Xác định và phân tích điểm đen dựa trên khả năng giảm thiểu thiệt hại do tai nạn

ª ThS. Nguyễn Hữu Huy ª ThS. Trần Thiện Lưu ª TS. TrỊnh Văn Chính Trường Đại học Giao thông vận tải TP. Hồ Chí Minh Người phản biện: PGS. TS. Trần Thị Kim Đăng

Tóm tắt: Kết quả xác định và phân tích điểm đen TNGT đường bộ là cơ sở để lựa chọn giải pháp cải thiện ATGT. Nó quyết định đến hiệu quả việc cải thiện ATGT về số lượng, mức độ tổn thương của tai nạn và cả về kinh tế - xã hội. Dựa trên những phân tích, đánh giá hiệu quả các phương pháp xác định và phân tích điểm đen được sử dụng trên thế giới, báo cáo này chỉ ra những nhược điểm của cách xác định và phân tích điểm đen TNGT đường bộ ở Việt Nam hiện nay, từ đó đề xuất phương pháp xác định và phân tích điểm đen (dựa trên khả năng giảm thiểu thiệt hại do tai nạn) hiệu quả hơn cho điều kiện Việt Nam. Phương pháp này sẽ được ứng dụng vào quá trình xác định và phân tích điểm đen tại một khu vực ở TP. Hồ Chí Minh.

Từ khóa: Tiềm năng an toàn, đốm đen, xác định điểm đen, phân tích đốm đen.

Abstract: The results of identifying and analyzing road traffic accident black spots play important role in the selection of safety improvement measures. Such results also has a great impact on the effectiveness of road safety improvement in terms of number and severity of accidents, and economic–social as well. Based on the international experiences in road traffic safety improvement, this report is aimed to (1) point out the limitations of black spot identification and analysis methods which has been being used in Vietnam; and (2) propose a new approach that can solve the potential problems of traditional methods in identifying and analyzing black spots (The Safety-Potential-Based Black Spot Management Approach). In order to illustrate the effectiveness of the approach, this report provided an empirical investigation in which the proposed approach is practically applied to the local road traffic situations in Ho Chi Minh City.

Keywords: Safety potential, black spot, black spot identification, black spot analysis.

1.   Giới thiệu chung

Cải thiện an toàn tại các “điểm đen” đã được chứng minh là một phương pháp hiệu quả trong việc giảm thiểu tai nạn khi nhiều loại tai nạn có đặc trưng giống nhau thường xảy ra tập trung ở một số điểm trên mạng lưới đường bộ [1].

Tổng thể có 3 phương pháp xác định điểm đen trên mạng lưới đường bộ: (1) dựa trên dữ liệu tai nạn ghi nhận được; (2) dựa trên quan trắc về xung đột; (3) dựa trên kiểm toán ATGT [2]. Trong báo cáo này điểm đen được xác định theo (1).

Phương pháp xác định điểm đen truyền thống thường dựa vào số lượng tai nạn và hiệu quả cải thiện an toàn được đánh giá theo mức độ giảm số vụ tai nạn. Theo đó, một số khía cạnh quan trọng khác thường bị bỏ qua như: Mức độ tổn thương, hiệu quả kinh tế của các giải pháp cải thiện. Điều này cho thấy sự cần thiết phải tích hợp mức độ tổn thương và hiệu quả kinh tế - xã hội vào trong quá trình xác định, phân tích điểm đen nhằm tìm kiếm giải pháp cải thiện an toàn hiệu quả nhất. Sự tích hợp này được thể hiện trong phương pháp xác định và phân tích điểm đen dựa trên khả năng giảm thiểu thiệt hại do tai nạn.

1.1. Khả năng giảm thiểu tai nạn

Khả năng giảm thiểu tai nạn được định nghĩa là sự khác biệt giữa tần suất tai nạn được ước lượng bởi Empirical Bayesian và tần suất tai nạn được dự báo bởi hàm mức độ an toàn (Safety Performance Function - SPF) [3] như trình bày trên Hình 1.1.

Vị trí có khả năng giảm thiểu tai nạn chính là nơi có số tai nạn ghi nhận được (sau khi được hiệu chỉnh bởi Empirical Bayesian) lớn hơn số tai nạn được dự báo bởi SPF.

Hình 1.1: Sơ đồ định nghĩa khả năng giảm thiểu tai nạn

 

Hình 1.2: Sơ đồ định nghĩa khả năng giảm thiểu thiệt hại tai nạn

 

1.2. Khả năng giảm thiểu thiệt hại tai nạn

Khả năng giảm thiểu thiệt hại tai nạn được định nghĩa là sự khác biệt giữa tổn thất tai nạn thực tế (số lượng tai nạn sau khi được kiểm tra theo luật Poisson) và tổn thất tai nạn cơ bản [4] như trình bày trên Hình 1.2. Trị số tổn thất tai nạn cơ bản được rút ra từ dữ liệu tai nạn thực tiễn, tương ứng với từng loại đường và lưu lượng giao thông.

Các vị trí có khả năng giảm thiểu tổn thất tai nạn là những nơi có tổn thất tai nạn thực tế cao hơn tổn thất tai nạn cơ bản rút ra từ dữ liệu tai nạn thực trên mạng lưới đường hiện hữu.

2. Những hạn chế trong qui trình xác định và phân tích điểm đen ở Việt Nam

Việc cải thiện điểm đen TNGT đường bộ ở Việt Nam được bắt đầu nêu ra từ năm 2005 tại Quyết định số 13/2005/QĐ-BGTVT. Đến năm 2012, Bộ GTVT ban hành thông tư số 26/2012/TT-BGTVT thay thế cho quyết định này. Thực tế cho thấy, qui định hiện hữu về xác định, phân tích và đề xuất biện pháp cải thiện điểm đen chưa đủ chi tiết để triển khai thực tiễn. Các chỉ dẫn kỹ thuật có liên quan chưa được ban hành, ví dụ: Chiều dài phân đoạn và phạm vi các nút giao có thể được xem xét của điểm đen, phương pháp quan sát hiện trường, phương pháp phân tích, theo dõi đánh giá... Điều này đã gây không ít khó khăn trong quá cải thiện điểm đen.

Điểm đen hiện nay được xác định chỉ dựa trên số lượng các loại tai nạn (phân loại theo mức độ tổn thương) trong thời gian một năm. Theo đó không đề cập đến công đoạn kiểm tra về mặt thống kê đối với số lượng tai nạn ghi nhận được. Điều này không tránh khỏi tập hợp các điểm đen xác định được hàm chứa một số điểm “không thực sự đen” do các tai nạn xảy ra ngẫu nhiên cũng như hiện tượng hồi qui về giá trị trung bình nhiều năm. Một số nghiên cứu đã được triển khai [5], [6], [7], [8] chứng minh việc dùng dữ liệu tai nạn trong thời gian một năm và chỉ dựa vào số lượng tai nạn để xác định điểm đen sẽ cho kết quả không đáng tin cậy. Đối với các điểm không thực sự đen sẽ gây ra nhiều hệ quả phiền toái trong quá trình phân tích và lãng phí khi cải thiện [9].

Việc xác định điểm đen như hiện nay dẫn đến khó xếp hạng ưu tiên cải thiện các điểm đen khi mà nguồn kinh phí luôn hạn chế.

Bên cạnh đó, cơ sở dữ liệu về thiết kế hình học của mạng lưới đường, vị trí tai nạn, báo cáo chi tiết về các vụ tai nạn, dữ liệu về giao thông chưa được xây dựng hoàn chỉnh.

3. Xác định điểm đen dựa trên khả năng giảm thiểu thiệt hại (SAPO)

3.1. Mục tiêu

Xác định điểm đen theo SAPO giúp cho các cơ quan quản lý mấy vấn đề sau:

- Xác định các vị trí kém an toàn và vị trí tiềm ẩn nguy hiểm trên mạng lưới đường đang khai thác;

- Xếp hạng ưu tiên theo khả năng giảm thiểu thiệt hại nhằm phục vụ cho các công tác tiếp theo là phân tích điểm đen và đề xuất biện pháp cải thiện.

3.2. Trình tự các bước trong xác định điểm đen

Xác định điểm đen dựa trên SAPO gồm 5 bước chính: Thu thập dữ liệu, xác định nút trên mạng lưới, xác định các điểm thường xảy ra tai nạn, kiểm tra thống kê, tính toán và xếp hạng điểm đen. 

Đối với bước 1, một số loại dữ liệu chính yếu có thể được liệt kê sau: Loại tai nạn theo mức độ tổn thương, tổn thất tai nạn theo mức độ tổn thương, dữ liệu về đặc trưng của dòng giao thông và tỷ lệ tổn thất tai nạn cơ bản theo lưu lượng giao thông.

Quá trình thu thập dữ liệu thường nảy sinh hai vấn đề: (1) khó khăn trong việc xác định giá trị của tỷ lệ tổn thất tai nạn cơ bản cho từng loại đường trên mạng lưới; (2) cần có sự quyết định đúng đắn về chu kỳ thời gian thu thập dữ liệu tai nạn.

Thực tế có thể không xác định được giá trị của tỷ lệ tổn thất tai nạn cơ bản thì dùng 15% giá trị trung bình của tỷ lệ tổn thất tai nạn cho tất cả các loại đường trên mạng lưới xem xét [10]; chu kỳ tai nạn cần thu thập là khoảng từ 3 đến 5 năm là hợp lệ và tin cậy [9], [10], [11].

3.3. Vận dụng thực tiễn

Nhằm làm rõ các bước xác định điểm đen dựa trên SAPO, quận Phú Nhuận, TP. Hồ Chí Minh được chọn làm khu vực nghiên cứu.

Bước 1: Thu thập dữ liệu, phân tích thống kê, và lập bản đồ tai nạn.

Dữ liệu tai nạn trong 3 năm (2009 - 2011), đặc trưng mạng lưới đường, lưu lượng giao thông trên khu vực nghiên cứu được khảo sát, thu thập. Có khoảng 40 tham số đặc trưng liên quan đến quá trình và vị trí xảy ra tai nạn được phân tích. Một số tham số chính là: Loại tai nạn theo mức độ tổn thương, hậu quả tai nạn, điều kiện môi trường giao thông và mặt đường khi xảy ra tai nạn, tai nạn có liên quan đến xe máy, loại tai nạn theo xung đột, loại tai nạn theo hướng di chuyển của các phương tiện khi xảy ra tai nạn… Dựa trên bộ dữ liệu này tiến hành xây dựng bản đồ tai nạn (Hình 3.1).

Hình 3.1: Bản đồ tai nạn 3 năm của khu vực nghiên cứu - Q. Phú Nhuận, TP. Hồ Chí Minh

Bước 2: Phân chia mạng lưới đường thành điểm và phân đoạn

Mục đích chính của bước này là xác định các vị trí tập trung tai nạn dựa trên sự hiển thị của bản đồ tai nạn trong 3 năm (Hình 3.1). Về nguyên tắc có hai cách để phân chia mạng lưới đường thành điểm và phân đoạn: (1) dựa trên đặc trưng hình học của các đường mạng lưới; (2) dựa trên sự phân bố vị trí tai nạn và các đặc trưng của tai nạn [10]. Trong bài báo việc phân chia được thực hiện theo (2).

Kết quả phân tích Hình 3.1 đã xác định được 108 vị trí xảy ra tai nạn. Những vị trí này được mã hóa và đi kèm là số vụ tai nạn tại từng vị trí cũng được xác định.

