Avaliação da dependência espacial na modelagem do desempenho da segurança viária em zonas de tráfego

Marcos Jose Timbo Lima Gomes, Caio Assunção Torres, Flávio José Craveiro Cunto

Resumo


Uma técnica comumente usada no processo de modelagem do Desempenho da Segurança Viária (DSV), no nível de planejamento, são os Modelos Lineares Generalizados (MLG) assumindo a distribuição binomial negativa para os erros. Limitações dessa técnica, por não considerar os efeitos espaciais, têm sido contornadas com a utilização de modelos espaciais locais a partir de técnicas de regressão espacial como a Regressão de Poisson Geograficamente Ponderada (RPGP). Este trabalho tem por objetivo apresentar uma análise comparativa entre modelos de previsão de acidentes globais não espaciais e locais espaciais para a estimação do DSV agregado ao nível de zonas de tráfego em Fortaleza/CE. Foram calibrados modelos para a variável dependente acidentes totais e acidentes com vítimas e os resultados mostraram que os modelos RPGP apre-sentaram melhor desempenho que os MLG nas medidas de ajustes e na redução da autocorrelação espacial dos resíduos, sendo capazes de captar a heterogeneidade espacial da frequência dos acidentes.


Palavras-chave


Modelagem da segurança viária, autocorrelação espacial, modelo espacial local.

Texto completo:

PDF

Referências


Aguero-Valverde, Jonathan, (2013). Full Bayes Poisson gamma, Poisson lognormal, and zero inflated random effects models: Comparing the precision of crash frequency estimates. Accident Analysis & Prevention, v. 50, p. 289-297. http://dx.doi.org/10.1016/j.aap.2012.04.019.

Akaike, H. (1973). Information Theory and an Extension of the Maximum Likelihood Principle. In: B. N. PETROV and F. CSAKI, eds. Second International Symposium on Information Theory. Budapest: Akademiai Kiado, p. 267–281.

Almeida, E. (2012). Econometria Espacial Aplicada. Editora Alínea, Campinas, SP.

Ferreira, S. e Couto, A. (2012). Avaliação da Segurança Rodoviária em Fase de Planejamento: Modelo Estatístico de Resposta Qualitativa. Transportes, v.20, n.2, p. 48-56. DOI:10.4237/transportes.v20i2.548.

Fotheringham, A.S., Brunsdon, C., Charlton, M. (2002). Geographically Weighted Regression: the analysis of spatially varying relationships. Wiley, New York.

Gomes, M. J. T. L., Torres, C. A., Oliveira Neto, F. M. e Cunto, F. J. C. (2015). Análise exploratória para a modelagem da frequência de acidentes de trânsito agregados ao nível de zonas de tráfego. Transportes, v.23, n.4, p. 42-50. DOI: 10.14295/transportes.v23i4.927.

Hadayeghi, A., Shalaby, A.S., Persaud, B. (2003). Macro-level accident prediction models for evaluating safety of urban transportation systems. Transportation Research Record, v. 1840, n. 1, p. 87-95. DOI: 10.3141/1840-10.

Hadayeghi, A., Shalaby, A. and Persaud, B. (2010). Development of planning level transportation safety tools using Geographically Weighted Poisson Regression. Accident Analysis and Prevention, v. 42, p. 676-688. DOI:10.1016/j.aap.2009.10.016.

Hauer, E (2002). Observational Before-after Studies in Road Safety. (1a ed.). Pergamon. Toronto, Canadá.

Lord, D. and Persaud, B. N. (2004). Estimating the safety performance of urban road transportation networks. Accident Analysis and Prevention, v. 36, n. 4, p. 609-620. DOI: 10.1016/S0001-4575(03)00069-1.

Lord, D. (2006). Modeling motor vehicle crashes using poisson-gamma models: Examining the effects of low sample mean values and small sample size on the estimation of the fixed dispersion parameter. Accident Analysis and Prevention, v. 38, n. 4, p. 751-766. DOI:10.1016/j.aap.2006.02.001.

Oh, J., Lyon, C., Washington, S., Persaud, B., Bared, J. (2003). Validation of FHWA crash models for rural intersection lessons learned. Transportation Research Record, v. 1840, p. 41–49. http://dx.doi.org/10.3141/1840-05.

Matkan, A. A., Mohaymany, A. S., Mirbagheri, B., Shahri, M. (2011). Explorative spatial analysis of traffic accidents using GWPR model for urban safety planning. 3rd International Conference on Road Safety and Simulation, September 14-16, 2011, Indianapolis, USA.

Nakaya, T., Fotheringham, A.S., Brunsdon, C. e Charlton, M. (2005). Geographically weighted poisson regression for disease association mapping. Statistics in Medicine, v.24, p. 2695–2717. DOI: 10.1002/sim.2129.

Silva, A. R. e Fotheringham, A. S. (2016). The Multiple Testing Issue in Geographically Weighted Regression. Geographical Analysis. v.48, p.233-247. Doi: 10.1111/gean.12084.

Silva, A. R. da, Rodrigues, T. C. V. (2014). Geographically weighted negative binomial regression-incorporating overdispersion. Statistics and Computing, v.24, p. 769-783. DOI 10.1007/s11222-013-9401-9.

Silva, A. R. da, Rodrigues, T. C. V. (2016). A SAS® macro for geographically weighted negative binomial regression. Disponível em: . Data de acesso: 01/06/2016.

Tarko, A. P., Inerowicz, M., Ramos, J. and Li, W. (2008). Tool with road-level crash prediction for transportation safety planning. Transportation Research Record: Journal of Transportation Research Board, v. 2083, n. 1, p. 16-25. DOI:10.3141/2083-03.

Wheeler, D., Calder, C. (2007). An assessment of coefficient accuracy in linear regression models with spatially varying coefficients. Journal of Geographical Systems, v.9, p. 145–166. DOI 10.1007/s10109-006-0040-y.

Zeng, Q. e Huang, H. (2014). Bayesian spatial joint modeling of traffic crashes on an urban road network. Accident Analysis & Prevention, v. 67, p. 105-112. http://dx.doi.org/10.1016/j.aap.2014.02.018.

Zhao, F., Chow, L., Li, M., Liu, X., 2005. A Transit ridership model based on geographically weighted regression and service quality variables. Report DO97591, Lehman Center for Transportation Research, Department of Civil and Environmental Engineering, Florida International University.




DOI: https://doi.org/10.14295/transportes.v24i4.1110

Métricas do artigo

Carregando Métricas ...

Metrics powered by PLOS ALM


Direitos autorais 2016 Marcos Jose Timbo Lima Gomes, Caio Assunção Torres, Flávio José Craveiro Cunto

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

TRANSPORTES (ISSN: 2237-1346) é uma publicação da ANPET - Associação Nacional de Pesquisa e Ensino em Transportes (www.anpet.org.br)

 

Licença Creative Commons

Este obra está licenciado com uma Licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional.