Analysis of Traffic Crime Based on Detailed Czech Police Data

Thesis title: Analýza dopravní kriminality na úrovni detailních dat PČR
Author: Dejnožka, Vojtěch
Thesis type: Bakalářská práce
Supervisor: Lacko, Jindřich
Opponents: Konopásek, Martin
Thesis language: Česky
Abstract:
Tato bakalářská práce se zabývá analýzou dopravní nehodovosti v České republice v období let 2016–2025. Cílem práce je zjistit, zda a jakým způsobem lze denní počty dopravních nehod statisticky vysvětlit pomocí meteorologických, časových a prostorových proměnných. Analýza vychází z otevřených dat Policie České republiky (více než 962 tisíc záznamů), mete- orologických dat služby Open-Meteo a prostorových vrstev krajů a silniční sítě. Datová sada dopravní kriminality je využita jako kontextové srovnání. Metodicky práce využívá zobecněné aditivní modely pro počtová data. Nejprve je odhadnut Poissonův model, následně je kvůli zjištěnému nadměrnému rozptylu použita negativně bino- mická specifikace. Modely zahrnují meteorologické proměnné, kalendářní faktory, sezónnost a indikátor nouzového stavu během pandemie COVID–19. Prostorová část rozšiřuje model o krajské efekty a třídy komunikací a testuje autokorelaci reziduí pomocí Moranova I a lo- kálních indikátorů LISA. Výsledky ukazují, že denní počty nehod mají zřetelnou systematickou strukturu. Srážky, sně- žení, teplota, rychlost větru i oblačnost mají statisticky průkazný a převážně nelineární vztah k nehodovosti. Výrazné jsou rovněž rozdíly mezi dny v týdnu, státními svátky a obdobími nouzového stavu. Prostorové modely potvrzují dominantní vliv krajského faktoru, zatímco rezidua nevykazují statisticky průkaznou prostorovou autokorelaci.
Keywords: dopravní nehody; dopravní kriminalita; počasí; zobecněné aditivní modely; prostorová analýza
Thesis title: Analysis of Traffic Crime Based on Detailed Czech Police Data
Author: Dejnožka, Vojtěch
Thesis type: Bachelor thesis
Supervisor: Lacko, Jindřich
Opponents: Konopásek, Martin
Thesis language: Česky
Abstract:
This bachelor’s thesis analyses daily traffic accident counts in the Czech Republic over the period 2016–2025. The aim is to determine whether and how daily accident counts can be statistically explained by meteorological, temporal and spatial variables. The analysis draws on open data from the Police of the Czech republic (over 962,000 records), meteorological data from Open-Meteo, and spatial layers of administrative regions and the road network. A traffic crime dataset is used for contextual comparison. The methodological framework is based on generalized additive models for count data. A Poisson model is estimated first; due to detected overdispersion, a negative binomial specifi- cation is then adopted. Models include meteorological variables, calendar factors, seasonality and a COVID-19 state-of-emergency indicator. The spatial component extends the model with regional fixed effects and road class categories, and tests residual autocorrelation using Moran’s I and local LISA indicators. Results show that daily accident counts exhibit a clear systematic structure. Precipitation, snowfall, temperature, wind speed and cloud cover are all statistically significant predictors, with mostly non-linear relationships. Substantial differences are found across days of the week, public holidays and pandemic restriction periods. Spatial models confirm the dominant role of the regional factor, while residuals show no statistically significant spatial autocorrelation.
Keywords: traffic accidents; traffic crime; weather; generalized additive models; spatial analysis

Information about study

Study programme: Data Analytics
Type of study programme: Bakalářský studijní program
Assigned degree: Bc.
Institutions assigning academic degree: Vysoká škola ekonomická v Praze
Faculty: Faculty of Informatics and Statistics
Department: Department of Econometrics

Information on submission and defense

Date of assignment: 9. 12. 2025
Date of submission: 11. 5. 2026
Date of defense: 16. 6. 2026
Identifier in the InSIS system: https://insis.vse.cz/zp/94870/podrobnosti

Files for download

    Last update: