Análisis y prevención de accidentes 112 (2018) 56-68

listas de contenidos ofrecidos en ScienceDirect

Análisis y prevención de accidentes

revista Página de inicio: www.elsevier.com/locate/aap

Disponible la distancia de visibilidad en las carreteras existentes: requisitos de reuniones distancia visual de

detención de una población que envejece

A. Suliman Gargoum • , Mostafa H. Tawfeek, Karim El-Basyouny, James C. Koch

Departamento de Ingeniería Civil y Ambiental de la Universidad de Alberta, Edmonton, AB, Canadá T6G 1H9

INFORMACIÓN DEL ARTÍCULO ABSTRACTO

palabras clave: Un elemento importante del diseño de la carretera es asegurar que la distancia de vista disponibles (TEA) en una carretera satisface las necesidades del conductor. Por
Los factores humanos de vista disponibles ejemplo, si la CIA en cualquier punto de una carretera es menor que la distancia necesaria para llegar a una parada completa después de ver un peligro (es decir,
distancia capacidad Usuario de la vía
Detención Distancia Visual (SSD)), el conductor no será capaz de detener a tiempo para evitar una colision. SSD es función de un número de variables que varían en

función del conductor, las condiciones del vehículo accionado y de la superficie; Ejemplos de tales variables incluyen un controlador ' s tiempo de reacción percepción o
Detención de las limitaciones de distancia de visión
PRT (es decir, el tiempo requerido por el conductor para percibir y reaccionar a un peligro) y la velocidad de desaceleración del vehículo. La mayoría de las guías de
LiDAR teledetección
diseño recomiendan valores deterministas para las tasas de PRT y deceleración. Aunque estos valores pueden servir a las necesidades del conductor promedio,

pueden no satisfacer las necesidades de los conductores con capacidades limitadas. En otras palabras, incluso si la CIA supera requerida SSD de fi ne en la guía de
Envejecimiento de la seguridad de la población
diseño, no siempre puede satisfacer las necesidades de todos los conductores. Si bien es imposible diseñar caminos que satisfagan las necesidades de todos los

conductores, el hecho de que los países más desarrollados Do ff er envejecimiento de la población, significa que se espera que el número de conductores de edad en

nuestras carreteras a aumentar. Dado que una gran proporción de conductores de edad a menudo tienen capacidades limitadas, se espera que la población general de

conductores con capacidades limitadas en nuestras carreteras se incrementará con el tiempo. En consecuencia, más e ff Orts son necesarios para asegurar que la

infraestructura vial existente está preparado para manejar tal cambio. Este trabajo tiene como objetivo explorar la medida en que los TEA en las carreteras satis fi ES las

necesidades de los conductores con capacidades limitadas. El papel fi primera desarrolla códigos de MATLAB y Python para estimar automáticamente el ASD en datos

de punto de carretera nube recogidos usando Light Detection and Ranging (LIDAR) tecnología de teledetección. Los algoritmos desarrollados se utilizan para estimar

los TEA en siete di ff choque Erent segmentos propensas en la provincia de Alberta, Canadá y los TEA se compara con el SSD requerida en cada carretera. tres di ff Erent

niveles de SSD se de fi Ned (SSD para los conductores con capacidad limitada, los requisitos de SSD AASHTOs y SSD para los conductores con alta habilidad). Los

resultados muestran que, en comparación con los requisitos de SSD que integran las limitaciones en las capacidades cognitivas, una porción sustancial de los

segmentos analizados no cumplen con los requisitos (hasta 20%). Del mismo modo, cuando se compara con AASHTO ' requisitos s SSD, hasta el 6% de los segmentos

analizados no cumplen con los requisitos. En un intento de explorar el correo ff ECTS de tales limitaciones de diseño sobre la seguridad, el documento también explora

las tasas de accidentes en las regiones no compatibles (es decir, regiones que no proporcionan su FFI ciente SSD) y las compara con las tasas de accidente en las

regiones que cumplen. En promedio, se encontró que las regiones no compatibles experimentan tasas de accidentes que son 2.15 y 1.25 veces más altas que las

regiones conformes para la AASHTO ' requisitos s SSD y aquellos que integran limitaciones conductor, respectivamente. Además, el estudio encontró que un signi fi cativamente

mayor proporción de conductores implicados en colisiones en las regiones no cumplen las normas eran los conductores de edad.

1. Introducción
Parar mínimo Distancia Visual (SSD) es la distancia requerida por un conductor para llegar a una
parada completa cuando un peligro u obstáculo se presenta en una carretera. Con el fin de garantizar
la seguridad y el correo FFI operación ciente de una carretera, pautas de diseño que requieren
disponibles distancia de visibilidad (TEA) supera el mínimo SSD en todos los puntos a lo largo de una
carretera. Los requisitos mínimos de SSD se calculan usando ecuaciones derivadas en
directrices de diseño y son típicamente una función de la velocidad, la carretera ' s grado, el conductor ' tiempo
de reacción s percepción (es decir, el tiempo requerido para el conductor para percibir y responder al
peligro que crea el requisito de parada), y el vehículo ' s velocidad de desaceleración.
Variables como el tiempo de reacción percepción (PRT) y la tasa de deceleración varían dependiendo
de las capacidades del conductor, el rendimiento vehicular y la situación en la mano, sin embargo, la
mayoría de las guías de diseño de la carretera utilizan valores deterministas para aquellas variables. Por
ejemplo, AASHTO ' s carretera

• Autor correspondiente.

Correos electrónicos: gargoum@ualberta.ca (SA Gargoum), mostafa.h.tawfeek@ualberta.ca (MH Tawfeek), basyouny@ualberta.ca (K. El-Basyouny), jckoch@ualberta.ca (JC Koch).

https://doi.org/10.1016/j.aap.2018.01.001
Recibido el 2 de de junio de 2017. Recibido en forma 10 de diciembre 2017 revisado; Aceptadas 3 de enero de 2018

0001-4575 / © 2018 Elsevier Ltd. Todos los derechos reservados.

