Avaliação Da Transferibilidade de Modelos de Previsão de Acidentes para Vias Urbanas em Belo Horizonte

UNIVERSIDADE FEDERAL DE MINAS GERAIS
CURSO DE GRADUAO EM ENGENHARIA CIVIL
AVALIAO DA TRANSFERIBILIDADE DE
MODELOS DE PREVISO DE ACIDENTES
PARA VIAS URBANAS EM BELO HORIZONTE
Thiago Gonalves da Costa
Belo Horizonte
2013
Thiago Gonalves da Costa
AVALIAO DA TRANSFERIBILIDADE DE
MODELOS DE PREVISO DE ACIDENTES
PARA VIAS URBANAS EM BELO HORIZONTE
Monografia de Graduao defendida perante a banca

examinadora, como parte dos requisitos necessrios
aprovao
na
disciplina
Trabalho
Integralizador
Multidisciplinar III (TIM III) do Curso de Graduao de

Engenharia Civil.
Orientadora: Prof.. Helosa Maria Barbosa, Ph.D.
Belo Horizonte
Escola de Engenharia da UFMG
2013
AGRADECIMENTOS
Em primeiro lugar, gostaria de agradecer Professora Helosa Maria Barbosa pelo apoio,
incentivo, e ensinamentos concedidos desde 2011, quando realizamos o nosso primeiro trabalho
acadmico. Esse apoio foi essencial minha formao profissional. Em segundo lugar, agradeo
minha famlia, Fundao Universitria Mendes Pimentel, colegas de faculdade e amigos por serem
os maiores incentivadores e apoiadores dessa etapa de graduao.
i
Curso de Graduao em Engenharia Civil da UFMG
RESUMO
O Highway Safety Manual (HSM) publicado pela American State Highway and
Transportation Officials (AASHTO) em 2010 oferece um conjunto de ferramentas para
avaliar e identificar oportunidades para promover a segurana em segmentos de rodovias ou
intersees de vias urbanas. Dessa maneira, este trabalho dispe-se a aplicar essas ferramentas
para as intersees com semforo de Belo Horizonte, de modo a efetuar a avaliao da
transferncia desse mtodo de previso de acidentes da realidade Estadunidense para as
condies locais desta cidade. O procedimento aplicado compreende as etapas a seguir: (1)
definio da rea de estudo e seleo dos locais; (2) levantamento de caractersticas das
intersees; (3) clculos de fatores de expanso e de Volume Mdio Dirio Anual; (4)
tratamento dos dados de acidentes; (5) aplicao do modelo original do HSM; (6) mtodo de
calibrao/validao; e (7) anlise do parmetro k de disperso. Os resultados sugerem que o
Modelo de Previso de Acidentes bsico do HSM calibrado no obteve sucesso para
intersees urbanas belo-horizontinas.
ii
SUMRIO
LISTA DE FIGURAS .......................................................................................................................................... V
LISTA DE TABELAS ......................................................................................................................................... VI
1
INTRODUO ............................................................................................................................................ 1
OBJETIVOS................................................................................................................................................. 3
2.1
OBJETIVO GERAL ....................................................................................................................................... 3
2.2
OBJETIVOS ESPECFICOS............................................................................................................................. 3
MODELOS DE PREVISO DE ACIDENTES ........................................................................................ 4

3.1
3.1.1
Modelos de Previso de acidentes para intersees em vias urbanas ............................................ 5
3.1.2
Fatores Modificadores de Acidentes ............................................................................................... 6
3.1.3
O mtodo Emprico de Bayes .......................................................................................................... 6
3.2
4
HIGHWAY SAFETY MANUAL HSM.......................................................................................................... 4
TRANSFERIBILIDADE DE MPAS E APLICAES DE MTODOS DO HSM ..................................................... 7
PROCEDIMENTO METODOLGICO................................................................................................. 12
4.1
DEFINIO DA REA DE ESTUDO E SELEO DE LOCAIS........................................................................... 12
4.2
LEVANTAMENTO DAS CARACTERSTICAS DAS INTERSEES .................................................................... 14
4.3
CLCULOS DE FATORES DE EXPANSO E DE VOLUME MDIO DIRIO ANUAL ......................................... 15
4.4
TRATAMENTO DO BANCO DE DADOS DE ACIDENTES ................................................................................. 18
4.5
APLICAO DO MODELO DE PREVISO DE ACIDENTES DO HSM .............................................................. 22
4.6
MTODO DE CALIBRAO/VALIDAO DO HSM ..................................................................................... 22
4.7
AVALIAO DO PARMETRO K DE DISPERSO ......................................................................................... 24
PRINCIPAIS RESULTADOS .................................................................................................................. 27

iii
CONCLUSES .......................................................................................................................................... 33
REFERNCIAS .................................................................................................................................................. 35
APNDICE A ...................................................................................................................................................... 37
APNDICE B ...................................................................................................................................................... 38
iv
LISTA DE FIGURAS
Figura 1 Definio de segmentos virios e intersees. ........................................................ 19
Figura 2 rea delimitada pelo Band. ..................................................................................... 21
Figura 3 Band criado em TransCad. ...................................................................................... 21
Figura 4 Etapas de aplicao do modelo de previso de acidentes do HSM......................... 22
Figura 5 Grfico de Resduos acumulados (CURE plot) Amostra 1(Calibrao). ............. 28
Figura 6 Grfico de Resduos acumulados (CURE plot) Amostra 2 (Validao). ............. 29
Figura 7 Nmero de acidentes previsto-versus-observado em intersees com semforo ... 30
v
LISTA DE TABELAS
Tabela 1 Tipos de intersees urbanas que possuem MPAs no HSM. ................................. 13
Tabela 2 Faixas de aplicabilidade de VMDA dos MPAs. ..................................................... 14
Tabela 3 Intersees pouco iluminadas noite ..................................................................... 15
Tabela 4 Resultado das mdias dos fatores semanais por ano do estudo. ............................. 17
Tabela 5 Resultado das mdias dos fatores mensais por ano do estudo. ............................... 18
Tabela 6 Resumo da frequncia de acidentes ........................................................................ 22
Tabela 7 Resultados da calibrao para intersees usando o procedimento HSM. ............. 28
Tabela 8 Resultados do Desvio Mdio Absoluto .................................................................. 31
Tabela 9 Resumo das estimativas de qualidade de ajuste do modelo. .................................. 31
Tabela 10 Frequncia de Acidentes para cada interseo. .................................................... 37
Tabela 11 Amostra 1 (Calibrao)......................................................................................... 38
Tabela 12 Amostra 2(Validao). .......................................................................................... 39
vi
LISTA DE ABREVIATURAS, SIGLAS E SMBOLOS

AASHTO American Association of State Highway and Transportation Officials;
FMA (CMF) Fatores Modificadores de Acidentes (Crash Modification Factors);
HSM Highway Safety Manual;
MPA (SPF) Modelos de Previso de Acidentes (Safety Perfomance Functions) ;
VMDA Volume Mdio Dirio Anual;
Cx Fator de calibrao;
EB Mtodo Emprico de Bayes;
k parmetro de disperso.
vii
1 INTRODUO
De acordo com estatsticas elaboradas pela Empresa de Transportes e Trnsito de Belo
Horizonte S/A (BHTRANS, 2012) no ano de 2011 houve 217 bitos e 21.774 pessoas foram
vtimas de acidentes de trnsito. Assim, a segurana viria tem sido uma preocupao
recorrente tanto para engenheiros de segurana quanto para a populao de um modo geral.
Segundo Cardoso (2006), com relao engenharia de trfego, o problema da segurana
viria nas vias urbanas brasileiras deve ser enfrentado com medidas que atuem a diminuir os
fatores estimulantes dos acidentes de trnsito. E ainda, esses fatores de risco devem ser
compreendidos para que haja elaborao da melhoria da segurana nas entidades, seja
interseo ou segmentos virios. Para isso utilizam-se como ferramenta os modelos de
previso de acidentes, adequados para estes estudos, e que h muito tempo so utilizados por
muitos pases. Cardoso (2006) menciona que a previso da ocorrncia dos acidentes de
trnsito geralmente feita atravs de modelos matemticos e estatsticos que determinam o
valor esperado de uma taxa de acidentes (medida de exposio ao risco) baseado nas
caractersticas virias e ambientais da via. Esses modelos tambm so conhecidos como
funes de desempenho de segurana viria Safety Performance Functions (SPF), segundo
o Manual de Segurana Viria, Highway Safety Manual HSM (AASHTO, 2010). Por ser um
guia prtico e padronizado o HSM fornece uma orientao aos profissionais da segurana
viria, principalmente para locais em que so necessrios resultados urgentes devido falta de
segurana nas vias.
Com base nisso, o Projeto de Pesquisa coordenado pelo Prof. Flvio Jos Craveiro Cunto - do
Departamento de Engenharia de Transportes (DET) da Universidade Federal do Cear (UFC),
em desenvolvimento por um grupo de pesquisa que est investigando as caractersticas
existentes na rede de transportes e os acidentes por meio de mtodos estatsticos para observar
se h correlao entre os mesmos. Esse grupo composto pelo Laboratrio de Sistemas de
Transportes (LASTRAN) da Universidade Federal do Rio Grande do Sul (UFRGS), pelo
Programa de Mestrado em Transportes da Escola de Engenharia de So Carlos da
Universidade de So Paulo (EESC-USP), pelo Programa de Mestrado em Geotecnia e
Transportes da Universidade Federal de Minas Gerais (UFMG) e pelo Programa de Ps1
Graduao em Transportes da Universidade de Braslia (UNB). Cada grupo de pesquisa est

elaborando modelos de previso de acidentes para sua respectiva cidade.
2
2 OBJETIVOS
2.1
Objetivo geral
O objetivo geral desta pesquisa aplicar os MPAs do HSM (AASHTO, 2010) para as
intersees com semforo de Belo Horizonte, localizadas na rea central da cidade, de modo a
efetuar a avaliao da transferncia desse mtodo internacional de previso de acidentes para
a realidade brasileira e da eficincia de suas estimativas.
2.2
Objetivos especficos
Elaborar o tratamento da base de dados de acidentes para obter o nmero de acidentes

para cada interseo do estudo;
Elaborar os clculos de fatores de expanso e de Volume Mdio Dirio Anual;
Aplicar a metodologia proposta pelo HSM para os MPAs para as intersees com
semforo da rea central de Belo Horizonte;
Calibrao e validao dos MPAs aplicados;
Avaliar a aplicabilidade dos MPAs do HSM para as vias urbanas de Belo Horizonte;
Avaliar a eficincia das estimativas obtidas com os MPAs do HSM aplicadas s vias
urbanas de Belo Horizonte;
Apresentar os resultados a respeito da transferncia e qualidade das estimativas.
3
3 MODELOS DE PREVISO DE ACIDENTES