Bước 3: Xác định các vị trí có tần suất tai nạn cao

Từ kết quả ở bước 2, liệt số thống kê bao gồm 108 trị số của số vụ tai nạn được thiết lập. Các đặc trưng thống kê cơ bản của liệt số này gồm: Trị số bình quân (5.93), số giữa (5), phương sai (3.34). Theo đó, giá trị ngưỡng thích hợp được chọn là 6. Bất kỳ vị trí nào trong khu vực nghiên cứu có số vụ tai nạn ghi nhận được lớn hơn 6 được xem là vị trí có tần suất tai nạn cao. Kết quả có tổng cộng 32 vị trí trên mạng lưới được xem là những vị trí thường xảy ra tai nạn. Tại 32 vị trí xác định có tất cả 302 vụ tai nạn đã xảy ra trong vòng 3 năm, chiếm 52,86% tổng số vụ tai nạn trên khu vực nghiên cứu.

Bước 4: Kiểm tra thống kê tại các vị trí có tần suất tai nạn cao

Để đảm bảo tại các vị trí thường xảy ra tai nạn không chỉ đơn thuần là do biến thiên ngẫu nhiên, việc kiểm tra thống kê tại các vị trí này là cần thiết. Kiểm tra tại các vị trí được thực hiện theo luật Poisson. Kết quả xác định tỷ lệ biến thiên ngẫu nhiên và tỷ lệ biến thiên hệ thống tại 32 vị trí được trình bày trên Bảng 3.1 và Hình 3.2.

Bảng 3.1. Kiểm tra thống kê 4 vị trí điển hình có tần suất tai nạn cao

 

Hình 3.2: Tỷ lệ (%) biến thiên ngẫu nhiên và biến thiên hệ thống của tai nạn ghi nhận

Bước 5: Tính khả năng giảm thiểu thiệt hại (SAPO) và xếp hạng điểm đen

Khả năng giảm thiểu thiệt hại do tai nạn được tính toán và xếp hạng ưu tiên cải thiện các điểm đen được thể hiện trên Hình 3.3.

Hình 3.3: Khả năng giảm thiểu thiệt hại tại các vị trí trong khu vực nghiên cứu (2009 - 2011)

Trị số khả năng giảm thiểu thiệt hại cao nhất trên Hình 3.3 là 116,240.0 USD hàng năm. Mỗi năm tại vị trí này, tổn thất do tai nạn đã có thể tiết kiệm nếu vị trí đó được thiết kế tốt và an toàn. Từ đây dễ dàng nhận ra rằng, nếu chi phí cho biện pháp cải thiện được biết, thì tỷ số lợi ích - chi phí của dự án cải thiện được xác định.

Việc xếp hạng điểm đen theo SAPO cho phép lựa chọn điểm đen và số lượng điểm ưu tiên thực hiện các bước tiếp theo.

4. Phân tích điểm đen và đề xuất biện pháp cải thiện

Mục tiêu chính của phân tích điểm đen là xác định các yếu tố góp phần gây ra tai nạn tại điểm đen đó và làm cơ sở cho việc đề xuất giải pháp cải thiện an toàn.

4.1. Trình tự phân tích

Tai nạn nên được hiểu là hiện tượng khan hiếm (ít xảy ra so với nhiều hiện tượng khác thường xảy ra trên mạng lưới đường), ngẫu nhiên và đa nguyên nhân [6]. Vậy nên, cấu trúc tai nạn tại điểm đen là bằng chứng tốt nhất chứng minh những thiếu sót trong thiết kế hay điều khiển giao thông tại vị trí đó. Phác họa sơ đồ va chạm của tai nạn là bước đầu tiên quan trọng trong việc phân tích điểm đen. Thông qua đó có thể xác định được cấu trúc tai nạn. Tuy nhiên, cũng có trường hợp ngoại lệ, một số ít điểm đen không có cấu trúc tai nạn rõ ràng [9].

