Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples

Detalhes bibliográficos
Autor(a) principal: MACEDO, Márcia Rejane Oliveira Barros Carvalho
Data de Publicação: 2020
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPE
Texto Completo: https://repositorio.ufpe.br/handle/123456789/38383
Resumo: Essa tese aborda o problema relativo a infraestrutura rodoviária e acidentes de tráfego. Seu principal objetivo é desenvolver uma metodologia para predição de acidentes em rodovias rurais pista simples focando no efeito das curvas horizontais através do uso do Sistema de Informações Geográficas (SIG) para apoiar a tomada de decisão sobre a aplicação dos recursos destinados ao melhoramento das condições de segurança da via. Como hipótese dessa pesquisa infere-se que é possível desenvolver uma metodologia para avaliar e analisar impacto que a geometria da via (curva horizontal) impõe no aumento no número e na severidade de acidentes em rodovias rurais pista simples e esta pode ser modelada através da combinação de modelos estatísticos tradicionais e análises espaciais para predição de acidentes utilizando SIG. Como estudo empírico da tese foi elaborado um modelo de predição de acidentes para rodovias rurais pista simples. Um banco de dados foi elaborado para associar os registros de acidentes aos parâmetros geométricos da rodovia e preencher as lacunas deixadas pela ausência de projetos geométricos através da reconstituição geométrica ou extração semiautomática de rodovias através de imagens de satélites. O método de Equações de Estimativas Generalizadas (EEG), foi aplicado para estimar os coeficientes do modelo, assumindo a distribuição negativa do erro binomial para a contagem de acidentes observados. Foram analisadas a frequência dos acidentes, o tráfego médio diário anual (VDMA), as características espaciais e geométricas de 215km de rodovias federais rurais pista simples, entre os anos de 2007 e 2016. O procedimento EEG foi aplicado em dois modelos com três variações de segmentações homogêneas distintas, duas baseadas em segmentos e uma baseada no estimador de densidade de kernel. Para avaliar o efeito do tráfego constante, foram consideradas mais duas variações dos modelos com o VDMA como variável offset. A estrutura de correlação predominante nos modelos foi a permutável. Os principais fatores contribuintes para a ocorrência das colisões foram raio da curva horizontal, greide, comprimento do segmento e o VDMA. A pesquisa produziu indicadores claros dos parâmetros de projeto das rodovias que influenciam o desempenho da segurança das rodovias rurais.
id UFPE_1caaac86b42eb78df2cdb83d749ff016
oai_identifier_str oai:repositorio.ufpe.br:123456789/38383
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling MACEDO, Márcia Rejane Oliveira Barros Carvalhohttp://lattes.cnpq.br/6229908343246183http://lattes.cnpq.br/5541333217408107http://lattes.cnpq.br/6968054878935534MAIA, Maria Leonor AlvesRABBANI, Emilia Rahnemay Kohlman2020-10-20T16:32:47Z2020-10-20T16:32:47Z2020-05-28MACEDO, Márcia Rejane Oliveira Barros Carvalho. Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples. 2020. Tese (Doutorado em Engenharia Civil) - Universidade Federal de Pernambuco, Recife, 2020.https://repositorio.ufpe.br/handle/123456789/38383Essa tese aborda o problema relativo a infraestrutura rodoviária e acidentes de tráfego. Seu principal objetivo é desenvolver uma metodologia para predição de acidentes em rodovias rurais pista simples focando no efeito das curvas horizontais através do uso do Sistema de Informações Geográficas (SIG) para apoiar a tomada de decisão sobre a aplicação dos recursos destinados ao melhoramento das condições de segurança da via. Como hipótese dessa pesquisa infere-se que é possível desenvolver uma metodologia para avaliar e analisar impacto que a geometria da via (curva horizontal) impõe no aumento no número e na severidade de acidentes em rodovias rurais pista simples e esta pode ser modelada através da combinação de modelos estatísticos tradicionais e análises espaciais para predição de acidentes utilizando SIG. Como estudo empírico da tese foi elaborado um modelo de predição de acidentes para rodovias rurais pista simples. Um banco de dados foi elaborado para associar os registros de acidentes aos parâmetros geométricos da rodovia e preencher as lacunas deixadas pela ausência de projetos geométricos através da reconstituição geométrica ou extração semiautomática de rodovias através de imagens de satélites. O método de Equações de Estimativas Generalizadas (EEG), foi aplicado para estimar os coeficientes do modelo, assumindo a distribuição negativa do erro binomial para a contagem de acidentes observados. Foram analisadas a frequência dos acidentes, o tráfego médio diário anual (VDMA), as características espaciais e geométricas de 215km de rodovias federais rurais pista