Modelos para previsão de acidentes de trânsito em vias arteriais urbanas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2006 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/8234 |
Resumo: | Esta tese apresenta modelos de previsão de acidentes de trânsito desenvolvidos a partir de dados de segmentos de vias arteriais urbanas da cidade de Porto Alegre, capital do estado do Rio Grande do Sul, Brasil. Os modelos de previsão foram desenvolvidos para dois tipos de acidentes: colisão e atropelamento. O objetivo do trabalho foi gerar modelos de previsão de acidentes a partir de variáveis relacionadas à exposição e fatores de risco. Foi utilizada a técnica de Modelagem Linear Generalizada com distribuição de probabilidade de Poisson para relacionar a ocorrência de acidentes às variáveis explicativas. Os modelos de previsão de acidentes construídos explicaram mais de 60% da variabilidade dos dados. Isso comprova a relação entre acidentes de trânsito e as variáveis estudadas. |
id |
URGS_b432faf43e7e494d9acd9748781a48b9 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/8234 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Cardoso, GilmarGoldner, Lenise Grando2007-06-06T19:14:13Z2006http://hdl.handle.net/10183/8234000571947Esta tese apresenta modelos de previsão de acidentes de trânsito desenvolvidos a partir de dados de segmentos de vias arteriais urbanas da cidade de Porto Alegre, capital do estado do Rio Grande do Sul, Brasil. Os modelos de previsão foram desenvolvidos para dois tipos de acidentes: colisão e atropelamento. O objetivo do trabalho foi gerar modelos de previsão de acidentes a partir de variáveis relacionadas à exposição e fatores de risco. Foi utilizada a técnica de Modelagem Linear Generalizada com distribuição de probabilidade de Poisson para relacionar a ocorrência de acidentes às variáveis explicativas. Os modelos de previsão de acidentes construídos explicaram mais de 60% da variabilidade dos dados. Isso comprova a relação entre acidentes de trânsito e as variáveis estudadas.This thesis presents accident prediction models developed based on data of road links of urban arterials streets of Porto Alegre, capital of the state of Rio Grande do Sul, Brazil. The prediction models were developed for two type of accidents – colision and pedestrian accident. The aim of the study was establish accident prediction models based on variables related with exposure and risk factors. Generalised Linear Modelling techniques with Poisson likelihood distribution were used to relate accident frequencies to explanatory variables.The constructed accident prediction models were capable of explain more than 60% of data variation. This fact proves the ralationship between traffic accidents and the studied variables.application/pdfporAcidentes de trânsitoSegurança viáriaModelagemModelos para previsão de acidentes de trânsito em vias arteriais urbanasTraffic accidents prediction models to urban arterials streets info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de ProduçãoPorto Alegre, BR-RS2006doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000571947.pdf000571947.pdfTexto completoapplication/pdf15976854http://www.lume.ufrgs.br/bitstream/10183/8234/1/000571947.pdf98e781dc3711517cd044405d8a386e41MD51TEXT000571947.pdf.txt000571947.pdf.txtExtracted Texttext/plain435601http://www.lume.ufrgs.br/bitstream/10183/8234/2/000571947.pdf.txta7bc178539db4088dd4143039651c9acMD52THUMBNAIL000571947.pdf.jpg000571947.pdf.jpgGenerated Thumbnailimage/jpeg971http://www.lume.ufrgs.br/bitstream/10183/8234/3/000571947.pdf.jpga67e197d8174c12b992b562c86d46c02MD5310183/82342018-10-17 08:12:39.623oai:www.lume.ufrgs.br:10183/8234Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-17T11:12:39Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Modelos para previsão de acidentes de trânsito em vias arteriais urbanas |
dc.title.alternative.en.fl_str_mv |
Traffic accidents prediction models to urban arterials streets |
title |
Modelos para previsão de acidentes de trânsito em vias arteriais urbanas |
spellingShingle |
Modelos para previsão de acidentes de trânsito em vias arteriais urbanas Cardoso, Gilmar Acidentes de trânsito Segurança viária Modelagem |
title_short |
Modelos para previsão de acidentes de trânsito em vias arteriais urbanas |
title_full |
Modelos para previsão de acidentes de trânsito em vias arteriais urbanas |
title_fullStr |
Modelos para previsão de acidentes de trânsito em vias arteriais urbanas |
title_full_unstemmed |
Modelos para previsão de acidentes de trânsito em vias arteriais urbanas |
title_sort |
Modelos para previsão de acidentes de trânsito em vias arteriais urbanas |
author |
Cardoso, Gilmar |
author_facet |
Cardoso, Gilmar |
author_role |
author |
dc.contributor.author.fl_str_mv |
Cardoso, Gilmar |
dc.contributor.advisor1.fl_str_mv |
Goldner, Lenise Grando |
contributor_str_mv |
Goldner, Lenise Grando |
dc.subject.por.fl_str_mv |
Acidentes de trânsito Segurança viária Modelagem |
topic |
Acidentes de trânsito Segurança viária Modelagem |
description |
Esta tese apresenta modelos de previsão de acidentes de trânsito desenvolvidos a partir de dados de segmentos de vias arteriais urbanas da cidade de Porto Alegre, capital do estado do Rio Grande do Sul, Brasil. Os modelos de previsão foram desenvolvidos para dois tipos de acidentes: colisão e atropelamento. O objetivo do trabalho foi gerar modelos de previsão de acidentes a partir de variáveis relacionadas à exposição e fatores de risco. Foi utilizada a técnica de Modelagem Linear Generalizada com distribuição de probabilidade de Poisson para relacionar a ocorrência de acidentes às variáveis explicativas. Os modelos de previsão de acidentes construídos explicaram mais de 60% da variabilidade dos dados. Isso comprova a relação entre acidentes de trânsito e as variáveis estudadas. |
publishDate |
2006 |
dc.date.issued.fl_str_mv |
2006 |
dc.date.accessioned.fl_str_mv |
2007-06-06T19:14:13Z |
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.uri.fl_str_mv |
http://hdl.handle.net/10183/8234 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000571947 |
url |
http://hdl.handle.net/10183/8234 |
identifier_str_mv |
000571947 |
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/10183/8234/1/000571947.pdf http://www.lume.ufrgs.br/bitstream/10183/8234/2/000571947.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/8234/3/000571947.pdf.jpg |
bitstream.checksum.fl_str_mv |
98e781dc3711517cd044405d8a386e41 a7bc178539db4088dd4143039651c9ac a67e197d8174c12b992b562c86d46c02 |
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_ |
1810085084956459008 |