterna kvalitetssäkrade genom platsbesök eller eftersök. Nationella Viltolycksrådet (NVR) har ansvar för registrering och hantering av dessa s k jägarrapporter. Dessa rapporter ligger till grund för viltolyckskartorna och andra geografiska analyser av viltolycksfördelningar. Rutinerna för registrering av viltolyckor utvecklas kontinuerligt och målet är att inom överskådlig tid ha ett generellt och övergripande system för enhetlig datahantering som täcker in viltolyckor på både väg och järnväg.
Under senare tid registrerades årligen över 65 000 viltolyckor på väg och omkring 4 000 viltpåkörningar på järnväg, dock ökar antalet rapporter stadigt
1 http://www.riksdagen.se/sv/Dokument-Lagar/Lagar/Svenskforfattningssamling/Jaktforordning- 1987905_sfs-1987-905/
5
från år till år trots omfattande åtgärdsarbeten och stängsling av vägar och nya järnvägar
2. Det stora flertalet anmälda viltolyckor på väg (ca 80%) följs upp av ett platsbesök vilket resulterar i en så kallad jägarrapport hos NVR. Polisanmälda olyckor som inte följs upp återfinns enbart i Polisens egen händelsestatistik (STORM). Ytterligare viltolyckshändelser kan ha registrerats av andra
myndigheter (t ex sjukhus) och inte lett till en polisrapport och därmed inte heller till en jägarrapport. Uppskattningsvis 15% av alla verkligt inträffade viltolyckor på väg antas inte ha blivit polisanmälda
3. Mörkertalet för viltpåkörningar på järnväg är okänt men sannolikt mycket större
4. Olika inrapporteringsvägar och olika databaser medför dessutom olika bortfall i statistiken, vilket gör att det verkliga antalet viltrelaterade olycksfall på väg är förmodligen minst 20-25%
större än vad den officiella statistiken antyder.
För att få en så komplett bild av viltolyckssituationen som möjligt kompletterar vi därför NVR jägarrapporter med uppgifterna från STORM.
Viltolyckskartorna omfattar följande arter:
- Rådjur - Älg - Vildsvin - Kronhjort - Dovhjort
- Klövvilt (summa av ovanstående) samt
- Ren
Olyckor med ren betraktas inte som viltolycka eftersom ren inte räknas som vilt utan som tamdjur. Statistik på vägtrafikolyckor med ren finns enbart som polisanmälan i STORM men sammanställs även av Nationella Viltolycksrådet.
Statistiken för olyckor med övrig vilt enligt § 40 i jaktförordningen (t ex mufflon, björn, varg, lodjur, örn) är för begränsad (< 100 fall per år) för att en aggregerad kartläggning i samma skala som klövviltsolyckor ska vara
meningsfull.
Ingen statistik alls finns på trafikolyckor med andra jaktbara eller fredade arter som t ex grävling, räv, mård, hönsfågel, trana, gäss.
4 Viltolyckor på väg
Data på vägtrafikolyckor med klövvilt finns tillgängliga i olika, bara delvis överlappande databaser. Olyckor polisanmäls och registreras i Polisens databas STORM, där de kategoriseras och beskrivs med händelsekoder och
relationskoder. Bara olyckor som klassas som viltolycka ingår i den publicerade statistiken om viltolyckor (se nedan). Polisens statistik i STORM återger den information som bilföraren tillhandahållit vid anmälan plus de uppgifter som
2 Jägerbrand, A. K., Gren, I.-M., Seiler, A., and Johansson, Ö. (2018). Uppdatering och nya effektsamband i effektmodellen för viltolyckor. Calluna AB. (Calluna: Linköping.)
3 Seiler, A. and Jägerbrand, A. K. (2016) ' Mörkertal i viltolycksstatistik – tolkning av viltolycksenkät och databasanalyser (Hidden statistics in wildlife-vehicle accident statistics - interpretation of drivers surveys and database comparisons).' (Trafikverket Publikation 2016:055:
Borlänge.)
4 Seiler, A., Olsson, M., Helldin, J. O. and Norin, H. (2011). Klövviltolyckor på järnväg -
kunskapsläge, problemanalys och åtgärdsförslag. Borlänge, Trafikverket Publikation 2011:058.
polisen har kompletterat med i samband med inskrivningen av händelsen i registret samt vid en eventuell utkörning. Uppgifter om djurart, olycksplats och tid är därmed inte alltid verifierade och positioneringen av olyckorna är mer schematiskt än exakt. STORM rapporterna är därmed i första hand lämpade för en översiktlig beräkning av storskaliga mönster och effektsamband på läns- eller nationell
5.
Flertalet av polisanmälda händelser med vilt föranleder ett platsbesök genom en kontaktperson eller eftersöksjägare, som i sin tur utfärdar en jägarrapport med korrigerade uppgift om bl a plats och djurart. Jägarrapporter sammanställs av NVR sedan 2010 och utgör basen för beräkningen av geografiska mönster och täthetskartor.
Vägtrafikolyckor som medför personskador registreras dessutom i den
gemensamma nationella databasen STRADA
6. Rapporteringen görs av polisen och av flertalet av landets akutsjukhus. STRADA innehåller förutom data på datum och plats, uppgifter om olyckstyp (t ex singel-, mötes- eller viltolycka), involverade trafikelement (t ex olika fordon, djur), samt en allmän
olycksbeskrivning. Lyckligtvis medför de allra flesta viltolyckor (ca 98 %
5) inte några allvarliga personskador. Olyckor med älg medför på grund av dess större massa en högre andel personskador (6,7 %) än olyckor med t ex hjort, rådjur eller vildsvin (0,6 %). Det är troligt att lika många fall måste adderas till
statistiken när man räknar in även personskadeolyckor som är viltrelaterade men inte klassade som ”viltolycka”. Personskadeolyckorna har ekonomiskt stor betydelse men påverkas troligen delvis av andra faktorer och uppvisar därmed förmodligen en annan geografisk fördelning än övriga viltolyckor. Här behövs fördjupade studier av personskadeolyckornas fördelning längs vägnätet.
Olyckskartorna för klövvilt bygger på NVR jägarrapporter kompletterade med uppgifter från STORM. Olyckskartorna för renar baserar endast på uppgifter i STORM.
4.1 Viltolyckor i STORM
Händelseregistret ”STORM” omfattar alla polisanmälda händelser och ligger därmed till grund för både jägarrapporter och flertalet sjukhusrapporter.
Sökkriterier för en extraktion av viltolyckor i STORM omfattar händelsekoder, relationskoder och, så långt som möjligt, nyckelord i fritextfält för t ex
åtgärdsbeskrivningen och händelsebeskrivningen (se nedan). Kombinationen av dessa kriterier ska hjälpa att identifiera felkodningar, felaktiga rapporter (t ex fel viltart) eller dubbletter av samma händelse (från flera trafikanter).
Några få STORM rapporter (<0,5% under 2010-2016) kan vara felkodade, avser olyckor på järnväg eller olyckor med andra djur än klövvilt, eller tom helt andra händelser (t ex övningar). Mindre än 1% av fall med relationskoder för klövvilt är inte kodade som viltolycka i händelsekoden. Några få fall kan sakna
motsvarande relationskod och händelsekod men ändå beskriver i viltrelaterad händelse i åtgärds- eller händelsebeskrivningen.
Dessa avvikelser och fel måste identifieras manuellt genom individuell jämförelse av de olika uppgifterna i STORM. Även fritextsökningen kräver manuell bearbetning och rensning.
5 Jägerbrand, A. K., Gren, I.-M., Seiler, A., and Johansson, Ö. (2018). Uppdatering och nya effektsamband i effektmodellen för viltolyckor. Calluna AB. (Calluna: Linköping.)
6 https://www.transportstyrelsen.se/sv/Publikationer/Vag/STRADA/
7
STORM data innehåller bland annat:
- uppgifter som angavs vid polisanmälan:
o datum, o tid,
o ungefärlig eller uppskattat plats,
o vägnummer (eller vägnamn, gatunamn eller dylikt), o djurart,
- polisens tillägg om händelsen:
o händelse-ID (”HR-nummer” bestående av regions- eller länskod
& datum & löpnummer)
o ungefärliga XY-koordinater (manuellt satt av polisen) o händelsekoder (t ex kod 3004 för viltolycka)
o händelsebeskrivning (fritext) o åtgärdsbeskrivning (fritext) o relationskoder 1-6:
R220 för älg,
R211 = kronhjort,
R212 = dovhjort,
R213 = rådjur,
R214 = vildsvin,
R222 = ren
Olyckor med andra djurarter (lodjur, björn, varg, utter, örn, osv.) har egna relationskoder.
Nyckelord vid fritextsökning av viltrelaterade händelse i STORM ska omfatta bl.a.: vilt~, klöv~, vild~, älg, rådjur, ren, ~svin, ~hjort, ko, tjur, kalv, kid, bock, sugga, gris, vaja, sarv, samt olika felstavningar av dessa ord.
HR-numret i STORM innehåller ett regions- eller länsprefix, följd av ett datum och ett löpnummer. För att ge alla händelser samma format och för att kunna länka till jägarrapporter ska prefixet alltid indikera länet där händelsen inträffat.
Exempel: original HR: 5100-20181231-0419 – justerat HR: Z-20181231-0419.
4.2 Viltolyckor från NVR - Jägarrapporter
Nationella Viltolycksrådet ansvarar för databasen på jägarrapporterade platsbesök och eftersök efter trafikskadat vilt. Jägarrapporter bygger på en polisanmälan och kompletterar / validerar den information som angavs vid polisanmälan. Jägarrapporterna utgör den idag mest exakta informationen om olycksplatsen och involverad viltart. Ändå är rapporterna inte alltid geografiskt heltäckande. Det förekommer luckor i den rumsliga fördelningen. Till exempel kan jägarrapporter saknas från vissa områden under någon period eller så har rapporter från ett område återkommande positionsfel vilket förflyttar
olycksplatsen utanför landet (t ex öster om Öland). Dessa fel kan delvis kompenseras för genom kombination med olycksrapporter från STORM.
Jägarrapporter innehåller bl.a.:
- Händelsenumret (motsvarar HR-numret i polisanmälan i STORM) - Datum,
- Tid,
- XY-koordinater (fritext, olika format kan finnas)
- Platsegenskaper (fritext)
- Vägnummer (fritext) - Djurart
- Djurens åldersklass och kön,
- Info om djuret fick avlivas eller redan var död vid platsbesök.
HR-numret i jägarrapporter börjar normalt med ett länsprefix, följd av samma datum och löpnummer som också finns i STORM rapporten, men formatet i prefixet kan variera och felstavningar kan förekomma. Länsprefixet måste justeras så att ange det län där olyckan enligt rapporten har inträffat. Exempel:
original HR: z-20181231-0419 eller WT-20171220-0627 - justerad HR: Z- 20181231-0419 eller W-20171220-0627. Justeringen kan i och för sig medföra att olika rapporter får samma HR-nummer, därför krävs en manuell granskning och korrigering.
I de befintliga jägarrapporterna (2010 – 2018) finns uppgifter om vägnummer och koordinater i fritext-format. Koordinaterna kan dessutom anges i olika projektioner (t ex RT 90, SWEREF 99, Latitud-Longitud). Dessa avvikelser kräver omfattande manuell rensning och granskning av uppgifterna innan de kan användas i de fortsatta analyserna.
Viktigt för den framtida registreringen av jägarrapporter är att kritiska uppgifter som HR-nummer, datum, vägnummer, koordinater och djurart, alltid följer samma format och är kvalitetssäkrade.
4.3 Kombination NVR + STORM
För att få ett så komplett och heltäckande dataunderlag som möjligt kompletteras jägarrapporterna (som utgör ca 80% av det slutliga olycksdata) med
händelserapporter eller med endast positionsangivelser från STORM (ca 20%).
Förändringen i olycksstatistiken över tid från olika databaser uppvisar liknande uppåtgående trender (figur 1). Sedan 2010, ett år med mycket snörik vinter och exceptionellt många viltolyckor även på järnväg, har viltolycksrapporter i STORM ökat med 55%. Genom kombinationen av polis-och jägarrapporter får vi nu en mer fullständig bild av viltolyckssituationen i Sverige och det totala antalet olyckor som ligger till grund för kartberäkningarna år 2018 uppgår till drygt 78 000 (för endast klövvilt). Ändå återfinns ett mörkertal vid
inrapportering på ca 15% samt vissa bortfall vid registrering (någon enstaka %)
7; men dessa okända olycksfall är troligen relativt slumpmässigt fördelade över landet och leder därmed inte till något geografiskt fel i viltolyckskartorna.
Kombinationen av de båda databaserna bygger i första hand på att HR-numren överensstämmer. Detta kräver en viss justering av länsprefixet enligt tidigare beskrivning. HR-numren i båda databaserna ska följa samma format:
LÄNSPREFIX (i versal) – Datum – ID. Exempel: Z-20181231-0419.
7 Seiler, A., Olsson, M., Helldin, J. O. and Norin, H. (2011). Klövviltolyckor på järnväg -
kunskapsläge, problemanalys och åtgärdsförslag. Borlänge, Trafikverket Publikation 2011:058.
9
Figur 1. Förändring i statistiken över klövviltolyckor (ej ren) registrerade i STORM (blå stapel) och hos NVR (jägarrapporter, röd stapel) under 2010 – 2018. I viltolyckskartorna användes kombinationen av båda databaserna (gröna staplar). NVR:s officiella olycksstatistik representeras av grå staplar.