simples, entre os anos de 2007 e 2016. O procedimento EEG foi aplicado em dois modelos com três variações de segmentações homogêneas distintas, duas baseadas em segmentos e uma baseada no estimador de densidade de kernel. Para avaliar o efeito do tráfego constante, foram consideradas mais duas variações dos modelos com o VDMA como variável offset. A estrutura de correlação predominante nos modelos foi a permutável. Os principais fatores contribuintes para a ocorrência das colisões foram raio da curva horizontal, greide, comprimento do segmento e o VDMA. A pesquisa produziu indicadores claros dos parâmetros de projeto das rodovias que influenciam o desempenho da segurança das rodovias rurais.This thesis addresses the problem related to road infrastructure and traffic crash. The goal is to develop a methodology for the prediction of crashes on rural single lane highways focusing on the effect of horizontal curves through the use of Geographic Information System (GIS) to support decision-making on the application of resources aimed at improving road safety conditions. As a working hypothesis, it is inferred that it is possible to develop a methodology to assess and analyze the impact that road geometry (horizontal curve) imposes on the increase in the number and severity of accidents on rural highways, which can be modeled by combining traditional statistical models and spatial analysis to predict accidents using GIS. As an empirical study, an accident prediction model for single-lane rural highways was developed. A database was created to associate the accident records with the geometric parameters of the highway and fill in the gaps left by the absence of geometric designs through geometric reconstitution or semi-automatic extraction of highways from satellite images. The Generalized Estimating Equation method, based on Generalized Linear Methods, was applied to estimate the model coefficients, assuming a negative distribution of the binomial error for the observed accident count. Frequency of accidents, average daily traffic (VDMA), spatial and geometric characteristics of 215km of rural federal single lane highways between 2007 and 2016 were analyzed. The EEG procedure was applied to two models with three different homogeneous segmentation variations, two based on segments and one based on the kernel density. To assess the effect of constant traffic, two variations of the models were considered with the VDMA as an offset variable. The predominant correlation structure in the models was the exchangeable one. The main contributing factors to the occurrence of crash were the horizontal curve radius, greide, segment length and the VDMA. The research produced clear indicators for highway design parameters that influence the safety performance of rural highways.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia CivilUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia CivilSIGModelo de predição de acidentesEEGCurvatura horizontalMetodologia baseada em SIG para predição de acidentes em rodovias rurais pista simplesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALTESE Márcia Rejane Oliveira Barros Carvalho Macedo.PDFTESE Márcia Rejane Oliveira Barros Carvalho Macedo.PDFapplication/pdf4754520https://repositorio.ufpe.br/bitstream/123456789/38383/1/TESE%20M%c3%a1rcia%20Rejane%20Oliveira%20Barros%20Carvalho%20Macedo.PDF7c89e2e344b61b6f64fe996b7b1d0432MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/38383/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/38383/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTTESE Márcia Rejane Oliveira Barros Carvalho Macedo.PDF.txtTESE Márcia Rejane Oliveira Barros Carvalho Macedo.PDF.txtExtracted texttext/plain434891https://repositorio.ufpe.br/bitstream/123456789/38383/4/TESE%20M%c3%a1rcia%20Rejane%20Oliveira%20Barros%20Carvalho%20Macedo.PDF.txt28c9ec5c17437f055534bdbfd383ce5aMD54THUMBNAILTESE Márcia Rejane Oliveira Barros Carvalho Macedo.PDF.jpgTESE Márcia Rejane Oliveira Barros Carvalho Macedo.PDF.jpgGenerated Thumbnailimage/jpeg1336https://repositorio.ufpe.br/bitstream/123456789/38383/5/TESE%20M%c3%a1rcia%20Rejane%20Oliveira%20Barros%20Carvalho%20Macedo.PDF.jpg7ad74d9e8dc30878f64e3c16ca59a27aMD55123456789/383832020-10-21 02:10:48.485oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212020-10-21T05:10:48Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples
title Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples
spellingShingle Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples
MACEDO, Márcia Rejane Oliveira Barros Carvalho
Engenharia Civil
SIG
Modelo de predição de acidentes
EEG
Curvatura horizontal
title_short Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples
title_full Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples
title_fullStr Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples
title_full_unstemmed Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples
title_sort Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples
author MACEDO, Márcia Rejane Oliveira Barros Carvalho
author_facet MACEDO, Márcia Rejane Oliveira Barros Carvalho
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6229908343246183
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5541333217408107
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6968054878935534
dc.contributor.author.fl_str_mv MACEDO, Márcia Rejane Oliveira Barros Carvalho
dc.contributor.advisor1.fl_str_mv MAIA, Maria Leonor Alves
dc.contributor.advisor-co1.fl_str_mv RABBANI, Emilia Rahnemay Kohlman
contributor_str_mv MAIA, Maria Leonor Alves
RABBANI, Emilia Rahnemay Kohlman
dc.subject.por.fl_str_mv Engenharia Civil
SIG
Modelo de predição de acidentes
EEG
Curvatura horizontal
topic Engenharia Civil
SIG
Modelo de predição de acidentes
EEG
Curvatura horizontal
description Essa tese aborda o problema relativo a infraestrutura rodoviária e acidentes de tráfego. Seu principal objetivo é desenvolver uma metodologia para predição de acidentes em rodovias rurais pista simples focando no efeito das curvas horizontais através do uso do Sistema de Informações Geográficas (SIG) para apoiar a tomada de decisão sobre a aplicação dos recursos destinados ao melhoramento das condições de segurança da via. Como hipótese dessa pesquisa infere-se que é possível desenvolver uma metodologia para avaliar e analisar impacto que a geometria da via (curva horizontal) impõe no aumento no número e na severidade de acidentes em rodovias rurais pista simples e esta pode ser modelada através da combinação de modelos estatísticos tradicionais e análises espaciais para predição de acidentes utilizando SIG. Como estudo empírico da tese foi elaborado um modelo de predição de acidentes para rodovias rurais pista simples. Um banco de dados foi elaborado para associar os registros de acidentes aos parâmetros geométricos da rodovia e preencher as lacunas deixadas pela ausência de projetos geométricos através da reconstituição geométrica ou extração semiautomática de rodovias através de imagens de satélites. O método de Equações de Estimativas Generalizadas (EEG), foi aplicado para estimar os coeficientes do modelo, assumindo a distribuição negativa do erro binomial para a contagem de acidentes observados. Foram analisadas a frequência dos acidentes, o tráfego médio diário anual (VDMA), as características espaciais e geométricas de 215km de rodovias federais rurais pista simples, entre os anos de 2007 e 2016. O procedimento EEG foi aplicado em dois modelos com três variações de segmentações homogêneas distintas, duas baseadas em segmentos e uma baseada no estimador de densidade de kernel. Para avaliar o efeito do tráfego constante, foram consideradas mais duas variações dos modelos com o VDMA como variável offset. A estrutura de correlação predominante nos modelos foi a permutável. Os principais fatores contribuintes para a ocorrência das colisões foram raio da curva horizontal, greide, comprimento do segmento e o VDMA. A pesquisa produziu indicadores claros dos parâmetros de projeto das rodovias que influenciam o desempenho da segurança das rodovias rurais.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-10-20T16:32:47Z
dc.date.available.fl_str_mv 2020-10-20T16:32:47Z
dc.date.issued.fl_str_mv 2020-05-28
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MACEDO, Márcia Rejane Oliveira Barros Carvalho. Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples. 2020. Tese (Doutorado em Engenharia Civil) - Universidade Federal de Pernambuco, Recife, 2020.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/38383
identifier_str_mv MACEDO, Márcia Rejane Oliveira Barros Carvalho. Metodologia baseada em SIG para predição de acidentes em rodovias rurais pista simples. 2020. Tese (Doutorado em Engenharia Civil) - Universidade Federal de Pernambuco, Recife, 2020.
url https://repositorio.ufpe.br/handle/123456789/38383
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Engenharia Civil
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/38383/1/TESE%20M%c3%a1rcia%20Rejane%20Oliveira%20Barros%20Carvalho%20Macedo.PDF
https://repositorio.ufpe.br/bitstream/123456789/38383/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/38383/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/38383/4/TESE%20M%c3%a1rcia%20Rejane%20Oliveira%20Barros%20Carvalho%20Macedo.PDF.txt
https://repositorio.ufpe.br/bitstream/123456789/38383/5/TESE%20M%c3%a1rcia%20Rejane%20Oliveira%20Barros%20Carvalho%20Macedo.PDF.jpg
bitstream.checksum.fl_str_mv 7c89e2e344b61b6f64fe996b7b1d0432
e39d27027a6cc9cb039ad269a5db8e34
bd573a5ca8288eb7272482765f819534
28c9ec5c17437f055534bdbfd383ce5a
7ad74d9e8dc30878f64e3c16ca59a27a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1802310755608952832