Black spot identification in highways: the case study of sp.14 (Rivoltana)

This thesis addresses the problem of black spot identification on highway infrastructures, focusing on the SP.14 (Rivoltana) corridor as a case study. The main objective is to develop a probabilistic framework for segment-level crash risk analysis by integrating traffic data, geometric characteristics, and congestion indicators based on the Volume-to-Capacity (V/C) ratio. The proposed model combines geometric exposure and traffic operating conditions through Monte Carlo simulation techniques, enabling the estimation of expected crash frequency and prediction stability. The results demonstrate the effectiveness of the method in identifying critical segments with greater robustness compared to traditional approaches relying solely on historical crash data. The study provides a methodological contribution to proactive road safety management and risk-based infrastructure planning.

La presente tesi affronta il tema dell’identificazione dei black spot lungo infrastrutture stradali, con particolare riferimento al caso studio della SP.14 (Rivoltana). L’obiettivo principale è sviluppare un approccio probabilistico per l’analisi del rischio di incidentalità a livello di segmento stradale, integrando dati di traffico, caratteristiche geometriche e indicatori di congestione basati sul rapporto Volume/Capacità (V/C). Il modello proposto combina l’esposizione geometrica e le condizioni operative del traffico mediante tecniche di simulazione Monte Carlo, consentendo la stima della frequenza attesa di incidenti e della stabilità delle previsioni. I risultati evidenziano l’efficacia del metodo nell’individuare segmenti critici con maggiore affidabilità rispetto agli approcci tradizionali basati esclusivamente sui dati storici. Lo studio fornisce un contributo metodologico utile per la pianificazione della sicurezza stradale e per la gestione proattiva del rischio lungo corridoi stradali eterogenei.