Modelo de previsão de acidentes rodoviários envolvendo motocicletas

Detalhes bibliográficos
Autor(a) principal: Mânica, André Geraldi
Data de Publicação: 2007
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/11172
Resumo: 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.
id URGS_a9de366b117700f61b04d4b0c5c5c163
oai_identifier_str oai:www.lume.ufrgs.br:10183/11172
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Mânica, André GeraldiNodari, Christine Tessele2007-11-20T05:10:15Z2007http://hdl.handle.net/10183/11172000607444Este 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.application/pdfporAcidentes de trânsitoSegurança viáriaModelos estatísticosMotocicletasRoad safetyAccident prediction modelMotorcycleMotorcycle accidentsModelo de previsão de acidentes rodoviários envolvendo motocicletasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de ProduçãoPorto Alegre, BR-RS2007mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000607444.pdf000607444.pdfTexto completoapplication/pdf1726673http://www.lume.ufrgs.br/bitstream/10183/11172/1/000607444.pdfc578562c4aa5ba3ddd555b66d0a0eff2MD51TEXT000607444.pdf.txt000607444.pdf.txtExtracted Texttext/plain377571http://www.lume.ufrgs.br/bitstream/10183/11172/2/000607444.pdf.txtfb3ec7cf34097afdb25b899e0ef429cdMD52THUMBNAIL000607444.pdf.jpg000607444.pdf.jpgGenerated Thumbnailimage/jpeg950http://www.lume.ufrgs.br/bitstream/10183/11172/3/000607444.pdf.jpg36f9bf50fc9baca34e718346f790699eMD5310183/111722018-10-17 08:06:13.832oai:www.lume.ufrgs.br:10183/11172Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-17T11:06:13Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Modelo de previsão de acidentes rodoviários envolvendo motocicletas
title Modelo de previsão de acidentes rodoviários envolvendo motocicletas
spellingShingle Modelo de previsão de acidentes rodoviários envolvendo motocicletas
Mânica, André Geraldi
Acidentes de trânsito
Segurança viária
Modelos estatísticos
Motocicletas
Road safety
Accident prediction model
Motorcycle
Motorcycle accidents
title_short Modelo de previsão de acidentes rodoviários envolvendo motocicletas
title_full Modelo de previsão de acidentes rodoviários envolvendo motocicletas
title_fullStr Modelo de previsão de acidentes rodoviários envolvendo motocicletas
title_full_unstemmed Modelo de previsão de acidentes rodoviários envolvendo motocicletas
title_sort Modelo de previsão de acidentes rodoviários envolvendo motocicletas
author Mânica, André Geraldi
author_facet Mânica, André Geraldi
author_role author
dc.contributor.author.fl_str_mv Mânica, André Geraldi
dc.contributor.advisor1.fl_str_mv Nodari, Christine Tessele
contributor_str_mv Nodari, Christine Tessele
dc.subject.por.fl_str_mv Acidentes de trânsito
Segurança viária
Modelos estatísticos
Motocicletas
topic Acidentes de trânsito
Segurança viária
Modelos estatísticos
Motocicletas
Road safety
Accident prediction model
Motorcycle
Motorcycle accidents
dc.subject.eng.fl_str_mv Road safety
Accident prediction model
Motorcycle
Motorcycle accidents
description 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.
publishDate 2007
dc.date.accessioned.fl_str_mv 2007-11-20T05:10:15Z
dc.date.issued.fl_str_mv 2007
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/11172
dc.identifier.nrb.pt_BR.fl_str_mv 000607444
url http://hdl.handle.net/10183/11172
identifier_str_mv 000607444
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/11172/1/000607444.pdf
http://www.lume.ufrgs.br/bitstream/10183/11172/2/000607444.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/11172/3/000607444.pdf.jpg
bitstream.checksum.fl_str_mv c578562c4aa5ba3ddd555b66d0a0eff2
fb3ec7cf34097afdb25b899e0ef429cd
36f9bf50fc9baca34e718346f790699e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1816736795626307584