The Effects of Mandatory Speed Limits on Crash Frequency - A Causal Machine Learning Approach
Diese Studie untersucht die Auswirkungen örtlich begrenzter Geschwindigkeitsbeschränkungen auf die Unfallhäufigkeit auf deutschen Autobahnen. Verschiedene räumliche Daten werden zu einem neuen Datensatz zusammengeführt, der umfangreiche Informationen über Fahrbahnmerkmale für 500-Meter Segmente großer Teile des deutschen Autobahnnetzes enthält. Die empirische Analyse verwendet einen Causal Forest, mit dem die Auswirkungen von Geschwindigkeitsbeschränkungen auf Unfallhäufigkeit unter relativ schwachen Annahmen über den zugrundeliegenden datengenerierenden Prozess geschätzt werden können und der Einblicke in die Heterogenität der Effekte ermöglicht. Die Studie ist die erste, die das Problem des räumlichen Overfittings und mögliche Lösungen im Kontext des kausalen Machine Learnings diskutiert. Es werden deutliche negative Effekte von drei Stufen von Geschwindigkeitsbeschränkungen auf Unfallraten geschätzt, wobei die Auswirkungen auf schwere und insbesondere tödliche Unfälle am größten sind, während die Effekte auf leichte Unfälle eher moderat sind. Die Heterogenitätsanalyse deutet darauf hin, dass die Effekte auf weniger überlasteten Straßen, sowie auf Straßen mit Ein- und Ausfahrten stärker sind, während die Heterogenität in Bezug auf den Anteil des Schwerverkehrs keine eindeutigen Ergebnisse liefert.