Modelagem estatística da frequência de acidentes em tráfego rodoviário: um estudo de caso em rodovia na região sul do Brasil

Abstract

A avaliação do Desempenho de Segurança Viária (DSV) utiliza Modelos de Previsão de Acidentes (MPA) como ferramenta estatística para determinar a frequência de acidentes e a gravidade dos acidentes. Devido à objetividade na definição do número de acidentes e alto custo social e financeiro associado aos acidentes com vítimas, este trabalho busca relacionar a frequência de acidentes com vítimas por meio de análises estatísticas dos dados históricos disponíveis em rodovias federais dos estados de Santa Catarina e Paraná. A partir de revisão do estado da arte e prática disponíveis, foi possível definir correlações entre a ocorrência de acidentes, fluxo de veículos e infraestrutura da via. O estudo de caso propôs um modelo para a BR-116/PR e BR-101/SC, com segmentos homogêneos com no mínimo um quilômetro de extensão. Todos os testes (desvio escalonado, estatística generalizada de Pearson, parâmetro de dispersão e critério de informação de Akaike) realizados comprovaram que o Modelo Binomial Negativo possui melhor ajuste quando comparado com o Modelo de Poisson, explicando a correlação entre o número de acidentes e fluxo de veículos. Para definição do ajuste dos modelos, utilizou-se o gráfico CURE plot, o qual possui limites inferiores e superiores de dispersão. O modelo da BR-116/PR mostrou que o número de acessos à rodovia possui grande correlação quanto à ocorrência de acidentes, e partir da análise do CURE plot foi possível avaliar que o modelo se ajustou de forma esperada. O modelo da BR-101/SC apresentou grande correlação entre a frequência de acidentes e as variáveis relacionadas à barreira lateral e velocidade de fluxo livre. Porém, na análise do gráfico CURE plot percebe-se que o modelo não se ajustou como esperado em volume diário médio anual (VDMA) muito baixos e muito altos, devido à superdispersão dos dados, também não apresentou ajuste esperado nos segmentos com comprimentos menores, provalvemente devido o baixo número de acidentes em tais pontos, gerando a subdispersão.

Safety Performance Functions (SPF) assessment uses Accident Prediction Models (APM) as statistics tools to ascertain accidents frequency and severity. Due to objectivity in defining accidents frequency and high social and financial cost related to accidents with victims, this study aims to relate accidents with victims frequency by means of statistical analysis of historical data available in Santa Catarina and Paraná states federal highways. With the revision of the state of the art and available practices, it was possible to define correlations between accidents occurrence, vehicle traffic and road infrastructure. The case study proposed a model for highways BR-116/PR and BR-101/SC, considering homogeneous segments with a minimum extension of one kilometer. All tests (scaled deviance, Pearson chi‐square, dispersion parameter and Akaike information criterion) proved that the Negative Binomial Regression Model showed better adjustments when compared to Poisson Model, explaining the correlation between the number of accidents and vehicle traffic. For the definition of model adjustments, it was used the CURE plot graph, which possesses inferior and superior dispersion limits. BR-116/PR model showed that the number of accesses to the highway possesses great correlation to accidents occurrence and with CURE plot analysis it was possible to evaluate that the model adjusted itself in the expected way. BR-101/SC model showed great correlation between accidents frequency and the variables related to lateral barrier and free-flow speed. However, in CURE plot graph analysis it was perceived that the model did not adjusted itself as expected in very low and very high Annual Average Daily Traffic (AADT), generating data superdispersion, also did not present the expected adjustments in segments with smaller lengths, probably due to low number of accidents in those points, generating superdispersion.