A ampliação acelerada da demanda por transporte, mais especificamente pelo transporte rodoviário, tem provocado um aumento expressivo no número de acidentes de trânsito nesse ambiente. Consequentemente, a redução dos acidentes de trânsito tem sido um grande desafio para os pesquisadores e gestores da área rodoviária. Porém, os acidentes de trânsito são eventos complexos se considerados os diversos fatores que podem influenciá-los. Dentro desse contexto esta dissertação apresenta um estudo de modelos de previsão de acidentes, que podem ser utilizados para a avaliação do potencial de segurança em determinados locais, identificação e classificação de localidades perigosas ou com propensão a acidentes e avaliação da eficácia de medidas de melhoria da segurança. Nessa dissertação é apresentado um levantamento teórico e metodológico dos modelos de previsão de acidentes, identificando as principais variáveis adotadas bem como as técnicas utilizadas. Para cada modelo revisado foram verificadas as principais diferenças e limitações, e ainda, a análise das variáveis mais influentes presentes nesses modelos. Após, é feita uma comparação de duas abordagens distintas para estimar modelos de previsão de acidentes. A primeira consiste em estimar a ocorrência de acidentes em segmentos da via com as mudanças de características dos elementos de infraestrutura. O segundo relaciona a frequência de acidentes para um único elemento de infraestrutura da via, chamado na literatura internacional de entidade (ex: interseção, curva, tangente, etc.), com base apenas na variável relacionada ao volume de tráfego. O estudo baseado na comparação dessas duas abordagens para a previsão de acidentes revelou que a utilização do volume de tráfego como única variável independente apresenta resultados semelhantes ou até melhores que os modelos baseados em diversos elementos de infraestrutura da rodovia. / The enlargement and the accelerated development of transportation systems, more specifically the land system, have caused the number of road accidents to increase significantly. Therefore, the reduction of road accidents has been a great challenge for researchers and managers in the field of land transportation. However, considering the various factors that may influence them, road accidents are complex events. In this context, this paper presents a study of accident prediction models that can be used to assess the safety potential in certain locations, identify and rank dangerous locations or areas prone to accidents and evaluate the effectiveness of safety improvement measures. Initially, a theoretical and methodological review of accident prediction models is presented, and both the main variables adopted and the methodologies employed are identified. The main differences between all models reviewed and their limitations are presented, and the most influential variables are analyzed. In a second moment, a comparison of two different accident prediction methods is performed. The first method consists in estimating the occurrence of accidents in road sections with changes in the characteristics of infrastructure elements. The second one relates the frequency of accidents based on a single infrastructure element (intersection, curve, tangent, etc.) based on traffic volume only. The study based on the comparison of these two methods found that the use of traffic volume as the only independent variable yields similar or even better results than the models based on various road infrastructure elements.
Identifer | oai:union.ndltd.org:IBICT/oai:lume.ufrgs.br:10183/31414 |
Date | January 2011 |
Creators | Boffo, Gabriela Holz |
Contributors | Nodari, Christine Tessele |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFRGS, instname:Universidade Federal do Rio Grande do Sul, instacron:UFRGS |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds