Este trabalho apresenta um modelo de previsão de acidentes com a participação de motocicletas que foi desenvolvido a partir do método da análise de regressão estatística adaptado às particularidades técnicas das rodovias do Estado do Rio Grande do Sul. O objetivo do trabalho é gerar uma ferramenta que possibilite prever o número de acidentes a partir da combinação do nível de exposição veicular associada com os prováveis fatores de risco deste peculiar ambiente. Com esta finalidade, é confrontado o número de acidentes observados com relação às características técnicas das rodovias investigadas com o intuito de avaliar os fatores de risco. Nove variáveis de controle representando atributos físicos, funcionais, econômicos e legais das rodovias foram analisadas sob diversos parâmetros tais como: largura da plataforma, sinuosidade; inclinação, intersecções, condição do pavimento, tráfego de veículos, tráfego de caminhões, urbanização e dispositivos de controle de tráfego. A aplicação do método estatístico permite classificar as rodovias mais importantes quanto ao nível de acidentes; identificar, mensurar e avaliar os fatores de risco; estimar a probabilidade média para a realização do evento sinistro e simular, em nível de projeto, a ocorrência futura de acidentes. Uma vez processado, o modelo obteve um fator de explicação (R2) para os dados em torno de 96%. As variáveis de controle que apresentaram maior efeito na variável de resposta foram obtidas através do tráfego de veículos seguido da largura da plataforma da rodovia. Após a análise do modelo, as rodovias com maior fator de propensão para acidentes foram a ERS734 sendo seguida pela ERS118 e ERS130. Os resultados que foram obtidos indicaram que a frota de motocicletas do Estado do Rio Grande do Sul - Brasil apresenta um risco de envolvimento em acidentes duas vezes maior que aquela incorrida pela frota dos Estados Unido e três vezes maior que aquela apresentada pela frota do Reino Unido. / This article presents an accident prediction model with the participation of motorcycles, developed by statistical regression analysis adapted to the technical peculiarities of the roads of the state of Rio Grande do Sul, Brazil. The aim of the model is to generate a tool to allow predicting the number of accidents based on the combination of vehicle exposure level with possible risk factors. The number of accidents observed is compared with road technical characteristics, aiming at evaluating risk factors. Nine control variables, representing physical, functional, economical and legal road attributes, were analyzed as to different parameters, such as platform width; sinuosity; inclination; junctions ; pavement condition; vehicle traffic; truck traffic; urbanization; and traffic control devices. The application of the statistical method allows the classification of the most important roads in terms of accident level; to identify, measure, and evaluate risk factors; to estimate mean accident probability; and to simulate, at project level, the future occurrence of accidents. Once processed, the model obtained an explanation factor (R2) for the data around 96%. Vehicle traffic, followed by highway platform width had the highest effect on the response variable. After being analyzed by the model, ERS734, followed by ERS118, and ERS130 presented the highest accident probability factor. The results obtained indicated that the risk of motorcycles being involved in accidents in the state of Rio Grande do Sul is twice as high as in the USA, and three times higher than in the United Kingdom.

Este trabalho apresenta um modelo de previsão de acidentes com a participação de motocicletas que foi desenvolvido a partir do método da análise de regressão estatística adaptado às particularidades técnicas das rodovias do Estado do Rio Grande do Sul. O objetivo do trabalho é gerar uma ferramenta que possibilite prever o número de acidentes a partir da combinação do nível de exposição veicular associada com os prováveis fatores de risco deste peculiar ambiente. Com esta finalidade, é confrontado o número de acidentes observados com relação às características técnicas das rodovias investigadas com o intuito de avaliar os fatores de risco. Nove variáveis de controle representando atributos físicos, funcionais, econômicos e legais das rodovias foram analisadas sob diversos parâmetros tais como: largura da plataforma, sinuosidade; inclinação, intersecções, condição do pavimento, tráfego de veículos, tráfego de caminhões, urbanização e dispositivos de controle de tráfego. A aplicação do método estatístico permite classificar as rodovias mais importantes quanto ao nível de acidentes; identificar, mensurar e avaliar os fatores de risco; estimar a probabilidade média para a realização do evento sinistro e simular, em nível de projeto, a ocorrência futura de acidentes. Uma vez processado, o modelo obteve um fator de explicação (R2) para os dados em torno de 96%. As variáveis de controle que apresentaram maior efeito na variável de resposta foram