Desenvolvimento dum modelo de previsão de acidentes

Abstract

Os acidentes de viação apresentam uma enorme carga social e económica que é imposta à sociedade. A ocorrência destes acidentes em estradas rurais e urbanas criou a necessidade premente de desenvolver estratégias para auxiliar as administrações rodoviárias a reduzir a sinistralidade rodoviária e os seus impactos na sociedade. Assim, o conhecimento dos fatores que afetam a probabilidade de ocorrência dum acidente tem sido um domínio de investigação de há muitas décadas, o qual está longe de se esgotar, envolvendo: (i) condutor; (ii) estrada e ambiente viário; (iii) veículo. Apesar desse investimento na investigação, há ainda evidências da necessidade de aprofundar a compreensão da previsão dos acidentes em diferentes ambientes rodoviários e tipos de estradas, desenvolvendo modelos que integrem as variáveis significativas na explicação dos acidentes. Estas variáveis devem incluir os fatores que influenciam o comportamento do condutor, assim como as características que refletem a consistência do traçado. O estudo desenvolvido pretendeu dar resposta a estas questões, em particular para o contexto da rede rodoviária nacional de elevada densidade implantada em ambientes rodoviários caracterizados por forte ocupação do solo, quer habitacional quer comercial e industrial. Neste estudo, os modelos de previsão dos acidentes de viação foram desenvolvidos com o auxílio de técnicas de modelação tradicionais como os modelos lineares generalizados – MLG e também com o auxílio das equações de estimação generalizadas – EEG. Os modelos apresentam desagregações por elementos viários (interseções de três ramos e segmentos), por diferentes comprimentos de segmento (200 e 400 metros), por tipo de acidente (acidentes totais e colisões) e ainda é introduzida uma nova forma de desagregação, a temporal. Através da validação cruzada leave one out verificou-se o bom desempenho de grande parte dos modelos, onde as características do ambiente rodoviário assumem uma contribuição significativa para os níveis de acidentes, como, por exemplo, a densidade de travessias pedonais nos segmentos e a presença de travessias pedonais nas interseções. Da análise da qualidade dos modelos desenvolvidos, considera-se que o presente trabalho constitui uma contribuição importante para a melhoria da segurança rodoviária nas estradas nacionais, visto que os modelos desenvolvidos podem ser utilizados diretamente pelos responsáveis da gestão da infraestrutura rodoviária no sentido de fundamentar intervenções na mesma, direcionadas para a mitigação da sinistralidade.

Traffic crashes have placed a huge social and economic burden on society. The occurrence of crashes on rural and urban roads call for strategies to support the road administration in their efforts to reduce them. Thus, identifying factors influencing crash probability has been a leading object of research for many decades and still is. Such research targets: (i) the driver; (ii) the road and its environment; (iii) the vehicle. There is strong evidence of a need to gain better knowledge of crash prevention aspects associated to different types of road and different territorial zones using models that integrate all the known significant explanatory variables for crashes. Those include factors that influence driver performance and characteristics that represent the influence of the consistency of the geometric design of the road segment. The research developed aimed to give an answer to those questions, in particular to the context of a dense national road network integrated in a road environment characterised by a heavy land occupation, either residential or commercial and industrial. In this study, the road crash prevention models were developed using Generalized Linear Models – GLM and Generalized Estimating Equations – GEE. They involved des-aggregation according to the roadway elements (three-leg junctions and road segments), by different segment-lengths (200 and 400 meters) and by category of crash (total crashes and collision). Additionally, a new type of des-aggregation was introduced, a temporal des-aggregation. Verification was performed using the leave one out cross-validation method which confirmed the good performance of most of the models, where the characteristics of the road environment, like the presence of pedestrian crossings on road segments or at the three-leg junctions, are shown to play a significant role in determining the crash rate. Consequently, this study makes an important contribution to improving road safety conditions on national roads, because the crash prevention models developed can be used directly by those responsible for highway infrastructure management as a means to basing their crash rate mitigation interventions.