SA Gargoum et al.
Guía de diseño recomienda el uso de 2,5 s para un conductor ' tiempo s reacción percepción (PRT) y un
valor de la deceleración de 3,4 m / s 2 ( AASHTO de 2011 ). Esos valores deterministas son típicamente
valores del percentil que se derivan empíricamente basado en el rendimiento de una muestra de los
conductores. Por lo tanto, aunque el diseño de carreteras para satisfacer las necesidades de SSD des fi ne
en los códigos de diseño podría garantizar que su FFI ciente distancia de visibilidad está disponible para la
mayoría de los conductores, un significante fi porción de canto de los conductores, que tienen menores
tasas de deceleración PRT o más, no podría fi encontrar la distancia de visibilidad disponible suficiente.
Aunque la proporción de los conductores con capacidades limitadas podría actualmente ser bajo, el hecho
de que demografía de la población están cambiando (envejecimiento de la población) significa que este ya
no será el caso.
Estadísticas de Canadá muestran que la edad media de la población de conducción va en aumento
con proyecciones predicen que para el año 2030 alrededor del 20% de los conductores será de más de 65
años ( Seguridad Vial Consulting Canadá, 2011 ). Una gran parte de los conductores viejos son típicamente
más lento, tanto en su percepción del riesgo y la forma en que reaccionan a los peligros en el camino. Esto
se debe a muchos factores, incluyendo la reducción de la agudeza visual, la reducción Florida flexibilidad y
rango de movimiento, más estrecho fi campo de visión, mayor sensibilidad al deslumbramiento y la
reducción de la fuerza muscular. Todos estos factores dan lugar a los conductores que tengan tiempo de
reacción ya la percepción, por lo tanto, requieren distancias de visibilidad más tiempo.
La relación de deceleración, es otro factor que una ff ECTS requisitos de distancia visual en las carreteras y
una que puede variar entre los conductores de di ff Erent edades. Los controladores antiguos con capacidades
limitadas son menos propensos a aplicar una presión similar a los pedales de freno pilotos tan jóvenes, por lo
tanto, de vez en cuando di ff erences en las tasas de deceleración pueden aparecer. Además, la cinemática del
vehículo también di ff er entre los di ff Erent vehículos. Por otra parte, en los lugares de las condiciones climáticas
adversas superficie de tracción podría no ser siempre el mejor y el resultado en la reducción de las tasas de
desaceleración. Del mismo modo, las tasas de desaceleración también podría ser una ff ected por las condiciones
del pavimento o incluso condiciones de los neumáticos.
El desempeño de seguridad de los conductores de edad ha sido investigado en muchos estudios ( Marottoli El método crea un modelo digital de la superficie de la carretera con puntos de observador y de
et al., 1994 ; Foley et al., 1995 ; McGwin y Brown, 1999 ; Janke, 2001 ; Lyman et al., 2001 ; Jurewicz et al.,
2017 ). En general, la investigación ha encontrado que, a pesar de sus hábitos de conducción prudente, los
conductores de 70 años de edad y mayores tienen las más altas tasas de colisión por kilómetro recorrido
en comparación con otros grupos de edad, excepto los conductores varones jóvenes ( Li et al., 2003 ). Por
otra parte, la investigación también ha demostrado que los conductores de edad corren un mayor riesgo de
morir cuando está involucrado en una colisión ( Turcotte, 2015 ). La creciente población de conductores de
edad, junto con el hecho de que una gran proporción de aquellos conductores tienen capacidades
limitadas significa que se espera que la población general de conductores con capacidades limitadas en
nuestras carreteras a aumentar. Como resultado de ello, es sumamente importante que tal cambio se toma
en cuenta al evaluar la seguridad de las carreteras existentes y en el diseño de nuevas carreteras, que es
la motivación de la investigación en este documento.
57
Análisis y prevención de accidentes 112 (2018) 56-68
Figura 1. Nube de puntos LIDAR.
Ya se trate de factores humanos, deceleración o condiciones ambientales, todos estos factores
una ff ect cómo se requiere mucha distancia de visibilidad de los conductores en un segmento de la
carretera. Aunque la integración de todos los factores en el diseño podría no ser económicamente
viable, los cambios en la demografía de controladores podrían requerir pequeños cambios en las
normas existentes. Antes de lo que se hace, sin embargo, es esencial para entender si o no las
carreteras existentes son capaces de adaptarse a los cambios previstos.
Este documento tiene como objetivo investigar el grado en que la distancia de visibilidad en las
carreteras existentes puede acomodar la variación en factores humanos, condiciones ambientales, y la
cinemática del vehículo. especí fi camente, el papel tiene como objetivo comprender cómo el cambio de esos
factores puede afectar el porcentaje de falta de cumplimiento en la detención de la distancia de visibilidad en
un segmento de carretera (es decir, la porción del segmento en el que no se cumplen los requisitos de
distancia visual).
En primer lugar el papel adopta un algoritmo que podría ser utilizado para calcular
automáticamente la distancia disponible detener la vista a lo largo de un Light Detection and Ranging
modelo de nube (LIDAR) punto de la carretera. los datos LiDAR se recoge a través escáneres láser
re Florida ión de haces de luz o ff
objetos. Los escáneres se combinan con el Sistema Global de Navegación por Satélite (GNSS) y los
receptores de unidad de medición inercial (IMU), que proporcionan información sobre la posición
exacta del escáner. de barrido constante de objetos alrededor del sensor crea una nube de puntos
3D de los atributos de posición conocida ilustrada en la Figura 1 . datos LiDAR en las carreteras a
menudo se recogen a través de Mobile Laser Scanning (MLS). En tales equipos práctica de
exploración se monta en los vehículos, que viajan a lo largo de la carretera de interés captura de 360
​° imaginarios de la calzada.
Entre muchas otras aplicaciones en la ingeniería del transporte y de la carretera ( Holgado-Barco
et al., 2014 ; Ai y Tsai, 2016 ; Gargoum et al., 2017B ; Holgado-Barco et al., 2017 ; Gargoum et al.,
2018a ;
Gargoum et al., 2018b ; Gargoum et al., 2018c ), La disponibilidad de datos Lidar permite evaluar la
distancia de visibilidad en un segmento de carretera en el momento oportuno. La metodología
aplicada en este documento es similar a la propuesta en ( Castro et al., 2013 ; Gargoum et al., 2018 ).
destino dE fi definida a lo largo de la carretera. Línea de evaluación se lleva a cabo la vista y las
salidas se procesa para calcular la distancia de visibilidad disponible en el segmento. En este estudio
se automatiza completamente el procedimiento de evaluación de la distancia de visibilidad en las
carreteras LiDAR escribiendo un código Python que puede realizar el análisis de diversas carreteras
LiDAR sin utilizar la interfaz de usuario en ArcGIS.
Después de calcular la distancia de visibilidad disponible a lo largo de las carreteras de interés, el
ASD se compara con la distancia de visibilidad teórica requerida mientras se cambia di ff las variables Erent
en la ecuación de la distancia de visibilidad. El porcentaje de incumplimiento a lo largo de un segmento de
la carretera se calcula a continuación, para una gama de tiempos de reacción percepción y las tasas de
desaceleración. Con el fin de explorar más a fondo los impactos de di ff Erent niveles de incumplimiento en
la seguridad de un segmento de carretera, los registros de colisión en el
SA Gargoum et al.
Se compararon las regiones compatibles y no compatibles de un segmento dado.
2. Revisión de la literatura
En esta sección se ofrece una revisión de los estudios existentes que han examinado los
factores de una ff ión de la di ff las variables en la ecuación Erent distancia visual de detención con un
enfoque en factores tales como el tiempo de reacción percepción y la velocidad de desaceleración.
Además, la sección también explora cómo los estudios anteriores han analizado la di ff rencia entre los
disponibles distancia visual de detención en las carreteras existentes y los requisitos de distancia de
vista teórico.
2.1. Variables en la ecuación distancia de visibilidad
En un estudio inicial, que llevó a cabo una revisión exhaustiva de los factores de una ff eja tiempo de
reacción percepción (PRT), Green (2000) , identi fi ed la edad del conductor, expectativa de peligro, y el urgencia
de la situación peligrosa como las principales variables. En el caso de la edad del conductor, el estudio
concluye que los conductores mayores tienen un PRT más largo que los conductores más jóvenes. Sin
embargo, el estudio establece que con el fin de establecer una sólida relación entre el envejecimiento y el
cambio en el PRT, se requieren más estudios controlados.
En el caso del grado de expectativa de diversos peligros, el mismo estudio divide la expectativa
en tres niveles (señales esperadas, señales comunes pero inciertas y la intrusión sorpresa). Para
señales previsibles, tales como luces de freno de un vehículo de plomo, el documento se informa el
tiempo medio de reacción percepción de los conductores varía típicamente de 0,70 a 0,75 s. Para las
señales comunes pero inciertos, tales como luces de freno de un vehículo por delante en tra FFI c, se
encontró que el PRT estaba en el intervalo de 1,2 - 1,35 s. Por último, para la sorpresa de intrusos
tales como animales corriendo a la carretera,
Green (2000) concluye que el PRT típicamente aumenta a 1,5 s, que es el doble de señales
esperadas (0,75 s).
Para el fi nal factor de una ff eja PRT, de fi definida como la “ urgencia de la situación ”, Green (2000) de operación en la evaluación de la distancia de visibilidad. Los autores dE fi define tres tipos de
se encontró que la relación entre este factor y PRT es una relación en forma de U de tal manera que
en muy poco tiempo, y muy largo, el tiempo de colisión corresponden a largo PRT. A diferencia de
los valores recomendados por la AASHTO, que representan los percentiles 85, las estimaciones
proporcionan en verde ' s papel para tiempos de reacción percepción son valores medios estimados
en base a los resultados de otros estudios.
En un informe del Programa Nacional Cooperativo de Investigación de Carreteras (NCHRP) la
investigación de los impactos de los factores humanos en ecuaciones de diseño, Campbell (2012) explora
la variación en PRT en condiciones favorables y desfavorables y el correo ff ECTS de que el SSD. Se
pidió a un número de conductores a conducir en esas dos condiciones, mientras que estar sujeto a
los peligros inesperados calzada. Se midieron las tasas medias de PRT y desaceleración para los
conductores. El informe de fi nes condiciones favorables (es decir, una buena visibilidad) para el PRT
como conducir durante el día con ser claramente visible y directamente en la línea de visión del
conductor del peligro. Durante la noche-tiempo, el informe afirma que las condiciones favorables para
el PRT incluyen auto-iluminada o retro-re Florida peligros que son inmediatamente reconocibles y
cerca de la línea de visión del conductor ectorized. condiciones desfavorables (es decir, mala
visibilidad) para el PRT en día consisten en los peligros que se ocultan o Camou Florida envejecida
por el fondo circundante, Unre Florida ectorized, no auto-iluminada y en un principio o ff la línea de
visión del conductor. Además, durante la noche-tiempo, existen condiciones desfavorables para el
PRT para los faros de cruce con o sin iluminación de la calle, así como si existe el deslumbramiento
de los vehículos que se aproximan. En una buena visibilidad, el PRT media se estimó en 1,6 s,
mientras que, por mala visibilidad, que fue de 5,0 s.
Además de PRT, el estudio también explora el correo ff ECTS de condiciones favorables y
desfavorables sobre las tasas de desaceleración. Las condiciones favorables (es decir, buenas
condiciones de tracción) se De fi define como segmentos rectos de carretera, pavimento seco o mojado, los
neumáticos del vehículo en buen estado, y el vehículo de ser un coche de pasajeros. Las condiciones
desfavorables (es decir, condiciones de tracción pobres) fueron De fi ne como condiciones cuando el
requisito de parada ocurre en una curva o rebaja y donde las condiciones de la superficie eran
58
Análisis y prevención de accidentes 112 (2018) 56-68
pobre. Por buenas condiciones de tracción de un 5,4 m / s 2 tasa de desaceleración se estimó mientras que para las
condiciones de tracción deficiente la tasa fue de 4,2 millones de d / s 2.
Al darse cuenta de que hay un elemento de incertidumbre en algunas de las variables en las
ecuaciones de diseño tales como la ecuación de SSD, muchos investigadores han intentado
utilizando el análisis de fiabilidad para integrar las incertidumbres en el análisis de seguridad de la
distancia de visibilidad en los segmentos ( Ibrahim y Sayed, 2011 ; Ibrahim et al., 2012 ). Los principios
aplicados en el análisis de la fiabilidad siguen el enfoque de diseño estados límite donde las variables
en las ecuaciones de diseño son tratados como variables aleatorias, que se expresan como
distribuciones de probabilidad en lugar de valores constantes. En los intentos para modelar la
distribución estadística de PRT y la velocidad de desaceleración, Ismail y Sayed (2009) utilizado el
tiempo de reacción percepción y la velocidad de desaceleración a partir de diversos estudios. Se
encontró que el tiempo de reacción percepción media a una distribución lognormal con una media de
1,5 s y una desviación estándar de 0,4 s. Del mismo modo, la velocidad de desaceleración se supone
que sigue una distribución normal con una media de 4,2 m / s 2 y una desviación estándar de 0,6 m / s 2.
Varios otros estudios revisados ​por Ismail y Sayed (2009) estimado PRT medios entre 1,21 y 1,4 s s
con desviaciones estándar de 0,74 s 0,15 s.
Como es evidente en la revisión, variables utilizadas para predecir SSD requerida en un segmento de
carretera varían dependiendo de muchos factores. PRT es una ff ejada por las condiciones de visibilidad, la
edad, la expectativa de riesgo y situación de urgencia. Del mismo modo, condiciones de la superficie, el
conductor y el vehículo conducido por toda una ff ect la tasa de deceleración. La siguiente sección explora los
estudios que han analizado el di ff rencia entre los disponibles distancia visual de detención en las carreteras
existentes y los requisitos teóricos que toman distancia de visibilidad, mientras que la variación en di ff las
variables Erent en la ecuación de la distancia de visibilidad.
2.2. Disponible la distancia de visibilidad
Gavran et al. (2016) , Estudiado el di ff erences entre la distancia de visibilidad disponible y la
distancia de visibilidad teórica mientras que frente a la importancia de la integración de la velocidad
distancia de visibilidad. Disponible Sigh Distancia (TEA) se dè fi Ned como la distancia de visibilidad
disponible basado en geometría de la carretera, parando teórico Sight Distancia (SSD) se De fi Ned
como una derivada matemáticamente mediante la ecuación de SSD y una velocidad de diseño, y
requeridos Sight Distancia (RSD) se De fi define como un valor teórico que fue derivada
matemáticamente pero utilizando la velocidad de funcionamiento. El objetivo de este trabajo fue
proponer medios para medir esos tipos de distancias de visibilidad en las carreteras, en particular
RSD, y trazar unos contra otros. Para RSD, los autores de importación de líneas de visión que
representan la RSD en una triangulado un modelo 3D de la carretera analizada. Las secciones
transversales del modelo 3D se extraen a continuación, a lo largo de las líneas de visión para medir el
RSD. Para medir la ASD, un modelo 3D triangulado de la carretera fue importado en un entorno CAD
3D. A continuación, la ASD se representó frente a la RSD. Aunque los autores no proporcionan
mucha discusión de los resultados, se menciona que la ASD superó la RSD para la mayoría de los
segmentos de prueba.
SSD y la línea horizontal de la vista o ff establecer, al acercarse a una curva horizontal y dentro
de la curva horizontal, también fueron estudiados en ( Madera y Donnell, 2014 ). Estos dos casos (es
decir, cuando se acerca a la curva y cuando se conduce en la curva) se investigaron en seis di ff combinaciones
teóricas Erent de límite de velocidad, radio de la curva, y peralte. Usando anteriores modelos de
predicción de la velocidad y la teoría de la fiabilidad, se estimó la probabilidad de incumplimiento. La
probabilidad de incumplimiento se De fi definido en esta investigación como la probabilidad de que un
conductor no tiene su FFI ciente SSD de percibir, reaccionar, y el freno antes de llegar a un objeto en
la curva. Los resultados mostraron que la probabilidad de incumplimiento cuando se aproxima la
curva es mayor que dentro de la curva. Esto llevó a los autores a sugerir que el mismo SSD y la línea
de visión o ff conjunto se debe utilizar dentro de la curva y cerca del final de la curva.
Sarhan y Hassan (2008) estimado la probabilidad de incumplimiento (denominado como la
probabilidad de peligro) en un segmento de carretera hipotético usando un programa de ordenador.
Este programa informático
SA Gargoum et al.
fue desarrollado para calcular y comparar la vista y el obligatorio se distancia Pro fi archivos en 2D y
3D. Se utilizó el programa para estimar la probabilidad de peligro en una curva horizontal con Florida en
el grado en una sección de corte y en las curvas horizontales combinadas con di ff cresta Erent y se
hunden las curvas verticales. Los resultados mostraron que la probabilidad máxima de valor de
riesgo de todos los casos fue de alrededor de 1%. Los autores concluyeron que el enfoque
determinista de SSD fue conservador en términos de seguridad, debido a los bajos valores de la
probabilidad de peligro, mientras que este enfoque podría ser poco rentable desde su punto de vista.
En general, la mayoría de los estudios en la literatura reconocen que los requisitos SSD pueden
variar entre la población de conductores, sin embargo, no se ha hecho mucho para evaluar el grado
en que los caminos existentes (es decir, los caminos diseñados en base a las normas de diseño
deterministas) toman en cuenta estas variaciones. Por lo tanto, el objetivo de este trabajo es evaluar
la adecuación de la distancia de visibilidad disponible en las carreteras existentes comparando la
distancia de visibilidad disponible con los requisitos SSD dada la variación en los conductores ' capacidades de visión entre pares de observadores y objetivos. Esto se hace mediante el “ Construir la linea de Mira ” herramienta
y condiciones de conducción.
3. Sight procedimiento de extracción distancia
Con el fin de ser capaz de medir la distancia de visibilidad disponible a lo largo de múltiples
segmentos de carretera, una técnica que podría extraer información distancia de visibilidad en un
correo FFI se requería ciente y oportuna. La técnica empleada en este estudio extrae información
distancia de visibilidad a partir de modelos de carretera nube de puntos LiDAR. El procedimiento
utilizado en este documento es similar a la propuesta en estudios anteriores, ver, por ejemplo ( Castro
et al., 2013 ; Gargoum et al., 2018 ), Sin embargo, en este trabajo el procedimiento es completamente
automatizado y no requiere el uso de la ArcGIS ' s Interfaz de usuario general (GUI). Por otra parte, el
procedimiento ayuda a ejecutar la evaluación de múltiples segmentos LiDAR al mismo tiempo, por lo
que es posible llevar a cabo la evaluación a nivel de red del alcance visual.
El método fi primera implica la superposición de puntos estrechamente espaciados en el segmento de
carretera LiDAR. Estos son puntos de coordenadas conocidas alineados en paralelo a la carretera ' s eje y
se utiliza para representar múltiples observadores y objetivos a lo largo de la carretera. Después de
importar los puntos, se construyen las líneas de visión entre todos los pares de observadores y objetivos y
la línea de la herramienta vista en ArcGIS se utiliza para evaluar la visibilidad entre los puntos. Dado que
ArcGIS se desarrolla sobre la base del lenguaje de programación Python, di ff características Erent en
ArcGIS pueden ser utilizados por diferentes escribir scripts de Python en lugar de utilizar el programa ' s
interfaz gráfica de usuario. En este trabajo, Python se utiliza para automatizar el proceso de llamar a las
herramientas que se utilizan para llevar a cabo la evaluación de la visibilidad en el segmento de LiDAR.
Una vez obtenidos los resultados de esta evaluación, un algoritmo de MATLAB se utiliza para calcular la
distancia de visibilidad disponible a lo largo del segmento de carretera analizada. El siguiente esquema
proporciona detalles de cada paso en el proceso de extracción.
3.1. Generar puntos de observador y de destino
los fi primer paso del procedimiento de extracción implica la extracción de puntos de observador y
de destino cuyas trayectorias son paralelos a la carretera ' s eje. Estos puntos pueden ser puntos
recogidos en las encuestas de GPS por separado o como parte del proceso de recolección de datos
LiDAR. En este estudio los puntos que representan la trayectoria del vehículo de recogida de datos
LiDAR se utilizan como puntos de observador y de destino. Estos puntos se extraen de la modelo de
carretera LiDAR por fi ltrado la nube de puntos fi Le basado en el ángulo del escáner. MATLAB se utiliza
para fi leer el primer LIDAR fi Le usando el “ readlas ”
función. el LAS fi Le se guarda como un MAT- fi Le para acelerar el procesamiento. Los puntos de la
trayectoria del vehículo (es decir, los puntos con ángulo cero que caen en el plano Nadir del escáner
láser) son fi filtró y guardado como separada
csv fi Les ordenadas según la hora del GPS. Estos puntos de trayectoria se replican con un conjunto utilizan
como puntos de observador ( YO) y el conjunto replicado utiliza como puntos de destino ( J) como se vio en Figura Desafortunadamente, esto era una limitación de datos y para evitar un problema tal (es decir ASD
2 . Un observador altura de 1,05 y una altura de 0,38 m de destino se utilizaron según lo recomendado por
la Guía de diseño de Alberta carretera para detener la evaluación de la distancia de visibilidad ( Infraestructura
Alberta, 1999 ).
59
Análisis y prevención de accidentes 112 (2018) 56-68
3.2. la creación del modelo digital de superficie
Los datos LiDAR se representa como una nube de puntos y, por lo tanto, es necesario construir
un modelo de superficie digital (DSM) en forma de una superficie de trama que representa la calzada.
La superficie de la trama es una cuadrícula de las células donde la elevación de cada célula se calcula
basándose en la elevación media de todos los puntos LIDAR que caen en una célula particular. Una
vez creado el DSM los puntos de observación y de destino de x conocido, y, z las coordenadas se
superponen sobre la superficie.
3.3. la construcción de la línea de visión y la línea de la evaluación de la vista
Una vez que los puntos de observador y de destino se importan y se recubrieron sobre la superficie de la
trama, el código Python utiliza el módulo ArcPy Python de ArcGIS para automatizar la construcción de líneas
en ArcGIS. Del mismo modo, el módulo de ArcPy se utiliza para evaluar automáticamente la visibilidad de cada
observador a todos los objetivos utilizando ArcGIS ' s “ Línea de visión ” herramienta como se ve en Fig. 3 .
Alternativamente, el “ Construir Líneas visuales ” herramienta y la
“ Línea de visión ” herramienta puede tanto ser utilizado a través ArcScene ' s interfaz gráfica de usuario.
los “ Línea de visión ” herramienta funciona mediante la evaluación de la visibilidad de todos los objetivos de
la ubicación de cada observador, esta evaluación se lleva a cabo a lo largo de las líneas de visión creados
después de ejecutar el “ Construir Líneas visuales ”
herramienta. Por ejemplo, para evaluar la distancia de visibilidad de observador yo, la herramienta evaluaría
la visibilidad de las líneas de visión de conexión observador yo a todos los objetivos en conjunto J. La
herramienta funciona mediante pruebas de la intersección de las líneas de visión con la superficie de la
trama DSM. Cualquier intersección entre la línea de visión y la superficie indica que no es un objeto de
elevación más alta que la línea, lo que indica que el objetivo no es visible. A pesar de ser capaz de evaluar
las obstrucciones a lo largo de la línea de visión, la línea de la herramienta de vista no da salida a la
información del alcance visual disponible. En cambio, el
“ Línea de visión ” herramienta de salida a la información acerca de si un objetivo j es visible desde un
observador yo. Fig. 4 representa las salidas de la línea de visión herramienta en una TarIsVis = 1 indica
que el objetivo es visible desde observador con ID denotado como OID. Además, la salida también
incluye información sobre la longitud de la línea de visión (Shape_Length) entre el observador y de
destino que no está obstruido.
Después de la construcción de las líneas de visión entre pares de los observadores y los objetivos a lo largo de
la carretera y la evaluación de la visibilidad a lo largo de las líneas de visión, la secuencia de comandos de Python
exporta las salidas del "Construir la vista de línea" y "línea de visión" como herramientas csv mesas. Estas tablas de
resultados se leen en MATLAB para el procesamiento posterior para calcular la distancia de visibilidad.
3.4. Disponible detener el cálculo la distancia de visibilidad
Con el fin de calcular la distancia de visibilidad disponible a lo largo del segmento, las salidas
del código Python se analizan usando MATLAB. El algoritmo de MATLAB está escrito para que el
bucle a través de todos los puntos de destino ( J) para cada punto de observador ( yo) y se comprueba
la visibilidad de destino en función de las salidas de la línea de la evaluación de la vista se discutió en
la sección anterior. el algoritmo fi NDS el último blanco visible ( j) de cada observador; la distancia entre
el observador y el último blanco visible se registra como la distancia visual de detención disponible
para el observador. los
Florida owchart en Fig. 5 muestra un resumen de la lógica seguida por el algoritmo de MATLAB para
calcular la TEA.
El algoritmo tiene en cuenta que, al final del segmento LiDAR (es decir, el final de la LAS fi le), la
distancia de visibilidad calculado no será representativo de la distancia real de vista disponible ya que
no existen datos de punto de enturbiamiento más allá del final del segmento. Para solucionar esto, el
algoritmo fue escrito para que se localiza el último máximo local dentro de cada segmento de
carretera (es decir, el último punto hacia el final del segmento donde ASD excede SSD) y trunca (es
decir, las omisiones) la distancia de visibilidad disponible computado allá de este punto .
caer hacia el final del segmento LiDAR) en el futuro, se recomienda que los datos LiDAR recogidos
en las encuestas de la distancia de visibilidad
SA Gargoum et al. Análisis y prevención de accidentes 112 (2018) 56-68