Jämförelser mellan viltolycksrapporter som finns i både STORM och NVR visar att de tilldelade koordinaterna i polisanmälan avviker från den genom
platsbesöket fastställda positionen med drygt 1 kilometer i genomsnitt
8,9. Runt 85% av alla STORM positioner ligger närmare än 2 km och 95% närmare än 5 km till motsvarande olycksposition enligt NVR. Inga länsvisa eller artspecifika mönster har upptäckts utan felpositioneringen förefaller slumpmässigt,
åtminstone på nationell skala. Användning av STORM rapporter för att
komplettera geografiska luckor i jägarrapporter introducerar därmed förmodligen inte något systematiskt fel men ökar givetvis den allmänna osäkerheten i
positioneringen av viltolyckorna.
Å andra sidan saknar runt 10% av jägarrapporterna en motsvarande STORM rapport med matchande HR-nummer. Denna avvikelse kan bero på att olyckan inte klassats som ”viltolycka” i STORM, t ex när viltet inte varit den främsta orsaken till skadorna. En viltpåkörning som orsakar en följdkollision med ett annat fordon kan mycket väl ha klassats som en kollision mellan två fordon i STORM och ej som viltolycka. Därmed syns inte denna olycka vid sökningen efter viltolyckor i STORM. Ändå kan polisen som registrerat olyckan ha kontaktat en eftersöksjägare som sedan utfärdat en jägarrapport.
Det slutliga dataunderlaget för viltolyckskartorna 2014-2018 (tabell 1) består därmed till ca 69% av rapporter som finns hos både NVR och STORM,
kompletterad av rapporter som finns enbart som jägarrapport hos NVR (ca 10%), och enbart hos STORM (ca 18%). Resterande ca. 3% kan ej länkas till en
väglinje och exkluderas därför från den fortsatta analysen.
8 Seiler, A. opublicerade analyser av viltolycksstatistiken.
9 Liman, Anna-Sara. 2017. Jämförelser mellan Polisens ärendehanteringssystem STORM och Nationella Viltolycksrådets databas. Ekologigruppen intern rapport 6218.
Tabell 1. Antal klövviltolyckor i jämförelse mellan polisanmälningar i STORM och jägarrapporter enligt NVR. Från och med år 2013 står jägarrapporter för över 80% av alla
olyckshändelser som används i framställning av viltolyckskartorna. Andel rapporter som både finns i STORM och NVR har ökat från 63% år 2013 till 71% år 2018. Nästan 89% av alla olyckor kan länkas till en väg i huvudvägnätet, ca. 9% av olyckorna inträffar på enskilda och andra mindre vägar, runt 2% uppvisar bristande eller missvisande positionering.
År
Källa
för position Källa för data
prim.
sek. och
vägar tertiära
vägar ex-
kluderat Summa
Totalt antal viltolyckor 2018
NVR NVR 4 460 1 942 664 7 066
77 966 NVR NVR&STORM 49 269 4 825 1 326 55 420
STORM NVR&STORM 128 24 0 152
STORM STORM 13 869 1 148 311 15 328
2017
NVR NVR 5 437 701 256 6 394
70 353 NVR NVR&STORM 47 133 3 860 1 076 52 069
STORM NVR&STORM 0 0 131 131
STORM STORM 10 909 789 61 11 759
2016
NVR NVR 6 276 1 458 886 8 620
66 480 NVR NVR&STORM 42 793 3 440 0 46 233
STORM NVR&STORM 0 0 0 0
STORM STORM 10 609 872 146 11 627
2015
NVR NVR 5 580 1 078 883 7 541
54 941 NVR NVR&STORM 34 140 3 016 0 37 156
STORM NVR&STORM 0 0 0 0
STORM STORM 9 239 834 171 10 244
2014
NVR NVR 5 541 962 1 095 7 598
53 849 NVR NVR&STORM 32 660 3 122 0 35 782
STORM NVR&STORM 0 0 0 0
STORM STORM 9 384 926 159 10 469
2013
NVR NVR 5 548 1 105 1 078 7 731
54 206 NVR NVR&STORM 30 865 3 220 0 34 085
STORM NVR&STORM 0 0 0 0
STORM STORM 11 025 1 152 213 12 390
2012
NVR NVR 5 037 826 971 6 834
52 593 NVR NVR&STORM 24 657 2 794 0 27 451
STORM NVR&STORM 0 0 0 0
STORM STORM 16 140 1 831 337 18 308
2011
NVR NVR 4 288 766 745 5 799
44 805 NVR NVR&STORM 18 415 2 282 0 20 697
STORM NVR&STORM 0 0 0 0
STORM STORM 15 882 2 030 397 18 309
2010
NVR NVR 3 463 794 660 4 917
68 870 NVR NVR&STORM 13 572 1 679 0 15 251
STORM NVR&STORM 0 0 0 0
STORM STORM 26 269 3 507 617 30 393
I runt 28% av fallen kan rapporter från den ena databasen inte kan länkas till en rapport med matchande HR-nummer i den andra databasen. Dessa avvikelser behöver granskas mer ingående och om möjligt korrigeras. Viktigt är att man redogör för effekten av denna korrektur.
Efter år 2010, när NVR införde ny rutin för rapportering av platsbesök och
eftersök, har andelen jägarrapporter i viltolycksdata ökat från ca. 30% till
11
omkring 80% av det totala antalet viltolyckor (figur 2). Ökningen skedde i huvudsak under de första tre åren, därefter har andelen legat relativt konstant, vilket ger en bra grund för jämförelser av viltolyckskartorna mellan åren efter 2013. Under perioden 2014-2018 har cirka 92% av de händelser som identifierats som ”viltolycka” i STORM kunnat länkas till en jägarrapport.
Figur 2. Andel viltolyckor från jägarrapporter (NVR) och polisanmälan (STORM) som används i kartframställning. Efter år 2013 utgör NVR rapporter omkring 80% av underlaget för kartorna. Olycksrapporter som exkluderas i kartanalyserna på grund av missvisande eller bristfällig positionering varierar mellan 2-3%.
4.4 Koppling till vägnätet
Positionsangivelserna i jägarrapporter är ett av de mest betydelsefulla attributen i olycksstatistiken eftersom den avgör till vilken väg och plats en olycka kan kopplas. Även om det stora flertalet av jägarrapporter och även polisrapporter innehåller godtagbara positionsangivelser som lätt kan länkas till befintliga väglinjer i digitala kartor, så förekommer ändå vissa fel. Rapporter kan sakna GPS-koordinater helt, ange omvända NS och VÖ koordinater, ha felaktiga tal eller föreligga i avvikande format eller projektion (som t ex Latitud-Longitud, i decimal-format, eller i någon annan än SWEREF99 projektionen). Flera av dessa fel kan lätt åtgärdas genom justering av rapporteringsmallen, men andra kräver en systematisk kontroll av positionsuppgifterna. I vissa fall kan bristande koordinater korrigeras manuellt eller ersättas med uppgifter från matchande rapport i STORM, även om detta kan introducera nya rumsliga fel (se tabell 1).
Det är avgörande att olycksrapporter kan kopplas till en specifik väglinje i digitala väglinjer i NVDB (Nationella vägdatabasen) eller i Lantmäteriets topografiska kartor. Uppgifter om vägnummer, län och kommun kan bidra till kvalitetskontroll, men eftersom dessa uppgifter är ofta ofullständiga och felaktiga är det främst GPS-koordinaterna som kan användas för positionering av
olyckshändelserna.
Analyser av olycksfördelningar för åren 2010-2015 visade att det stora flertalet av olyckspositioner ligger närmare än 250 m till en väglinje
7,10. Detta medför att kopplingen till väglinjen är relativt lätt genomförbart. Större avstånd ökar risken för att olyckan länkas till fel väg och att den faktiska positionen längs
olycksvägen blir fel.
Vid beräkningen av avståndet mellan olyckspositionen och närmaste väglinje prioriteras huvudvägnätet (NVDB funktionell klass 0-6, LMV vägnummer 0- 499) över mindre vägar med (NVDB funktionell klass 7-9, LMV vägnummer >
500). Denna prioritering ska minimera risken att olyckor felaktigt kopplas till enskilda vägar eller gator bara för att dessa vägar förekommer i betydligt högre täthet än och ofta även i nära anslutning till huvudvägarna. I de fall där en entydig uppgift om vägnummer föreligger i olycksrapporten kan denna information valideras med väguppgifterna från den digitala vägkartan.
Efter ovanstående granskning, justering och komplettering har över 95% av alla kombinerade viltolycksrapporter från NVR och STORM (under 2013 – 2018) kunnat kopplas till en väglinje i GIS och därmed fått nya koordinater (tabell 2).
Tabell 2. Antal klövviltolyckor efter länkning till digital väglinje i jämförelse mellan
polisanmälningar i STORM och jägarrapporter enligt NVR. Det är dessa olyckor som kunde användas i det fortsatta arbetet med viltolyckskartorna. Jämför med tabell 1.
Årtal Position Källa Rådjur Älg Vildsvin Dovhjort Kronhjort Summa 2013
NVR NVR 4614 1318 383 272 42 6629
NVR NVR&STORM 26086 4132 2652 1125 272 34267
STORM STORM 9863 1225 804 289 87 12268
Alla Alla 40563 6675 3839 1686 401 53164
2014
NVR NVR 4603 1178 402 266 28 6477
NVR NVR&STORM 27305 3972 2951 1486 274 35988
STORM STORM 8185 972 766 388 69 10380
Alla Alla 40093 6122 4119 2140 371 52845
2015
NVR NVR 4559 1224 498 303 53 6637
NVR NVR&STORM 28196 3976 3250 1665 303 37390
STORM STORM 7931 981 795 387 62 10156
Alla Alla 40686 6181 4543 2355 418 54183
2016
NVR NVR 5182 1451 557 434 75 7699
NVR NVR&STORM 35722 4493 3724 2233 307 46479
STORM STORM 9141 1039 888 405 71 11544
Alla Alla 50045 6983 5169 3072 453 65722
2017
NVR NVR&STORM 37255 5140 5176 3129 294 50994
NVR NVR 4386 810 602 301 41 6140
STORM STORM 8808 1004 926 387 78 11203
Alla Alla 50449 6954 6704 3817 413 68337
2018
NVR NVR&STORM 39185 5330 5908 3452 327 54202
NVR NVR 3880 1383 589 410 60 6322
STORM NVR&STORM 125 10 13 3 0 151
STORM STORM 8314 884 1073 471 83 10825
Alla Alla 51504 7607 7583 4336 470 71500
10 Seiler, A., C. Rosell, M. Torellas, M. Sjölund, C. M. Rolandsen, E. J. Solberg, B. Van Moorter and I. M. Lindstrøm (2016). Case studies on the effect of local road and verge features on ungulate-vehicle collisions. SAFEROAD Technical report 8., www.saferoad-cedr.org
13
Tabell 3: Viltolycksdata som ska användas i kartanalyserna måste innehålla minst följande attribut.
Attribut Titel Beskrivning
ID-nummer HR_KOMB Kombinerad och justerat händelsenummer från jägar- eller polisrapporten
HR_NVR Original händelsenummer enligt NVR (jägarrapport) HR_STORM Original händelsenummer enligt polisen (STORM-rapport) Källa SOURCE Källdatabas för händelsen: STORM eller NVR
XY_SOURCE Källdatabas för händelsens position: STORM eller NVR Plats LAN Länskod enligt olycksrapporten
VAG Vägnummer enligt jägar- eller eller polisrapporten VAGNR Vägnummer av kopplad väglinje i NVDB
X_COORD Justerad väst-öst (X) position i SWEREF99 projektion efter koppling till väglinje
Y_COORD Justerad nord-syd (y) position i SWEREF99 projektion efter koppling till väglinje
X_ORIG Rapporterad X-koordinat
Y_ORIG Rapporterad Y-koordinat
Tidpunkt DATUM Händelsedatum (format 2018-12-30) TID Händelsetid (format 23:59)
AR Årtal för händelsen
Djurart VILTART Rapporterad djurart (älg, rådjur, dovhjort, kronhjort, vildsvin, samt ren)
TYP Kön och ålder av djuret enligt jägarrapport INFO_VILT Övrig information om djuret från jägarrapporten Klassning SLUTL_KOD Slutlig händelsekod enligt STORM
ATGD_KOD Åtgärdskod enligt STORM REL_KOD Relationskoder enligt STORM
4.5 Rutin för granskning av GPS positioner och koppling till väglinje
1. Manuell korrektur av felaktiga koordinater och konvertering till SWEREF99 format. Olyckor utan användbar position utesluts senare i analysen.
2. Kontroll och eventuell korrektur av överensstämmelser mellan GPS- positionen och länet i vilket olyckan rapporterats ha inträffat.
3. Avståndsberäkning mellan olyckspositioner och närmaste väglinje i NVDB och LMV (Lantmäteriets vägnät enligt topografiska kartan).
Huvudvägnätet (NVDB funktionell klass 0-6, LMV vägnummer 0-499) prioriteras över mindre vägar med lägre klass 7-9 eller vägnummer >
500. Denna prioritering ska minimera risken att olyckor felaktigt länkas till enskilda vägar och gator bara för att dessa vägar förekommer i betydligt högre täthet än t ex riksvägar.
4. Identifiering och eventuellt manuell rättning av positioner som ligger längre än 250 m från närmaste väglinje. Vissa systematiska avvikelser kan t ex härröra från att en vägkarta med annorlunda geometri har använts vid positioneringen av olyckan.
5. Olyckor med ett avstånd > 250 m till närmaste väglinje eller med annars bristande positionsangivelser utesluts för fortsatta analyser om de inte kan uppdateras med positionsuppgifter från en matchande STORM rapport och förutsatt att STORM positionen uppfyller föregående kvalitetskrav 1-3.
6. Jämförelse av eventuellt förekommande uppgifter om vägnummer i
olycksrapporten och vägnumren för den associerade vägen enligt NVDB.
Eventuell rättning behövs. I de fall vägnumret avviker helt och ej kan härledas från någon väg nära GPS-positionen prioriteras positionen.
