UNIVERSIDADE FEDERAL DO CEARÁ

CENTRO DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA DE TRANSPORTES
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES

BELIZA CARVALHO DE OLIVEIRA

CARACTERIZAÇÃO DA FREQUÊNCIA E SEVERIDADE DE INTERAÇÕES

PEDESTRE-VEÍCULO EM TRAVESSIAS SEMAFORIZADAS DE
FORTALEZA-CE

FORTALEZA
2022
 BELIZA CARVALHO DE OLIVEIRA

CARACTERIZAÇÃO DA FREQUÊNCIA E SEVERIDADE DE INTERAÇÕES

PEDESTRE-VEÍCULO EM TRAVESSIAS SEMAFORIZADAS DE FORTALEZA-CE

Dissertação apresentada ao Programa de

Pós-Graduação em Engenharia de
Transportes da Universidade Federal do
Ceará, como requisito para a obtenção do
título de Mestre em Engenharia de
Transportes. Área de concentração:
Planejamento e Operação de Sistemas de
Transporte.

Orientador: Prof. Ph.D. Flávio José

Craveiro Cunto.

FORTALEZA
2022
 Dados Internacionais de Catalogação na Publicação
Universidade Federal do Ceará
Biblioteca Universitária
Gerada automaticamente pelo módulo Catalog, mediante os dados fornecidos pelo(a) autor(a)

O45c Oliveira, Beliza Carvalho de.

Caracterização da frequência e severidade de interações pedestre-veículo em travessias semaforizadas de
Fortaleza-CE / Beliza Carvalho de Oliveira. – 2022.
82 f. : il. color.

Dissertação (mestrado) – Universidade Federal do Ceará, Centro de Tecnologia, Programa de Pós-

Graduação em Engenharia de Transportes, Fortaleza, 2022.
Orientação: Prof. Dr. Flávio José Craveiro Cunto.

1. Pedestres. 2. Travessias. 3. Interações pedestre-veículo. 4. Conflitos de tráfego. I. Título.

CDD 388
 BELIZA CARVALHO DE OLIVEIRA

CARACTERIZAÇÃO DA FREQUÊNCIA E SEVERIDADE DE INTERAÇÕES

PEDESTRE-VEÍCULO EM TRAVESSIAS SEMAFORIZADAS DE FORTALEZA-CE

Dissertação apresentada ao Programa de

Pós-Graduação em Engenharia de
Transportes da Universidade Federal do
Ceará, como requisito para a obtenção do
título de Mestre em Engenharia de
Transportes. Área de concentração:
Planejamento e Operação de Sistemas de
Transporte.

Aprovada em: 25/05/2022.

BANCA EXAMINADORA

________________________________________
Prof. Ph.D. Flávio José Craveiro Cunto (Orientador)
Universidade Federal do Ceará (UFC)

_________________________________________
Prof. Ph.D. Manoel Mendonça de Castro Neto
Universidade Federal do Ceará (UFC)

_________________________________________
Prof. Ph.D. Helena Beatriz Bettella Cybis
Universidade Federal do Rio Grande do Sul (UFRGS)
À Deus e à minha família, em especial
minha mãe Eliza, pelo apoio
incondicional
 AGRADECIMENTOS

Primeiramente, agradeço a Deus, em seguida à minha mãe Eliza, minha fonte

de inspiração, exemplo de força e caráter, por todo o amor incondicional, apoio, dedicação
e ensinamento dos valores que me tornaram a pessoa que sou hoje.
Aos demais familiares, em especial meu irmão Emídio, minha tia Rochele,
minha avó Mª de Jesus e minha prima Mª Eliza, por proporcionarem momentos de alegria,
bons conselhos e constante apoio, além de sempre torcerem pela minha felicidade e
sucesso.
Ao meu orientador, Profº Flávio Cunto, por sua atenção, motivação, paciência
e todos os ensinamento ao longo desta jornada.
Aos meus amigos, em especial Aldaianny e Renata pela parceria, convivência
e apoio nos momentos de alegria e angústias ao longo da vida e do curso; ao David, Diego,
Gabriel, Lucas e Mateus pela amizade e diversos momentos compartilhados, que
proporcionam diversão e descontração, bem como de suporte ao longo das adversidades
da vida acadêmica e pessoal. Aos amigos e membros do grupo de pesquisa, em especial
Caio, Altanízio, Vanessa e Viny pelas discussões e contribuições para esse trabalho.
Aos professores participantes das bancas de qualificação e de defesa, Profº
Manoel Mendonça e a Profª Helena Cybis, pela atenção, disponibilidade e contribuições
para a conclusão desta pesquisa.
À Universidade Federal do Ceará e a todos do PETRAN que contribuíram
com o meu desenvolvimento acadêmico e profissional.
Ao CTAFOR pela contribuição e disponibilidade para fornecer os dados
necessários.
E aos demais que contribuíram de forma direta ou indireta ao longo desta
etapa tão importante.
O presente trabalho foi realizado com apoio da Coordenação de
Aperfeiçoamento de Pessoal de Nível Superior - Brasil (CAPES) - Código de
Financiamento 001
 RESUMO

O pedestre como usuário vulnerável ainda ocupa uma parcela significativa das fatalidades
no trânsito, e a travessia é o momento mais crítico do seu percurso, devido a interação
com os demais usuários. Atualmente, o planejamento urbano vem incorporando a
necessidade de prover cidades para pessoas, seguindo a tendência de destacar o
protagonismo do pedestre e promover medidas que garantam um caminhar cada vez mais
seguro. O uso de conflitos de tráfego como medida de segurança alternativa aos dados de
sinistros tem sido amplamente estudado na área de segurança viária. Nesse contexto, esta
pesquisa tem como objetivo avaliar a frequência e a severidade das interações pedestre-
veículo em travessias no vermelho de interseções semaforizadas, a partir dos indicadores
de conflito, com foco nos atributos individuais dos pedestres, e nas características
geométricas e operacionais da via. Para isso, foi realizada uma caracterização das
interações e análise exploratória das variáveis que podem influenciar na frequência e
severidade desses eventos. Foram analisadas três travessias semaforizadas, localizadas
em vias arteriais de Fortaleza, com três e quatro faixas e velocidades limite de 50km/h e
60km/h. Uma análise exploratória dos valores de PET estimados mostrou que as
interações envolvendo homens, pessoas sozinhas, com motocicletas na aproximação e
com os veículos provenientes da conversão à direita, apresentam valores
significativamente menores. As interações foram avaliadas a partir da observação de
vídeos de tráfego, e de uma análise semiautomática, com foco no indicador Post-
Encroachment Time (PET) e nos aspectos comportamentais dos usuários. Investigou-se a
relação do fluxo veicular com a frequência das interações, e foi possível perceber que
quanto mais intenso é o fluxo, menos interações tendem a ocorrer, as quais geralmente
são mais graves. Além disso, identificou-se que cerca de 57% das interações podem ser
classificadas com severidade leve, 30% são moderadas e 13% são graves. Por fim, foi
elaborado um modelo logit multinomial, mostrando que fatores como gênero,
agrupamento, o momento da chegada do pedestre na travessia, o veículo envolvido e o
tipo de interação, podem influenciar significativamente na ocorrência dos eventos mais
críticos.

Palavras-chave: Pedestres, travessias, interações pedestre-veículo, conflitos de tráfego.

 ABSTRACT

Pedestrians as a vulnerable road user still are a significant portion of traffic fatalities, and
the crossing is the most critical moment of its route, due to the interaction with other users.
Urban planning currently incorporates the need to provide cities for people, following the
trend of highlighting the protagonism of the pedestrian and promoting measures that
guarantee an increasingly safe walk. The use of traffic conflicts as an alternative safety
measure to observed accidents has been widely studied in road safety. This research aims
to evaluate the frequency and severity of pedestrian-vehicle interactions in red crossings
at traffic lights, focusing on the individual attributes of pedestrians, and the geometric and
operational characteristics of the road. Therefore, a characterization of the interactions
and an exploratory analysis of the variables that can influence the frequency and severity
of these events were carried out. Three signalized crosswalks were analyzed, located on
arterial roads in Fortaleza, with three and four lanes and speed limits of 50km/h and
60km/h. The interactions were evaluated from the observation of traffic videos, and from
a semi-automatic analysis, focusing on the Post-Encroachment Time (PET) indicator and
on the behavioral aspects of the users. An exploratory analysis of the estimated PET
values showed that interactions involving men, people alone, with motorcycles
approaching and with vehicles coming from the right turn, have significantly lower values.
The relationship between vehicular flow and the occurrence of interactions was
investigated, and it was possible to notice that the more intense the flow, the less
interactions tend to happen, but usually more serious. In addition, it was possible to
identify that 57% of interactions can be classified as light, 30% are moderate and 13%
are serious. Finally, a multinomial logit model was developed, showing that factors such
as gender, grouping, the moment of arrival of the pedestrian at the crossing, the vehicle
involved and the type of interaction, can in fact significantly influence the occurrence of
the most critical events.