Os modelos de previso de acidentes (MPAs) so modelos estatsticos de regresso que
relacionam o nmero de acidentes de trnsito com atributos geomtricos e de operao da via
como: volume veicular, nmero de faixas de trfego, nmero de aproximaes, entre outros.
Esses modelos so uma ferramenta importante para a estimativa da segurana viria em
intersees ou segmentos virios. As sees adiante descrevem suscintamente a respeito do
mtodo preditivo do HSM para intersees de vias urbanas.
3.1
Highway Safety Manual HSM
O relatrio de Bahar (2010) forneceu um plano de fundo para o contedo do Highway Safety
Manual - HSM, alm de acompanh-lo. O autor menciona que o HSM consiste em quatro
partes: Parte A-Introduo, Fatores Humanos e fundamentos; Parte B Processo de gesto de
segurana em rodovias; Parte C-Mtodos Preditivos; e Parte D- Fatores Modificadores de
Acidentes. E ainda, ao autor apresentam como foi realizado o desenvolvimento da Parte D, a
qual requereu um procedimento sistemtico para a reviso, filtragem e processo incluso da
literatura respeito de pesquisas de segurana nos ltimos cinquenta anos.
A Parte C do HSM - Mtodos Preditivos - apresenta um mtodo de previso de acidentes
(desagregados por severidade e tipo de acidentes) que pode ser aplicado para outros locais. A
expresso geral de previso de acidentes possui trs componentes, a saber: o MPA para as
condies de base, os Fatores Modificadores de Acidentes (FMA ou Crash Modification
Factors CMFs) e o fator de calibrao Cx para ajustar o MPA s condies regionais locais.
A expresso geral para determinao do nmero mdio previsto de acidentes,
, tem a
seguinte forma (AASHTO, 2010):

=
(1)
Em que:
: Nmero
mdio previsto de acidentes para um determinado ano e local do tipo x;
4
Nmero mdio previsto de acidentes para a condio ideal considerada no

desenvolvimento de MPA (SPF) para o local do tipo x;
Fator de modificao do MPA (SPF) para condio y e local do tipo x;
: Fator de calibrao para ajuste do SPF s condies regionais em locais do tipo x.

Os Fatores de modificao de acidentes alteram a previso de acidentes da SPF bsica do
HSM conforme as condies especficas de um local como, pistas de converso esquerda ou
direita, condies de iluminao entre outros.
3.1.1
Modelos de Previso de acidentes para intersees em vias urbanas
O MPA para condies de base ou padro em intersees de vias urbanas apresentado no

HSM tem a seguinte expresso:
=
( + " ln(% &
'
) + ( ln(% &
) * ))
(2)
Em que:
: Nmero mdio previsto de acidentes para a condio ideal considerada no
desenvolvimento de MPA (SPF) para o local do tipo x;
% &
'
% & )
menor);
: Volume de trfego dirio mdio anual (veculos/dia) da via principal (via maior);
*
: Volume de trfego dirio mdio anual (veculos/dia) da via secundria (via
, ", ( : Coeficientes de regresso.

As redes virias, o comportamento do motorista, assim como a frequncia e severidade de
acidentes, dentre outros fatores podem ter variaes significativas de pas para pas. Assim, os
modelos apresentados no manual no devem ser aplicados na sua forma original. De acordo
com o HSM (AASHTO, 2010) os coeficientes do MPA so variveis e devem ser ajustados
atravs de mtodos de calibrao.
5
3.1.2
Fatores Modificadores de Acidentes
Os Fatores Modificadores de Acidentes so seis para intersees, concernente as subsequentes

caractersticas dos ramos da interseo: a presena de faixas de converso esquerda;
presena de semforo de fase de converso esquerda; presena faixas de converso direita;
presena de faixas converso direita no vermelho; a iluminao do local e a presena de
detectores de avano.
3.1.3
O mtodo Emprico de Bayes
O HSM sugere o uso do mtodo Emprico de Bayes para refinar os resultados obtidos do
modelo. Esse mtodo consiste em combinar a mdia de acidentes previstos com a mdia de
acidentes observados para calcular o
+
- =
, de acordo com as seguintes expresses:
= - + (1 -0)
34(
12
7, 89:;<=>?@,= )
(3)
(4)
Em que:
+
12
, ,
, ,
: nmero mdio estimado de acidentes para o perodo de estudo no local i;

: nmero mdio observado de acidentes para o perodo de estudo no local i;
- : peso de ajustamento a ser colocado sobre a estimativa do modelo preditivo para o local i;
A : parmetro de disperso (tambm conhecido como parmetro de forma) da associada SPF
utilizada para estimar o
;
O mtodo EB considerado uma ferramenta chave para compensar para o potencial vis
devido regresso mdia (AASHTO, 2010) e foi demonstrada no estudo de Sachi et al.
(2012) para refinar os resultados dependendo do parmetro de disperso k (equao 4).
O parmetro k essencial ao peso de ajustamento (wi) entre o nmero observado e o previsto
de acidentes. Esse peso computado na equao 4, alm da somatria do Nprevisto ele depende
somente da varincia do MPA com uma relao de inversa proporcionalidade ao parmetro k.
Portanto, se o valor de k aumenta o valor de wi diminui, ento significa que h mais nfase
6
sobre o nmero observado de acidentes do que o previsto pelo MPA. Assim, quando o banco
de dados usado para desenvolver o modelo muito disperso, a preciso do resultado do MPA
pode ser baixa. Quando ocorre o oposto, isto , quando os dados usados para desenvolver o
modelo tem pouca disperso, a confiana no seu resultado pode ser alta (AASHTO, 2010).
3.2
Transferibilidade de MPAs e aplicaes de mtodos do HSM
Sun et al. (2006) aplicaram, no estado da Louisiana (EUA), os modelos de previso de

acidentes segundo a metodologia proposta na parte III do HSM para segmentos de rodovias
de duas pistas. O procedimento de previso de acidentes em trechos de rodovias de pistas
simples consiste em duas partes: um modelo base de previso de acidentes do HSM e os
Fatores Modificadores de Acidentes (FMAs) aplicados a eles. Esse modelo base constitudo
com variveis independentes como volume mdio dirio de trfego e comprimento de
segmento, e como varivel dependente o nmero esperado (previsto) de acidentes. Os fatores
modificadores so multiplicadores na equao (equao 1) do modelo base a fim de ajustar a
previso de acidentes s caractersticas especficas dos segmentos ou intersees, segundo o
HSM (AASHTO, 2010), aps a calibrao do modelo s condies locais.
O banco de dados utilizado na pesquisa de Sun et al. foram os dados de acidentes trnsito e
os volumes de trfego, no estado da Louisiana, dos segmentos de rodovia, em estudo, para o
perodo de 1999 a 2001. Alm, da frequncia de acidentes e do volume de trfego duas
caractersticas da rodovia foram includas aps a calibrao do modelo e para sua aplicao,
as curvas horizontais e a densidade de entradas de garagem. As curvas horizontais foram
obtidas de cpias de projeto de rodovias e a densidade de entrada de estacionamentos foi
obtida atravs de imagens de vdeo da pesquisa anual de condio de pavimentos de
Louisiana. Assim essas duas caractersticas foram os fatores modificadores de acidentes, para
o caso de Louisiana. Os autores concluem que os modelos de previso de acidentes obtiveram
desempenho razoavelmente bom: havia pequenas diferenas entre as frequncias de acidentes
observados e previstos, com os parmetros de calibrao aplicados, para todos os segmentos
de rodovias rurais de duas faixas em Louisiana.
A pesquisa de Sawalha e Sayed (2006) consistiu em apresentar um procedimento que pode ser
usado para testar se um modelo de previso de acidentes pode produzir estimativas de
7
segurana confiveis quando transferidos para uso em diferentes jurisdies. Estes autores
propuseram um procedimento de calibrao do MPA que inclui a calibrao do parmetro de
forma, tambm conhecido como parmetro de disperso. Assim, os autores desenvolveram
um modelo de previso de acidentes com distribuio binomial negativa para vias arteriais
urbanas de Vancouver, British Columbia, no Canad; foi testada a transferncia desse modelo
para a cidade de Richmond, British Columbia, Canad atravs de calibrao, aquela proposta
pelos autores, a fim de adapt-lo s condies locais existentes em Richmond. Os autores
acreditam que seu mtodo de calibrao superior aos mtodos atuais, e, alm disso,
enfatizam que o parmetro de forma do modelo transferido deve ser calibrado s condies
locais.
O trabalho de Banihashemi (2007) consiste na confeco de modelos de programao linear
que aperfeioam os custos de atraso e colises em redes de rodovias com selecionadas
melhorias operacionais de segurana e seus custos de instalao em oramentos escassos.
Essa otimizao dos modelos foi baseada em modelos previso de acidentes que estimam o
nmero esperado de colises e usam modelos base e os Fatores Modificadores de Acidentes.
Esses fatores modificam a estimativa dos MPAs baseadas em caractersticas especficas de
cada segmento de rodovias ou intersees. Esse modelo de otimizao foi elaborado em
conjunto com modelos de previso de acidentes corroborado com o uso do software interativo
do Interactive Highway Safety Design Model IHSDM. O estudo de caso apresentado por
Banihashemi (2007) contm uma rede de trs rodovias e 13 cruzamentos. Nesse estudo, o
custo de US$ 174 mil acidente/atraso esperado para a opo de "no fazer nada" para os
prximos 20 anos. Para um investimento de US$ 1 milho, o custo de acidente/atraso dever
diminuir para US$ 161milhes, uma reduo de US$ 13 milhes.
Xie et al. (2011) demonstram o procedimento de calibrao dos MPAs nacionais (EUA)
elaborados no HSM para o estudo de caso do estado de Oregon, EUA, para intersees e
segmentos rodovirios em sua pesquisa. Para isso, foram utilizados dois tipos de banco de
dados adquiridos junto ao Departamento de Transportes do Estado de Oregon (Oregon
Department of Transportations Statewide Crash Data System - ODOT), o banco de dados de
acidentes e o de caractersticas rodovirias, relativos ao perodo de 2004 a 2006. Segundo, Xie
et al., foram identificadas trs variveis que limitaram o estudo. Essas variveis foram o
8
volume de pedestres; o volume mdio dirio anual para via secundria (em intersees); e
locais de acidentes sub-representados. O volume de pedestres e o volume mdio dirio anual,
segundo os autores, foram variveis difceis de conseguir, pois existem poucas pesquisas
realizadas para obteno destes volumes. J os locais de acidentes sub-representados so
intersees ou segmentos que obtiveram frequncia de acidentes esperada muito abaixo de
100 acidentes por ano, a frequncia alvo delimitada pelos autores para obter uma
representatividade considervel de cada local.
Xie et al. mencionaram que os passos delineados no HSM para o desenvolvimento da
calibrao foram os seguintes: estimar o valor total previsto de acidentes para cada entidade
(interseo ou segmento) para a condio de base do MPA; cada valor total previsto deve ser
multiplicado aos fatores modificadores de acidentes, para compensar os aspectos que no
foram acertados nas condies de base (MPAs) de modo a melhor ajustar o valor estimado
total de acidentes; e calcular o fator de calibrao atravs da diviso do somatrio do nmero
total de acidentes observados pelo somatrio do total previsto (no ajustado) de acidentes.
Desse modo, os autores realizaram clculos de diversos fatores de calibrao para vrios tipos
de intersees e segmentos, da amostra do estado de Oregon, classificados de acordo com o
HSM. Os autores concluram que os fatores de calibrao do estado do Oregon, menores que
um, so baixos por este estado ter uma menor ocorrncia de acidentes do que os demais
estados dos EUA. Os autores deduzem que este resultado pode ter ocorrido, pois no estado do
Oregon, quando h acidentes sem vtimas (leses leves ou danos materiais de pequeno porte),
o condutor responsvel pela realizao da ocorrncia, levando ao sub-registro desse tipo de
acidente.
O trabalho de Ferraz e Silva (2012) consistiu em aplicar o modelo de previso de acidentes
apresentado no HSM para o caso de trechos de rodovia de pista simples localizados no
interior do estado de So Paulo, alm de avaliar os resultados obtidos. O mtodo de trabalho
dos autores foi feito na seguinte sequncia: coleta e tratamento de dados; aplicao do modelo
original do HSM; calibrao do modelo de previso; e avaliao do desempenho do modelo
calibrado e do modelo original. Os resultados obtidos pelos autores mostram que o nmero de
acidentes previsto pelo modelo original do HSM 3,73 vezes menor que o nmero de
acidentes real.
9
Sachi et al. (2012) trabalharam com o foco na metodologia para avaliar a transferibilidade que
a chave dos componentes do algoritmo do HSM, baseados no MPA e nos Fatores
Modificadores de Acidentes, tendo as rodovias Italianas da provncia de Turim como estudo
de caso, e, ainda, para comparar ao estudo de caso canadense. Desse modo, o banco de dados
acidentes utilizado neste trabalho foi obtido atravs do Instituto Nacional Italiano de
Estatstica (ISTAT - Italian National Institute of Statistics). Para executar a fragmentao de
segmentos homogneos de rodovias, os autores utilizaram os relatrios do volume de trfego
e sistemas de informao geogrfica (GIS) fornecida pela Provncia de Turim. O perodo de
anlise desses bancos de dados foi de 2005 a 2008. Os autores utilizaram o mesmo
procedimento realizado no estudo canadense que consistiu em avaliar a transferibilidade,
separadamente para cada fator modificador de acidentes.
Assim Sachi et al. estimaram o valor total previsto de acidentes para cada segmento
homogneo para a condio de base do MPA. Cada valor total previsto de acidentes de seu
respectivo segmento foi multiplicado separadamente para cada fator modificador de acidentes,
para gerar o total previsto de acidentes ajustado para cada fator. Em seguida o fator de
calibrao foi calculado atravs da diviso do somatrio do nmero total de acidentes
observados pelo somatrio do total previsto (no ajustado) de acidentes. Os Fatores
Modificadores de Acidentes utilizados na pesquisa foram o comprimento do raio de curvas; a
densidade de entradas de estacionamento; e ausncia ou presena de espirais de transio em
curvas horizontais. Desse modo, os autores compararam a frequncia de acidentes observada
frequncia de acidentes prevista obtida para cada caso, alm de confrontar ao estudo
realizado no Canad. Aps isso, Sachi et al. avaliaram o desempenho de transferibilidade com
o Desvio Mdio Absoluto e os Grficos de Resduos acumulados, os CURE Plots. Quando o
valor do Desvio Mdio Absoluto se aproxima de zero significa que o modelo calibrado realiza
uma boa previso de acidentes. Os autores concluram atravs destes dois indicadores obtidos
para cada caso e comparados ao estudo canadense que h pouca confiabilidade no modelo
calibrado do HSM para estimar acidentes em segmentos de rodovias em Turim, Itlia.
De acordo com a reviso bibliogrfica os MPAs; os Fatores Modificadores de Acidentes; os
mtodos de calibrao da amostra; e os indicadores de desempenho so essenciais para avaliar
a transferibilidade do modelo delineado no HSM. Portanto, nmero de acidentes e o volume
10
mdio dirio anual (VMDA) so as variveis relacionadas s intersees ou segmentos virios

so determinantes dos modelos de previso acidentes e o tratamento do banco de dados destas
variveis o primeiro passo deste trabalho.
11
4 PROCEDIMENTO METODOLGICO
O mtodo adotado neste trabalho composto das etapas descritas a seguir: (1) definio da
rea de estudo e seleo dos locais; (2) levantamento de caractersticas das intersees; (3)
clculos de fatores de expanso e de Volume Mdio Dirio Anual; (4) tratamento dos dados
de acidentes; (5) aplicao do modelo original do HSM; (6) mtodo de calibrao/validao; e
(7) anlise do parmetro k de disperso.
4.1
Definio da rea de estudo e seleo de locais
A pesquisa utiliza dois bancos de dados que so advindos da Empresa de Transportes e

Trnsito de Belo Horizonte S/A (BHTRANS). O primeiro o banco de dados de volumes de
trfego obtido atravs da armazenagem da contagem automtica realizada pelos laos
indutores instalados nas vias (junto s intersees com semforo) da rea central de Belo
Horizonte e vias prximas a essa regio. Esse banco de dados pertence a central de Controle
Inteligente de Trfego CIT da BHTRANS. O segundo banco de dados o banco de
acidentes tambm gerado pela BHTRANS a partir das informaes dos REDS Registro de
Eventos de Defesa Social. Ambos os bancos de dados constituem um conjunto de dados
pertencente ao perodo de 2007 a 2011, perodo de estudo adotado neste trabalho.
O HSM define alguns requisitos para aplicabilidade do mtodo preditivo, com relao
amostra de dados: a amostra deve conter de 30 a 50 entidades; o perodo de estudo deve ser de
trs a cinco anos; a amostra de entidades deve ser segmentada em acordo com as tipologias
determinadas no HSM (Tabela 1), e aplicada a cada MPA correspondente, de forma que cada
amostra seja homognea; cada entidade estudada no deve ter sofrido nenhuma alterao
fsica ou operacional durante o perodo de estudo adotado; e ainda, como ser descrito
posteriormente, essa amostra deve conter entidades com o(s) mesmo(s) Fator(es)
Modificador(es) de Acidentes, a fim de se obter locais homogneos, e aplicar o mtodo
preditivo.
12
Tabela 1 Tipos de intersees urbanas que possuem MPAs no HSM.

Sem semforo de trs ramos (controle de Pare na via secundria) (3ST)
Intersees Com semforo de trs ramos (3SG)
Sem semforo de quatro ramos (controle de Pare na via secundria) (4ST)
Com semforo de quatro ramos (4SG)
Fonte: Adaptado de HSM (AASHTO, 2010).

Conforme anteriormente mencionado, a seleo dos locais onde ser aplicado o mtodo
preditivo do HSM partiu da disponibilidade de dados de volume de trfego, essencial a esse
mtodo. Ento, primeira vista, a rea de estudo possua 238 intersees com dados de
volumes de trfego para o perodo de estudo. A primeira seleo envolveu a eliminao dos
locais em que ocorreu alguma alterao fsica ou operacional ao longo do perodo de anlise,
ou cujos dados de volume de trfego, como ser descrito posteriormente, apresentaram
inconsistncias impossibilitando o seu aproveitamento. Dessa maneira, foram selecionados
220 locais dos 238 presentes no primeiro conjunto de dados de trfego.
Aps essa etapa, realizou-se a segmentao dessas 220 intersees nas tipologias do HSM
(Tabela 1). Essa segmentao resultou 31 intersees com semforo de trs ramos (3SG); 130
intersees com semforo de quatro ramos (4SG), 24 intersees com semforo de cinco
ramos; e 35 intersees com semforo de seis ramos. Como, as intersees de cinco e seis
ramos no se enquadram nas tipologias do HSM apresentadas, elas foram excludas da
anlise. J amostra de intersees com semforo de trs ramos tambm foi eliminada da
anlise, pois sua quantidade no significativa para as etapas de calibrao/validao do
modelo de acordo com as definies do HSM. Assim, nesta segunda etapa, apenas as 130
intersees com semforo de quatro ramos foram selecionadas para aplicar o mtodo
preditivo. Alm disso, essa primeira seleo tambm envolveu os locais que existem os
mesmos Fatores Modificadores de Acidentes (FMA). Portanto, a resultar em uma amostra de
125 intersees de com semforo de quatro ramos. Segundo o HSM, h ainda a restrio em
faixas de Volume Mdio Dirio Anual (VMDA) para cada tipo de MPA especfico para cada
tipo de entidade, como a Tabela 2 apresenta.
13
Tabela 2 Faixas de aplicabilidade de VMDA dos MPAs.

Tipologia
Intersees 3ST
Intersees 4ST
Intersees 4SG
Intersees 4SG
VMDA Principal
0 a 45.700 veculos por dia
VMDA Secundrio
Fonte: HSM (AASHTO, 2010).

Assim desta amostra de 125 intersees devem ser excludas as intersees cujos VMDA
sejam superiores a 67.700 veculos por dia na aproximao principal e 33.400 na secundria.
Como resultado desse critrio de aplicabilidade do HSM, portanto, foi obtida uma amostra
final de 99 intersees com semforo de quatro ramos. Dessa forma, o estudo foi restringido
aplicao do MPA relativo a este tipo de interseo e ao tipo de acidente encontrado no
conjunto de dados do banco de acidentes da BHTRANS que registra somente acidentes com
vtimas fatais e no fatais, no considerando os acidentes com apenas danos materiais.
4.2
Levantamento das caractersticas das intersees
Foram levantadas as seguintes caractersticas dos ramos da interseo, de acordo com os

fatores modificadores de acidentes, com o auxlio do software Google Earth: presena de
faixas de converso esquerda; presena de semforo de fase de converso esquerda;
presena de faixas de converso direita; e iluminao do local. Os dados foram tabulados
em uma planilha do MS Excel. Os fatores modificadores de acidentes como a presena de
faixas converso direita no vermelho e a presena de detectores de avano no foram
levantados. Isso porque no Brasil converses direta no vermelho bem como converses
esquerda sem um semforo especfico no so permitidas. Os detectores de avano s foram
instalados em vias de Belo Horizonte apenas ao final de 2011, de acordo com informaes do
site da BHTRANS. Deste modo, esses dois fatores foram desconsiderados. Alm destas
caractersticas, foram obtidas as larguras de seo transversal de cada via pertencente aos
ramos interseo com o auxlio do software Google Earth.
Em anlise posterior foram identificadas apenas 5 intersees com semforo de fase de
converso esquerda na amostra selecionada de 130 intersees de quatro ramos. Como a
metodologia do HSM implica na utilizao de uma amostra de entidades homogneas, essas
14
intersees foram excludas do estudo. Como presena de faixas de converso esquerda ou

direita foi considerada na interseo quando estivessem presentes os respectivos semforos
de fase especficos para cada tipo de converso, a amostra resultante de 125 intersees no
continha a presena de ambas as faixas, segundo o levantamento realizado, e, portanto, o
valor de FMA adotado para ambas foi de 1.00, a seguir o procedimento delineado no HSM.
O FMA de iluminao calculado de acordo com o trabalho de Elvik e Vaa (AASHTO,
2010):
B7
= 1 0,38
(5)
Onde:
B7 6
intersees;
6
: fator modificador de acidentes para o efeito de iluminao sobre as
: proporo do total de acidentes em intersees no iluminadas que ocorrem noite.

Tabela 3 Intersees pouco iluminadas noite
Propores acidentes que ocorrem noite
Tipo de interseo
6
3ST
0,238
4ST
0,229
3SG e 4SG
0,235

Assim o FMA obtido atravs da equao 5 foi de 0,9107.
4.3
Clculos de fatores de expanso e de Volume Mdio Dirio Anual
Como mencionado anteriormente, os dados de volume de trfego so advindos da contagem

automtica realizada pelos laos indutores instalados nas vias do centro de Belo Horizonte e
armazenados no banco de dados da central de Controle Inteligente de Trfego CIT da
BHTRANS.
15
Para aplicao do presente estudo foram utilizados dados volumtricos de intersees com
semforos para os anos de 2007 a 2011, como requerido pelo HSM, a amostra de dados deve
ser de trs a cinco anos, de forma a estabelecer uma srie histrica longitudinal que poder
resultar em uma aplicao do MPA com maior confiabilidade e boa preciso de acidentes.
Esses dados em arquivo texto foram exportados para planilhas de Excel de forma a apresentar
os dados de volume horrio de um ano inteiro para cada aproximao de todas as intersees
monitoradas pelo CIT.
O banco de dados, em uma primeira anlise, apresentou lacunas nos dados, ou seja, alguns
dias, semanas, ou at meses inteiros com registro igual a 0 (zero) e at valores
incompatveis com o perfil volumtrico tpico de uma via urbana, por problemas no sistema
dos laos, ou mesmo por falta de espao (memria) no sistema de armazenamento de dados,
segundo informao do rgo gestor.
O problema de dados incompletos foi contornado utilizando o procedimento estabelecido por
Barbosa e Costa (2011) que consistia em selecionar uma amostra de cinco intersees bem
distribudas na rea de estudo que apresentassem dados de volume de trfego com o menor
nmero de imperfeies possveis, para ento, executar clculos de fator de expanso semanal
e mensal delineados por Roess et al. (2011) e adaptados por Barbosa e Costa (2011).
Roess et al. (2011) definem que o fator de expanso semanal a diviso do Volume Mdio
Dirio (VMD) pelo Volume Mdio Dirio Anual Estimado (VMDA est(semanal)) para cada dia
da semana que se deseja calcular (equao 8, por exemplo). Ento para calcular o fator de
expanso semanal foram executados, em primeiro lugar, os somatrios dos volumes dirios
(24 horas) para cada dia da semana (domingo, segunda, tera, etc.) de todos esses dias do ano.
Aps isso, este somatrio foi divido pelo nmero de ocorrncias (do dia da semana no ano,
por exemplo, segunda-feira) menos as ocorrncias (deste dia, no exemplo, segunda-feira)
onde o somatrio de volume de trfego foi igual a zero (equao 6, por exemplo). O VMD
calculado para cada dia da semana somado e dividido por sete, resultando no
VMDAest(semanal), (equao 7).
VMD(KLMNOPQRSLTUQ) = 8 ,
V B7
Y76,
, WX(
Y76,
, 6 R 8 ,
RZ
Y76,
, 6 )
, 6 (*
V W\])
(6)
16
VMDALK_(KL`QOQa) =
bcd(KLMNOPQ)33bcd(Pf`TOMf)
(7)
FS (KLMNOPQRSLTUQ) = VMD(KLMNOPQRSLTUQ) /VMDALK_(KL`QOQa)
(8)
Roess et al. (2011) definem o fator de expanso mensal como a diviso do Volume Mdio
Dirio (VMD) por ms pelo Volume Mdio Dirio Anual Estimado Mensal (VMDAest(mensal)),
de acordo com a equao 11. Desta forma, foram calculados os somatrios dos volumes por
ms para cada interseo para obter o volume dirio total na interseo por ms. Feito isso,
foram calculados os VMDs por ms, ou seja, o volume total na interseo no ms dividido
pelo nmero de dias do ms (equao 9, por exemplo). O VMDAest(mensal) foi obtido somando
todos os volumes totais na interseo por ms e dividindo este valor por 365 dias, menos o
nmero de dias com zeros na interseo (equao 10, por exemplo). Aps isso, realizada a
diviso do Volume Mdio Dirio (VMD) por ms pelo Volume Mdio Dirio Anual Estimado
Mensal (VMDAest(mensal)) (equao 11).
VMD(kQOLTUf) = 8 ,
VMDALK_(`LOKQa) =
V B7
, WX(,
, , l 6
R 8 , ,
, l 6
, , l 6
(*
bcd(kQOLTUf)33bcd(PLnL`oUf)
pqrR8 , ,
(9)
V W\])
(10)
V W\]
FM (kQOLTUf) = VMD(kQOLTUf) / VMDA LK_(`LOKQa)
(11)
Com a realizao dos clculos do fator mensal e semanal em planilhas do Excel, para as cinco
intersees escolhidas foram feitas as mdias dos fatores de expanso para obter os fatores de
expanso caractersticos para o centro de Belo Horizonte para cada ano do estudo, as Tabelas
Tabela 4 e Tabela 5 apresentam os resultados, respectivamente para os fatores semanais e
mensais.
Tabela 4 Resultado das mdias dos fatores semanais por ano do estudo.
Ano
Sbado
Domingo
2007
2008
2009
2010
2,701
1,173
1,048
1,247
3,686
1,469
1,405
1,405
Segundafeira
2,055
0,970
0,938
0,922
Terafeira
2,047
0,949
0,982
0,905
Quartafeira
2,005
0,911
0,966
0,898
Quintafeira
1,949
0,915
0,954
0,902
Sextafeira
1,819
0,857
0,885
0,943
17
2011
1,050
1,506
0,961
0,941
0,952
0,953
0,889
Tabela 5 Resultado das mdias dos fatores mensais por ano do estudo.
Ano
2007
2008
2009
2010
2011
Jan
0,871
1,101
1,030
1,113
0,409
Fev
0,845
1,004
1,020
1,004
0,902
Mar
0,738
0,984
0,934
0,876
0,983
Abr
0,746
0,929
0,950
0,944
1,051
Mai
0,716
0,975
0,914
0,899
1,021
Jun
0,752
0,926
0,942
0,885
1,010
Jul
0,000
0,994
0,907
0,920
0,964
Ago
0,775
0,954
0,961
0,913
0,965
Set
0,800
0,910
0,950
0,833
0,955
Out
0,000
0,890
0,958
0,944
0,951
Nov
1,041
0,877
0,959
0,910
0,935
Dez
2,712
3,291
2,676
0,000
1,851
De posse dos fatores semanais e mensais os VMDAs das intersees do centro de Belo
Horizonte, foram obtidos da forma proposta por Roess et al. (2011):
% & = %24 u
(12)
Em que:
VMDA: Volume mdio dirio anual;
V24: Volume de veculos de 24 horas do dia;
FS:
Fator de expanso semanal mdio;
FM:
Fator de expanso Mensal mdio.
Com base na Equao (12) foram calculados os VMDAs (para a via principal e para a via
secundria de cada interseo) das 99 intersees da rea central de Belo Horizonte para o
perodo de 2007 a 2011, de modo a selecionar os fatores semanais e mensais tpicos, por
exemplo, dias da semana, como os dias da semana entre Tera e Quarta Feira, e meses, entre
Maro a Junho, ou Agosto a Novembro.
4.4
Tratamento do banco de dados de acidentes
O banco de dados de acidentes de trnsito gerado pela BHTRANS composto apenas de

acidentes com vtimas fatais ou no fatais, no incluindo os acidentes em que houve somente
danos materiais. Esse banco, gerado por meio das informaes dos REDS composto por
quatro arquivos texto identificado como: boletim, envolvidos, logradouro e veculo. Os
arquivos texto foram convertidos em planilhas em um nico arquivo de MS Excel, de modo a
18
unific-los. Dessas planilhas podem-se extrair as seguintes informaes: nmero do boletim

de ocorrncia; sequncia de logradouros; nmero do imvel mais prximo; bairro; data e
hora; envolvidos; veculos; severidade; e as coordenadas geogrficas do acidente.
De acordo com o HSM, os acidentes que ocorrem dentro dos limites das linhas de meio-fio de
uma interseo (Regio A na Figura 1) so atribudos interseo. Com relao aos acidentes
que ocorrem nos ramos da interseo (fora dos limites das linhas de meio-fio de uma
interseo, Regio B na Figura 1), estes so considerados acidentes em segmentos virios. A
Figura 1 demonstra o critrio utilizado pelo HSM para definir acidentes em segmentos virios
e intersees.
Figura 1 Definio de segmentos virios e intersees.

O HSM enuncia que todos os modelos preditivos para intersees so para a estimativa de
frequncia de acidentes que ocorrem na regio A em intersees conforme Figura 1. Portanto,
para o prosseguimento de calibrao e validao necessrio obter a frequncia de acidentes
observados para cada local em cada ano de estudo de forma a atender a esta definio de
acidentes em intersees (regio A da Figura 1).
No banco de acidentes de trnsito caracterizado anteriormente no h a classificao do
acidente do boletim de ocorrncia como acidente relacionado interseo. Ento foi
19
necessrio realizar uma anlise espacial dos acidentes de trnsito de Belo Horizonte para obter
o nmero de acidentes em cada interseo do estudo, de acordo com o critrio estabelecido
pelo HSM.
Essa anlise espacial consistiu em utilizar as ferramentas de seleo de elementos em um
mapa do software TransCad (software de geoprocessamento de dados) para obter as
frequncias de acidentes para cada interseo. Para isso, foi necessrio elaborar um mapa de
acidentes de trnsito para cada ano do perodo de estudo, de forma a se ter trs elementos: (i)
a base viria georeferenciada da Regio Metropolitana de Belo Horizonte obtida na Agncia
de Desenvolvimento da Regio Metropolitana de Belo Horizonte ARMBH; (ii) os acidentes
de trnsito representados como pontos nesse mapa a partir das coordenadas geogrficas
presentes neste banco de dados de acidentes para cada ano; (iii) e os pontos georeferenciados
de cada centro das intersees de estudo.
Estes pontos relacionados s intersees foram utilizados para criar os bands (para cada
interseo, Figura 3), no mapa elaborado em TransCad, que so elementos georeferenciados
que abrangem uma rea de acordo com a forma do elemento e a faixa de distncia
determinada ao cri-lo. Os bands so utilizados para selecionar outros elementos que estejam
dentro da rea delimitada por eles. Desta forma, os bands criados para cada interseo
assumiram a forma de disco com raio que dista do centro da interseo at os limites das
linhas de meio-fio daquela interseo, de forma a abranger a rea de acidentes para
intersees de acordo com o critrio do HSM e atender s medidas geomtricas como ilustra a
Figura Figura 2.
20
Figura 2 rea delimitada pelo Band.
A Figura 3 exibe um band criado em Transcad, no qual os pontos em vermelho so os centros

das intersees, e os pontos em preto so os acidentes.
Figura 3 Band criado em TransCad.

As medidas geomtricas da interseo so a largura de seo transversal de cada via
pertencente aos ramos desta interseo de estudo que foi levantado com o auxlio do software
Google Earth para realizar a estimativa do tamanho da rea que o band abranger para a
interseo analisada.
21
O procedimento de obteno do nmero de acidentes em TransCad baseou-se em: selecionar

o band para determinada interseo e, depois, selecionar os acidentes dentro da rea
delimitada pelo band daquela interseo. Aps isso, o software fornece a quantidade de
pontos selecionados. Desse modo, foi obtida a frequncia de acidentes ocorridos em cada
interseo em cada ano de estudo, e tabulada em MS Excel. A Tabela 6 apresenta as
frequncias mnima, mdia e mxima de acidentes por interseo obtidas atravs deste
procedimento em TransCad. A Tabela 10, Apndice A, apresenta a frequncia de acidentes
obtidas atravs deste procedimento em TransCad para cada interseo em cada ano do
perodo de estudo.
Tabela 6 Resumo da frequncia de acidentes
Entidade
Intersees com semforo
4.5
# entidades Anos do banco

99
07 - 11
Frequncia de Acidentes
Mnimo Mximo Mdia
0
16
2,00
Aplicao do modelo de previso de acidentes do HSM
O fluxograma da Figura 4 apresenta as etapas de aplicao do modelo de previso de

acidentes do HSM.
Figura 4 Etapas de aplicao do modelo de previso de acidentes do HSM.

As etapas de aplicao do MPA e aplicao dos fatores de modificao envolvem a utilizao
das equaes (2) e (1), respectivamente.
4.6
Mtodo de calibrao/validao do HSM
A calibrao/validao dos MPAs do HSM ao meio urbano brasileiro pode ser dividida em
dois passos. O primeiro passo, de acordo com a metodologia delineada no HSM, a
estimativa do fator de calibrao Cx, seguida de uma validao com a utilizao de amostras
22
diferentes. O segundo passo envolve a anlise de disperso do parmetro k para utilizao de

estimativas originais do HSM ou calibradas para as condies locais.
Segundo o HSM (AASHTO, 2010), o fator Cx presente na equao 13, determinado pela
seguinte expresso:
=
wx=y;z?;> {|>;:<}y@>
wx=y;z?;> ~:;<=>?@>
(13)
O grupo de intersees com semforo (99 locais) foi dividido em duas amostras aleatrias. A
primeira amostra com 50 intersees, chamada de amostra 1, foi utilizada para estimar o fator
de calibrao Cx e a segunda amostra com 49 intersees, amostra 2, foi utilizada para
investigar a validao do modelo com a aplicao do fator de calibrao Cx. As Tabelas
Tabela 11 (amostra 1) e Tabela 12 Amostra 2(Validao). (amostra 2) do Apndice B
ilustram os resultados obtidos da estimativa de previso de acidentes pelo mtodo do HSM.
Sachi et al. (2012) apontam que trs mtodos so mais adequados, de acordo com a literatura,
para avaliao do desempenho do modelo HSM calibrado. Esses trs mtodos so: (i) desvio
mdio absoluto (DMA); (ii) grficos de resduos acumulados; e (iii) o valor do parmetro de
disperso calibrado, este ser abordado na prxima seo. Os trs mtodos so aplicados tanto
para a amostra de calibrao quanto a amostra de validao para avaliar o desempenho deste
modelo do HSM.
Segundo Sachi et al. (2012) o DMA simplesmente a mdia dos valores absolutos
observados (Y) menos os valores previstos (Y), como mostrado na equao 14, em que n o
tamanho da amostra de dados:
&
= 6\
| R|
6
(14)
Alm disso, Sachi et al. (2012) afirmam que o modelo calibrado prediz bem, em mdia,
quando DMA est prximo de 0.
O mtodo dos resduos acumulados (CURE plot) uma ferramenta til para verificar a
qualidade de ajuste. O resduo - a diferena entre o nmero de acidentes registrados e o
23
previsto - o elemento de base para se julgar esse ajuste (Hauer, 2004). Desse modo, foi
calculada a diferena entre os acidentes observados e os previstos para cada local, Colunas
Observado e Previsto Calibrado, respectivamente, (Tabelas Tabela 11 (amostra 1) e Tabela 12
Amostra 2(Validao). (amostra 2) do Apndice B). Essa diferena foi dividida por 5 anos
de modo a obter o resduo mdio para o perodo de estudo. Com este resduo mdio foram
calculados os Resduos Acumulados em cada local para cada amostra. Feito isso, foram
calculados os Desvio Padres inferior e o superior (+ 2d), da mesma maneira, em cada local
para cada amostra. Com os resultados do clculo de Resduos Acumulados e dos Desvios
Padres e junto aos valores de VMDAPri, do primeiro ano das amostras (2007) para cada local,
foi construdo em MS Excel os grficos de Resduos acumulados para a amostra de calibrao
(amostra 1) e validao (amostra 2). Os clculos descritos anteriormente foram realizados em
MS Excel e baseados no mtodo descrito no trabalho de Hauer.
4.7
Avaliao do parmetro k de disperso
O conjunto de dados usado para desenvolver os MPAs apresentados no HSM e o conjunto de

dados do qual esses MPAs foram transferidos (isto , o conjunto de dados de Belo Horizonte)
so muito distintos devido a muitas diferenas entre EUA e Brasil tais como, as redes virias,
o comportamento do motorista, assim como a frequncia e severidade de acidentes, entre
outros. Por conseguinte, como afirmam Sawalha e Sayed (2006), a variabilidade em torno de
cada modelo de regresso susceptvel de ser diferente. O referido estudo analisou duas
alternativas para o valor de k para computar wi (e as estimativas EB):
(1) Utilizar os valores originais do k do MPA fornecido pelo HSM;
(2) Utilizar o valor de k calibrado para cada local da amostra de calibrao.
A calibrao do parmetro de disperso k s condies locais adotadas neste trabalho foi o
mesmo procedimento utilizado por Sawalha e Sayed (2006), baseado na seguinte equao:
A=

( )
= =

[( = R= ) R= ]
=
(15)
Em que:
24
: contagem de acidentes observados no local i (N o nmero total de locais);

: a frequncia mdia de acidentes no local i.
A fim de avaliar e comparar as duas alternativas, dois parmetros de avaliao da qualidade
de ajuste do modelo sero aplicados, chamados Pearson 2 e o z score. A estatstica de
Pearson 2 a medida da relao entre o quadrado do desvio do modelo pela sua varincia,
como demonstrado pela seguinte equao:
' = 6\
( = R= )

= ( R= 4)
(16)
O teste da estatstica de Pearson 2 aplicado s amostras de calibrao e validao do modelo

permite verificar se o erro na estrutura binomial negativa (a distribuio estatstica sob a qual
os modelos de previso de acidentes so construdos) correspondente ao parmetro de
disperso k (original ou calibrado), chamado parmetro de forma do modelo, que
comparvel disperso observada nos dados.
Sawalha e Sayed (2006 apud Vogt e Bared, 1998) sugerem que se (1) um MPA binomial
negativo aplicado ao conjunto de dados correto (ou seja, as previses do modelo estimam a
mdia de acidentes observadas em um novo conjunto de dados) e (2) as observaes em um
novo conjunto de dados so independentes, ento as equaes 17a e 17b, concedem o valor
esperado do desvio padro da estatstica de Pearson 2:
E(' ) =
; (' ) = 2 (1 + 3A) + 6\
= ( 3= 4)
(17 a, b)
Em que:
N: nmero de observaes em um novo conjunto de dados;
O seguinte valor, chamado z-score, mede o quo longe est o valor calculado ' do valor
esperado:
25
~ R~
~
(18)
Valores de z prximos de zero apoiam o modelo transferido. Entretanto, Sawalha e Sayed

(2006 apud Vogt e Bared, 1998) no indicaram que os limites de distncia de zero alm dos
quais o z-score cessa o apoio ao modelo transferido. Isto pode ser devido ao fato de a
distribuio matemtica de z ser desconhecido, o que no permite o estabelecimento de
aceitao e regies de rejeio para a hiptese de que um determinado modelo correto para
um conjunto de dados (Sawalha e Sayed, 2006). Ento, o z-score aplicado para o k original
nas amostras de validao e calibrao e para o k calibrado, assim realizada a avaliao do
apoio do modelo transferido cada amostra de acordo com o parmetro de disperso.
26
5 PRINCIPAIS RESULTADOS
Adiante so apresentados os principais resultados em referncia s etapas do procedimento
metodolgico: aplicao do modelo de previso de acidentes do HSM; o mtodo de
calibrao/validao do HSM; e avaliao do parmetro k de disperso.
A aplicao do modelo consistiu em empregar o MPA bsico e seus respectivos Fatores
Modificadores de Acidentes em todo o conjunto de dados. No caso de Belo Horizonte, o FMA
relacionado com a iluminao foi includo junto equao 2, adotando os valores
apresentados no HSM para acidentes fatais e no fatais e intersees de quatro ramos com
semforo, resultando na seguinte expresso:
,)
(13,14 + 1,18 ln(% &
'
) + 0,22 ln(% &
) * ))
0,9107 (19)
Em que:
,)
: Nmero mdio previsto de acidentes para a condio ideal considerada no

desenvolvimento de MPA para o local do tipo i (Interseo de quatro ramos com semforo).
Aps a aplicao da equao 19, o conjunto de dados, com a informao do nmero mdio
previsto de acidentes, foi dividido em duas amostras aleatrias, para executar o clculo do
fator de calibrao utilizando a equao 13 para a amostra 1 (amostra de calibrao) para as
intersees com semforo, e este fator aplicado equao 19 para a amostra 2 (amostra de
validao), resultando na equao 1.
Como sugerido pelo HSM, a mdia prevista de acidentes calculada para o perodo de tempo
utilizado para a frequncia observada de acidentes, os quais so para ambos os conjuntos de
dados de 5 anos. A Tabela 7 apresenta os resultados da calibrao para intersees para o
conjunto de dados utilizados no procedimento do HSM.
27
Tabela 7 Resultados da calibrao para intersees usando o procedimento HSM.

Intersees com semforo
Amostra 1
Nmero de intersees
50
Nmero total de acidentes observados (5 anos) 487
Nmero total de acidentes estimados (5 anos) 460
Fator de Calibrao
1,06
Amostra 2
49
343
487
-
As Figuras
Figura 5 e Figura 6 apresentam os grficos de resduos acumulados (CURE Plots
construdos para o VMDApri) para a amostra 1 (calibrao) e para a amostra 2 (validao),
nessa ordem.
Figura 5 Grfico de Resduos acumulados (CURE plot) Amostra 1(Calibrao).
28
Figura 6 Grfico de Resduos acumulados (CURE plot) Amostra 2 (Validao).
O grfico de resduos acumulados da amostra 1(Figura

Figura 5) apresenta uma oscilao no entorno de zero, e dentro dos limites de + 2d, da curva
de resduos acumulados at quando o valor de VMDAPri se aproxima de 22.000 veculos por
dia, porm quando para fluxos superiores a 22.000 veculos por dia a curva de resduos
acumulados cresce de modo a oscilar prximo do limite de desvio padro superior e por vezes
ultrapassa o limite. Isso demonstra que o modelo tende a subestimar dos acidentes previstos
para valores de VMDA maiores que 22.000 veculos por dia.
Quanto amostra 2, o grfico de resduos acumulados (Figura Figura 6) apresenta uma
oscilao razovel no entorno de zero, e dentro dos limites de desvio padro, da curva de
resduos acumulados at quando o valor de VMDAPri se aproxima de 27.000 veculos. Para
volumes superiores a este valor a curva de resduos acumulados decresce e ultrapassar o
limite de desvio padro inferior para VMDAPri de aproximadamente 33000 veculos por dia.
Portanto, o modelo tende a superestimativa dos acidentes previstos para valores de VMDAPri
maiores que 27.000 veculos por dia, aproximadamente.
29
Essa comparao dos grficos de resduos acumulados no pode ser vista como indicador
definitivo que a calibrao tenha falhado, entretanto, sugere que outras variveis, ou suas
combinaes, bem como outra forma de modelo pode fornecer melhores estimativas de
previso de acidentes.
A Figura 7 apresenta o grfico do nmero de acidentes previsto-versus-observado para as
amostras 1 (calibrao) e 2 (validao). Esse grfico indica que o modelo tende a superestimar
a previso de acidentes para a regio inferior de acidentes observados em ambas as amostras.
Porm, pode notar-se que existe uma tendncia perceptvel do modelo subestimar a previso
de acidentes para locais com mais de 25 acidentes observados.
Figura 7 Nmero de acidentes previsto-versus-observado em intersees com semforo

A Tabela 8 apresenta o resultado do clculo do DMA usando a equao 14. possvel
observar que para ambas as amostras o valor do desvio mdio absoluto foi semelhante e no
prximo de zero. De acordo com Sachi et al. (2012), esse resultado pode indicar que a
previso mdia de acidentes, de um modo geral, foi tanto subestimada quanto superestimada
para cada local, como pde ser percebido tambm atravs da anlise dos grficos de resduos
acumulados.
30
Tabela 8 Resultados do Desvio Mdio Absoluto

DMA
Amostra 1
Amostra 2
2,08
1,85
Como mencionado anteriormente, este trabalho tambm testou duas estratgias para testar
transferibilidade do modelo atravs da avaliao do parmetro de disperso k e seu impacto
sobre as estimativas EB. A primeira alternativa utiliza o k original do HSM para aplicar o
mtodo EB s duas amostras e seus conjuntos de dados, alm de calcular os valores de 2 e o
de z-score . A segunda alternativa consistiu na calibrao do k, a partir da equao 15, para
calcular os novos valores de 2 e o de z-score. A Tabela 9 apresenta o resumo das estimativas
de qualidade do ajuste do modelo.
Tabela 9 Resumo das estimativas de qualidade de ajuste do modelo.
Pearson
_P^2X
( )
z-score
k=0,33( HSM)
Amostra 1
Amostra 2
a)
b)
0,007
0,007
50,77
44,89
31,90
23,83
0,02
-0,13
k=0,66(calibrado)
Amostra 1
Amostra 2
c)
d)
0,003
0,002
82,39
72,04
31,54
23,51
1,36
0,98
Como j mencionado, o valores de wi exibidos na Tabela 9 possuem uma relao inversa de

proporcionalidade ao parmetro k. Portanto, quando o valor de k calibrado, e esse valor
sofre um aumento para ambos os conjuntos de dados, o valor de wi diminui. Ento, significa
que h mais nfase sobre o nmero mdio de acidentes observado do que o nmero mdio de
acidentes previsto pelo modelo de previso do HSM, como pode ser notado nos valores de wi
apresentados na tabela 10. As tabelas Tabela 11 e Tabela 12, Apndice B, apresentam o
resultado da aplicao do mtodo Emprico de Bayes (equao 3) tanto para o k original
quanto para o k calibrado (colunas EB (k original) e EB (k calibrado)), em cada local,
utilizando os valores de wi que enfatizaram o nmero mdio de acidentes observado em
relao ao nmero mdio de acidentes previsto pelo modelo.
31
A estatstica de Pearson 2 estima a significncia dos dados observados que pode estar
presente em um padro de disperso tambm incompatvel com o modelo transferido, que a
combinao do modelo bsico do HSM, FMAs, Cx e o k calibrado. Ao se comparar os valores
do 2, tanto para a amostra de calibrao quanto para a de validao, nota-se que o 2 indica
que a disperso dos dados maior que a estrutura de erro da binomial negativa assumida pelo
modelo quando o k calibrado, ou seja, de uma maneira geral a variabilidade das amostras
no compatvel com a estrutura de erro do modelo do HSM.
A estimativa do z-score antes da calibrao de k (a partir do valor original de k do HSM),
tanto para a amostra de calibrao quanto para a amostra de validao, obteve valores
prximos de zero. Aps a calibrao do k, obteve-se um aumento considervel do z-score,
confirmando a incompatibilidade do conjunto de dados observados com a estrutura de erro do
modelo do HSM.
O desempenho apresentado pelo z-score e o 2 pode ser explicado pelo efeito de uma amostra
pequena para estimativa do parmetro k. A estimativa do z-score pode sofrer perda de
consistncia para tais amostras pequenas, apesar da recomendao do HSM de se ter uma
amostra de 30 a 50 locais. Para obter uma estimativa mais robusta do valor de k implica na
utilizao de mtodos, tais como o mtodo da mxima probabilidade, como Sawalha e Sayed
(2006) utilizaram em seu trabalho, que levaria ao desenvolvimento de um MPA com
distribuio binomial negativa, neste caso, seria prefervel desenvolver modelos locais ao
invs de utilizar modelos de diferentes jurisdies.
32
6 CONCLUSES
Este presente trabalho apresentou os restultados quanto transferibilidade do mtodo
preditivo do HSM para estimar a frequncia mdia esperada de acidentes para intersees
urbanas com semforo na rea central da cidade de Belo Horizonte.
Para tanto foram utilizados o conjunto de dados, de acidentes e VMDA referentes aos anos de
2007 a 2011 obtidos do tratamento do banco de acidentes e do banco de volume de trfego.
Como resultado obteve-se um total de 99 intersees com semforo de quatro ramos.
A metodologia aplicada para avaliao da transferibilidade consistiu das seguintes etapas, a
aplicao do parametro k para o clculo dos valores de z-score e os 2 amostras em ambas as
amostras, para o k original e o calibrado.
A princpio, a obteno da estimativa do fator de calibrao Cx foi obtida de uma amostra de
50 intersees com semforo, que forneceu um fator de 1,06. Consecutivamente, este fator foi
aplicado a uma segunda amostra de 49 intersees com semforo para investigar a validao
do modelo. A comparao entre os grficos de resduos acumulados entre as amostras
apontou a mesma tendncia de uma m estimativa previso de acidentes.
Atravs da anlise do desvio mdio absoluto junto aos grficos de resduos acumulados, podese concluir que as tendncias de subestimar a previso de acidentes para a amostra de
calibrao e a de superestimar a previso de acidentes para a amostra de validao, mostram
que o modelo do HSM no prediz bem o nmero de acidentes para as intersees urbanas de
Belo Horizonte. A inconsistncia dos dados de volume de trfego pode ter influenciado este
mau desempenho de estimativa de previso de acidentes.
O modelo calibrado e aplicado para intersees semaforizadas da rea central de Belo
Horizonte tende a superestimar a frequncia de acidentes prevista para locais onde ocorreram
menos que 25 acidentes observados em ambas as amostras. Por fim, a anlise dos valores do
z-score e o 2 foram utilizados para investigar os efeitos da calibrao do parmetro k
conforme as condies locais. Os resultados preconizam que pequenas amostras podem ter
influenciado o desempenho do mtodo de calibrao do k. O aumento global dos valores do
33
2, aps a calibrao do parmetro k, tambm fornecem um indicativo da discordncia da

disperso dos conjuntos de dados em relao estrutura de erro do modelo.
Em geral, no que concerne a transferibilidade do mtodo preditivo do HSM para intersees
urbanas belo-horizontinas, os resultados sugerem que tal modelo no obteve sucesso e que
estes resultados podem ter sido influenciados pela inconsistncia dos dados de volume de
trfego, apesar de se ter utilizados fatores de expanso para clculo de VMDA, ou at mesmo
com relao definio de regio de acidentes em intersees, pois em outros estudos esta
rea pode ser maior do que a definida pelo HSM e adotada neste estudo. Apesar disso, esse
mtodo preditivo pode ser uma alternativa ao desenvolvimento dos prprios MPAs para
outras intersees urbanas de outras jurisdies brasileiras, desde que seja aplicado com
cautela, ou seja, o tamanho de amostras seja grande a fim de que no haja influncia disperso
dos conjuntos de dados sobre o desempenho do mtodo preditivo.
34
REFERNCIAS
AASHTO (2010) Highway Safety Manual. American Association of State Highway and
Transportation Officials, Washington DC.
Bahar, G. (2010) Methodology for the Development and Inclusion of Crash Modification
Factors in the First Edition of the Highway Safety Manual. Transportation Research Board,
Transportation Research Circular E-C142, Washington D.C., USA. Transportation Research
Board. 2010.
Banihashemi, M. (2007) Optimization of Highway Safety and Operation Using Crash
Prediction Models with Accident Modification Factors (AMFs). Transportation Research
Record, ed. TRB 2007 Annual Meeting, Washington D.C., USA. Transportation Research
Record.
Barbosa, H. e Costa, T. (2011) Modelos de previso de acidentes de trnsito em vias urbanas
de Belo Horizonte. Anais do XXV ANPET - Congresso de Pesquisa e Ensino em Transportes,
Belo Horizonte, p. 1-10.
BHTRANS Empresa de Transportes e Trnsito de Belo Horizonte S/A. Informaes sobre
acidentes de trnsito com vtimas no municpio de Belo Horizonte. 2012.
Cardoso, G. (2006) Modelos de previso de acidentes de trnsito em vias arteriais urbanas
Tese de Doutorado, Programa de Ps-graduao em Engenharia de Produo, Universidade
Federal do Rio Grande do Sul, Porto Alegre, RS, Brasil.
Cunto, F. (2009) Modelos de previso de acidentes de trnsito em vias Urbanas Brasileiras.
Projeto de Pesquisa. Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico. Edital
MCT/CNPq N 18/2009.
Ferraz, A, e Silva, K. (2012) Aplicao do mtodo de previso de acidentes do HSM em
rodovias de pista simples do estado de So Paulo. XVII ANPET Congresso Nacional de
Pesquisa e Ensino em Transportes, Joinville, Brasil.
35
Hauer, E. (2004) Statistical Road Safety Modeling. Transportation Research Record: Journal
of the Transportation Research Board, No. 1897, TRB, National Research Council,
Washington, D.C., p. 81-87.
Roess, R.P., Prassas, E. S., McShane, W.R. (2011) Traffic Engineering. 4th Edition. Prentice
Hall, Englewood Cliffs, New Jersey, USA.
Sacchi, E., Persaud, B., Lord, D. e Bassani, M. (2012) Assessing International Transferability
of the Highway Safety Manual Crash Prediction Algorithm and its Components.
Transportation Research Record, ed. TRB 2012 Annual Meeting, Washington D.C., USA.
Transportation Research Record.
Sawalha, Z. e Sayed, T. (2006) Transferability of accident prediction models. Safety Science,
44, 209-219.
Sun, X., Li, Y., Magri, D. e Shirazi, H. (2006). Application of Highway Safety Manual
Draft Chapter: Louisiana Experience. Transportation Research record, 1950, 55-64.
Vogt, A. e Bared, J. (1998) Accident models for two-lane rural segments and intersections.
Transportation Research Record: Journal of the Transportation Research Board 1635, 18-29.
Xie, F., Gladhill, k., Dixon, K. e Monsere, C. (2011) Calibrating the Highway Safety Manual
Predictive Models for Oregon State Highways. 90 th Annual Meeting of Transportation
Research Record, Washington D.C, .1-9.
36
APNDICE A
Tabela 10 Frequncia de Acidentes para cada interseo.
Local
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
Ano
2007
0
0
1
4
0
0
0
4
0
0
0
0
3
0
0
0
11
1
0
8
7
0
0
0
0
0
0
0
0
0
0
0
1
Ano
2008
0
0
2
1
0
0
0
2
0
0
1
0
0
0
0
0
1
3
0
3
3
0
0
0
0
0
0
0
0
0
0
0
2
Ano
2009
0
0
4
3
0
0
0
2
4
0
0
0
1
0
0
0
5
3
0
8
2
0
0
0
0
0
0
0
0
3
0
1
1
Ano
2010
0
0
1
1
0
0
0
1
0
0
1
0
4
0
0
0
6
4
0
12
5
0
0
0
0
0
0
0
0
1
0
2
4
Ano
2011
0
0
1
3
0
0
0
0
1
0
0
0
5
0
0
1
10
2
0
9
3
0
0
0
0
0
0
0
0
0
0
0
0
Local
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
Ano
2007
0
2
0
0
1
0
0
1
2
2
2
1
0
0
0
0
1
0
0
0
1
0
0
0
5
0
0
4
7
1
4
0
6
Ano
2008
0
0
0
0
4
0
0
1
2
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
0
3
1
0
4
0
0
Ano
2009
0
0
0
0
3
0
0
0
2
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
3
9
2
2
0
0
Ano
2010
0
3
0
0
1
0
0
0
2
1
2
1
0
0
1
0
0
0
0
0
0
0
0
2
1
0
0
3
7
3
1
0
0
Ano
2011
1
1
0
0
2
0
0
0
2
4
0
2
2
0
0
0
0
0
0
0
1
0
0
2
1
0
0
3
5
3
7
0
3
Local
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
Ano
2007
1
0
7
1
4
1
10
11
0
3
1
4
15
2
0
0
1
1
0
1
2
0
0
11
16
7
0
6
5
4
3
4
0
Ano
2008
0
0
5
1
0
2
7
4
0
0
1
2
8
4
0
1
2
3
1
1
1
2
0
13
4
5
1
2
1
2
8
7
0
Ano
2009
0
0
4
0
2
2
7
7
0
1
1
1
8
2
0
1
1
1
0
5
4
1
0
15
4
2
1
0
2
1
9
7
0
Ano
2010
2
0
3
3
3
2
4
6
0
2
0
4
6
3
0
1
1
4
0
4
4
0
0
11
7
4
1
2
3
3
10
8
0
Ano
2011
1
0
6
0
1
2
7
6
0
0
0
4
11
2
0
1
2
0
0
3
5
0
0
13
13
8
0
2
1
5
10
10
0
37
APNDICE B
Tabela 11 Amostra 1 (Calibrao).
Local
Previsto
CMF
iluminao
Previsto
Ajustado
Observado
(em 5
anos)
21
10
42
45
12
44
50
51
8
65
83
36
81
61
58
26
18
97
98
89
41
73
53
62
91
54
6
24
14
1
9
76
84
29
35
38
2
2
7
6
5
12
3
4
4
8
5
4
4
8
7
7
11
7
7
13
9
7
7
10
8
6
15
11
9
8
10
9
11
8
10
11
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
2,2
1,9
6,5
5,9
4,3
10,8
2,9
3,4
4,1
7,2
4,3
3,5
4,0
7,6
6,7
6,3
10,3
6,4
6,7
11,6
8,5
6,7
6,6
9,3
6,9
5,7
13,9
9,8
8,4
7,6
8,9
8,6
10,1
7,5
9,6
9,6
20
0
10
4
0
4
1
0
9
0
7
0
0
16
7
0
13
40
36
0
2
35
0
29
44
3
0
0
0
0
5
6
9
0
6
11
EB(k
PrevistoCalibrado
2,2
1,9
6,5
5,9
4,3
10,8
2,9
3,4
4,1
7,2
4,3
3,5
4,0
7,6
6,7
6,3
10,3
6,4
6,7
11,6
8,5
6,7
6,6
9,3
6,9
5,7
13,9
9,8
8,4
7,6
8,9
8,6
10,1
7,5
9,6
9,6
EB(k
original) calibrado)
9
1
7
3
0
3
1
0
6
0
5
0
0
12
5
0
10
28
25
0
2
24
0
22
31
2
0
0
0
0
4
5
7
0
5
9
13
1
8
4
0
4
1
0
7
0
6
0
0
14
6
0
12
33
30
0
2
29
0
25
36
3
0
0
0
0
5
5
8
0
5
10
38
Local
Previsto
CMF
iluminao
43
69
17
7
93
71
25
99
72
90
75
87
56
57
12
14
8
15
14
14
15
13
24
18
17
27
16
17
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
EB(k
Previsto
Ajustado
Observado
(em 5
anos)
PrevistoCalibrado
11,3
13,1
7,3
14,0
12,5
12,9
13,6
12,3
22,1
16,7
15,1
24,2
15,0
15,5
7
25
33
0
3
10
0
0
9
63
0
16
0
4
11,3
13,1
7,3
14,0
12,5
12,9
13,6
12,3
22,1
16,7
15,1
24,2
15,0
15,5
EB(k
6
20
24
0
3
8
0
0
8
53
0
14
0
4
6
23
28
0
3
9
0
0
9
58
0
15
0
4
Tabela 12 Amostra 2(Validao).
Local
Previsto
CMF
iluminao
96
63
13
40
52
47
60
79
55
64
16
86
37
5
66
67
94
59
5
7
4
6
6
16
4
4
6
7
3
6
5
13
11
7
8
11
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
EB(k
Previsto
Ajustado
Observado
(em 5
anos)
PrevistoCalibrado
4,6
6,7
3,3
5,5
5,5
14,8
4,0
3,8
5,9
6,6
3,1
5,9
4,3
11,4
10,4
6,4
7,0
9,8
15
9
13
0
0
0
0
48
0
18
1
14
0
0
9
4
12
0
4,9
7,1
3,5
5,8
5,8
15,7
4,2
4,0
6,3
7,0
3,3
6,3
4,5
12,1
11,0
6,8
7,4
10,4
EB(k
10
7
7
0
0
0
0
28
0
13
1
10
0
0
7
3
9
0
12
8
10
0
0
0
0
35
0
15
1
12
0
0
8
4
10
0
39
Local
Previsto
CMF
iluminao
11
4
80
82
15
31
68
88
49
2
3
70
19
20
28
33
85
78
23
39
46
48
22
32
34
27
30
74
77
95
92
8
15
8
7
8
13
11
9
7
8
11
13
14
7
12
11
11
14
13
14
12
14
9
12
14
15
19
17
16
17
9
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
0,9107
EB(k
Previsto Ajustado
Observado
(em 5
anos)
PrevistoCalibrado
6,9
13,3
7,1
6,0
6,9
11,6
10,3
7,9
6,1
7,6
9,7
11,5
13,1
6,8
10,8
9,6
9,8
12,4
11,5
12,5
11,1
12,5
8,5
11,2
12,4
13,7
17,2
15,2
14,7
15,1
17,4
2
12
13
4
0
0
0
3
0
0
9
5
0
40
0
8
1
15
0
0
3
2
0
3
1
0
4
34
3
12
26
7,3
14,1
7,5
6,4
7,4
12,3
10,9
8,4
6,5
8,0
10,3
12,2
13,8
7,2
11,5
10,2
10,4
13,1
12,2
13,3
11,8
13,3
9,0
11,9
13,2
14,5
18,2
16,1
15,6
16,0
18,5
EB(k
2
10
10
3
0
0
0
2
0
0
7
4
0
28
0
6
1
12
0
0
3
2
0
3
1
0
4
29
3
10
22
2
11
11
4
0
0
0
3
0
0
8
5
0
33
0
7
1
14
0
0
3
2
0
3
1
0
4
31
3
11
24
40

Avaliação Da Transferibilidade de Modelos de Previsão de Acidentes para Vias Urbanas em Belo Horizonte

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Avaliação Da Transferibilidade de Modelos de Previsão de Acidentes para Vias Urbanas em Belo Horizonte

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE MINAS GERAIS

CURSO DE GRADUAO EM ENGENHARIA CIVIL

Thiago Gonalves da Costa

Thiago Gonalves da Costa

Monografia de Graduao defendida perante a banca

Multidisciplinar III (TIM III) do Curso de Graduao de

Orientadora: Prof.. Helosa Maria Barbosa, Ph.D.

OBJETIVO GERAL ....................................................................................................................................... 3

MODELOS DE PREVISO DE ACIDENTES ........................................................................................ 4

Modelos de Previso de acidentes para intersees em vias urbanas ............................................ 5

Fatores Modificadores de Acidentes ............................................................................................... 6

O mtodo Emprico de Bayes .......................................................................................................... 6

HIGHWAY SAFETY MANUAL HSM.......................................................................................................... 4

TRANSFERIBILIDADE DE MPAS E APLICAES DE MTODOS DO HSM ..................................................... 7

DEFINIO DA REA DE ESTUDO E SELEO DE LOCAIS........................................................................... 12

LEVANTAMENTO DAS CARACTERSTICAS DAS INTERSEES .................................................................... 14

CLCULOS DE FATORES DE EXPANSO E DE VOLUME MDIO DIRIO ANUAL ......................................... 15

TRATAMENTO DO BANCO DE DADOS DE ACIDENTES ................................................................................. 18

APLICAO DO MODELO DE PREVISO DE ACIDENTES DO HSM .............................................................. 22

MTODO DE CALIBRAO/VALIDAO DO HSM ..................................................................................... 22

AVALIAO DO PARMETRO K DE DISPERSO ......................................................................................... 24

PRINCIPAIS RESULTADOS .................................................................................................................. 27

LISTA DE ABREVIATURAS, SIGLAS E SMBOLOS

Graduao em Transportes da Universidade de Braslia (UNB). Cada grupo de pesquisa est

Elaborar o tratamento da base de dados de acidentes para obter o nmero de acidentes

3 MODELOS DE PREVISO DE ACIDENTES

Highway Safety Manual HSM

seguinte forma (AASHTO, 2010):

mdio previsto de acidentes para um determinado ano e local do tipo x;

Nmero mdio previsto de acidentes para a condio ideal considerada no

: Fator de calibrao para ajuste do SPF s condies regionais em locais do tipo x.

Modelos de Previso de acidentes para intersees em vias urbanas

O MPA para condies de base ou padro em intersees de vias urbanas apresentado no

( + " ln(% &

: Volume de trfego dirio mdio anual (veculos/dia) da via secundria (via

, ", ( : Coeficientes de regresso.

Fatores Modificadores de Acidentes

Os Fatores Modificadores de Acidentes so seis para intersees, concernente as subsequentes

O mtodo Emprico de Bayes

, de acordo com as seguintes expresses:

: nmero mdio estimado de acidentes para o perodo de estudo no local i;

Transferibilidade de MPAs e aplicaes de mtodos do HSM

Sun et al. (2006) aplicaram, no estado da Louisiana (EUA), os modelos de previso de

mdio dirio anual (VMDA) so as variveis relacionadas s intersees ou segmentos virios

Definio da rea de estudo e seleo de locais

A pesquisa utiliza dois bancos de dados que so advindos da Empresa de Transportes e

Tabela 1 Tipos de intersees urbanas que possuem MPAs no HSM.

Fonte: Adaptado de HSM (AASHTO, 2010).

Tabela 2 Faixas de aplicabilidade de VMDA dos MPAs.

Fonte: HSM (AASHTO, 2010).

Levantamento das caractersticas das intersees

Foram levantadas as seguintes caractersticas dos ramos da interseo, de acordo com os

intersees foram excludas do estudo. Como presena de faixas de converso esquerda ou

: fator modificador de acidentes para o efeito de iluminao sobre as

: proporo do total de acidentes em intersees no iluminadas que ocorrem noite.

Fonte: HSM (AASHTO, 2010).

Clculos de fatores de expanso e de Volume Mdio Dirio Anual

Como mencionado anteriormente, os dados de volume de trfego so advindos da contagem

Curso de Graduao em Engenharia Civil da UFMG

FS (KLMNOPQRSLTUQ) = VMD(KLMNOPQRSLTUQ) /VMDALK_(KL`QOQa)

FM (kQOLTUf) = VMD(kQOLTUf) / VMDA LK_(`LOKQa)

Curso de Graduao em Engenharia Civil da UFMG

Fator de expanso semanal mdio;