7. Olycksrapporter som därmed har kunnat länkas till en allmän eller enskild väg användas i den fortsatta täthets- och frekvensberäkningen.
Väg- och trafikattribut för respektive olycka hämtas från dessa associerade väglinjer.
4.5.1 Förbättringsförslag:
• GPS positionen av olyckorna är avgörande i analysen och bör därför vara kontrollerad och verifierad vid inrapporteringen; alla positioner bör ha samma format (SWEREF99) och helst baseras på en geometri som matchar NVDB eller Lantmäteriets topografiska karta (ej t ex Google maps).
• Länskod och vägnummer bör anges på standardiserat sätt och verifieras vid inrapportering. De utgör viktiga verifieringsmöjligheter för
positioner.
• Attribut som kan kategoriseras (som t ex vägtyp, vägnummer, djurart, m m) ska inte innehålla fritext. Fritext ska endast finnas i kommentarsfält.
• Bedömning av osäkerheten vid positioneringen ska anges vid
inrapportering (t ex säker, verifierad, säker men ej verifierad, osäker, uppskattat, schablon, etc.).
Figur 3. Exempel på kartbild som visar enskilda olycksrapporter från NVR (röd cirkel) och från STORM (blå triangel) som kunnat kopplats till en väglinje i NVDB. Varje punkt motsvarar en polisanmäld viltolycka under åren 2013-2017. Data på enskilda olyckshändelser ägs av Polisen och redovisas ej i de aggregerade kartorna nedan.
15
5 Process
I korthet följer framställningen av viltolyckskartorna följande process:
1. Fordonsförare är lagligt skyldiga att polisanmäla olycksfall
11med viltarter som listas i § 40 i jaktförordningen (bl a älg, hjort, rådjur, vildsvin, stora rovdjur, örn).
2. Polisanmälningar registreras i databasen STORM och kategoriseras.
3. När ett platsbesök eller eftersök efter skadat vilt bedöms nödvändig informeras en kontaktperson och/eller en utbildad eftersöksjägare som söker upp
olycksplatsen.
4. Platsbesöket genererar en s.k. jägarrapport som ger detaljerade uppgifter om olycksposition, djurart med mera.
5. Jägarrapporten registreras i NVRs databas.
6. Olycksinformation från NVR:s jägarrapport granskas, justeras och kompletteras med data från polisanmälan i STORM i en ny databas.
7. Viltolyckskartorna tas fram bestående av täthetskartor (Kernel- Täthetsberäkning, KDE), och frekvenskartor för väglänkar och särskilt olycksdrabbade vägsträckor (hotspots).
8. Nya digitala kartlager tas fram och tillgängliggörs för GIS via Trafikverkets lastkaj (https://lastkajen.trafikverket.se).
9. Kartbilder över viltolyckor tas fram i PNG-format för utvalda kartlager och områden (t ex län) och görs tillgängliga via NVR och via Trafikverkets projektwebbsida www.trafikverket.se/viltolyckskartor.
10. Teknisk rapport och tillämpningsmanual uppdateras.
Viltolyckskartorna är tillgängliga för allmänheten; täthetskartorna är främst riktade till fordonsförare medan frekvens- och riskkartor utgör verktyg för arbete i åtgärdsplanering.
Figur 4 Flödesschema över hantering av viltolycksdata vid framtagning av kartorna.
11 http://www.riksdagen.se/sv/Dokument-Lagar/Lagar/Svenskforfattningssamling/Jaktforordning- 1987905_sfs-1987-905/
6 Viltolyckskartor
Viltolyckornas geografiska fördelning redovisas i olika aggregerade format och inte som enskilda punktobjekt. Kartorna skiljer sig i sina beräkningar och har olika användningsområden. Enskilda olyckor redovisas ej, dels med hänsyn till integritetsskydd men främst för kartor över alla olycksplatser lätt blir överskådlig samt att de lägger för stor vikt vid enskilda händelser.
Enskilda olyckor kan i princip inträffa på alla vägar och i hela landet. Men även om slumpen spelar stor roll för risken att råka ut för en viltolycka så finns det flera kausala faktorer som signifikant ökar sannolikheten att en olycka inträffar vid en given tidpunkt och en given plats. Dessa faktorer gör att viltolyckor förekommer oftare än förväntad av slumpen i vissa områden och längs vissa vägtyper (Barthelmess 2014; Bíl et al. 2013; Gunson and Teixeira 2015; Gunson et al. 2011; Rodríguez-Morales et al. 2013). Faktorerna återspeglar såväl djurens beteende, rörelser, markanvändning och täthet som trafikflödet, bilarnas
hastighet och vägutformningen (Litvaitis and Tash 2008; Seiler 2003; Seiler et al. 2016).
Att identifiera mönster i olycksfördelningen och kartlägga områden med återkommande särskild höga olycksfrekvenser (hotspots) är första steg mot en mer effektiv åtgärdsplanering. Det är vid stabila hotspots där fysiska åtgärder som viltstängsel och viltpassager kan vara ekonomiskt lönsamma. Längs vägar med lägre eller från år till år varierande olycksfrekvenser kan andra åtgärder vara mer kostnadseffektiva. Det behövs mer fördjupade studier för att kunna förstå orsakssambanden för dessa rumsliga och tidsmässiga mönster så att nya, riktade åtgärder kan utvecklas.
I denna rapport beskrivs framtagning av viltolyckskartor som omfattar:
1. Olyckor per väglänk: baserar på olycksfrekvens (per km och år) längs vägsträckor mellan vägnätets noder (korsningar, orter).
2. Täthetskartor: baserar på en kernel-analys av olyckornas rumsliga fördelning och som används för visualisering av aggregationer av olyckor samt för avgränsning av hotspot.
3. Särskilt olycksdrabbade vägsträckor (hotspots): kombinerar
täthetskartan med olycksfrekvens längs vägsträckor där fler än en olycka
per km och år rapporterats.
17
6.1 Viltolycksfrekvens per väglänk
Figur 6.1.1. Exempelkarta på viltolycksfrekvenser per väglänk. Kartan sammanfattar enskilda olyckshändelser från figur 2.
6.1.1 Beskrivning
Viltolycksfrekvensen per väglänk visar antalet viltolyckor per km väg och år längs med vägavsnitt som definieras utifrån noder (vägkorsningar) i
huvudvägnätet. Väglänkar återspeglar Europa- och riksvägar (vägnummer 0-99), primära länsvägar (vägnummer 100 – 499) och sekundära och tertiära länsvägar (vägnummer 500 – 4000 för respektive län). Enskilda vägar eller gator i tätorter inkluderas ej i analysen även om det förekommer en viss andel olyckor på dessa.
Viltolycksfrekvensen är beroende av två faktorer:
- längden av respektive väglänk, - antalet viltolyckor.
Detta innebär att korta vägavsnitt lätt får höga viltolycksfrekvenser redan vid ett fåtal olyckor, medan det krävs mycket fler olyckor längs långa vägavsnitt för att uppnå samma frekvensvärde.
För denna beräkning användes Lantmäteriets topografiska vägnät med förenklade väglinjer i stället för den mycket mer komplexa nationella vägdatabasen.
Rankning
Analysen hanterar flera tiotalstusentals väglänkar. För att kunna peka ut de mest olycksdrabbade länkar och prioritera mellan dessa rankas sträckorna utifrån antalet olyckor och olycksfrekvens. Ett lågt rangnummer motsvarar ett relativt i länet eller landet högt viltolyckstal. Väglänkar med lika många viltolyckor skiljs åt med hjälp av olycksfrekvensen där högre frekvenser ger lägre rangnummer.
Rankningen redovisas på nationell nivå och på länsnivå.
6.1.2 Syfte
Kartorna ger uppgift om genomsnittliga olycksfrekvenser per år under en 5-årsperiod samt antalet viltolyckor längs en given väglänk. Kartorna kan
användas för beräkning av olycksbelastningen eller olycksklassningen mellan två platser (orter eller vägkorsningar).
6.1.3 Dataspecifikation viltolycksfrekvenser på väglänk
Filnamn F_XX_LINK1418
Artkod ”XX”: ALG = älg, DVH = dovhjort, KRH = kronhjort, RAD = rådjur, VSN = vildsvin, KLV = all klövvilt, REN = ren
Format Vektor, polylinje baserat på Lantmäteriets vägnät i GSD Vägkartan Beskrivning Frekvens för viltolyckor med art “XX” i väglänkar under femårsperioden
2014-2018
Referenssystem SWEREF 99TM (EPSG: 3006)
Attribut Alias Definition Datatyp Värdemängd
FID OBJEKT_ID ID-nummer för linjeobjekt eller länknummer heltal 0 - 35636 LINK_ID Länk ID Individuell väglänkskod bestående av
länsnummer_vägnummer_länknummer, kan omfatta flera linjeobjekt
text Ex: 14_161_8
VAGNR Vägnummer Primär vägnummer enligt NVDB heltal Ex: 4; 6; 51; 342
VAGKLASS Vägkategori Vägklasser: Europa- och riksvägar (vägnummer 0-99), primära länsvägar (vägnummer 100 – 499) och sekundära och tertiära länsvägar (vägnummer 500 – 4000 för respektive län)
text Ex: primar lansvag
LANGD Längd Väglänkens längd i meter double Ex: 1234,5
LAN Län Länsnummer heltal Ex: 23 (Jämtland)
VIOL_iLINK olyckor i länk Summa viltolyckor inom väglänken heltal Ex: 0; 2; 43 VIOL_kmyr olycksfrekvens Viltolycksfrekvens per km väg och år inom
länken double Ex: 0,23; 4,532
L_RANKLINK länsrang Länsvis rangnummer för väglänken heltal Ex: 1; 2; 3; 4 N_RANKLINK nationellrang Nationell rangnummer för väglänken heltal Ex: 0 - 35636
ALG Älgolyckor antal älgolyckor inom väglänken heltal Ex: 0; 2; 43
DVH Dovhjortsolyckor antal dovhjortsolyckor inom väglänken heltal Ex: 0; 2; 43 KRH Kronhjortsolyckor antal kronhjortsolyckor inom väglänken heltal Ex: 0; 2; 43 RAD Rådjursolyckor antal rådjursolyckor inom väglänken heltal Ex: 0; 2; 43 VSN Vildsvinsolyckor antal vildsvinolyckor inom väglänken heltal Ex: 0; 2; 43
19
6.2 Viltolyckstätheter
Figur 5. Exempelkarta på viltolyckstätheter. Tätheter beräknades genom Kernel-metoden på en rasterkarta med pixelstorlek av 50 m och ett sökfönster av 500 m (beroende på skala). Områden med ett kernel-värde K > 10 definieras som ”hotspot” och avgränsar de vägavsnitt som definieras som hotspotsträcka (se 6.3).
6.2.1 Beskrivning
Viltolyckors rumsliga fördelning ligger till grund för täthetskartorna.
Beräkningen utgår från en rasterkarta med pixelstorlek på 50 m. För varje pixel i kartan beräknas antalet viltolyckor samt avstånden mellan olyckspunkterna inom en sökradie på 500 m. Tätheten beräknas enligt Kernel metoden (Kernel Density Estimation eller KDE
12) som är ett standardverktyg i GIS program som t ex ARCGIS
13eller QGIS
14. KDE-resultat, K-värdet, ökar med såväl antal olyckor inom sökradie, med närheten mellan olyckspositionerna, samt med sökfönstrets storlek. K-värdet kan därför inte översättas direkt till antal olyckshändelser per km väg utan måste tolkas som ett relativt mått för olyckstätheten i landskapet.
KDE-beräkningen baserar enbart på viltolyckspunkterna och är därmed oberoende av vägnätet och dess geometri. KDE tar inte heller hänsyn till sjöar eller hav (där inga viltolyckor kan inträffa) eller skiljer mellan vägar som korsas eller som löper parallellt på ett avstånd mindre än sökfönstret. K-värden för pixel nära en vägkorsning, till exempel, sammanfattar alltså olyckor på båda vägar.
Detta gör att ett ”hotspot”-område kan omfatta flera vägar.
12 Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. (C. a. Hall:
London: Chapman and Hall.)
https://ned.ipac.caltech.edu/level5/March02/Silverman/Silver2_4.html
13 ESRI tutorial: http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/kernel- density.htm
14 GIS tutorial: https://www.geodose.com/2017/11/qgis-heatmap-using-kernel-density.html
För att skapa visuellt tilltalande kartor även vid större skalor utfördes KDE- analysen också med större sökradier och cellstorlek (se Tabell 6.2.1). Dessa kartor används dock enbart för visualisering och ej för avgränsning av hotspots. I kartbilden exkluderas dessutom alla celler med K-värden motsvarande < 2 olyckor inom respektive skalnivå. Kartorna visar därmed endast platser där fler än 2 olyckor har inträffat under innevarande femårsperiod. Legenden visar den lägsta och högsta tätheten översatt till medelantalet viltolyckor per km väg och år. Mörkare färgton indikerar högre täthet.
Tabell 6.2.1: Redovisning av de raster som skapas för visuell redovisning av viltolyckstätheter.
Cellstorlek Sökradie Minsta skalnivå Högsta skalnivå lägsta K-värde
50 500 - 1:250 000 <3,820
100 750 1:250 001 1:500 000 <1,690
100 1000 1:500 001 1:1 000 000 <0,960
100 1500 1:1 000 001 1:3 000 000 <0,424
100 3000 1:3 000 001 - <0,110
6.2.2 Syfte:
Täthetskartorna är i första hand en visualisering av var i landet som viltolyckor aggregeras. Kartorna ger en översiktlig och lätt förståelig bild av den graduella olycksfördelningen i rummet men är inte avsedda för att ge exakta mått på olycksfrekvens per km väg. De kan liknas med en värmekarta där mörkare färger indikerar höga tätheter.
I andra hand används KDE-beräkningen för avgränsning av hotspots (se 6.3).
6.2.3 Dataspecifikation Viltolyckstätheter
Filnamn XX_KDE_50_500; XX_KDE_100_750; XX_KDE_100_1000;
XX_KDE_100_1500; XX_KDE_100_3000
Artkod ”XX”: ALG = älg, DVH = dovhjort, KRH = kronhjort, RAD = rådjur, VSN = vildsvin, KLV = all klövvilt, REN = ren
Format rasterkarta; pixelstorlek 50m, täckning hela Sverige
Beskrivning Kernel täthetsberäkning för olycksplatser av art ”XX” med 50 m pixelstorlek och sökavstånd på 500 m (resp. 100 m pixelstorlek och avstånd 750, 1000, 1500, 3000 m)
Referenssystem SWEREF 99TM (EPSG: 3006)
Pixelvärdet K-värdet från täthetsberäkningen på respektive skalnivå
Layout Färgsättning och klassificering styrs av lyr-filen för respektive art; samt Viltolyckor stylesheet.
21
6.3 Viltolyckshotspots
Figur 6. Exempelkarta på hotspots, dvs. i vägavsnitt som definierades utifrån kernel-
täthetsberäkningen och där olycksfrekvensen överstiger 1 olycka per km och år under respektive femårsperiod. Kartan ange olycksfrekvensen och antalet olyckor som inträffat under perioden i respektive hotspot, samt dess rangvärde i länet eller i landet.
Rankningen sammanväger antalet olyckor och olycksfrekvensen i respektive hotspot.
Ett lågt rangnummer motsvarar ett högt olyckstal. Hotspots med lika antal olyckor åtskiljs genom olycksfrekvensen, högre frekvenser ger lägre rangnummer.
6.3.1 Beskrivning
Hotspots för viltolyckor definieras som vägsträckor med en genomsnittlig hög olycksförekomst. Vägsträckorna avgränsas genom kernel-täthetskartorna (skala 50_500) där k-värdet >10. För att klassas som hotspot måste en vägsträcka dessutom uppfylla följande kriterier:
- genomsnittlig olycksfrekvens > 1 olycka per km och år, - minst 3 år med olycksrapporter under en femårsperiod, - längd > 250 m.
Jämförelsen av hotspotskartor för perioden 2010-2014 och perioden 2013- 2017 visar att vägsträckor med dessa och högre olycksfrekvenser i regel återkommer som hotspot under båda perioderna. Lägre olycksfrekvenser kan lätt vara mer variabla över tid och därmed är risken högre att de endast återspeglar
slumpmässiga mönster. Här behövs fördjupade analyser för att bättre åtskilja tillfälliga (slumpmässiga) aggregationer från hotspots som är stabila över tid och som kan förväntas generera höga olycksfrekvenser även längre fram.
Hotspots identifieras med hjälp av KDE-metoden genom urval av vägsträckor med en längd > 250 m inom områden med pixelvärden av K > 10 och där medelantalet olyckor överstiger 1/km och år. Hos vissa arter (älg, vildsvin) är dessa hotspots ofta relativt korta vägsträckor (under 1 km). Med högre
olycksförekomst (som hos t ex rådjur) ökar längden av hotspots och kan omfatta
även angränsande vägar. Eftersom avgränsningen av hotspots bygger på kernel- täthetskartor, vilka mäter den tvådimensionella fördelningen av olyckspunkter i landet och inte är knutna till en (endimensionell) väglinje, kan en hotspot omfatta flera korsande eller även närliggande (< 500 m) vägar med varierande
olycksförekomst. Det är i och för sig en nackdel, men KDE-tekniken tar ändå bäst hänsyn till den rumsliga fördelningen av olyckor inklusive det rumsliga felet i olyckspositioneringen.
Andra metoder att beräkna endimensionella hotspots och även statistiskt
signifikanta kluster har utvecklats
15(Bíl et al. 2013; Bíl et al. 2016). Men dessa verktyg är beroende av längden av vägsträckorna där olycksfrekvensen beräknas.
Sannolikheten att identifiera ett kluster är lägre längs korta vägsträckor samt längs vägar med många men mer jämnt fördelade olyckor.
Rankning
Analysen identifierar flera hundra hotspots i varje län. För att kunna peka ut de mest olycksdrabbade sträckorna och prioritera mellan dessa rankas sträckorna utifrån antalet viltolyckor och olycksfrekvens. Ett lågt rangnummer motsvarar ett relativt i länet eller landet högt viltolyckstal. Hotspots med lika många
viltolyckor skiljs åt med hjälp av olycksfrekvensen där högre frekvenser ger lägre rangnummer. Rankningen redovisas på nationell nivå och på länsnivå.
6.3.2 Syfte
Hotspotskartor pekar ut vägavsnitt där olycksfrekvensen överstiger gränsvärdet på en olycka per km och år i genomsnitt samtidigt som de erbjuder en enkel rankningsordning utifrån antalet olyckor per hotspot. De utgör därmed konkreta underlag för planering och prioritering av åtgärder.
15 KDE+ verktyget: http://www.kdeplus.cz/cz/
23
6.3.3 Dataspecifikation viltolyckshotspot
Filnamn F_XX_KDE1418
Artkod ”XX”: ALG = älg, DVH = dovhjort, KRH = kronhjort, RAD = rådjur, VSN = vildsvin, KLV = all klövvilt, REN = ren
Format Vektor, polylinje baserat på Lantmäteriets vägnät i GSD Vägkartan Beskrivning Frekvens för viltolyckor med art “XX” i hotspot enligt KDE beräkningen för
femårsperioden 2014-2018. Hotspots är vägar inom områden med K-värde
> 10, med en olycksfrekvens per km och år > 1 och en väglängd > 200 m.
Referenssystem SWEREF 99TM (EPSG: 3006)
Attribut Alias Definition Datatyp Värdemängd
FID OBJEKT_ID ID-nummer för linjeobjekt eller länknummer heltal 0 - obestämd KDE_ID KDE_ID ID nummer för hotspotområdet enligt
täthetskartan där K-värde > 1. heltal 0 - obestämd KDE_VAG KDE_VAG Individuell vägkod inom hotspot: hotspot-ID &
vägnummer. En hotspot kan omfatta flera vägar.
text Ex: 4_875
VIOL_iKDE VIOL i hotspot Antal viltolyckor i hotspot heltal Ex: 0; 2; 43 VIOL_iVAG VIOL i väg Antal viltolyckor i aktuell vägsträcka i hotspot heltal Ex: 0; 2; 43 VIOL_KMYR VIOL per km år Olycksfrekvens längs aktuell vägsträcka i
hotspot double Ex: 0,23; 4,56
P_VIOL_iVAG Andel i hotspot Andel olyckor i aktuell vägsträcka av alla olyckor i hotspot (en hotspot kan omfatta flera vägar)
double Ex: 0,234; 0,012
LANGD Längd Väglänkens längd i meter double Ex: 1234,5
LAN Län Länsnummer heltal Ex: 23 (Jämtland)
L_RANKKDE länsrang Länsvis rangnummer för väglänken heltal Ex: 1; 2; 3; 4 N_RANKKDE nationellrang Nationellt rangnummer för väglänken heltal Ex: 0 - obestämd
ALG Älgolyckor antal älgolyckor inom hotspot heltal Ex: 0; 2; 43
DVH Dovhjortsolyckor antal dovhjortsolyckor inom hotspot heltal Ex: 0; 2; 43 KRH Kronhjortsolyckor antal kronhjortsolyckor inom hotspot heltal Ex: 0; 2; 43 RAD Rådjursolyckor antal rådjursolyckor inom hotspot heltal Ex: 0; 2; 43 VSN Vildsvinsolyckor antal vildsvinolyckor inom hotspot heltal Ex: 0; 2; 43
7 Tillgänglighet
Kartbilder som visar enbart viltolyckstätheter finns tillgängliga för allmänheten via Trafikverkets projektwebbsida: www.trafikverket.se/viltolyckor.
GIS-data för viltolyckskartorna är tillgängligt som separata lager.
För varje klövviltart samt för alla arter tillsammans producerats kartpaket för föregående femårsperiod 2013 – 2017, resp. 2014 - 2018. Varje artpaket omfattar GIS-lager för olycksfrekvens, hotspots och täthetskartor, samt styrande lyr-fil och style-fil.
Viltolyckskartor kan laddas ned som ZIP-arkiv från Trafikverkets Lastkaj http://lastkajen.trafikverket.se ”/Fillager / 4.Produktpaket / Viltolyckskartor”.
Kartorna heter t ex ” VIOLKARTOR_XX_1418.zip”, där ”XX” anger respektive artkod (se 7.1.1). Inloggning krävs för åtkomst av filer.
7.1.1 Innehåll kartpaket
Filnamn Beskrivning
Viltolyckskartor_XXX1418.lyr ArcGIS lyr-fil som styr layout för viltolyckskartorna för respektive art under period 2014-2018. "XXX" = artkod.
Viltolyckskartor.style stylesheet för färgsättning och etiketter
F_XXX_LINK1418.shp shapefil för viltolycksfrekvens per väglänk under perioden 2014-18. "XXX" = artkod.
F_XXX_iKDE1418.shp shapefil för viltolycksfrekvens inom hotspot under perioden 2014-18. "XXX" = artkod.
XXX_KDE_50_500.tiff rasterkarta över viltolyckstätheter för art XXX med pixelstorlek 50 m och sökfönster på 500 m
Artkod Art
ALG; DVH; KRH; VSN; RAD; KLV REN
älg; dovhjort; kronhjort; vildsvin; rådjur; klövvilt ren
7.1.2 Kontaktpersoner:
- Trafikverket: Ulrika Lundin (ulrika.lundin@trafikverket.se) - SLU: Andreas Seiler (andreas.seiler@slu.se)
- EnviroPlanning: Mattias Olsson (mattias.olsson@envviroplanning.se) och Henrik Wahlman (Henrik.wahlman@enviroplanning.se)
7.1.3 Bakgrundskartor
Bakgrundskartor som används i visualisering av viltolyckskartorna i GIS och för framställning av kartbilder tillhandahålls av Lantmäteriet, antingen topografisk webbkarta genom Lantmäteriets geodatatjänst (API) med maskingränssnitt (WMTS)
16eller som nedladdad GIS skikt med anpassad egen layout och färgval (ftp://download-opendata.lantmateriet.se/).
Övriga bakgrundslager om väg, viltstängsel, trafik med mera finns i NVDB, tillgänglig via Trafikverkets Lastkaj (se ovan).
16
https://opendata.lantmateriet.se/#apis?api=OpenDataWMTS&version=v1
25
8 Referenser
Barthelmess, E. L. (2014). Spatial distribution of road-kills and factors influencing road mortality for mammals in Northern New York State.
Biodiversity and Conservation 23, 2491-2514. doi: 10.1007/s10531-014-0734-2.
Bíl, M., Andrášik, R., and Janoska, Z. (2013). Identification of hazardous road locations of traffic accidents by means of kernel density estimation and cluster significance evaluation. Accident Analysis and Prevention 55, 265-273. doi:
10.1016/J.Aap.2013.03.003.
Bíl, M., Andrášik, R., Svoboda, T., and Sedoník, J. (2016). The KDE+ software: a tool for effective identification and ranking of animal-vehicle collision hotspots along networks. Landscape Ecology 31, 231-237. doi: 10.1007/s10980-015- 0265-6.
Gunson, K. and Teixeira, F. Z. (2015). Road–Wildlife Mitigation Planning can be Improved by Identifying the Patterns and Processes Associated with Wildlife- Vehicle Collisions. In 'Handbook of Road Ecology' pp. 101-109. (John Wiley &
Sons, Ltd.)
Gunson, K. E., Mountrakis, G., and Quackenbush, L. J. (2011). Spatial wildlife- vehicle collision models: A review of current work and its application to
transportation mitigation projects. Journal of Environmental Management 92, 1074-1082. doi:
http://dx.doi.org/10.1016/j.jenvman.2010.11.027.
Jägerbrand, A. K., Gren, I.-M., Seiler, A., and Johansson, Ö. (2018).
Uppdatering och nya effektsamband i effektmodellen för viltolyckor. Calluna AB. (Calluna: Linköping.)
Litvaitis, J. A. and Tash, J. P. (2008). An approach toward understanding wildlife-vehicle collisions. Environ Manage 42, 688-697. doi: 10.1007/s00267- 008-9108-4.
Myhr, A. (2018). Trafikarbete på svenska vägar 1990-2017. TRAFA. (TRAFA:
stockholm.)
Rodríguez-Morales, B., Díaz-Varela, E. R., and Marey-Pérez, M. F. (2013).
Spatiotemporal analysis of vehicle collisions involving wild boar and roe deer in NW Spain. Accident Analysis & Prevention 60, 121-133.
Seiler, A. (2003) The toll of the automobile - Wildlife and roads in Sweden.
(SLU: Uppsala.)
Seiler, A. and Jägerbrand, A. K. (2016) Mörkertal i viltolycksstatistik – tolkning av viltolycksenkät och databasanalyser (Hidden statistics in wildlife-vehicle accident statistics - interpretation of drivers surveys and database
comparisons).' (Trafikverket Publikation 2016:055: Borlänge.)
Seiler, A., Rosell, C., Torellas, M., Sjölund, M., Rolandsen, C. M., Solberg, E. J., Van Moorter, B., and LIndstrøm, I. M. (2016) 'Case studies on the effect of local road and verge features on ungulate-vehicle collisions. SAFEROAD Technical report 8.' (Conference of European Directors of Roads (CEDR).)
Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. (C.
a. Hall: London: Chapman and Hall.)
TRAFA (2013). Trafikarbete på svenska vägar - en översyn av
skattningsmetoden. (T. P. 2013:8.)
Trafikverket, 781 89 Borlänge Telefon: 0771-921 921 www.trafikverket.se