Keywords: Pedestrians, crossing, pedestrian-vehicle interactions, traffic conflicts.

 LISTA DE FIGURAS

Figura 1 - Relação entre a segurança do pedestre e a velocidade dos veículos .............. 26

Figura 2 - Representação do continuum da segurança viária ......................................... 29
Figura 3 - Time to Collision (TTC)................................................................................. 31
Figura 4 - Post-Encroachment Time (PET) .................................................................... 31
Figura 5 - Esquema de interação pedestre-veículo ......................................................... 33
Figura 6 - Fluxograma das etapas propostas no estudo .................................................. 39
Figura 7 – Mapa das travessias ....................................................................................... 45
Figura 8 - Uso do solo no entorno das interseções ......................................................... 46
Figura 9 - Vistas das travessias ....................................................................................... 47
Figura 10 - Programação semafórica das interseções ..................................................... 47
Figura 11 - Esquema de fluxo veicular na travessia ....................................................... 48
Figura 12 - Características dos pedestres nas travessias................................................. 49
Figura 13 - Características das interações e dos pedestres envolvidos........................... 51
Figura 14 - Representação da análise de trajetórias no T-Analyst .................................. 52
Figura 15 - Indicadores proxy estimados no T-Analyst................................................... 53
Figura 16 - Boxplot e histograma dos valores de PET ................................................... 53
Figura 17 - Distribuição da frequência e boxplot dos valores de PET por local ............ 56
Figura 18 - Distribuição da frequência de boxplot dos valores de PET por gênero ....... 57
Figura 19 - Distribuição da frequência e boxplot dos valores de PET por faixa etária .. 57
Figura 20 - Distribuição da frequência e boxplot dos valores de PET por agrupamento na
travessia .......................................................................................................................... 58
Figura 21 - Distribuição da frequência e boxplot dos valores de PET por tipo de veículo
........................................................................................................................................ 58
Figura 22 - Distribuição da frequência e boxplot dos valores de PET por tipo de interação
........................................................................................................................................ 59
Figura 23 - boxplot dos valores de PET crítico por tipo de interação ............................ 60
Figura 24 - Velocidade média dos veículos na interação ................................................ 60
Figura 25 - Velocidade média dos veículos nas interações por tipo ............................... 61
Figura 26 - Velocidade média dos veículos em interação por local ............................... 62
Figura 27 - Perfil de velocidade e aceleração dos usuários ............................................ 67
 LISTA DE GRÁFICOS

Gráfico 1 - Dispersão dos dados de interação, atraso e volume/capacidade .................. 63

Gráfico 2 - Dispersão dos dados de interação, PET e volume/capacidade..................... 64
Gráfico 3 - Distribuição da chegada dos pedestres na travessia ..................................... 65
Gráfico 4 - Atraso médio conforme a chegada do pedestre ............................................ 66
Gráfico 5 - Classificação da severidade conforme o método PVCA ............................. 67
 LISTA DE TABELAS

Tabela 1 - Fatores para a classificação da severidade do conflito com o método PVCA

........................................................................................................................................ 42
Tabela 2 - Escala de classificação dos conflitos de acordo com a combinação dos fatores
........................................................................................................................................ 43
Tabela 3 - Informações dos locais e filmagens ............................................................... 45
Tabela 4 - Características geométricas das travessias .................................................... 46
Tabela 5 - Dados operacionais ........................................................................................ 48
Tabela 6 - Relativização da exposição dos usuários em interação ................................. 52
Tabela 7 - Estatística descritiva do PET ......................................................................... 53
Tabela 8 - Resultados do teste chi-quadrado para as travessias no vermelho e no verde 54
Tabela 9 - Teste estatístico de comparação da velocidade e atraso entre diferentes grupos
........................................................................................................................................ 55
Tabela 10 - Relação entre o total de interações na travessia e fluxo de veículos ........... 62
Tabela 11 - Variáveis selecionadas e categorização ........................................................ 69
Tabela 12 - Parâmetros estimados do modelo MLM ...................................................... 70
Tabela 13 - Pseudoelasticidade ....................................................................................... 71
 SUMÁRIO

CAPÍTULO 1: INTRODUÇÃO .................................................................................. 13

1.1 Contextualização ........................................................................................... 13

1.2 Problema e Questões de Pesquisa................................................................ 15

1.3 Objetivos ........................................................................................................ 15

1.4 Estrutura da Pesquisa .................................................................................. 16

CAPÍTULO 2: O PEDESTRE NA TRAVESSIA ....................................................... 17

2.1 A travessia ..................................................................................................... 17

2.2 Características do pedestre na caminhada................................................. 19

2.3 Aceitação de brechas .................................................................................... 20

2.4 Violação semafórica ...................................................................................... 23

CAPÍTULO 3: INTERAÇÃO PEDESTRE E VEÍCULO ........................................ 25

3.1 Fatores de risco na travessia ........................................................................ 25

3.2 Conflitos de tráfego ...................................................................................... 27

3.3 Indicadores de conflito ................................................................................. 29

3.3.1 Time to Collision (TTC) ............................................................................. 30

3.3.2 Post-Encroachment Time (PET) ................................................................ 31
3.4 Aspectos da gravidade dos conflitos ........................................................... 32

3.5 Análises dos conflitos de tráfego com pedestres ........................................ 34

CAPÍTULO 4: MÉTODO PROPOSTO..................................................................... 39

4.1 Definição dos locais de estudo e filmagens ................................................. 39

4.2 Coleta e processamento dos dados das travessias ...................................... 40

4.3 Análises das interações nas travessias ........................................................ 41

CAPÍTULO 5: RESULTADOS ................................................................................... 45

5.1 Seleção dos locais e filmagens ...................................................................... 45

5.2 Caracterização dos locais ............................................................................. 46

5.2.1 Características geométricas e operacionais das vias .............................. 46

 5.2.2 Características dos pedestres na travessia .............................................. 49
5.2.3 Características das interações ................................................................. 50
5.3 Análise exploratória das relações entre variáveis ...................................... 54

5.3.1 Travessias no vermelho do pedestre ........................................................ 54

5.3.2 Velocidade de caminhada e atraso na travessia ..................................... 55
5.3.3 Indicador de conflito ............................................................................... 56
5.3.4 Velocidade dos veículos na interação ..................................................... 60
5.3.5 Fluxo x interação..................................................................................... 62
5.4 Classificação da severidade das interações ................................................ 66

CAPÍTULO 6: CONSIDERAÇÕES FINAIS ............................................................ 72

REFERÊNCIAS BIBLIOGRÁFICAS ....................................................................... 76
 13

CAPÍTULO 1: INTRODUÇÃO

1.1 Contextualização

De acordo com a Organização Mundial da Saúde (2018) cerca de 88% das

viagens dos pedestres são realizadas em vias consideradas inseguras. Mais da metade das
fatalidades no trânsito em todo o mundo ocorrem com os usuários vulneráveis, onde só
os pedestres representam 23%. No Brasil, um dos países com mais mortes em acidentes
de trânsito, essa taxa chega a 18%, e 78% desses atropelamentos são em vias urbanas. Já
no contexto de Fortaleza, segundo o Relatório Anual de Segurança Viária (2020), cerca
de 11% das ocorrências com vítimas registradas foram atropelamentos, e dentre as vítimas
fatais, o pedestre representa 32%, ficando atrás apenas dos motociclistas.

Os atropelamentos ainda são um reflexo da infraestrutura das cidades, que

por muito tempo priorizou o transporte motorizado, resultando em uma maior exposição
dos usuários vulneráveis a situações de risco. Entretanto, nos últimos anos tal realidade
vem mudando, com a tendência de destacar o protagonismo do pedestre para promover
um caminhar mais seguro (ZEGEER E BUSHELL, 2012). Uma série de estratégias foram
desenvolvidas, em prol da segurança viária, tal como o redesenho de espaços públicos
para atender e encorajar a caminhada, o desenvolvimento de políticas para a segurança
de pedestres, controle da velocidade de veículos, dentre outros (WHO, 2018).