obtidas através do tráfego de veículos seguido da largura da plataforma da rodovia. Após a análise do modelo, as rodovias com maior fator de propensão para acidentes foram a ERS734 sendo seguida pela ERS118 e ERS130. Os resultados que foram obtidos indicaram que a frota de motocicletas do Estado do Rio Grande do Sul - Brasil apresenta um risco de envolvimento em acidentes duas vezes maior que aquela incorrida pela frota dos Estados Unido e três vezes maior que aquela apresentada pela frota do Reino Unido. / This article presents an accident prediction model with the participation of motorcycles, developed by statistical regression analysis adapted to the technical peculiarities of the roads of the state of Rio Grande do Sul, Brazil. The aim of the model is to generate a tool to allow predicting the number of accidents based on the combination of vehicle exposure level with possible risk factors. The number of accidents observed is compared with road technical characteristics, aiming at evaluating risk factors. Nine control variables, representing physical, functional, economical and legal road attributes, were analyzed as to different parameters, such as platform width; sinuosity; inclination; junctions ; pavement condition; vehicle traffic; truck traffic; urbanization; and traffic control devices. The application of the statistical method allows the classification of the most important roads in terms of accident level; to identify, measure, and evaluate risk factors; to estimate mean accident probability; and to simulate, at project level, the future occurrence of accidents. Once processed, the model obtained an explanation factor (R2) for the data around 96%. Vehicle traffic, followed by highway platform width had the highest effect on the response variable. After being analyzed by the model, ERS734, followed by ERS118, and ERS130 presented the highest accident probability factor. The results obtained indicated that the risk of motorcycles being involved in accidents in the state of Rio Grande do Sul is twice as high as in the USA, and three times higher than in the United Kingdom.

Este trabalho apresenta um modelo de previsão de acidentes com a participação de motocicletas que foi desenvolvido a partir do método da análise de regressão estatística adaptado às particularidades técnicas das rodovias do Estado do Rio Grande do Sul. O objetivo do trabalho é gerar uma ferramenta que possibilite prever o número de acidentes a partir da combinação do nível de exposição veicular associada com os prováveis fatores de risco deste peculiar ambiente. Com esta finalidade, é confrontado o número de acidentes observados com relação às características técnicas das rodovias investigadas com o intuito de avaliar os fatores de risco. Nove variáveis de controle representando atributos físicos, funcionais, econômicos e legais das rodovias foram analisadas sob diversos parâmetros tais como: largura da plataforma, sinuosidade; inclinação, intersecções, condição do pavimento, tráfego de veículos, tráfego de caminhões, urbanização e dispositivos de controle de tráfego. A aplicação do método estatístico permite classificar as rodovias mais importantes quanto ao nível de acidentes; identificar, mensurar e avaliar os fatores de risco; estimar a probabilidade média para a realização do evento sinistro e simular, em nível de projeto, a ocorrência futura de acidentes. Uma vez processado, o modelo obteve um fator de explicação (R2) para os dados em torno de 96%. As variáveis de controle que apresentaram maior efeito na variável de resposta foram obtidas através do tráfego de veículos seguido da largura da plataforma da rodovia. Após a análise do modelo, as rodovias com maior fator de propensão para acidentes foram a ERS734 sendo seguida pela ERS118 e ERS130. Os resultados que foram obtidos indicaram que a frota de motocicletas do Estado do Rio Grande do Sul - Brasil apresenta um risco de envolvimento em acidentes duas vezes maior que aquela incorrida pela frota dos Estados Unido e três vezes maior que aquela apresentada pela frota do Reino Unido. / This article presents an accident prediction model with the participation of motorcycles, developed by statistical regression analysis adapted to the technical peculiarities of the roads of the state of Rio Grande do Sul, Brazil. The aim of the model is to generate a tool to allow predicting the number of accidents based on the combination of vehicle exposure level with possible risk factors. The number of accidents observed is compared with road technical characteristics, aiming at evaluating risk factors. Nine control variables, representing physical, functional, economical and legal road attributes, were analyzed as to different parameters, such as platform width; sinuosity; inclination; junctions ; pavement condition; vehicle traffic; truck traffic; urbanization; and traffic control devices. The application of the statistical method allows the classification of the most important roads in terms of accident level; to identify, measure, and evaluate risk factors; to estimate mean accident probability; and to simulate, at project level, the future occurrence of accidents. Once processed, the model obtained an explanation factor (R2) for the data around 96%. Vehicle traffic, followed by highway platform width had the highest effect on the response variable. After being analyzed by the model, ERS734, followed by ERS118, and ERS130 presented the highest accident probability factor. The results obtained indicated that the risk of motorcycles being involved in accidents in the state of Rio Grande do Sul is twice as high as in the USA, and three times higher than in the United Kingdom.