Figura 2. Observador (rojo) y Target (azul) puntos.

Fig. 3. Línea de Evaluación de la vista.

análisis se almacena en una forma tal para asegurar la LAS fi les superponen hacia el final del procedimiento de extracción. El algoritmo también se prueba en un completamente Florida en el segmento

segmento de LiDAR. como medios de verificación de que el algoritmo no era propenso a cualquier obstrucción falsos. Los lectores

Una vez, la ASD se calcula a lo largo del segmento LiDAR, el algoritmo de traza la distancia de visibilidad interesados ​en obtener más información acerca de la validez del método se hace referencia a dicho

disponible (ASD) como una función de la distancia a lo largo de la calzada para todos los puntos de observación a documento.

lo largo del segmento de carretera como se ve en

Fig. 6 .
3.5. Detener análisis distancia de visibilidad
Vale la pena destacar que el método discutido en las últimas secciones se propuso en un
artículo reciente de Gargoum et al. (2017a) . En ese documento los autores ponen a prueba el
Además de calcular la distancia visual de detención disponibles para cada punto del observador
método en múltiples segmentos de carretera, mientras que evaluar cuidadosamente la ubicación de
a lo largo del segmento LiDAR, el algoritmo de MATLAB también calcula la distancia teórica visual de
la obstrucción para validar la
detención mediante el

Fig. 4. Línea de salidas a la vista.

60
SA Gargoum et al. Análisis y prevención de accidentes 112 (2018) 56-68

Fig. 5. Disponible Distancia Visual Computación.

siguiente ecuación parar la distancia visual, que se utiliza para calcular SSD en AASHTO ' s carretera segmento).
guía de diseño y Alberta ' Guía de diseño de la carretera s ( Infraestructura Alberta, 1999 ; AASHTO de
2011 ).
Estudio 4. Caso

VG2
SSD = 0,278 +
Vermont un gramo En este documento, el objetivo principal fue evaluar el grado en que los segmentos de carretera
254 ( ± )
existentes cumplen parar requisitos de distancia vista mientras teniendo en cuenta las variaciones en
factores humanos y otras variables. Esto se logró mediante la comparación de la distancia visual de
dónde, V [ km / h] denota la velocidad de diseño de la carretera, t [ seg] es el tiempo de reacción
detención disponibles en varios segmentos de carretera propensas choque en la provincia de
percepción del conductor (AASHTO recomienda el uso de
Alberta, Canadá al (requerido) distancia visual de detención teórico. tres di ff niveles Erent para la
2,5 s), un [ Sra 2] es la velocidad de desaceleración del vehículo (AASHTO recomienda el uso de una
distancia visual de detención requerido se calcularon mientras cambia los valores del tiempo de
tasa de deceleración de 3,4 m / s 2), g [ Sra 2] es la aceleración de la gravedad (9.81m / s 2) y G [%] es el
reacción la percepción y la velocidad de desaceleración. La siguiente subsección de fi nes los
grado de la carretera (3% rebaja se utiliza para valores SSD tabulan en la AASHTO).
intervalos utilizados para ambas variables para calcular la SSD requerida. Además, el artículo 4.2

Cuando se utiliza la ecuación, el código MATLAB utiliza un rango de valores para el tiempo de
reacción percepción y la velocidad de desaceleración para calcular di ff Erent umbrales para la
proporciona información acerca de los segmentos de carretera en las que se realizó la evaluación.
distancia visual de detención mínimo permisible en un segmento. Sobre la base de la di ff Erent
umbrales el algoritmo de MATLAB calcula el porcentaje de cada segmento de carretera que es no
compatible con diseño teórico distancias visual de detención (es decir, la longitud del segmento en el
que la distancia visual de detención disponible es menor que la distancia teórica visual de detención 4.1. La variación en los factores humanos

como una relación de la longitud total de el

La gama de tiempo de reacción percepción (PRT) y la velocidad de desaceleración

61
SA Gargoum et al. Análisis y prevención de accidentes 112 (2018) 56-68

Fig. 6. Muestra de ASD Terreno largo de un segmento de la carretera 20, AB, Canadá.

utilizado para calcular SSD se des fi definida sobre la base de los resultados de estudios previos
discutidos en la revisión de la literatura. Para el tiempo de reacción percepción, dos niveles se dè fi Ned
basado en las capacidades del conductor y las condiciones de conducción. Los conductores con
capacidad limitada que están impulsando en malas condiciones se supone que tiene mucho PRT. Por
el contrario, se supone conductores altamente hábiles con altas habilidades cognitivas de conducción
en condiciones claras para tener muy corto PRT. Con el fin de ser coherente con el PRT valores de fi Ned
en la literatura, a un corto PRT se asumió que era 1,6 s y una larga PRT se asumió que era 5,0 s ( Campbell,
2012 ). Vale la pena señalar aquí que estos valores fueron previamente dE fi nida en la investigación
llevada a cabo bajo el NCHRP y publicado por el Transportation Research Board (TRB) en un informe
titulado “ Directrices sobre factores humanos a los sistemas viales ”( Campbell, 2012 ). Similar al PRT, por
la velocidad de desaceleración, dos niveles se dè fi Ned. La relación de deceleración en malas
condiciones se dè fi define como condiciones en las que un conductor sólo se aplica una ligera presión
en el pedal de freno y donde las condiciones de tracción de la superficie eran pobres. La relación de
deceleración en buenas condiciones, por el contrario, es cuando un conductor se aplica una fuerte
presión a los frenos y donde la superficie de tracción es buena. Para estas dos condiciones
deceleración de 5,4 millones / s 2 y 3,4 m / s 2 fueron utilizados para condiciones buenas y malas,
respectivamente ( Campbell, 2012 ). SSD teórico se calculó sobre la base de las condiciones de fi definido
en los párrafos anteriores. Para los conductores hábiles con altas habilidades cognitivas de conducción
en condiciones ideales, SSD se calcula en base a un PRT de 1,6 s y una velocidad de deceleración de
5,4 m / s 2 ( mejor de los casos SSD). Para viejos conductores con habilidad limitada y baja capacidad
cognitiva, SSD se calculó utilizando un PRT de 5,0 s y una velocidad de desaceleración de 3,4 m / s 2 ( peor
de los casos SSD). Además de los valores de SSD que tengan en cuenta las variaciones en las
condiciones y los factores humanos de conducción, el SSD basa en la recomendación de AASHTO
(PRT = 2,5 s y desaceleración velocidad = 3,4 m / s 2) También se calculó. Las parcelas ASD, así como
el porcentaje del segmento de carretera que no cumpla con SSD para cada uno de los tres niveles
(mejor, peor de los casos o AASHTO) están computado en MATLAB. Vale la pena señalar que los
requisitos SSD bajo la condición del peor caso (arriba / línea horizontal roja en Fig. 8 ) Elevarse por
encima de AASHTO ' umbral s SSD (inferior / línea horizontal azul en

Fig. 8 ) Por 25 - 30%, dependiendo de la velocidad de diseño de la carretera.

4.2. segmentos de prueba

El procedimiento de extracción se aplica en siete di ff Erent accidente segmentos de carretera

propensas en la provincia de Alberta, Canadá. Todos los segmentos de carretera eran 2 carriles

Fig. 7. Ubicaciones de prueba.

segmentos rurales indivisas con un límite de velocidad de 100 kph. La longitud de los segmentos de
prueba osciló de 2,5 km por

62
SA Gargoum et al. Análisis y prevención de accidentes 112 (2018) 56-68

Fig. 8. Parcelas muestras de la CIA con el di ff Casos SSD Erent para segmentos de las carreteras 20 (parte superior izquierda), 28 (parte superior derecha), 55 (Abajo a la izquierda), y 88 (parte inferior derecha). Nota: eje y representa la distancia de visibilidad disponible

(ASD) en metros y el eje x representa la distancia a lo largo del segmento en metros. (Para la interpretación de las referencias de color en el texto, se remite al lector a la versión web de este artículo).

tabla 1 altos valores de EB tendrán más posibilidades de mejora de la seguridad.

Geométrica y Tra FFI c Información sobre segmentos de prueba. Entre 17.355 segmentos de dos vías de dos carriles en la provincia de Alberta, se seleccionaron
los lugares propensos parte superior de choque para la evaluación en este estudio. Estos lugares
Autopista Longitud total (km) AADT (veh / día) Vehículos pesados ​(%)
incluyen segmentos de carreteras 5, 20, 22,
5 6.219 4535 6.9 28, 55, 63, y 88.
20 9,554 8755 6.45
22 9,661 4403 9.58
4.2.2. datos LIDAR
28 5.334 7270 5.2
55 3,957 4893 8,73 datos LiDAR a lo largo de los segmentos de carretera propensas choque se recogió por Alberta
63 2,514 3988 27.63 Transportation uso de un servicio de terceros. Los datos se recogieron usando el sistema de RIEGL
88 6.363 2340 27.73 VMX-450 Mobile Laser Scanning (MLS). El sistema MLS se monta en un camión de recogida de datos
y es capaz de recoger datos cuando el camión viaja por la autopista a velocidades de autopista. El
sistema está equipado con dos VQ-450 escáneres que tienen una velocidad de barrido de hasta 1,1
carretera 63 - 9,55 km en la carretera 20. La duración media de todos los segmentos fue 6,23 km. Los
millones de puntos por segundo y una velocidad de barrido de 400 líneas por segundo ( Riegl, 2015 ). La
siete carreteras fueron repartidos en di ff Erent partes de la provincia como se ve en Fig. 7 . tabla 1 muestra
densidad de los puntos en un objeto escaneado depende del rango, y la velocidad del camión de
un resumen de la información de la longitud y tra FFI información c en los segmentos de prueba siete.
recogida de datos. encuestas provinciales llevaron a cabo a 90 kilometros resultado / h en las
densidades de puntos LiDAR en la superficie del pavimento de 150 - 1000 puntos / m 2 ( Steel et al., 2014 ).

4.2.1. lugares propensos Crash

En el fi etapa primera del Proceso de Gestión de Seguridad, Proyección de la red se utiliza para
identificar lugares propensos choque. Esto implica la identificación de lugares que se consideran
inseguros y clasificar esos lugares basados ​en el potencial de reducción de accidentes. La literatura
incluye varios métodos para identificar y clasificar estas ubicaciones como parte del proceso de
selección de red. Los métodos comunes incluyen comparar las frecuencias de choque, las tasas de
accidentes, o utilizando el método empírico de Bayes (EB). Entre los di ff Erent identificado accidente fi cationes
visibilidad disponible, dos di ff Erent líneas horizontales se dibujan a través de las parcelas que
y métodos de clasificación, se considera el método EB ser la identi propensos accidente más
consistente fi método de cationes y proporciona los resultados más fiables, en comparación con los
otros métodos ( Montella, 2010 ).
5. Resultados y discusión
Fig. 8 muestra muestras de las parcelas producidas por el algoritmo de MATLAB que se vea la
ASD para los segmentos de prueba. El eje y en las parcelas representa la distancia de visibilidad
disponible y el eje x representa la distancia a lo largo del segmento. Además de la distancia de
representan los requisitos SSD bajo peor de los casos y AASHTO. Si en cualquier punto a lo largo
del segmento de la ASD cae por debajo de una de las líneas horizontales esto indica que los
requisitos de SSD no se cumplen en esa ubicación.

En resumen, el método EB combina el número observado de accidentes y el número estimado
de accidentes para proporcionar una predicción sesgada de la verdadera seguridad en una
ubicación. El número observado de accidentes por lo general se extrae de los datos de accidentes
históricos. El número estimado de accidentes se calcula a partir de los sitios con tra similares FFI c y
geométricas características a los sitios que se analizaron mediante modelos de predicción de
accidente. Los sitios son clasificados utilizando el método EB, donde los sitios con
Para todos los segmentos de carretera analizados, la ASD rara vez cayó por debajo de los
requisitos de distancia vista bajo mejores condiciones (es decir, el umbral de fi definido para los
conductores con poca PRT, alta capacidad y alta capacidad cognitiva). En consecuencia, la discusión
de los resultados presentados en las próximas subsecciones se centrará en si es o no ASD cumple
con los requisitos de AASHTO y el peor de los casos los requisitos de distancia de la vista fi Ned para
los conductores de capacidad limitada y la baja capacidad cognitiva (es decir, los requisitos de
distancia de visión que tienen limitaciones en factores humanos en

63
SA Gargoum et al. Análisis y prevención de accidentes 112 (2018) 56-68

Tabla 2 carretera, requisitos de distancia de visión, mientras que la contabilidad para los factores humanos, se
Incumplimiento compararon las tasas. encontró en todos pero 30m del segmento (es decir, sólo 30m de la
6.3 km analizadas fueron no compatible). El segmento con el porcentaje incumplimiento segunda
Peor de los casos AASHTO
más baja es la carretera 5, donde sólo el 4,2% del analizado 6,2 kilometros no cumplía con los

Longitud de la carretera Longitud Porcentaje Longitud de la Longitud % NC (%) requisitos de distancia de visión.
total
CAROLINA DEL NORTE un (m) NC (%) región NC (m) total (m) Estas cifras muestran que la capacidad de las carreteras existentes para dar cabida a los
Región
conductores con baja cualificación y escasa capacidad cognitiva como los conductores viejos se limita a
(m)
sólo el 80 - 85% de la carretera. En otras palabras, los conductores pasan 15 - 20% de su tiempo de

5 260,2 6218.6 4.185 61.2 6218.6 0,984 conducción en las carreteras que no están diseñados para satisfacer sus necesidades, lo que las coloca
20 1928.2 9554.1 20.181 630.8 9554.1 6.602 bajo un riesgo adicional.
22 1054.4 9661.1 10.914 60.5 9661.1 0,626
28 513,3 5334.8 9,621 332.7 5334.8 6.236
55 694,8 3957.4 17.557 143,3 3957.4 3,622 5.1.2. AASHTO
63 393,5 2514.2 15.651 91.1 2514.2 3,625 Cuando se compara con AASHTOs requisitos SSD teóricos, la tasa más alta de incumplimiento
88 30.4 6363.4 0,477 0.0 6363.4 0.000
en los segmentos analizados fue del 6,6%. Esto se observó en la carretera 20. En promedio, el
Promedio 696,4 6229.1 11.2 188,5 6229.1 3.1
porcentaje de incumplimiento en los segmentos analizados con respecto a AASHTO fue del 3,1%.
un NC: La falta de cumplimiento / no compatibles. Esto es razonable teniendo en cuenta el hecho de que las carreteras están diseñados para cumplir
con los requisitos AASHTOs SSD (Alberta Guía de diseño recomienda las mismas pautas que para
los cálculos de la AASHTO SSD). Fuera de las 7 de choque segmentos de carretera propensas
cuenta).
analizados, la autopista 88 era la única carretera que era perfectamente compatible con AASHTO ' requisitos
de distancia s vista como es evidente en La Fig. 10 , Aunque es importante señalar que los
5.1. las tasas de incumplimiento segmentos analizados de la carretera 5 y la autopista 22 también tenían bajas tasas de
incumplimiento de 0,98% y 0,6%, respectivamente.
Tabla 2 presenta la longitud total de cada uno de los segmentos de carretera analizados y la
parte de esa longitud en que no se cumplen los requisitos SSD (es decir, la longitud de las regiones
no cumplen las normas). La relación de la longitud de la región no conforme a la longitud total de
cada segmento (es decir, por ciento incumplimiento) también se calcula y se muestra en la tabla. Los
5.2. El análisis de seguridad
resultados se muestran para los requisitos SSD bajo AASHTO y bajo el peor de los casos.