É importante compreender a natureza dos fatores de risco aos quais os

pedestres são expostos durante a caminhada. Para isso, é fundamental analisar o seu
comportamento, levando em conta que a travessia é um momento crítico do deslocamento,
e está associada as altas taxas de atropelamento, devido as interações com os demais
usuários. A interação entre veículo e pedestre pode ser afetada pelas ações do motorista,
de ceder ou não a passagem, e do pedestre em relação ao risco que ele está disposto a
aceitar, como por exemplo, nas travessias oportunistas, onde o pedestre viola a indicação
vermelha do semáforo (LORD et. al, 1997; JACOBSEN, 2011).

Na literatura, alguns estudos buscaram analisar a travessia com foco no

pedestre, e os fatores identificados que mais influenciam seu comportamento ao
atravessar, estão relacionados às características do próprio pedestre, como idade, gênero
e agrupamento; características dos veículos, como o tipo e velocidade; e da via, como
 14

número de faixas, velocidade limite, tipo de controle e fluxo. Esses fatores influenciam
aspectos da aceitação de brechas, tempo de espera, violação semafórica, bem como das
interações entre os usuários, o que afeta diretamente a segurança na travessia
(JACOBSEN, 2011; GUO et al, 2011; CHANDRA et al., 2014).

Uma forma de avaliar o risco na travessia é observar as interações entre

pedestres e veículos, analisando os conflitos de tráfego entre esses usuários. Essa
abordagem tem sido defendida por possibilitar a avaliação da segurança viária de uma
forma mais abrangente, comparada aos estudos observacionais, tradicionais e reativos,
baseados em dados de sinistros de trânsito. As vantagens mais apontadas são: a) conflitos
são eventos mais frequentes do que os sinistros; b) podem ser claramente observados e
coletados em um período menor; c) possuem um caráter preventivo, cujo diagnóstico
permite a adoção de medidas para evitar a ocorrência dos sinistros; e d) permitem uma
análise mais detalhada da sequência de eventos na interação (HYDÉN, 1987; SAYED e
ZEIN, 1999; TAGELDIN, 2018).

Os conflitos de tráfego podem ser usados para investigar o comportamento

dos usuários das vias em situações críticas de segurança e o nível de segurança do
comportamento investigado pode ser avaliado pela frequência e/ou gravidade dos
conflitos. Essas aplicações são difundidas entre diferentes tipos de usuários, de
comportamento e da via (ZHENG, SAYED E MANNERING, 2021).

Nos estudos envolvendo a interação pedestre-veículos os indicadores

comumente utilizados são os de proximidade espaço-temporais, tais como o Time to
Collision (TTC) e o Post-Enchroachment Time (PET). Eles também são conhecidos como
indicadores de segurança proximais ou substitutos (indicadores proxy), e buscam
mensurar a severidade de uma interação entre usuários em potencial conflito. Contudo,
essa severidade pode não estar bem representada, uma vez que, dependendo do contexto
urbano e até mesmo de características culturais de cada local, os usuários podem aceitar
proximidades maiores entre si, não vendo risco nessa interação (TAGELDIN e SAYED,
2019).

Johnsson et al. (2018) apontam que é necessário identificar os indicadores

adequados para cada situação, levando em conta os tipos de configurações das vias, os
usuários envolvidos e os eventos a serem analisados. Isso é importante para representar
 15

toda a dimensão da gravidade dos eventos, combinando tais indicadores com aspectos
comportamentais dos indivíduos, principalmente em estudos voltados aos usuários
vulneráveis (LAURESHYN et al., 2010).

1.2 Problema e Questões de Pesquisa

Apesar do potencial dos conflitos de tráfego para a avaliação do desempenho

da segurança viária em interações com pedestres, ainda existem alguns desafios na
modelagem e análise desse tipo de conflito. Existe a necessidade de maior compreensão
do efeito de características inerentes ao pedestre, como gênero, idade e comportamento
durante a travessia; e aspectos ligados à infraestrutura viária e condições do tráfego, tais
como número de faixas, fluxo veicular e velocidade. Além disso, a relação desses fatores
com a severidade do conflito ainda não está notadamente estabelecida, havendo a
necessidade de aperfeiçoamento da investigação da segurança do pedestre durante a
travessia em vias urbanas, no contexto nacional.

A partir da contextualização e problemática apresentadas, torna-se possível o

estabelecimento das seguintes questões de pesquisa:

a) Como caracterizar a interação através dos indicadores de conflito,

considerando as características do pedestre e os atributos da via e utilizando
vídeos de tráfego?

b) Como classificar a severidade das interações, a partir dos indicadores de

proximidade e de aspectos comportamentais dos usuários durante a interação,
de acordo com o contexto urbano de Fortaleza?

c) Qual o efeito das características inerentes ao pedestre, como gênero, idade e

comportamento durante a travessia e dos atributos da via, tais como número de
faixas, fluxo veicular e velocidade, na frequência e severidade das interações
na travessia?

1.3 Objetivos

O principal objetivo deste trabalho é avaliar a frequência e a severidade da

interação entre pedestres no vermelho e veículos durante o processo de travessia em
interseções semaforizadas, em função dos atributos do pedestre e de características
geométricas e operacionais da via, com uma abordagem proativa a partir de conflitos de
 16

tráfego. Para que esse objetivo seja alcançado, propõe-se os seguintes objetivos
específicos:

a) Caracterizar as interações entre pedestres e veículos a partir de conflitos de

tráfego em travessias no vermelho, utilizando vídeos de tráfego;

b) Classificar a severidade das interações, com base nos indicadores de

proximidade e nos aspectos comportamentais dos usuários, de acordo com o
contexto urbano de Fortaleza;

c) Avaliar o efeito das características inerentes ao pedestre e dos atributos da via

na frequência e severidade das interações, no contexto local.

1.4 Estrutura da Pesquisa

Para uma melhor compreensão, esta pesquisa está estruturada em 6 capítulos,

descritos a seguir. Este primeiro capítulo traz a contextualização da problemática que
motiva a realização deste estudo, o problema central e as questões de pesquisa e, alinhado
a elas, os objetivos: geral e específicos.

Nos Capítulos 2 e 3, de revisão bibliográfica buscou-se compreender o

comportamento do pedestre durante a travessia, bem como os fatores que influenciam
esse deslocamento, além dos fatores de risco aos quais esses usuários são expostos. Em
seguida, buscou-se explorar pesquisas anteriores na área, acerca da interação entre
pedestres e veículos em travessias urbanas, com o intuito de identificar e compreender os
principais fatores que afetam essa interação, além de buscar na literatura formas de medir
tal interação, representada pelos conflitos de tráfego, e estimar esses conflitos utilizando
vídeos de tráfego, bem como formas de classificar a severidade dos mesmos.

Em seguida, no Capítulo 4, encontra-se a proposta metodológica de execução

do trabalho aqui relatado, delineado de forma a possibilitar o cumprimento dos objetivos
definidos. No Capítulo 5, tem-se a apresentação dos resultados e por fim, o Capítulo 6 é
composto pelas considerações e discussões finais do trabalho.
 17

CAPÍTULO 2: O PEDESTRE NA TRAVESSIA

Neste capítulo será explorado inicialmente o comportamento do pedestre na

travessia, buscando identificar os principais fatores que o afetam, desde a escolha da rota,
como características demográficas, contextuais e operacionais que fazem parte desse
percurso. Também são importantes questões relacionadas a conformidade na travessia,
como a aceitação de brechas e violação da indicação semafórica, que devem ser levadas
em consideração na análise da segurança destes usuários.

2.1 A travessia

Os pedestres são mais livres no seu percurso e são várias as opções de escolha
para atravessar uma via no ambiente viário. A decisão do local e do momento ideal para
realizar a travessia sofre influência de diversos fatores. De acordo com Ariotti (2006), no
que diz respeito a engenharia de tráfego, os fatores que influenciam as perspectivas
operacionais e de segurança dos usuários, estão relacionados ao local de preferência para
a travessia, às condições sob as quais decidem atravessar a via e às características do fluxo
viário. No entanto, essa escolha pode também estar relacionada a três fatores principais:
o desejo do pedestre de percorrer uma menor distância e no menor tempo, bem como a
necessidade de reduzir sua exposição a situações de risco.

A travessia pode acontecer em interseções, no meio de quadra, ou em locais

intermediários, não sinalizados. Dentre a literatura que busca avaliar a preferência dos
pedestres nessa escolha, Sisiopiku e Akin (2003) identificaram por meio de entrevistas,
que os fatores mais influentes são: a posição da travessia em relação à origem e destino
dos pedestres, a presença de semáforo na via e a existência de barreiras que possam
impedir a travessia em locais não sinalizados. Segundo Werberich et al. (2012) as
estratégias para a decisão de realizar a travessia são influenciadas por algumas variáveis
como o perfil de velocidade dos veículos, o número de faixas na via, a presença ou não
de faixa de segurança, etc.

O tipo da via também pode influenciar a escolha do indivíduo sobre onde

atravessar a rua e determina a exposição ao tráfego de veículos (ROTHMAN et al., 2012).
Vias locais e coletivas tendem a ser mais estreitas do que as arteriais, resultando em um
tempo de travessia mais curto. Além disso, o motorista está mais propenso a prever e
visualizar uma travessia de pedestre em vias locais ou coletivas, pois apresentam
 18

velocidades mais baixas que as arteriais.

Jacobsen (2011) classifica a travessia em 3 tipos, conforme as interações e o

tipo de controle: a) semaforizada, onde veículo e pedestre obedecem a indicação
semafórica e não apresentam interação direta, b) sinalizada, que é indicada pela presença
da faixa de segurança, onde o veículo deve ceder a preferência ao pedestre, e c) não
sinalizada, onde o veículo tem preferência e o pedestre atravessa de acordo com as
brechas no fluxo.

Nas travessias não sinalizadas, os veículos mantem seu comportamento usual

e, geralmente, não são influenciados pela presença de pedestres. Os pedestres observam
o fluxo, atentos aos intervalos entre as chegadas dos veículos (brechas) que possibilitem
a travessia com segurança.

Em travessias sinalizadas, os veículos devem identificar a presença do

pedestre e parar antes da faixa, visto que a preferência é do pedestre. Teoricamente, o
pedestre não precisaria observar o fluxo de veículos antes de atravessar, mas ainda existe
um alto índice de veículos que não obedecem a sinalização.

Já nas travessias semaforizadas, teoricamente não existe o processo de

aceitação de brechas, dado que pedestres e veículos possuem um tempo específico para
suas travessias, mas na prática, quando o fluxo de veículos é baixo e existem brechas
longas o bastante, o pedestre não respeita o semáforo, e se comporta como se estivesse
em uma travessia não sinalizada.

No contexto brasileiro, são frequentes comportamentos “irregulares” na

travessia, por exemplo, os pedestres que cruzam a via durante o sinal vermelho e veículos
que ignoram a preferência do pedestre na faixa. Werberich et al. (2012) relatam que esse
é um fato comum à realidade brasileira e tal atitude de desrespeito, principalmente dos
veículos, dificulta a observação do comportamento do pedestre em travessias sinalizadas.

Quanto aos motoristas, Jacobsen (2011) destaca que nas travessias sinalizadas,
eles identificam a presença e a aproximação do pedestre, e decidem, em função da sua
velocidade e distância da travessia, se concedem a preferência de passagem ao pedestre.
Durante essa decisão, diversos fatores são importantes, dentre eles, Sun et al. (2003)
destacam, principalmente, a idade e o gênero do motorista, o tipo de veículo, o número
 19

de pedestres aguardando e a existência de outros veículos dando preferência aos pedestres.

Quanto ao comportamento dos pedestres, pode-se analisar a conformidade da

travessia, que diz respeito a adequação ao uso das estruturas, no ponto de vista espacial e
temporal. A conformidade espacial representa o local em que o pedestre realiza a travessia,
e está relacionada a proporção de pedestres que atravessam a via em local apropriado,
como faixas de segurança. Nesse contexto, Sisiopiku e Akin (2003) classificaram os
pedestres em prudentes, sendo aqueles que atravessam no local apropriado, ou seja, na
área da travessia; e imprudentes, como aqueles que realizam a travessia fora da área
adequada.

A conformidade temporal representa o momento em que o pedestre toma a

decisão de realizar a travessia. Liu et al. (2000) consideraram a conformidade temporal
relacionada à fase do pedestre na indicação semafórica, de travessias semaforizada, e
ainda classificaram os pedestres como obedientes, sendo aqueles que aguardam o tempo
de verde na indicação semafórica para iniciar a travessia; e como oportunistas, aqueles
que atravessam durante o vermelho, dado que o fluxo possibilitou uma brecha suficiente
para a passagem do pedestre.

Segundo Ariotti (2006) deve-se considerar que a conformidade é fortemente

relacionada às características situacionais e locais, à composição do fluxo e à natureza
das interações que ocorrem na travessia. De forma geral, os pedestres imprudentes e
oportunistas representam o grupo de usuários em potencial risco, e, portanto, mais
vulneráveis, e por uma questão de nomenclatura, ao longo da pesquisa os oportunistas
serão denominados de pedestres no vermelho ou vulneráveis.

2.2 Características do pedestre na caminhada

Ao nível microscópico, os movimentos individuais de pedestres dependem

das características individuais, como idade e gênero, e compõem os fatores humanos que
exercem influência no comportamento dos usuários. Essas características, juntamente
com os fatores externos como fluxo, número de faixas, tipo de controle, entre outros,
podem ser determinantes no comportamento, tanto no ponto de vista da engenharia, como
da psicologia. (ARIOTTI, 2006; ISHAQUE e NOLAND, 2008; WERBERICH et al.,
2012; MARGON, 2016).
 20

A velocidade de caminhada varia de forma significativa, conforme idade e

gênero, tal que pedestres mais velhos tendem a andar mais lentamente (1,23m/s),
enquanto aqueles mais jovens são capazes de se locomover com velocidades mais
elevadas (1,36m/s); de forma análoga, homens desenvolvem velocidades, cerca de 10%
maiores que as mulheres durante a travessia (SHI et al., 2007; MARISAMYNATHAN &
VEDAGIRI, 2013). Tais autores também constataram que pedestres sozinhos caminham
mais rápido (1,58m/s), se comparados com um grupo de dois pedestres (1,48m/s). A
hipótese é de que a maioria dos pedestres em grupo conversa enquanto caminha, ficando
mais distraídos

Alguns estudos apontam que a velocidade de caminhada ainda pode variar de

acordo com o local, seja com sinalização ou sem. De acordo com Shi et al. (2007) a
velocidade dos pedestres em travessias sem sinalização é maior do que em travessias
sinalizadas, pois nas primeiras as interações com outros usuários são mais intensas. Além
disso, alguns pedestres, por não conhecerem bem os tempos do semáforo, apresentam
maior velocidade na primeira metade da travessia.

Por causa do ambiente mais calmo, a velocidade dos pedestres na calçada é

menor do que na travessia, independentemente do tipo de controle. Nesse contexto, Shi
et al. (2007) também notaram que nas calçadas as velocidades variaram entre 0,89m/s e
1,37m/s, enquanto em uma travessia não sinalizada de meio de quadra, essa velocidade
variou entre 1,46 m/s e 1,67m/s.

Ishaque e Noland (2008) relacionaram a velocidade mais elevada na travessia

com o fato de que, quanto maior o risco envolvido na caminhada, maior pode ser a
velocidade do pedestre. Portanto, a velocidade está fortemente relacionada com o quanto
aquele pedestre está disposto a esperar para iniciar uma travessia, dado que os pedestres
estão sempre tentando balancear seu tempo parado com a velocidade alcançada, de forma
a minimizar o risco no percurso.

2.3 Aceitação de brechas

Antes de realizar a travessia, na maioria das vezes, os pedestres estimam a

duração das brechas, analisando o fluxo de veículos, e só atravessam quando consideram
a brecha longa o suficiente para garantir uma passagem segura. Cada pedestre aceita uma
brecha crítica, considerada como o tempo mínimo necessário entre dois veículos para
 21

realizar sua travessia em segurança. No entanto, esse é um conceito bastante complexo,

visto que essa brecha crítica depende de diversos fatores, como faixa etária, gênero, tempo
de espera, número de faixas, número de pedestres e velocidade na travessia, podendo
variar até mesmo para um mesmo pedestre (SUN et al., 2003; BREWER et al., 2006;
GUO et al., 2011;).

Chandra et al. (2014) propuseram um método para estimar a brecha crítica

em travessias semaforizadas, dada como o valor correspondente ao ponto de interseção
entre a curva de frequência acumulada das brechas aceitas pelos pedestres e a curva
inversa da frequência acumulada dos tempos de travessia. Em locais com duas faixas de
fluxo veicular unidirecional foi observado que homens aceitaram brechas de até 6,5s,
sendo 5% menores que as aceitas pelas mulheres, e pedestres de até 20 anos aceitaram
brechas de até 5,9s; cerca de 25% menores que aqueles com mais de 50 anos.

Em travessias de três faixas com fluxo bidirecional, o valor aceito foi de 10,4s
para os homens, 13% menor que o valor aceito pelas mulheres. Os jovens aceitaram
brechas de 10,2s, enquanto na classe mais velha esse valor foi de 12,9s. Isso mostra que
no geral, homens e jovens aceitam brechas menores que as mulheres e idosos. Além disso,
foi possível concluir que os pedestres do sexo masculino sofrem influência do número de
faixas e pelo tráfego em dois sentidos, enquanto as mulheres sofrem mais influência do
aumento do número de faixas.

As brechas críticas também variam em diferentes seções, e isso pode ser

atribuído ao volume de tráfego e ao uso do solo do entorno da travessia (CHANDRA et
al., 2014). Em áreas educacionais, residenciais ou recreativas as brechas críticas variaram
de 3s a 6s. Em áreas mistas ou comerciais, essa brecha aumentou para 6s a 8s, em um
fluxo de tráfego semelhante.

Geralmente, nota-se que os pedestres buscam por brechas que permitam

realizar toda a travessia de uma vez, considerando todas as faixas de tráfego. Entretanto,
Brewer et al. (2006) destacaram que, particularmente, em locais com alto volume de
tráfego e com uma maior quantidade de faixas, o pedestre não aguarda a liberação de
todas as faixas para iniciar a travessia.

De acordo com Zhang et al. (2018), a estratégia de travessia de pedestres

inclui três modos principais: 1) a travessia em um único estágio, que refere-se ao pedestre
 22

que achou uma brecha longa o bastante para passar continuamente na faixa, sem nenhum
veículo por perto; 2) a travessia em dois estágios que corresponde aquela em que há
veículos passando pela faixa de pedestres apenas no lado oposto da via, enquanto o
pedestre segue continuamente; e 3) e a do tipo rolling gap crossing, que diz respeito a
travessia de pedestres de forma descontínua, devido a passagem de veículos no mesmo
sentido, e em várias faixas, podendo o pedestre parar ou ajustar sua velocidade para evitar
conflito. Segundo os autores, nas travessias chinesas analisadas, 66,1% usaram a
estratégia de rolling gap crossing; 23,2% atravessaram em dois estágios; e apenas 10,7%
passaram em um único estágio.

É mais difícil para o pedestre achar brechas suficientemente grandes, com um

alto fluxo de veículos, o que resulta no aumento do atraso. Entretanto, geralmente após
um longo período de espera, o pedestre fica mais impaciente, e passa a aceitar brechas
menores na corrente de tráfego, o que torna a travessia mais arriscada (GUO et al., 2011).

No que diz respeito aos veículos, alguns estudos destacam que o tipo do
veículo na aproximação influencia significativamente o número de tentativas de travessia.
Os pedestres diminuem suas tentativas se o veículo na aproximação for um ônibus, por
exemplo. No entanto, se for um veículo menor, como uma motocicleta, os pedestres
tendem a aumentar o número de tentativas para conseguir uma travessia bem-sucedida,
aumentando também a probabilidade de aceitarem brechas menores. (HAMED 2001;
PAWAR E PATIL, 2015). Por outro lado, Kadali e Vedagiri (2016) notaram que o pedestre
pode não aceitar brechas disponíveis em condições de tráfego misto, com veículos
pequenos em velocidades mais altas, enquanto brechas advindas de veículos pesados
podem ser aceitas devido à menor velocidade.

No que diz respeito à brecha espacial, Onelcin e Alver (2015) classificaram

as brechas de acordo com gênero, tipo de veículo e tamanho do grupo. A maioria das
mulheres inicia a travessia quando o veículo está entre 25m e 50m, mas se for um veículo
pesado na aproximação, quase nenhuma mulher considera essa distância segura. Os
homens apresentaram comportamento semelhante, porém uma proporção menor se
arriscou em travessias quando o veículo está em distâncias menores. No que diz respeito
a quantidade de pessoas na travessia, a maior parte dos pedestres individuais considera
essa distância segura, enquanto a maioria dos pedestres em grupo realizaram a travessia
somente quando a via estava vazia
 23

2.4 Violação semafórica

A violação da indicação semafórica está fortemente associada ao processo de

aceitação de brechas. Guo et al., (2011) em Pequim, China, observaram que em sete
interseções, 10% dos pedestres violaram o semáforo. Em Lille, na França, Dommes et al.
(2015) notaram um grau de violação de 32% em sete interseções. Em Mumbai, Índia
Marisamynathan e Vedagiri (2018) mostraram que 56% dos pedestres violaram a
indicação semafórica, em seis travessias em interseções. Em Fortaleza, Bandeira (2019)
observou taxas de violação em travessias de meio de quadra e interseções em quatro locais
com diferentes características, variando em 59%, 10%, 37% e 47%. Isso mostra que as
taxas de violação variam bastante de uma localização para outra, a depender das
condições da travessia e do perfil dos pedestres, o que destaca a importância de incluir
estes aspectos em estudos locais de tráfego.

Pode-se dizer que a decisão de violar o semáforo está sujeita à ação de alguns
fatores externos. Ren et al. (2011) identificaram que as principais razões para atravessar
em desconformidade são: considerar a sinalização da travessia inadequada, economizar o
tempo de deslocamento, menor volume de veículos na via; ausência de policiais na via e
não permanecer em espera enquanto outros pedestres ignoram a indicação semafórica.
No entanto, é possível perceber que quanto maior a densidade de pedestres na calçada
esperando para realizar a travessia, menos pessoas atravessam no sinal vermelho
(BROSSEAU et al., 2013; DOMMES et al., 2015).

Quanto ao tempo de espera, o pedestre se torna mais impaciente conforme

passa mais tempo aguardando para iniciar a travessia. Segundo o High Capacity Manual
(HCM), em atrasos de até 10s, o pedestre está mais tolerante em respeitar a sinalização,
mas a partir de 30 segundos aguardando na área de travessia, maior é a probabilidade
pedestre violar a indicação vermelha (TRB, 2010). Isso indica que a violação está
fortemente relacionada ao atraso na travessia, dado que, ao violar o semáforo, o pedestre
reduz o seu tempo de espera.

Hamed (2001) constatou que o tempo de espera tende a ser menor se o

pedestre está a caminho do trabalho, se usa frequentemente a travessia, e se o número de
pessoas tentando a travessia é alto. O autor também observou que os pedestres que nunca
se envolveram ou presenciaram algum atropelamento têm três vezes mais chances de
reduzir seu tempo de espera na travessia, se comparados àqueles que já presenciaram ou
 24

se envolveram nesse tipo de sinistro.

Além dos fatores já citados, pesquisadores também verificaram a influência

da idade, gênero e distância de travessia, e identificaram que homens tendem a esperar
menos que as mulheres, com 40% a mais de chances de violar o semáforo. Além disso,
pedestres mais velhos tendem a violar menos, visto que eles toleram atrasos maiores
devido a sua maior limitação motora e preocupação com a segurança (REN et al., 2011;
GUO et al., 2011; BROSSEAU et al., 2013).

Quanto a distância de travessia, Ren et al. (2011) constataram que em faixas

de pedestres entre 8m e 11m, os pedestres têm mais chances de ignorar os riscos, enquanto
em faixas mais longas de 18m a 23m os pedestres podem não conseguir chegar ao lado
oposto em um ritmo normal, e geralmente tendem a correr para completar a travessia,
mesmo no sinal verde.

Pedestres com motivos relacionados a estudo ou trabalho tendem a esperar

menos, por estarem mais apressados. Portanto, nas horas de pico é mais provável que
desrespeitem a indicação semafórica para chegar mais rápido a seus destinos. Quanto ao
entorno do ambiente, foi constatado que em áreas com caráter residencial e comercial os
pedestres violaram mesmo após um curto tempo de espera, enquanto em áreas
predominantemente educacionais, as taxas de conformidade foram maiores (GUO et al.,
2011; REN et al., 2011; DOMMES et al., 2015).
 25

CAPÍTULO 3: INTERAÇÃO PEDESTRE E VEÍCULO

Neste capítulo, inicialmente serão explorados os fatores de risco aos quais o

pedestre é exposto durante as interações com o fluxo motorizado. Em seguida, tem-se
uma introdução das técnicas de conflito de tráfego como forma de análise das interações
entre usuários no trânsito, especialmente os pedestres. Com base nisso, é importante
discutir questões relacionadas a aplicação dos estudos com pedestres que incorporam os
conflitos, desde os indicadores mais usuais e adequados para análise, bem como aspectos
relacionados a gravidade das interações.

3.1 Fatores de risco na travessia

As interações são definidas como situações em que os usuários estão

próximos o suficiente, no tempo e no espaço, de modo que possam interagir uns com os
outros. As interações entre pedestres e veículos ocorrem principalmente quando a
travessia é iniciada, e podem ser difíceis de descrever, devido ao comportamento mais
imprevisível dos pedestres, cuja direção, velocidade e aceleração/desaceleração podem
mudar a qualquer instante (ALMODFER et al., 2015).

Na literatura foram observados alguns fatores que influenciam o risco do

pedestre nas interações na travessia, como velocidade dos veículos, falta de facilidades
para pedestres no projeto viário, visibilidade inadequada, aplicação inadequada das leis
de trânsito, entre outros (WHO, 2013). Esse risco é definido como a probabilidade de
ocorrer uma colisão entre pedestres e veículos, com base na sua exposição a esses fatores.

Conforme mostra a Figura 1, na proporção que a velocidade aumenta, maior

é a probabilidade de um pedestre ser morto ao ser atingido por um veículo motorizado,
por conta de um maior impacto (TEFFT, 2013). O consumo de álcool também está
associado ao excesso de velocidade, e resulta em efeitos prejudicais que aumentam o risco
na travessia. Tais fatores influenciam tanto no risco do acidente, como na severidade
(PEDEN et al., 2004).
 26

Figura 1 - Relação entre a segurança do pedestre e a velocidade dos veículos

Fonte: Welle et. al (2015)

O risco também cresce quando o planejamento do uso do solo e do projeto

viário falham em questões relacionadas às facilidades adequadas para o trânsito de
pedestres (WHO, 2013). Por exemplo, vias com velocidade permitida alta e maior largura
de faixa, encorajam velocidades elevadas, tornando a travessia mais perigosa. Enquanto
vias com maior quantidade de faixas, altos volumes veiculares e pouca quantidade de
travessias adequadas influenciam a decisão do pedestre em atravessar em locais não
permitidos, principalmente se o pedestre evita andar longas distâncias (ZEGEER et al.,
2006).

As características socioeconômicas dos pedestres, e comportamentos

arriscados, como violação do semáforo e caminhar distraído ao utilizarem dispositivos
eletrônicos, são fatores igualmente importantes para o estudo da segurança de pedestres.
Segundo Peden et al. (2004), crianças pequenas e idosos estão em maior risco relativo,
por serem mais vulneráveis, bem como pedestres do sexo masculino por apresentarem
comportamento mais arriscado. Além disso, o espraiamento urbano também é relevante
devido ao aumento do número de interações ao longo da viagem. (EWING et al., 2003)

Priyadarshini e Mitra (2018) constataram em seus estudos sobre os fatores de

risco na travessia, que as interseções, com ou sem sinalização, são onde ocorrem mais
interações perigosas, resultando em acidentes fatais. As áreas residenciais e comerciais
apresentaram maiores números de acidentes com pedestres, sendo também os locais com
maior movimento de pessoas. Ademais, os ônibus foram o tipo de veículo mais envolvido
 27

em atropelamentos fatais, tanto em locais sinalizados, não sinalizados e em meio de

quadra, o que mostra certa interação crítica entre esses usuários.

Em estudo semelhante, Mukherjee e Mitra (2020) abordam que não só o

volume total de tráfego, mas também a quantidade de veículos em conversão,
desempenham um papel importante. Sisiopiku e Akin (2003) observaram que, geralmente,
veículos que convertem à direita ou à esquerda compartilham a mesma fase verde com os
pedestres. Isso é levantado como motivo para os pedestres realizarem a travessia em
locais diferentes das faixas de segurança.

Priyadarshini e Mitra (2018) também notaram, que não apenas o volume de

pedestres, mas a interação pedestre-veículo em termos de Post-Encroachment Time (PET)
também tem um papel significativo no risco do pedestre, particularmente em interseções
não sinalizadas. Kadali e Vedagiri (2016) exploraram uma margem de segurança de
pedestres em condições de tráfego misto, e concluíram que comportamentos, como
mudança de velocidade de caminhada e a travessia do tipo rolling gap crossing,
aumentam consideravelmente a probabilidade de conflitos entre pedestres e veículos.

Cloutier et al. (2017) elaboraram um modelo de regressão logit para avaliar

os fatores associados às interações, em travessias no Canadá. Os testes de qui-quadrado
avaliaram as diferenças entre os grupos de idade e as características das interações
observadas. Os adultos mais velhos eram os mais propensos a se envolverem em um
evento de interação. A presença de ciclovias e ruas de mão única, foram
significativamente associados a menos interações com veículos, enquanto veículos
estacionados nas proximidades e cruzamentos em vias arteriais foram significativamente
associados a mais interações.

3.2 Conflitos de tráfego

A análise de segurança de tráfego tradicionalmente se baseia em dados

históricos de sinistros. No entanto, existem algumas deficiências nessa abordagem. Esses
são eventos aleatórios que necessitam de um tempo de observação longo, onde muitos
fatores externos podem mudar; a análise baseada em colisão é uma abordagem reativa,
ou seja, é necessário um número considerável de acidentes antes que uma ação seja
necessária, além disso, existem preocupações com a quantidade e qualidade dos dados de
colisão, podendo estar incompletos ou viesados. (SVENSSON E HYDEN, 2006). As
 28

desvantagens de usar dados de colisão para análise de segurança dos usuários vulneráveis
podem ser consideradas ainda mais graves, visto que aquelas que envolvem pedestres são
menos frequentes do que outros tipos de colisão (ISMAIL et al., 2009).

Em contrapartida, a abordagem baseada em conflitos tem sido defendida por

possibilitar a avaliação da segurança viária de uma forma mais abrangente do que os
estudos observacionais tradicionais e reativos baseados em dados de colisão, pois
possuem vantagens, por serem eventos mais frequentes, mais fácil de observar e
necessidade de um período menor para a coleta. Além disso, possuem um caráter
preventivo, cujo diagnóstico permite a adoção de medidas para evitar a ocorrência de
acidentes e permitem uma análise mais detalhada da sequência de eventos envolvidos na
interação (HYDÉN, 1987; SAYED e ZEIN, 1999; TAGELDIN, 2018).

O conceito de conflitos de tráfego foi introduzido pela primeira vez por

Perkins e Harris (1968). Eles definiram um conflito de tráfego como qualquer evento
envolvendo dois ou mais veículos em que a ação de um faça com que o outro realize uma
manobra evasiva para evitar uma colisão. De acordo com essa definição, um conflito de
tráfego é identificado pela presença de ações evasivas, como frenagem brusca ou
mudança repentina de direção.

Uma característica importante é o conceito do continuum da segurança viária

proposto por Hydén (1987), onde o desempenho da segurança é representado através de
uma série de eventos temporais, associados as interações entre os usuários, na qual a
magnitude desses eventos está relacionada ao volume na pirâmide. A base representa as
passagens sem perturbação, que são os eventos mais frequentes e seguros. Por outro lado,
o topo representa os eventos mais graves, como acidentes fatais ou feridos, que são mais
raros se comparados ao total de eventos, conforme mostra a Figura 2. Pode-se considerar
o conflito como uma interação mais severa. As classes extremas são de fácil detecção, no
entanto, as classes intermediárias, que são esses conflitos, necessitam de definições e
identificação mais objetivas.
 29

Figura 2 - Representação do continuum da segurança viária

Fonte: Hydén (1987)

Outra questão importante, é a preocupação com a validade entre essa relação

conflito e sinistro, tendo em vista se de fato a ocorrência de conflitos de tráfego pode ser
um indicador confiável. Em relação aos pedestres, a primeira tentativa de validar a técnica
foi feita por Lord (1996), através de uma função de desempenho de segurança baseada no
fluxo, na qual foi possível identificar que os conflitos de pedestres coletados, de acordo
com as ações evasivas dos usuários, forneceram alta correlação com dados de sinistro.

De acordo com Pietrantonio e Tourinho (2006), para os pedestres, os conflitos

mais graves podem ser caracterizados por um salto repentino, frontal, traseiro ou lateral,
ao tocar o veículo diante de si; os conflitos moderados podem ser considerados uma
parada repentina, um salto ou corrida no momento em que o veículo passa ou para,
evitando assim o toque; enquanto que os conflitos leves são caracterizados por uma
mudança na direção, ou na velocidade durante a travessia ou até mesmo na calçada,
quando o veículo ainda está se aproximando, esses são considerados mais difíceis de se
analisar.

3.3 Indicadores de conflito

Os conflitos podem ser analisados a partir de indicadores que buscam

quantificar e expressar a gravidade do evento com base na proximidade temporal e/ou
espacial da colisão. As principais vantagens estão relacionadas ao fato de contornar
algumas limitações de subjetividade de observação, e permitir uma comparação entre
estudos com essa abordagem (TAGELDIN, 2018).
 30

Johnsson et al. (2018) apontam que os indicadores podem ser aplicados em

diversos ambientes, e envolver diferentes usuários e tipos de infraestrutura. No entanto,
é necessário identificar os indicadores adequados para cada situação, levando em conta
os tipos de configurações das vias, os usuários envolvidos e os eventos a serem analisados,
principalmente quando o estudo é voltado para os usuários vulneráveis.

Nos estudos envolvendo conflitos pedestre-veículos os indicadores

comumente utilizados são os de proximidade espaço-temporais, também conhecidos
como indicadores de segurança proximais ou substitutos (indicadores proxy). Os mais
comuns são aqueles da família do Time to Collision (TTC), seguidos pela família do Post-
Encroachment Time (PET).

3.3.1 Time to Collision (TTC)

O TTC é um dos indicadores mais comuns e utilizados para mensurar o risco

de colisão de um evento de tráfego. Ele é definido por Hayward (1971), como o tempo
até que dois usuários da via colidam, se eles continuarem com a mesma velocidade e
trajetória. Além disso, ele reflete a ideia de que a distância entre os veículos não é o ponto
mais perigoso na sequência de interação.

Esse indicador contínuo é calculado com base na previsão do movimento, de

acordo com a posição e velocidade dos usuários envolvidos, podendo ser calculado
apenas quando os usuários estiverem em rota de colisão. A Equação 1 é aplicada em
situações de fluxo ortogonal, onde os usuários convergem para uma área de conflito,
como em um cruzamento ou travessia.

Eq. (1)
Onde: t é intervalo de tempo considerado; Vi,t é velocidade; Di,t é a distância
entre o ponto projetado de colisão e veículo i na aproximação preferencial.

Segundo Hayward (1971) o comportamento do TTC é dado por uma curva

(Figura 3) que se inicia quando os usuários entram na rota de colisão, e atinge um valor
mínimo, que pode chegar a zero no caso da ocorrência do sinistro, e então chega a infinito
ao saírem da rota. Esse valor é denominado TTCmin e caracteriza a proximidade da colisão
e o sucesso da ação evasiva, visto que é o menor valor de TTC, representando o valor
 31

crítico da interação (HYDÉN, 1987).

Figura 3 - Time to Collision (TTC)

Fonte: Cunto (2008)

Lord (1996) observou conflitos entre veículos e pedestres em conversão à

esquerda de cruzamentos semaforizados, no geral, são utilizados valores de referência,
limites de TTC de 1,5s.; 2s e 3s, como classificação entre eventos mais e menos graves.
Quanto menor o TTCmin, maior foi o risco de colisão (LAURESHYN et al., 2016).

3.3.2 Post-Encroachment Time (PET)

O PET foi proposto por Allen et al. (1978), e é classificado como o tempo
entre o primeiro usuário da via deixar uma zona espacial comum, e o segundo usuário
chegar nessa zona, ou seja, é uma medida de quão perto uma colisão foi evitada (Figura
4).
Figura 4 - Post-Encroachment Time (PET)

Fonte: Cunto (2008)

Uma avaliação preliminar do PET revelou que é uma alternativa preferida ao

 32

TTC em vários aspectos, principalmente pela facilidade de medida, visto que é apenas a
diferença direta entre os tempos dos usuários. Além disso, tal indicador é usualmente
considerado uma medida de grau de risco de colisões transversais, e é capaz de refletir o
comportamento do motorista em resposta ao controle de interseção e geometria
(SONGCHITRUKSA; TARKO, 2006).

Na literatura, foi identificado que os limites mais comumente utilizados para

representar interações mais graves, variam entre valores de PET de 1s, 3s e 5s. Em áreas
urbanas, os valores de PET inferiores a 1s são considerados eventos críticos
(LAURESHYN et al., 2016).

Marisamynathan e Vedagiri (2020) utilizaram o PET em sua análise e

classificaram três categorias para estimar as interações pedestre-veículo. Na primeira
categoria, se os pedestres não alterarem sua velocidade de travessia, então o PET é
considerado como sem interação. Na segunda categoria, se o pedestre aumenta ou diminui
sua velocidade de travessia, o PET é considerado interação. Na terceira categoria, se o
pedestre para na faixa de pedestres, o PET é considerado uma interação altamente
perigosa. O estudo constatou que eventos com valores de PET ≤ 2s, podem ser
considerados uma interação perigosa; entre 2s e 5,5s, são considerados como uma
interação, e PET > 5,5s, considerados como um evento sem risco evidente.

Cunto (2008) aponta que um dos problemas que limitam a utilização desses
indicadores consiste na dificuldade de classificá-los em uma escala de severidade. De
modo que diferentes combinações de velocidade e distância podem resultar em um
mesmo valor, e apresentar características mais agressivas, por exemplo, com velocidades
maiores.

3.4 Aspectos da gravidade dos conflitos

A proximidade é uma dimensão da gravidade que busca mensurar o risco de

um sinistro, no entanto, suas consequências potenciais, também devem ser consideradas
na análise. Essas consequências dependem do tipo de usuário envolvido e de sua
vulnerabilidade, além de aspectos relacionados à velocidade e o tipo da colisão
(LAURESHYN et al., 2010).

Laureshyn, et al. (2010) sugeriram que o conceito de gravidade de um evento

 33

no trânsito pode ser classificado, levando-se em conta dois aspectos principais para
estimar a sua real gravidade: o risco de colisão e o risco de lesão. Esta classificação
permite diferenciar os fatores que afetam o risco de colisão, tais como a proximidade
temporal e espacial; e aqueles que influenciam o risco de lesões, como o ângulo relativo,
as diferenças de velocidade e massa, bem como a fragilidade dos usuários envolvidos no
conflito.

A Figura 5 exemplifica duas situações com mesmo valor de PET, porém,

pode-se notar visualmente que o risco de colisão é diferente. Na situação A, o pedestre é
o usuário prestes a receber a colisão, apresentando uma interação grave. Em uma
sequência de eventos onde o veículo se encontra em alta velocidade, a distância de
frenagem não é adequada e o pedestre sofre algum atraso, a colisão resultaria em graves
consequências para o usuário mais vulnerável, ou seja, o pedestre. Por outro lado, a
situação B, na qual o veículo passa primeiro, é bastante comum e não apresenta tanto
risco, pois o pedestre pode parar a uma distância muito próxima do carro, sem sofrer
nenhuma consequência grave.

Figura 5 - Esquema de interação pedestre-veículo

Fonte: Laureshyn et al. (2016)

Em relação ao risco de lesão, a exposição e vulnerabilidade dos pedestres

resultam em um risco muito maior de consequências sérias em caso de ocorrência do
sinistro. Além do mais, essa fragilidade pode variar conforme as características do
pedestre, por exemplo, os idosos apresentam um risco consideravelmente maior de lesões
graves, mesmo em colisões em velocidades menores. Portanto, medir o potencial de lesão
através de indicadores está fortemente relacionado a filosofia da Visão Zero, que tem
como prioridade a eliminação de fatalidades e lesões graves no trânsito.
 34

No geral, para estimar o risco de colisão, a maioria dos estudos que

incorporam os pedestres na análise, utilizam o TTCmin e PET. Entretanto, esses
indicadores não incorporam o risco de ferimentos, e nem utilizam informações específicas
que possam diferenciar os tipos de usuários. O comportamento e vulnerabilidade dos
usuários, quando incorporada na análise, geralmente é considerada com base em um
julgamento subjetivo. Esse componente subjetivo, representado por ações evasivas, busca
melhorar a estimativa do risco de lesão e é indispensável para os estudos de segurança
envolvendo usuários vulneráveis (JOHNSSON et al., 2018).

Em relação às manobras evasivas, frear e desviar são as mais comuns usadas

para evitar colisões. Os indicadores baseados em desaceleração mais comuns são a taxa
de desaceleração para evitar um acidente e o perfil de arranque, e a intensidade do desvio
pode ser medida pela velocidade angular de rotação do veículo. Esses indicadores
geralmente apresentam melhor desempenho do que os indicadores de proximidade na
medição da gravidade do conflito de motocicletas, bicicletas e pedestres, principalmente
em ambientes de tráfego menos organizado (TAGELDIN et al., 2015; GUO et al., 2018).
Conflitos envolvendo pedestres também podem utilizar frequência ou o comprimento de
passos e suas mudanças (TAGELDIN E SAYED, 2016).

