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.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.lume.ufrgs.br:10183/11172 |
| Date | January 2007 |
| Creators | Mânica, André Geraldi |
| 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 0.002 seconds