Tai nạn là ngẫu nhiên nên kết quả phân tích dựa vào những tai nạn ghi nhận được không thể cung cấp đầy đủ thông tin về mức độ an toàn tại vị trí đó. Do vậy, việc khảo sát điều tra hiện trường là giải pháp tốt bổ sung thông tin về mức độ an toàn tại điểm đen. Tai nạn thường đa nguyên nhân nên điều tra hiện trường là cách tốt để có thêm thông tin về quá trình xảy ra tai nạn, giúp xác định nguyên nhân tai nạn xác thực hơn.

Kết hợp các thông tin từ quá trình phân tích dữ liệu ghi nhận, khảo sát, điều tra hiện trường tiến hành mô phỏng giao thông. Kết quả mô phỏng sẽ giúp ích việc kiểm tra, đánh giá các yếu tố nguy hiểm gây ra tai nạn đã xác định và đánh giá tác động của giải pháp cải thiện đến giao thông hiện tại cũng như trong tương lai.

Quá trình phân tích an toàn điểm đen gồm các bước chính thể hiện trên Hình 4.1.

Hình 4.1: Trình tự các bước phân tích điểm đen

Hình 4.2: Sơ đồ va chạm tại điểm đen

4.2. Vận dụng thực tiễn

Nhằm làm rõ các bước trong quá trình phân tích điểm đen đã nêu ở mục 4.1, báo cáo này chọn điểm đen có trị số khả năng giảm thiểu thiệt hại do tai nạn lớn nhất (xác định ở mục 3) làm trường hợp nghiên cứu. Điểm đen này được phân tích, mô phỏng để xác định các yếu tố nguy hiểm gây ra tai nạn. Dựa trên các yếu tố nguy hiểm xác định được và kinh nghiệm quốc tế về cải thiện an toàn, một số giải pháp cải thiện điểm đen được đề xuất, và sau cùng là so sánh, lựa chọn phương án tối ưu. Kết quả quá trình phân tích và cải thiện điểm đen được trình bày dưới đây.

4.2.1. Sơ đồ va chạm tại điểm đen [13] thể hiện tại Hình 4.2

4.2.2. Cấu trúc tai nạn tại điểm đen

Bảng 4.1. Tổng hợp các đặc trưng của tai nạn tại điểm đen

Căn cứ vào sơ đồ va chạm, kết quả phân tích chi tiết tai nạn ghi nhận được tại điểm đen, các đặc trưng tai nạn được tổng hợp ở Bảng 4.1. Cấu trúc tai nạn sẽ được xác định.

4.2.3. Xác định các vấn đề về an toàn tại điểm đen

Từ sơ đồ va chạm và cấu trúc tai nạn, các vấn đề về an toàn tại điểm đen được xác định gồm:

- Tai nạn buổi tối;

- Tai nạn do xe sau chạm đuôi xe trước;

- Tai nạn do mất điều khiển vượt ra khỏi mặt đường;

- Tai nạn do xe rẽ trái va chạm với xe đi thẳng.

Ngoài các vấn đề chính nêu trên, một số trường hợp do chạy xe quá tốc độ qui định nên đã gây ra các tổn thương nghiêm trọng (tử vong). Những yếu tố có thể gây ra các vấn đề về an toàn vừa nêu được xác định bước đầu thông qua tham khảo tài liệu Highway Safety Manual - TRB (2009) [13].

4.2.4. Kết quả điều tra, khảo sát hiện trường

Hình 4.3: Đèn tín hiệu và xung đột giữa các dòng xe tại vị trí khảo sát

 

Hình 4.4: Số liệu lưu lượng xe theo các hướng, điều kiện mặt đường, vỉa hè…

 

Kết quả điều tra, khảo sát hiện trường điểm đen gồm: Lưu lượng giao thông, thành phần xe, xung đột, điều kiện vật lý mặt đường, chương trình điều khiển tín hiệu giao thông… được thể hiện trên Hình 4.3 và Hình 4.4.

