Antal dödade personer i vägtrafiken och antal dödsolyckor per månad är viktiga mått på trafiksäkerhetsutvecklingen och följs därför med stort intresse. Månadsutfallen är dock svåra att tolka på grund av stor slumpmässig variation. Ett lågt värde en viss månad kan antingen bero på en gynnsam utveckling av trafiksäkerheten eller vara en slumpmässig effekt. Syftet med det här projektet har varit att ta fram metoder som kan användas som stöd till tolkningen av den månadsvisa uppföljningen. Kontroll- och prognosdiagram är de metoder som har använts. Kontrolldiagrammen består av en övre och undre kontrollgräns, hamnar ett värde utanför dessa gränser kan man tolka detta som en verklig avvikelse från tidigare nivå. Kontrolldiagram där enskilda månadsvärden prickas in är användbara när det gäller att påvisa om en viss månad har ett ovanligt högt eller lågt värde. Dessa diagram är dock inte bra på att upptäcka små förändringar under en längre tid. Därför kompletteras diagrammen för enskilda månadsvärden med diagram för det totala utfallet från årets början. Som ett komplement till kontrolldiagrammen beskrivs även prognosdiagram som är baserade på så kallade ARIMA-modeller och kan användas för data där det förekommer korrelation mellan successiva månadsvärden. I början av varje kalenderår beräknas prognoser och prognosintervall för hela året. Om de verkliga utfallen hamnar utanför prognosintervallen tolkas det som en förändring av det tidigare mönstret. Prognosdiagrammen appliceras på tidsserier av rullande årssummor av antal omkomna.

The number of fatalities in road traffic accidents and the number of fatal accidents are important indicators of the traffic safety situation. The monthly values are, however, difficult to interpret due to large random fluctuations. The aim of this project have been to develop methods that facilitates analysis and interpretation of these data. Control and prognosis charts are presented in the report. The control charts have an upper and a lower limit, and a value outside these limits can be interpreted as a real departure from the prevailing level. Control charts for monthly values are useful to determine if the outcome a specific month is unusually high or low. These diagrams are, however, not good at detecting small changes during a longer time period. They are therefore complemented by charts of the total number of fatalities from the beginning of the year. Prognosis charts are included as a complement to the control charts. These charts are based on so called ARIMA models and can be used for data with autocorrelation. At the beginning of each calendar year, prognosis and prognosis intervals are calculated for the entire year. An outcome outside the prognosis intervals is interpreted as a change in the prevailing pattern. Prognosis charts are applied to twelve-month moving sums of the number of fatalities.