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2017-12-20T18:44:42Z No. of bitstreams: 1 lierciofeitalmottajr.pdf: 12311012 bytes, checksum: fed882b800dc53c0a497d3bda1094a0e (MD5) / Rejected by Adriana Oliveira (adriana.oliveira@ufjf.edu.br), reason: Favor corrigir no título: Higway Safety Manual on 2017-12-21T10:39:55Z (GMT) / Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2017-12-21T11:54:23Z No. of bitstreams: 1 lierciofeitalmottajr.pdf: 12311012 bytes, checksum: fed882b800dc53c0a497d3bda1094a0e (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-12-22T11:59:40Z (GMT) No. of bitstreams: 1 lierciofeitalmottajr.pdf: 12311012 bytes, checksum: fed882b800dc53c0a497d3bda1094a0e (MD5) / Made available in DSpace on 2017-12-22T11:59:40Z (GMT). No. of bitstreams: 1 lierciofeitalmottajr.pdf: 12311012 bytes, checksum: fed882b800dc53c0a497d3bda1094a0e (MD5) Previous issue date: 2017-10-27 / No presente trabalho, é realizada a aplicação do modelo de previsão de acidentes do Higway Safety Manual – HSM, publicado pela American Association of State Highway and Transportation Officials (AASTHO) no ano de 2010, à rodovia de mão dupla e pista simples, BR–116, que corta perímetros urbanos de cidades no segmento entre Caratinga e Leopoldina, Minas Gerais. Busca-se avaliar a pertinência de sua utilização como ferramenta de sistemas de gestão de segurança rodoviária. Foram coletados dados de acidentes ocorridos nos trechos de estudo referentes ao intervalo entre 2011-2015, dados sobre o volume de tráfego, além de dados geométricos da via e das suas características ambientais. Foram analisadas as aplicações do modelo em sua condição base, calibrada e refinada pelo método empírico de Bayes. Como resultado da aplicação na condição base observou-se uma discrepância entre os valores de acidentes ocorridos e previstos pelo modelo, inviabilizando a utilização direta desta aplicação. A aplicação do modelo calibrado apresentou resultados mais próximos aos reais valores de acidentes, porém ainda não sendo possível a sua utilização como modelo de previsão de acidentes. No entanto, os valores obtidos pela aplicação do modelo do HSM refinado pelo método empírico de Bayes aproximam-se de maneira satisfatória dos valores de acidentes reais ocorridos, permitindo agora a sua utilização como modelo de previsão de acidentes, tendo sua aplicação como ferramenta de sistemas de gestão de segurança rodoviária. Apesar de ainda serem necessários estudos para melhoria da calibração e da condição base, às características especificas presentes no ambiente do perímetro urbano cortado por rodovias, o modelo aplicado neste trabalho pode ser utilizado como modelo de previsão de acidentes para estes trechos. / In the present work, the Higway Safety Manual - HSM, published by the American Association of State Highway and Transportation Officials (AASTHO), is applied to the double-lane and single-lane highway BR-116, which cuts urban in the segment between Caratinga and Leopoldina, Minas Gerais. The aim of this study was to evaluate the pertinence of its use as a tool for road safety management systems. Data were collected on accidents occurring in the study sections referring to the interval between 2011-2015, data on traffic volume, as well as geometric data of the road and their environmental characteristics. The applications of the model were analyzed in their base condition, calibrated and refined by Bayes' empirical method. As a result of the application in the base condition it was observed a discrepancy between the values of accidents occurred and foreseen by the model, making it impossible to use this application directly. The application of the calibrated model presented results closer to the actual values of accidents, but it is not yet possible to use them as an accident prediction model. However, the values obtained by applying the HSM model refined by the empirical method of Bayes approach satisfactorily the values of real accidents occurred, allowing now its use as an accident prediction model, having its use as a tool of systems of road safety management. Although still necessary studies to improve the calibration and the base condition, to the specific characteristics present in the environment of the urban perimeter cut by highways, the model applied in this work can be used as a predictive model of accidents for these stretches.