Difference between reported crash time and speed disturbances in urban signalized intersections: a case study in Fortaleza-Brazil

Lucas Tito Pereira Sobreira, Gabriela Gomes Soares Rezende, Flávio José Craveiro Cunto

Resumo


O advento de novas tecnologias de monitoramento e controle de tráfego permite o desenvolvimento de estudos mais robustos de segurança viária a partir da obtenção de dados de tráfego desagregados em intervalos de 1 a 15 minutos ou até em tempo real. Entretanto, visando relacionar os acidentes às suas condições precursoras, a aplicação desse tipo de dado demanda um melhor conhecimento sobre a precisão do horário de reportagem dos acidentes. Este trabalho tem como objetivo apresentar uma análise entre horários reportados dos acidentes e perturbações nas condições de fluxo em interseções semaforizadas em Fortaleza, Brasil. As perturbações na corrente de tráfego foram detectadas a partir de oscilações na velocidade com a aplicação de algoritmo que compara as velocidades em condições "típicas" e "com acidentes" e com a validação visual das detecções. A avaliação de 291 acidentes mostrou uma diferença média de 20 minutos (dp = 23 min) entre o horário de reportagem do acidente e o momento da detecção da perturbação na velocidade. Esse achado indica a importância da investigação da precisão dos horários de reportagem dos acidentes de trânsito, principalmente ao desenvolver estudos de segurança viária em escala temporal desagregada.

Palavras-chave


Segurança viária; Perturbação na velocidade; Horário de reportagem de acidentes; Estimativa do horário de acidentes

Texto completo:

PDF (English)

Referências


Abdel-Aty, M.; H. M. Hassan; M. Ahmed and A. S. Al-Ghamdi (2012) Real-time prediction of visibility related crashes. Transportation Research Part C: Emerging Technologies, v. 24, p. 288–298. doi:10.1016/j.trc.2012.04.001

Abdel-Aty, M. and A. Pande (2005) Identifying crash propensity using specific traffic speed conditions. Journal of Safety Research, v. 36, n. 1, p. 97–108. doi:10.1016/j.jsr.2004.11.002

Christoforou, Z.; S. Cohen and M. G. Karlaftis (2011) Identifying crash type propensity using real-time traffic data on freeways. Journal of Safety Research, v. 42, n. 1, p. 43–50. doi:10.1016/j.jsr.2011.01.001

Cunto, F. J. C.; M. M. Castro Neto and D. S. Barreira (2011) Modelos de Previsão de Acidentes de Trânsito em Interseções Semaforizadas de Fortaleza. Transportes, v. 20, n. 2, p. 55–62. DOI: https://doi.org/10.4237/transportes.v20i2.558

Day, C. M. and D. M. Bullock (2017) Investigation of self-organizing traffic signal control with graphical signal performance measures. Transportation Research Record, v. 2620, p. 69–82. doi:10.3141/2620-07

Essa, M. and T. Sayed (2019) Full Bayesian conflict-based models for real time safety evaluation of signalized intersections. Accident Analysis and Prevention, v. 129, p. 367–381. doi:10.1016/j.aap.2018.09.017

Feng, Y.; M. Zamanipour; K. L. Head and S. Khoshmagham (2016) Connected vehicle-based adaptive signal control and applications. Transportation Research Record, v. 2558, p. 11–19. doi:10.3141/2558-02

Golob, T. F.; W. Recker and Y. Pavlis (2008) Probabilistic models of freeway safety performance using traffic flow data as predictors. Safety Science, v. 46, n. 9, p. 1306–1333. doi:10.1016/j.ssci.2007.08.007

Hauer, E. (2004) Statistical Road Safety Modeling. Transportation Research Record: Journal of the Transportation Research Board, v. 1897, p. 81–87. doi:10.3141/1897-11

Hojati, A. T.; L. Ferreira; S. Washington; P. Charles and A. Shobeirinejad (2014) Modelling total duration of traffic incidents including incident detection and recovery time. Accident Analysis and Prevention, v. 71, p. 296–305. doi:10.1016/j.aap.2014.06.006

Huang, Z.; Z. Gao; R. Yu; X. Wang and K. Yang (2017) Utilizing latent class logit model to predict crash risk. Proceedings - 16th IEEE/ACIS International Conference on Computer and Information Science, ICIS 2017, p. 161–165. doi:10.1109/ICIS.2017.7959987

Imprialou, M. I. M.; M. Quddus; D. E. Pitfield and D. Lord (2016) Re-visiting crash-speed relationships: A new perspective in crash modelling. Accident Analysis and Prevention. v. 86, p. 173-185. doi:10.1016/j.aap.2015.10.001

Lee, C.; M. Abdel-Aty and L. Hsia (2006) Potential Real-Time Indicators of Sideswipe Crashes on Freeways. Transportation Research Record, v. 1953, n. 6, p. 41–49. doi:10.3141/1953-05

Lee, C.; B. Hellinga and F. Saccomanno (2003) Real-Time Crash Prediction Model for Application to Crash Prevention in Freeway Traffic. Transportation Research Record: Journal of the Transportation Research Board, v. 1840, p. 67–77. doi:10.3141/1840-08

Lee, C.; F. Saccomanno and B. Hellinga (2002) Analysis of Crash Precursors on Instrumented Freeways. Transportation Research Record, v. 1784, n. 1, p. 1–8. doi:10.3141/1784-01

Pande, A. and M. Abdel-Aty (2006) Comprehensive Analysis of the Relationship Between Real-Time Traffic Surveillance Data and Rear-End Crashes on Freeways. Transportation Research Record, v. 1953, p. 31–40. doi:10.3141/1953-04

Pirdavani, A.; E. De Pauw; T. Brijs; S. Daniels; M. Magis; T. Bellemans and G. Wets (2015) Application of a Rule-Based Approach in Real-Time Crash Risk Prediction Model Development Using Loop Detector Data. Traffic Injury Prevention, v. 16, n. 8, p. 786–791. DOI: 10.1080/15389588.2015.1017572

Qin, X.; J. N. Ivan; N. Ravishanker and J. Liu (2005) Hierarchical Bayesian Estimation of Safety Performance Functions for Two-Lane Highways Using Markov Chain Monte Carlo Modeling. Journal of Transportation Engineering, v. 131, n. 5, p. 345–351. doi:10.1061/(ASCE)0733-947X(2005)131:5(345)

Quddus, M. A.; C. Wang and G. S. Ison (2010) Road Traffic Congestion and Crash Severity: Econometric Analysis Using Ordered Response Models. Journal of Transportation Engineering, v. 136, n. 5, p. 424-435. doi:10.1061/(ASCE)TE.1943-5436.0000044

Roshandel, S.; Z. Zheng and S. Washington (2015) Impact of real-time traffic characteristics on freeway crash occurrence: Systematic review and meta-analysis. Accident Analysis and Prevention, v. 79, p. 198–211. doi:10.1016/j.aap.2015.03.013

Shi, Q. and M. Abdel-Aty (2015) Big Data applications in real-time traffic operation and safety monitoring and improvement on urban expressways. Transportation Research Part C: Emerging Technologies, v. 58, p. 380–394. doi:10.1016/j.trc.2015.02.022

Solomon, D. (1964) Crashes on main rural highways related to speed, driver and vehicle. Bureau of Public Roads.

Stempfel, J.; S. I. Guler; M. Menéndez and W. M. Brucks (2016) Effects of urban congestion on safety of networks. Journal of Transportation Safety & Security, v. 8, n. 3, p. 214–229. doi:10.1080/19439962.2015.1007193

Taylor, C. and D. Meldrum (2000) Evaluation of a fuzzy logic ramp metering algorithm: a comparative study among three ramp metering algorithms used in the greater Seattle area. WA-RD Technical Report no. 481.2. Federal Highway Administration.

USDOT (2014) Intelligent Transportation Systems (ITS) Strategic Plan 2015-2019. Report no. FHWA-JPO-14-145. US Department of Transportation.

Yang, B. Z; and B. P. Y. Loo (2016) Land use and traffic collisions: A link-attribute analysis using Empirical Bayes method. Accident Analysis and Prevention, v. 95, p. 236–249. doi:10.1016/j.aap.2016.07.002

Zheng, Z. (2012) Empirical Analysis on Relationship between Traffic Conditions and Crash Occurrences. Procedia - Social and Behavioral Sciences, v. 43, p. 302–312. doi:10.1016/j.sbspro.2012.04.103

Zheng, Z.; S. Ahn and C. M. Monsere (2010) Impact of traffic oscillations on freeway crash occurrences. Accident Analysis and Prevention, v. 42, n. 2, 626–636. doi:10.1016/j.aap.2009.10.009




DOI: https://doi.org/10.14295/transportes.v28i5.2290

Métricas do artigo

Carregando Métricas ...

Metrics powered by PLOS ALM


Direitos autorais 2020 Lucas Tito Pereira Sobreira, Gabriela Gomes Soares Rezende, Flávio José Craveiro Cunto

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.