5.1.1. Peor de los casos
Cuando los factores humanos se integran en el análisis (es decir, cuando la ASD se compara
con el umbral que tiene en factores humanos en cuenta) los resultados muestran que una parte
sustancial de los segmentos analizados no cumplen con los requisitos de distancia de visión. En 5 de
Como es evidente por los resultados presentados en la sección anterior, una porción sustancial
de los segmentos de carretera analizadas no cumplen con los requisitos de distancia detener la vista,
cuando los factores humanos y condiciones de conducción se toman en cuenta. De hecho, el análisis
muestra que incluso los requisitos de distancia vista AASHTO no se cumplieron en algunas porciones
de los segmentos analizados. Para entender el impacto de un diseño tal de-
fi deficiencias en la seguridad, las tasas de accidentes en lugares de incumplimiento se compararon con las

la tasa de incumplimiento 7 segmentos analizados excede 9,62% con una media de 14,8% para los 5 tasas de accidentes en regiones que cumplen en cada uno de los segmentos analizados. Este proceso es

segmentos. Al considerar los 7 segmentos por ciento incumplimiento promedio se reduce a 11,2%. conocido como el diagnóstico Etapa del Proceso de Gestión de Seguridad, en esta etapa de di ff Erent

Como se vio en Fig. 9 , Las carreteras 20 y 55 tuvieron las mayores tasas de incumplimiento. El herramientas se utilizan para analizar las tendencias en los datos de accidentes antes de decidir sobre una

porcentaje de incumplimiento en la autopista 20 era 20,2%. En cuanto a la longitud real, esto se contramedida apropiada para tratar el problema. A diferencia de la etapa de clasificación de red donde el

traduce a casi 2 km de los 9,6 km analizadas no cumplir con los requisitos de distancia de vista. En la método EB ha sido identificada fi ed como el método más preciso, el Manual de seguridad en las carreteras no

autopista 55, el por ciento incumplimiento fue del 17,6% (casi 700 millones de los 4 km analizados). recomienda una especificación fi Método C para el diagnóstico de sitios del accidente.

Desde el mismo tra FFI volumen c viaja a través tanto de la región compatible y la región no
Carretera 88 era la carretera con altas tasas de cumplimiento. En este cumplen las normas de la mismo segmento de carretera,

Fig. 9. Porcentaje de cumplimiento / incumplimiento y el correspondiente

cambio en accidente de tarifas (peor de los casos).

90%
3.5 4

80%

70%

2,5 3
60%

50%

40%
1.5 2

30%

20%

0.5 1
10%

0% 0
20 55 63 22 28 5 88

Autopista

64
SA Gargoum et al. Análisis y prevención de accidentes 112 (2018) 56-68

Fig. 10. Porcentaje de cumplimiento / incumplimiento y el correspondiente

cambio en accidente de tarifas (AASHTO).

90%
7

80%
6
70%

5
60%

50% 4

40%
3

30%
2
20%

1
10%

0% 0

20 28 63 55 5 22 88

carreteras

las tasas de accidentes por unidad de longitud se utilizaron para comparar la seguridad en las dos regiones. las tasas de
accidentes se calcularon en base a los datos de colisiones a partir de 2009
2014. Por otra parte, también se exploraron los tipos de colisiones y la demografía de los conductores
implicados en colisiones que se produjeron en lugares de incumplimiento para identificar los vínculos
entre el diseño de fi deficiencias y la seguridad. Antes de discutir los resultados de la evaluación, vale la
pena señalar que los requisitos SSD con la condición de aumento peor de los casos por encima de la
AASHTO ' s umbral SSD por 25 - 30%, dependiendo de la velocidad de diseño de la carretera.
segmentos, en promedio, las regiones que no cumplen cuando el conductor
limitaciones se consideran las tasas de accidentes de experiencia 24,8% superiores a las regiones
compatibles. Para choque segmentos propensas donde el porcentaje incumplimiento era mayor que
9,6% (es decir, más de 9,6% de la longitud del segmento era no conforme), se encontró que las
tasas de accidentes en la región no cumplen las normas a ser mayores que las de las regiones que
cumplen en todos menos uno del fi cinco segmentos. En promedio, para aquellas carreteras, la región
no cumplen las normas experimenta una tasa de accidentes que es un 66,5% superior a la de la
región compatible. Se observó el mayor aumento en las tasas de accidentes en la carretera 55. Por
esta carretera, la velocidad de caída se incrementa de 15,6 accidentes por km en la región
compatible con 59 accidentes por km en la región no cumplen las normas (que es casi 4 veces la

5.2.1. las tasas de accidentes tasa de accidentes). Highways 20 y 28 fueron también segmentos en los que había un aumento

Tabla 3 muestra las tasas de accidentes (se bloquea por km) en los segmentos de carretera sustancial en las tasas de accidentes en las regiones donde la distancia de visibilidad no cumplían

analizados para las regiones compatibles no cumplen las normas y. La tabla también muestra el cambio los requisitos teóricos cuando se toma factores humanos en cuenta (es decir, regiones de

en accidentes en las dos regiones expresadas como una relación y un porcentaje. Como es evidente en incumplimiento). El aumento fue de 23% y 61% para las carreteras 20 y 28, respectivamente.

la tabla, es evidente que en los segmentos en los que existen regiones no conformes, estas regiones Highway 63 fue el único segmento, de los analizados, donde las tasas de accidentes no fueron

suelen experimentar tasas de accidentes más altas que las regiones que cumplen tanto para AASHTO mayores en el que no cumple

y analiza factor humano. Es importante señalar aquí que los resultados presentados en este documento
sólo se examinan la existencia de una correlación entre las limitaciones en la distancia de visibilidad y
los cambios en las tasas de accidentes. La relación causal entre los dos sólo se puede explorar si otros regiones a pesar de un relativamente alto porcentaje de

factores de confusión una ff ión de accidentes se tienen en cuenta, que está fuera del alcance de este incumplimiento. Esto podría ser por el hecho de que se analizaron sólo 2,5 km de la autopista 63 (el

documento. Dicho esto, la comparación de las tasas de accidentes en regiones compatibles y no segmento más corto de todas las autopistas).

compatibles del mismo segmento hace cuenta ayuda para muchos factores de confusión incluyendo En general, la fi hallazgos demuestran que cuando partes de un segmento de la carretera son no

información geométrica como el número de carriles, ancho de los carriles, los anchos de los hombros, conforme a los requisitos de la distancia de visibilidad que tienen limitaciones en las capacidades de

las condiciones del pavimento, tra FFI volúmenes C y muchos otros factores. controladores en cuenta, es probable que aquellas porciones de una carretera experimentarán tasas de
accidentes más altas. Teniendo en cuenta el hecho de que la población de conductores con capacidades
limitadas va en aumento, este fi hallazgo es bastante preocupante.

5.2.1.1. Peor de los casos. Al considerar todo el desplome analizado propensos 5.2.1.2. AASHTO. Al considerar cualquier parte de un segmento que hace

Tabla 3
Análisis del tipo de accidente.

Peor de los casos AASHTO

Autopista NC-CR un C-CR segundo Ratio (NC a C) % Cambio NC-CR C-CR Ratio (NC a C) % Cambio

5 7.69 18.63 0.41 - 58.7 32.67 18.03 1.81 81.2

20 42.53 34.36 1.24 23.8 60.24 34.29 1.76 75.7
22 8.54 7.55 1.13 13.0 16.54 7.60 2.17 117,5
28 33.12 20.53 1.61 61.3 39.08 20.59 1.90 89.8
55 59.01 15.63 3.77 277.5 139,54 18.88 7.39 639,2
63 5.08 8.96 0.57 - 43.3 0.00 8.67 0.00 - 100,0
88 0.00 6.32 0.00 - 100,0 0.00 6.29 0.00 - 100,0
Promedio 22.28 16.00 1.25 24.80 41.15 16.34 2.15 114,76

un NC-CR: Noncompliant Crash Tarifa en choques / km.

segundo C-CR: Cumple Crash Tarifa en choques / km.

sesenta y cinco
SA Gargoum et al. Análisis y prevención de accidentes 112 (2018) 56-68

Tabla 4
Distribución por edad de todos los conductores involucrados en accidentes.

todos los conductores Sólo masculinos Drivers

Autopista Región no cumplen las normas Región compatible Región no cumplen las normas Región compatible

bajo 70 Más del 70 bajo 70 Más del 70 bajo 70 Más del 70 bajo 70 Más del 70

5 4 0 302 23 2 0 159 17
20 324 6 1541 27 201 6 765 dieciséis

22 17 0 139 4 14 0 99 4
28 47 6 515 12 40 6 362 10
55 103 8 195 10 52 6 sesenta y cinco 8
63 129 5 744 10 112 5 633 10
88 0 0 75 3 0 0 53 3
Total 624 25 3511 89 421 23 2136 68
Dimensiones 0,0385 0,0274 0,052 0,031

no cumple con AASHTO ' requisitos s SSD como que no cumple los resultados son aún más preocupante. Basado en las salidas de los análisis realizados en este estudio y las proyecciones que predicen
Aunque las regiones de incumplimiento bajo AASHTO son cortos (es decir, el rango de 0% a 6,6%), las aumentos en las edades de la población de conducción, más del 10% de las carreteras existentes ganó ' t
regiones de experiencia incumplimiento signi fi cativamente mayores tasas de accidentes. De los 7 satisface las necesidades de la población que conduce al 20% (Estadísticas de Canadá predice que para
carreteras analizadas, 5 autopistas tenían índices más altos de accidentes en las regiones que no eran el 2030 el 20% de la población de conductores será mayor de 65 años). Esta fi hallazgo es muy crítico para
compatibles con la norma AASHTO ' requisitos s SSD. De hecho, en aquellas regiones que no cumplen 5 el futuro diseño de las carreteras. Teniendo en cuenta el hecho de que la mayoría de los países
autopistas experimentaron una tasa de accidentes que era, en promedio, de 2,95 veces mayor que en desarrollados han envejecimiento de la población, las autoridades responsables de diseño de la carretera
las regiones compatibles. Para las otras dos carreteras, la ruta 88 se encuentra con AASHTO ' s SSD a lo deben tomar tales fi cifras en consideración en el diseño de nuevas carreteras y autopistas existentes al
largo (es decir, no había regiones no cumplen las normas) y no se bloquea se registraron en las regiones actualizar o al establecer nuevos límites de velocidad.
no cumplen las normas en la carretera 63. La carretera que experimentó el mayor aumento en las tasas
de accidentes en su región no cumplen las normas en comparación con su región compatible es la
carretera 55. Esta carretera era también el que tiene el mayor aumento en las tasas de accidentes en su
región que no cumple los requisitos cuando se considera la distancia de visibilidad bajo el peor de los
5.2.2. Estructura por edades
casos.
Para obtener más información sobre si los conductores con capacidades limitadas están
sobrerrepresentados en las regiones no cumplen las normas, la distribución por edad de los
individuos involucrados en accidentes ocurridos en la región no cumplen las normas se comparó con
Al comparar los cambios en las tasas de accidentes entre las regiones que cumplen no cumplen
las que se produjeron en la región compatible en todos los segmentos de carretera analizados. Es
las normas y, se observa que, a pesar de ser más cortos, las regiones no cumplen las normas
importante destacar aquí que la división de los segmentos en secciones compatibles y no
AASHTO bajo experiencia más altos incrementos en las tasas de accidentes en comparación con
compatibles se basó en un PRT de 5 s, como De previamente fi Ned. Esto no significa que todos los
regiones que no cumplen los requisitos en virtud de los peores casos de SSD. En otras palabras,
choques que se produjeron en las regiones que no cumplen eran porque los conductores tenían un
cuando la distancia de visibilidad disponible caído por debajo de la AASHTO ' umbral de distancia s
PRT de 5 s o más, en lugar que es sólo un umbral utilizado para dividir los segmentos en porciones
vista, el aumento de la tasa choque fue más crítico que cuando la TEA se redujo por debajo del umbral
de baja ASD y alta ASD. También cabe destacar que, la razón se adoptó 5 s umbral se debe a que
del peor caso. Esto es altamente intuitiva teniendo en cuenta que las gotas de TEA por debajo del
antes era de fi definida en la investigación llevada a cabo bajo el NCHRP y publicado por el TRB en el
umbral peor de los casos sólo ff ect conductores con capacidades limitadas. En contraste con esto, las
informe titulado “ Directrices sobre factores humanos a los sistemas viales ”( Campbell, 2012 ).
gotas en ASD debajo AASHTO ' requisitos de s de una ff ect más conductores. De hecho, el fi hallazgos
están en contra de la investigación anterior donde no se encontró correlación entre SSD y los
accidentes (todos los tipos, todas las gravedades) durante un máximo de 30% de fi deficiencia con
respecto a las directrices de diseño AASHTO ( Fambro et al., 1997 ; Jurewicz et al., 2017 ). A fin de
Tabla 4 se divide el número de conductores involucrados en accidentes para las regiones compatibles y
verificar los efectos de las limitaciones en SSD en la seguridad, se utilizó una prueba de ji cuadrada de
no compatibles en los conductores por encima de 70 y por debajo
asociación. Se utilizó la prueba para evaluar si existe una correlación estadística entre una región de
70. La tabla también muestra la proporción de los conductores de más de 70 en las regiones que no
ser no conforme a los requisitos de SSD y las tasas de accidentes crecientes en esa región. Las
cumplen compatible y. Como se ve en la tabla, al considerar los siete de los segmentos de carretera
pruebas revelaron que la asociación fue estadísticamente significativa fi no puede en el nivel de 10% con
analizados, se observa que la proporción de los conductores mayores de 70 que estaban
los valores de p para el cociente de probabilidad de 0,08 (por AASHTO ' caso s) y 0,104 (en el caso del
involucrados en accidentes en las regiones no compatibles (prop = 0,0385) es mayor que en la región
peor de los casos).
compatible (prop = 0,0274 ).

En un intento de identificar si esta di ff rencia fue estadísticamente significativa fi no puede, una

prueba de proporciones se realizó entre las dos muestras. Para obtener más información acerca de
Las observaciones más crítico cuando AASHTO ' s requisitos fueron violados son aún más
la prueba se remite al lector a ( Dixon y Massey, 1969 ; Garber y Hoel, 2014 ). Los resultados de
alarmante cuando se toma el envejecimiento de la población en consideración. Actualmente, no hay
ejecutar la prueba revelaron que la mayor proporción de conductores de más de 70 en la región no
muchos pilotos tienen un tiempo de reacción más largo percepción (es decir, la mayoría de los
cumplen las normas de hecho era estadísticamente significativa fi peralte en el con- 90%
conductores de hoy en día son cómodos de conducir en las carreteras diseñadas para satisfacer
AASHTO ' s vista requisitos de distancia). Cuando ASD cae por debajo de la AASHTO ' s requisitos,
fi nivel de confianza ( valor de p = 0,06).
incluso por períodos cortos, una gran población de los conductores es una ff eja, que se re Florida ected
A fin de analizar los datos, los conductores fueron divididos en dos grupos en función del sexo. Tabla
por el aumento sustancial de las tasas de accidentes. El envejecimiento de la población significa que,
4 también muestra las proporciones para los conductores masculinos solamente. Como se ve en la tabla,
en los próximos años, más conductores caerán en la categoría de los conductores con capacidades
la proporción de conductores mayores de 70 en las regiones que no cumplen fue, de nuevo, más alto que
limitadas, por lo tanto, cae en ASD por debajo de los requisitos SSD que integran la capacidad del
en las regiones compatibles. la prueba estadística de la di ff rencia de proporciones para los conductores
conductor y factores humanos a ff ect más conductores y las consecuencias serán potencialmente más
masculinos reveló que el di ff rencia fue estadísticamente significativa fi peralte en una estafa 99% fi nivel de
crítica, que los aumentos observados en este trabajo.
confianza ( valor de p = 0,01). Cuando se analizaron por separado los conductores femeninos, no había
suficiente evidencia estadística de que la

66
SA Gargoum et al.
proporción de conductores más de 70 fue mayor en la región que no cumple, sin embargo, signi
estadística fi cance en el con 95% fi nivel de confianza se observó cuando los conductores se dividieron
en más de 75 y menos de 75 grupos de edad ( valor de p = 0,04). En general, los conductores varones
suelen ser más agresivos que los conductores de las mujeres y por lo tanto tienen una mayor
participación de colisión. En Alberta, Transporte Tra FFI c Colisiones Las estadísticas muestran que
4,9% de los varones mayores de 65 años están involucrados en colisiones en comparación con sólo el 2,7% de las
mujeres ( Alberta Transportation, 2014 ).
En general, los resultados indican que los conductores de edad podrían estar en un riesgo más alto de
colisión en las regiones de un segmento en el que las limitaciones en la distancia de visibilidad son más
prevalentes. En otras palabras, las regiones de carreteras que no están diseñados para tener en cuenta las
limitadas habilidades y las capacidades cognitivas bajos de sobre-edad conductores pueden someter a los
conductores a un riesgo de colisión superior. Esta fi hallazgo es perfectamente consistente con investigaciones
previas que encontró que los conductores mayores de 70 años de edad corren un mayor riesgo de colisión en
comparación con otros grupos de edad ( Li et al., 2003 ). De hecho, la
fi hallazgos de este trabajo muestran que los conductores en realidad tienen un riesgo relativamente bajo
de colisión cuando se circula por caminos que llevan a sus capacidades limitadas en cuenta. Esto significa
que si los caminos fueron diseñados para dar cabida a aquellos conductores que esto ayudará a disminuir
su riesgo de colisión.
Aunque el rediseño de las carreteras existentes puede no ser factible, la
fi hallazgo de este estudio debe tenerse en cuenta en el diseño de nuevas carreteras. Para carreteras
existentes, enfoques alternativos pueden adoptarse en los segmentos con altas tasas de
incumplimiento para dar cabida a los conductores con capacidad limitada. Por ejemplo, límites de
velocidad en esas carreteras pueden ser revisadas para tener en cuenta dicha información o, en
cambio, los límites de velocidad variables se podrían utilizar para acomodar conductores en regiones de
incumplimiento. Sobre la base de la fi hallazgo de este estudio, las regiones de incumplimiento se puede
extender hasta 0,6 km, por lo tanto, el uso de límites de velocidad variable podría ser una opción.
Conectado tecnología de vehículos es también otro factor que podría ayudar signi fi cativamente en el
alojamiento de los conductores con capacidades limitadas. Vehículo a infraestructura de comunicación
(V2I) podría proporcionar a los conductores con una advertencia previa sobre la existencia de un peligro
potencial, proporcionándoles más tiempo para reaccionar.
6. Conclusiones y recomendaciones
En este trabajo se evalúa el grado en que los caminos existentes son capaces de adaptarse a los
requisitos de distancia detener la vista, mientras que teniendo en cuenta las variaciones en los factores
humanos y las condiciones de conducción. El papel fi primero se desarrolla un algoritmo automatizado
para evaluar la distancia de visibilidad disponible en choque carreteras propensas en la provincia de
Alberta usando datos LiDAR de teledetección. La distancia de visibilidad disponibles en cada una de
esas carreteras se compara entonces con los requisitos teóricos SSD en tres di ff niveles Erent
(AASHTO, mejores condiciones y peor de los casos) y el porcentaje del segmento que no es conforme
a los requisitos de SSD (es decir, la medida en que el segmento analizado cumple con los requisitos
SSD) se analiza. requisitos de distancia de vista del peor caso se dè fi Ned para los conductores con
capacidades limitadas conducción en condiciones pobres, mientras que mejores condiciones
representadas conductores con alta capacidad y alta capacidad cognitiva conducción en buenas
condiciones. Para el peor de los casos, se encontró que ASD cayó por debajo de los requisitos SSD
requeridos para un máximo de 20% de la longitud de los segmentos analizados, mientras que para
AASHTO el porcentaje incumplimiento alcanzó 6% en algunos de los segmentos. Esta observación
indica que las altas tasas de incumplimiento se espera en cualquier lugar entre un PRT de
2,5 s y 5 s.
El análisis de seguridad realizado en el estudio reveló que, en general, las regiones de incumplimiento
tuvieron significación fi cativamente mayores tasas de accidentes por kilómetro en comparación con regiones
que cumplen del mismo segmento. Por otra parte, los análisis revelaron que los conductores de edad
(mayores de 70) fueron excesivamente en los accidentes que ocurren en las regiones no cumplen las normas
en comparación con los accidentes en las regiones compatibles. esta di ff rencia fue estadísticamente
significativa fi peralte en particular entre los conductores masculinos.
Los resultados obtenidos de los análisis muestran que las porciones de carreteras existentes no
pueden acomodar una población de conducción con capacidades limitadas. Por otra parte, los resultados
también muestran una relación entre el diseño
67
Análisis y prevención de accidentes 112 (2018) 56-68
Delaware fi deficiencias en las carreteras existentes y los sucesos de choque, sobre todo cuando se
considera la edad de la población de conductores. Este es un asunto muy relativo que debe ser tratado
con el fin de evitar futuros problemas que podrían surgir con el crecimiento previsto de las edades de la
población de conductores. En consecuencia, las autoridades de la carretera pueden utilizar fi hallazgo de
este estudio y trabajo similar para comprender el grado en que las directrices de diseño deben
actualizarse para adaptarse a los cambios en la conducción de la población en el diseño de nuevas
carreteras. Por otra parte, las autoridades también pueden considerar los medios por los cuales las
limitaciones en las carreteras existentes podrían ser abordados.
Expresiones de gratitud
Los autores desean agradecer a Alberta Transporte por patrocinar y proporcionar los datos
utilizados en este estudio. Agradecimientos también se extienden a Alberta Alberta innova y
Educación Avanzada para la fi el apoyo financiero.
referencias
AASHTO de 2011. Política de diseño geométrico de carreteras y calles. Asociación Americana
de la carretera de estado y transporte O FFI funcionarios, Washington, DC 1 (990), 158.
Ai, C., Tsai, YJ, 2016. Un retrore signo automatizado Florida ectividad evaluación del estado del meto-
dology utilizando lidar móvil y visión por ordenador. Transp. Res. Parte C Emerg. Technol.
63, 96 - 113 .
Infraestructura Alberta, 1999. Guía de Carreteras del diseño geométrico. Transporte. A. ed.,
Alberta .
Alberta Transporte, 2014. tra Alberta FFI c estadísticas de colisión 2014. seguridad.
ed ATOOT.
Campbell, JL, 2012. Factores Humanos directrices para los sistemas de transporte por carretera
Junta de Investigación .
Castro, M., Anta, JA, Iglesias, L., Sánchez, JA, 2013. sistema basado en SIG para la distancia de visibilidad
análisis de carreteras. J. Comput. Civ. Ing. 28 (3), 04014005 .
Dixon, WJ, Massey, FJ, 1969. Introducción al análisis estadístico McGraw-Hill. Nuevo
York. .
Fambro, DB, Fitzpatrick, K., Koppa, RJ, 1997. Determinación de Detención Sight
Transportation Research Board distancias .
Foley, DJ, Wallace, RB, Eberhard, J., 1995. Los factores de riesgo para choques de vehículos de motor
entre los conductores de más edad en una comunidad rural. Mermelada. Geriatr. Soc. 43 (7), 776 - 781 .
Garber, Nueva Jersey, Hoel, LA, 2014. Tra FFI c y la autopista Ingeniería Cengage Learning .
Gargoum, S., El-Basyouny, K., Sabbagh, J., 2018a. La evaluación de parar y pasar la vista
distancia en las carreteras a partir de datos lidar móviles. J. Comput. Civ. eng .
Gargoum, SA, El-Basyouny, K., Sabbagh, J., Froese, K., 2017B. Muestra de la carretera automatizado
extracción usando datos lidar. Transp. Res. Rec. J. Transp. Res. Junta 2643, 1 - 8 .
Gargoum, S., El-Basyouny, K., Froese, K., Gadowski, A., 2018a. A AP- totalmente automatizado
proach para extraer y evaluar secciones transversales de carreteras a partir de datos lidar móviles. IEEE J. Trans. Intell. Transp.
Syst. (Xplore Edición IEEE) .
Gargoum, S., Karsten, L., El-Basyouny, K., 2018b. evaluación de autorización de nivel de red
utilizando lidar para mejorar la fiabilidad y el correo FFI ciencia de la emisión de un exceso de altura permite en las carreteras.
Transp. Res. Rec. J. Transp. Res. Junta 2643, 1 - 8 .
Gargoum, SA, El-Basyouny, K., Sabbagh, J., 2018c. La extracción automática de horizontal
curva de atributos utilizando datos lidar. Transp. Res. Rec. J. Transp. Res. Tablero .
Gavran, D., Fric, S., Ili do, V., Trp do evski, F., analiza 2016. La distancia visual en diseño de carreteras
proceso: la práctica de Serbia. Transporte 31 (2), 250 - 259 .
Green, M., 2000. ¿Cuánto tiempo se tarda en detenerse? Análisis metodológico de per- controlador
veces cepción-freno. Transp. Tararear. Factores de 2 (3), 195 - 216 .
Holgado-Barco, A., González-Aguilera, D., Arias-Sanchez, P., Martínez-Sánchez, J., 2014.
Un enfoque automatizado para la caracterización vertical de carretera utilizando sistemas de lidar móviles: pro longitudinal fi Les
y secciones transversales. ISPRS J. Photogramm. Sens remoto. 96, 28 - 37 .
Holgado-Barco, A., Riveiro, B., González-Aguilera, D., Arias, P., 2017. in- automática
ventario de la cruz del camino - secciones de sistema de escaneo láser móvil. Ayudado Comput.-
Civ. Inf. Ing. 32 (1), 3 - 17 .
Ibrahim, SE-B., Sayed, T., 2011. Desarrollo de funciones de desempeño de seguridad que incorporan
medidas de riesgo basada en la fiabilidad. Áccida. Anal. Anterior. 43 (6), 2153 - 2159 .
Ibrahim, SE, Sayed, T., Ismail, K., 2012. Metodología para la optimización de la seguridad de la carretera
secciones transversales para las curvas horizontales con la distancia de visibilidad restringida. Áccida. Anal. Anterior.
49, 476 - 485 .
Ismail, K., Sayed, T., 2009. marco basado en el riesgo para el alojamiento de la incertidumbre en
carretera diseño geométrico. Poder. J. Civ. Ing. 36 (5), 743 - 753 .
Janke, MK, 2001. Evaluación de los conductores mayores: dos estudios. J. Saf. Res. 32 (1), 43 - 74 .
Jurewicz, C., Makwasha, T., O'callaghan, N., 2017. Veri fi cación de Austroads Diseño Camino
Sobre la base de criterios de seguridad Objetivo Evidencia Austroads Ltd. Sydney NSW 2000 Australia. .
Li, G., más valiente, ER, Chen, L.-H., 2003. Fragilidad frente a la participación en accidentes excesiva como determinantes de altas tasas de
mortalidad por vehículo-millas de recorrido entre los conductores de edad avanzada. Áccida. Anal. Anterior. 35 (2), 227 - 235 .
Lyman, JM, McGwin, G., Sims, RV, 2001. Los factores relacionados con Auto-di FFI cultades y
hábitos de los conductores mayores. Áccida. Anal. Anterior. 33 (3), 413 - 421 .
Marottoli, RA, Cooney, LM, Wagner, DR, Doucette, J., Tinetti, ME, 1994. Predictores
SA Gargoum et al.
de accidentes automovilísticos y violaciónes en movimiento entre los conductores de edad avanzada. Ana. Interno. Medicina. 121 (11),
842 - 846 .
McGwin Jr., G., Brown, DB, 1999. Características de los tra FFI c accidentes entre los jóvenes,
De mediana edad, y los conductores mayores. Áccida. Anal. Anterior. 31 (3), 181 - 198 .
Montella, A., 2010. Un análisis comparativo de identi hotspot fi métodos de cationes. Áccida.
Anal. Anterior. 42 (2), 571 - 581 .
Riegl, 2015. Riegl hoja de datos VMX-450. RIEGL láser Sistemas de Measurment .
Seguridad Vial Consulting Canadá, 2011. seguridad vial en Canadá. de marzo de 2011 ed .. .
68
Análisis y prevención de accidentes 112 (2018) 56-68
Sarhan, M., Hassan, Y., 2008. tridimensional, diseño de carreteras probabilística: la vista
aplicación distancia. Transp. Res. Rec. J. Transp. Res. Junta 2060, 10 - 18 .
Acero, P., Mesher, D., Adamson, J., 2014. Desarrollo de una red de auditoría de seguridad vial
herramienta de visualización. Actas de la XXIV Conferencia Canadiense de Seguridad Vial Multidisciplinar .
Turcotte, M., 2015. Pro fi l de la Tercera Edad de transporte hábitos. Estadísticas de Canadá .
Wood, J., Donnell, E., 2014. distancia visual de detención y horizontal o línea de visión ff en conjuntos
curvas horizontales. Transp. Res. Rec. J. Transp. Res. Junta 2436, 43 - 50 .