MÉTODO PROBABILÍSTICO PARA IDENTIFICAÇÃO DE ZONAS DE ACUMULAÇÃO DE ACIDENTES

Autores

  • Sara Ferreira Faculdade de Engenharia da Universidade do Porto
  • António Couto Faculdade de Engenharia da Universidade do Porto

DOI:

https://doi.org/10.4237/transportes.v21i3.683

Resumo

Neste trabalho apresenta-se um novo método de definição e identificação de zonas de acumulação (ZAA) de acidentes considerando um modelo de regressão binário. Este modelo permite calcular a probabilidade de um local ser ou não ZAA tendo em conta as características geométricas e funcionais do mesmo. Este novo método foi aplicado ao caso das interseções tendo-se, para tal, gerado uma base de dados fictícia considerando as características da sinistralidade e das interseções da cidade do Porto. Através da simulação de dados é possível conhecer a priori as “verdadeiras” ZAA. O desempenho do método foi analisado com base nos erros resultantes da classificação dos locais em ZAA ou não-ZAA, e comparado com dois dos métodos mais aplicados e analisados – o método de ranking pelo número de acidentes e o método Bayesiano-empírico. Desta análise verificou-se que o método binário proposto tem claramente melhor desempenho.

Downloads

Não há dados estatísticos.

Referências

AASHTO (2010) Highway Safety Manual. American Association of State Highway and Transportation Officials, Washington DC.

ISBN: 978-1-56051-477-0

Cafiso, S. e Silvestro, G. D. (2011) Performance of Safety Indicators in Identification of Black Spots on Two-Lane Rural Roads Transportation Research Record: Journal of the Transportation Research Board, 2237, 78-87.

DOI: 10.3141/2237-09

Cardoso, J. L. (1998) Definição e detecção de zonas de acumulação de acidentes. Segurança Rodoviária - Avaliação e Redução da Sinistralidade, LNEC, Lisboa, 131-133.

Carlin, B. e Louis, T. (2000) Bayes and Empirical Bayes Methods for Data Analysis. Chapman and Hall, London.

ISBN: 1439840954

Cheng, W. e Washington, S. (2008) New Criteria for Evaluating Methods of Identifying Hot Spots. Transportation Research Record: Journal of the Transportation Research Board, 2083, 76-85.

DOI: 10.3141/2083-09

Cheng, W. e Washington, S. P. (2005) Experimental evaluation of hotspot identification methods. Accident Analysis & Prevention, 37, 870-881.

DOI: 10.1016/j.aap.2005.04.015

Elvik, R. (2008) Comparative Analysis of Techniques for Identifying Locations of Hazardous Roads. Transportation Research Record: Journal of the Transportation Research Board, 2083, 72-75.

DOI: 10.3141/2083-08

Ferreira, S. (2010) A Segurança Rodoviária no processo de planeamento de redes de transportes. Ph.D. dissertation, University of Porto.

Fridstrom, L., Ifver, J., Ingebrigtsen, S., Kulmala, R. e Thomsen, L. K. (1995) Measuring the contribution of randomness, exposure, weather and dayligth to the variation in road accident counts. Accident Analysis and Prevention, 27, 1-20.

DOI: 10.1016/0001-4575(94)E0023-E

Geedipally, S. R. e Lord, D. (2010) Identifying Hot Spots by Modeling Single-Vehicle and Multivehicle Crashes Separately Transportation Research Record: Journal of the Transportation Research Board, 2147, 97-104.

DOI: 10.3141/2147-12

Greene, W. H. (2008) Econometric Analysis. Sixth Edition. Pearson International Edition, New Jersey.

ISBN-13:978-0-13-513740-6; ISBN-10:0-13-513740-3

Greibe, P. (2003) Accident prediction models for urban roads. Accident Analysis and Prevention, 35, 273-285. DOI: 10.1016/S0001-4575(02)00005-2

Huang, H. e Haque, H. C. C. M. M. (2009) Empirical Evaluation of Alternative Approaches in Identifying Crash Hot Spots. Naive Ranking, Empirical Bayes, and Full Bayes Methods. Transportation Research Record: Journal of the Transportation Research Board, 2103, 32-41.

DOI: 10.3141/2103-05

Lan, B. e Persaud, B. (2011) Fully Bayesian Approach to Investigate and Evaluate Ranking Criteria for BlackSpot Identification. Transportation Research Record: Journal of the Transportation Research Board, 2237, 117-125.

DOI: 10.3141/2237-13

Lord, D. (2000) The prediction of accidents on digital networks: characteristics and issues related to the application of accident prediction models. Ph.D. dissertation, University of Toronto. http://hdl.handle.net/1807/14514

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, 38, 751-766.

DOI: 10.1016/j.aap.2006.02.001

Lord, D. e Persaud, B. N. (2004) Estimating the safety performance of urban road transportation networks. Accident Analysis and Prevention, 36, 609-620.

DOI: 10.1016/S0001-4575(03)00069-1

Miranda-Moreno, L. F., Fu, L., Saccomanno, F. F. e Labbe, A. (2005) Alternative Risk Models for Ranking Locations for Safety Improvement. Transportation Research Record: Journal of the Transportation Research Board, 1908, 1-8.

DOI: 10.3141/1908-01

Montella, A. (2010) A comparative analysis of hotspot identification methods. Accident Analysis and Prevention, 42, 571-581.

DOI: 10.1016/j.aap.2009.09.025

OCDE (1997) Road safety principles and models: review of descriptive, predictive, risk and accident consequence models.Organisation for Economic Co-operation and Development, Paris. http://www.oecd.org/sti/transport/roadtransportresearch/2103285.pdf

Schluter, P. J., Deely, J. J. e Nicholson, A. J. (1997) Ranking and selecting motor vehicle accident sites by using a hierarchical Bayesian model. The Statistician, 46, 293-316.

DOI: 10.1111/1467-9884.00084

V. 21, n. 3, Dez. 2013

Downloads

Publicado

14-11-2013

Como Citar

Ferreira, S., & Couto, A. (2013). MÉTODO PROBABILÍSTICO PARA IDENTIFICAÇÃO DE ZONAS DE ACUMULAÇÃO DE ACIDENTES. TRANSPORTES, 21(3), 48–55. https://doi.org/10.4237/transportes.v21i3.683

Edição

v. 21 n. 3 (2013)

Seção

Artigos

Licença

Ao submeter um manuscrito para publicação neste periódico, todos os seus autores concordam, antecipada e irrestritamente, com os seguintes termos:

  1. Os autores mantém os direitos autorais e concedem à Revista TRANSPORTES o direito de primeira publicação do manuscrito, sem nenhum ônus financeiro, e abrem mão de qualquer outra remuneração pela sua publicação pela ANPET.
  2. Ao ser submetido à Revista TRANSPORTES, o manuscrito fica automaticamente licenciado sob a Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e da publicação inicial neste periódico.
  3. Os autores têm autorização para assumir contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicada neste periódico (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento da publicação inicial nesta revista, desde que tal contrato não implique num endosso do conteúdo do manuscrito ou do novo veículo pela ANPET.
  4. Os autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) depois de concluído o processo editorial. Como a Revista TRANSPORTES é de acesso livre, os autores são estimulados a usar links para o site da Revista TRANSPORTES nesses casos.
  5. Os autores garantem ter obtido a devida autorização dos seus empregadores para a transferência dos direitos nos termos deste acordo, caso esses empregadores possuam algum direito autoral sobre o manuscrito. Além disso, os autores assumem toda e qualquer responsabilidade sobre possíveis infrações ao direito autoral desses empregadores, isentando a ANPET e a Revista TRANSPORTES de toda e qualquer responsabilidade neste sentido.
  6. Os autores assumem toda responsabilidade sobre o conteúdo do trabalho, incluindo as devidas e necessárias autorizações para divulgação de dados coletados e resultados obtidos, isentando a ANPET e a Revista TRANSPORTES de toda e qualquer responsabilidade neste sentido.