4.2.5. Mô phỏng giao thông tại điểm đen (trước khi cải thiện) [14], [15]

Nhằm đánh giá, kiểm chứng tính xác thực của các yếu tố nguy hiểm gây ra tai nạn đã được xác định tại điểm đen, việc mô phỏng giao thông tại điểm đen được tiến hành thông qua phần mềm VISSIM. Kết quả mô phỏng thể hiện trên Hình 4.5 và Hình 4.6.

Hình 4.5: Mô phỏng giao thông tại điểm đen

 

Hình 4.6: Kết quả mô phỏng giao thông

 

4.2.6. Các yếu tố nguy hiểm góp phần gây ra tai nạn tại điểm đen

Dựa trên kết quả phân tích tai nạn, điều tra hiện trường và mô phỏng, các yếu tố nguy hiểm góp phần gây ra tai nạn tại điểm đen được xác định gồm:

- Ngã giao có lưu lượng lớn nhưng bán kính rẽ không phù hợp; 

- Có quá nhiều xe rẽ trái;

- Đèn tín hiệu chỉ có 02 pha, không có pha rẽ trái tạo ra xung đột mạnh;

- Tầm nhìn vào ban đêm khá hạn chế;

- Chương trình đèn tín hiệu không tương thích với lưu lượng thực te;

- Giới hạn tầm nhìn khi lưu thông đến từ các hướng;

- Người đi bộ qua đường trong khu vực có xung đột mạnh.

4.2.7. Phát triển các giải pháp cải thiện an toàn

Căn cứ vào các yếu tố nguy hiểm xác định được, hai phương án cải thiện an toàn được đề xuất thể hiện trên Hình 4.7 và Hình 4.8.

Hình 4.7: Mặt bằng phương án 1

 

Hình 4.8: Mặt bằng phương án 2

 

4.2.8. Mô phỏng giao thông tại điểm đen sau cải thiện

Nhằm đánh giá tác động của phương án cải thiện đối với giao thông hiện tại, việc mô phỏng giao thông cho hai phương án được tiến hành [14], [15]. Kết quả mô phỏng hai phương án được thể hiện trên các Hình 4.9, Hình 4.10, Hình 4.11.

Hình 4.9: Mô phỏng phương án_1

 

Hình 4.10: Mô phỏng phương án_2

 

4.2.9. So sánh và lựa chọn phương án cải thiện điểm đen

Căn cứ kết quả phân tích so sánh hai phương án và đặc trưng tai nạn ghi nhận, phương án cải thiện số 2 được lựa chọn.

Hình 4.11: Kết quả mô phỏng, chi phí, tỷ số lợi ích - chi phí của hai phương án cải thiện

 

5. Kết luận và kiến nghị

ATGT đã và đang đặt ra nhiều thách thức đối với các nước đang phát triển và Việt Nam cũng không ngoại lệ. Nguồn kinh phí dành cho việc cải thiện luôn hạn chế đã làm cho vấn đề này trở nên khó khăn hơn. Xác định điểm đen dựa trên khả năng giảm thiểu thiệt hại đã tích hợp việc xếp hạng ưu tiên vào quá trình xác định điểm đen. Cách này cho phép dễ dàng lựa chọn chính xác những điểm đen có độ ưu tiên cao và giải pháp cải thiện được đảm bảo có hiệu quả kinh tế xã hội cao nhất. Hy vọng phương pháp sẽ hữu ích trong những nỗ lực giảm thiểu TNGT ở nước ta.

Để tránh những thiếu sót trong quá trình triển khai thực tiễn, nên xây dựng đầy đủ các loại cơ sở dữ liệu cần thiết nhằm đảm bảo tính chính xác khi tính toán khả năng giảm thiểu thiệt hại (SAPO) và phân tích kiểm tra thống kê tại các điểm đen.

Trong phân tích an toàn điểm đen, điều tra và khảo sát hiện trường chính là nguồn dữ liệu bổ sung quan trọng giúp hiểu rõ hơn về nguyên nhân và quá trình xảy ra tai nạn, từ đó xác định các yếu tố nguy hiểm góp phần gây ra tai nạn tại điểm đen.

Mô phỏng giao thông tại điểm đen không những giúp ích cho việc kiểm tra đánh giá tính xác thực của các yếu tố nguy hiểm xác định được mà còn giúp phát hiện các vấn đề tiềm ẩn trong các giải pháp cải thiện cũng như đánh giá tác động của nó đối với giao thông hiện tại và tương lai.

Tài liệu tham khảo

[1]. CEDR (2008), Tools for Infrastructure Safety Management - Fact Sheets and Common Conclusions, Technical Group Road Safety, Edited and published by CEDR Secretariat General, Paris.

[2]. Habibian, M.,Mesbah, M., and Sobhani, A., (2011), Ranking of Hazardous Road Locations in Two-Lane Two-Way Rural Roads with No Crash Record, Australasian Transport Research Forum 2011 Proceedings, Adelaide, Australia.

[3]. Tegge, R. A., Jo, J. H., and Ouyang, Y. (2010), Development and Application of Safety Performance Functions for Illinois, Research report ICT-10-066, University of Illinois at Urbana-Champaign.

[4]. Ganneau, F., and Lemke, K. (2008), Network safety management - From case study to application, Routes-Roads 2008 - No 338, 24-33, available at http://www.piarc.org/.

[5]. Elvik, R. (2008), State-of-the-art Approaches to Road accident black spot management and Safety analysis of Road networks, RIPCORD - ISEREST, RI-TI-WP6-R1(Final).

[6]. Elvik, R. (2008b), Comparative Analysis of Techniques for Identifying Locations of Hazardous Roads, Transportation Research Record: Journal of the Transportation Research Board, No. 2083, Transportation Research Board of the National Academies, Washington, D.C., pp. 72-75.

[7]. Elvik, R., Hye, A., Vaa, T., and Srensen, M. (2009), The Handbook of Road Safety Measures, Second Edition, Emerald Group Publishing Limited, Howard House, Wagon Lane, Bingley BD16 1WA, UK.

[8]. Elvik, R., Traffic Safety, Ch.16 (2004), In Handbook of Transportation Engineering (M. Kutz, ed.), McGraw-Hill, New York.

[9]. Elvik, R. (2006), New approach to accident analysis for hazardous road locations, Journal of the Transportation Research Board, No. 1953, Transportation Research Board of the National Academies, Washington, D.C., pp. 50-55.

[10]. Federal Highway Research Institute (Bast), Bergisch Gladbach, Germany and Road Safety Director (8/6/2005), Roads and Motorways Engineering Department (Sétra), Bagneux, France, (2005) Network safety management - NSM.

[11]. LTNZ (2004), A New Zealand guide to the treatment of Crash Locations, Land Transport New Zealand 2004, ISBN 0-478-24199-2.

[12]. Nguyen, H. H., Taneerananon, P., Koren, C., and Iamtrakul, P. (2013), Safety-Potential-Based Black Spot Safety Management Approach: A Case Study in Ho Chi Minh City,  Journal of the Eastern Asia Society for Transportation Studies, Vol.10, 2013, pp 1991-2009.

[13]. Transportation Research Board - TRB (2009), Highway Safety Manual, First Edition, Transportation Research Board, 500 Fifth St. NW, Washington, D.C.

[14]. PTV Vision (2012) VISSIM 5.40 - User Manual, 2012 PTV Planung Transport Verkehr AG, Haid-und-Neu-Str. 15, D-76131 Karlruhe, Germany.

[15]. Matshuhashi, N., Hyodo, T. and Takahashi, Y. (2005), Image Processing Analysis of Motorcycle Oriented Mixed Traffic Flow in Vietnam, Proceeding of the Eastern Asia Society for Transportation Studies, Vol. 5, pp. 929 - 944.