3.5 Análises dos conflitos de tráfego com pedestres

Estudos voltados para a travessia de pedestres, geralmente utilizam coleta de

imagens. As principais diferenças destacadas são as variáveis e o método de extração de
dados. De forma manual, a coleta é feita por meio da observação de vídeos,
repetidamente, destacando os tempos em que ocorrem eventos, o que pode ser trabalhoso
e demandar muito tempo. De forma automática, utilizam-se ferramentas de
processamento de imagens para identificar, classificar e rastrear os objetos, no entanto é
necessário um grande esforço computacional, e alguns detalhes da trajetória de pedestres,
em particular a detecção da intenção e decisão de realizar a travessia podem não ser bem
representados. Uma opção, para contornar esses problemas é a aplicação de combinações
com métodos de análise semiautomática, na qual as posições e trajetórias são marcadas
manualmente, e as coordenadas, tempos e outras informações referentes ao movimento,
são estimados automaticamente (JACOBSEN E CYBIS, 2011; FU et al., 2018).

Ni et al. (2016) extraíram as trajetórias de pedestres e veículos através de

dados de vídeo usando o software semiautomático Traffic Analyzer (SUZUKI E
 35

NAKAMURA, 2006). Em seguida, um conjunto de indicadores (TTC, Gap Time e PET)

foram calculados com base nos dados extraídos. Fu et al. (2018) processaram os dados
de vídeo usando o software Traffic Inteligence (SAUNIER E SAYED, 2007), que fornece
posicionamento preciso e saídas de velocidade dos usuários, mas as interações de
interesse foram tratadas manualmente.

Olszewski et al. (2019) utilizaram o software semiautomático T-Analyst, para

analisar encontros relevantes entre veículos motorizados e usuários vulneráveis. Zheng et
al. (2021) focaram em conflitos consecutivos entre pedestres, veículos motorizados e não
motorizados, primeiramente analisaram os vídeos de forma manual para identificar os
conflitos de interesse, para em seguida processarem a trajetória dos usuários envolvidos
também no T-Analyst. Uma vantagem dessa ferramenta é que ela já incorpora os
indicadores na sua análise.

Cafiso et al. (2011) propuseram o índice de risco de pedestres (Pedestrian

Risk Index - PRI), que busca medir a gravidade potencial das consequências do sinistro
entre pedestres e veículos, a partir da combinação do indicador TTC com indicadores
subjetivos baseados no tempo de reação e na capacidade de frenagem do veículo. O risco
de colisão é dado como a diferença de tempo entre TTC e o tempo estimado necessário
para o veículo parar, enquanto a gravidade é estimada como o potencial da velocidade de
impacto ao quadrado. O índice final é obtido com o valor estimado de risco de colisão
multiplicado pela gravidade do evento. Apesar de ser bem específico para as interações
com pedestres, o índice não estabelece uma classificação para a severidade dos eventos.

Chaudhari et al. (2020) aplicaram o PRI para avaliar a gravidade dos conflitos
em relação ao tipo de usuário e a geometria da via. Eles concluíram que o índice é
aproximadamente 30% maior em interações com veículos menores. Isso pode ser
explicado pelo comportamento agressivo desses motoristas em velocidades mais altas, e
pelo comportamento agressivo dos pedestres por aceitar brechas menores quando o
veículo é menor. Os achados também indicam que o valor do PRI aumenta 37,5% com a
adição de faixas, para vias divididas com oito faixas é maior do que para vias divididas
com quatro e seis faixas. O que pode ser resultado de uma combinação de velocidades
maiores e maior fluxo.

Fu et al. (2018) propuseram uma nova estrutura, representada pelo diagrama

 36

de distância-velocidade (DV model), para avaliar a segurança de pedestres em travessias

não semaforizadas, com base na manobra de cedência de um motorista em resposta a um
pedestre. Para medir a probabilidade de colisão, foram utilizados os indicadores TC e o
Deceleration Rate Required to Stop (DRS) que é a taxa de desaceleração constante
necessária para o veículo parar e dar o direito de passagem ao pedestre.

Os autores buscaram avaliar a segurança do pedestre em três diferentes tipos

de travessias não semaforizadas: uma desprotegida, uma pintada e uma controlada por
placas de pare. Os resultados foram intuitivos, e mostraram que a travessia controlada,
pode proteger melhor os pedestres em comparação com as outras duas travessias, em
termos de conformidade do motorista, taxas de cedência geral e decisões de travessia do
pedestre.

Tageldin e Sayed (2019) utilizaram um modelo logit de resposta ordenada

para modelar a gravidade dos conflitos de pedestres, em travessias de cinco países
diferentes. O modelo foi gerado em função de indicadores como o TTC e ações evasivas,
como maximum slope of step frequency (MSSF), obtido a partir do perfil de frequência
do passo do pedestre. Os autores concluíram que o MSSF tem um alto potencial para
identificar a gravidade do conflito de pedestres em ambientes de tráfego menos
organizados, como Xangai e Nova Delhi. Entretanto, o TTC tem mais potencial em
ambiente com tráfego mais organizado, como Nova York e Vancouver. Pode-se concluir
desses resultados, que há uma relação entre diferentes ambientes de tráfego e o uso de
medidas de proximidade ou de ação evasiva na avaliação da gravidade dos conflitos de
pedestres.

Zheng et al. (2021) analisaram os conflitos consecutivos (na faixa de tráfego

comum e ciclofaixa) com veículos motorizados e não motorizados, a partir da estimação
do PET e medidas de ações evasivas, como taxa de desaceleração e desvio angular dos
usuários durante a interação. Os indicadores foram integrados em um índice de gravidade
integrado (ISI), para melhor compreender a severidade dos conflitos. A principal
conclusão do estudo é que ao se deparar com dois tipos diferentes de fluxos mais intensos,
o pedestre prefere evitar um conflito mais sério com o veículo motorizado, se arriscando
mais com o não motorizado, portanto essas foram as interações mais sérias.

Também foi desenvolvido um modelo bivariado de regressão logística para

 37

investigar a relação da severidade com as variáveis explicativas, verificando ainda sua

elasticidade. Pôde-se notar que a gravidade do conflito com o veículo não motorizado
diminuiu com o aumento da velocidade dos veículos e com a diminuição do número de
veículos não motorizados. Enquanto a gravidade do conflito com veículo motorizado
diminuiu com o aumento da velocidade do pedestre, velocidade do veículo, grupo, bem
como com a diminuição do volume de veículos (ZHENG et al., 2021).

Kaparias et al. (2010) apresentaram uma técnica de análise de conflito de

tráfego de pedestres e veículos (Pedestrian Vehicle Conflict Analisys – PVCA) com a
perspectiva de aplicá-la na avaliação de ambientes convencionais e compartilhados. O
método usa quatro fatores para descrever diferentes aspectos de um conflito, e cada fator
tem diferentes classes de gravidade. Uma vantagem desse método em relação aos
anteriores, é que é possível estabelecer uma classificação de severidade dos eventos, a
partir da combinação da pontuação de cada fator.

Os quatro fatores são os seguintes: a) fator A utiliza o TTC e é classificado

em longo, moderado e curto, de acordo com limites estabelecidos; b) fator B é a gravidade
da ação evasiva e está relacionada ao valor da taxa de desaceleração, que corresponde às
diferentes reações do pedestre à mudança no percurso, desde caminhar e correr,
representados em classes leve, média, pesada e de emergência; c) fator C é a
complexidade da ação evasiva se refere à qualidade da ação que o usuário realiza para
evitar uma colisão, classificado como simples ou complexo; d) o Fator D diz respeito a
distância do veículo do ponto de conflito quando uma ação evasiva ocorreu, classificado
como longe, médio ou curto.

Após a classificação da gravidade dos quatro fatores que constituem um

conflito, as notas atribuídas são conferidas para determinar uma classe geral para o
conflito. Os graus de gravidade variam de 1 a 4, nos quais cada combinação, corresponde
a um grau de conflito específico. Os conflitos de grau 1 são caracterizados como leves e
os conflitos de grau 2, 3 e 4 correspondem a conflitos sérios, com gravidade crescente
(KAPARIAS et al., 2010).

Santhosh et al. (2020) utilizaram o método PVCA para comparar a segurança

de interseções do tipo “T” e “X”. O método mostrou que o local com maior número de
conflitos resulta de um maior fluxo veicular, e a interseção do tipo “X” apresentou cerca
 38

de 50% a mais de conflitos leves. Os autores não fizeram análises quanto ao tipo de
usuário envolvido, entretanto, eles utilizaram microssimulação e concluíram que se as
vias fossem controladas, o número e a severidade dos conflitos diminuiriam cerca de 30%.

No geral, existe uma literatura substancial sobre a aplicação de conflitos de

tráfego, para avaliar os níveis de segurança, apesar de poucos serem voltados para os
usuários vulneráveis. No entanto, não foram encontrados estudos recentes no contexto
nacional que utilizem algum desses métodos para avaliar a segurança de pedestres nas
travessias urbanas.
 39

CAPÍTULO 4: MÉTODO PROPOSTO

Com o intuito de atingir os objetivos geral e específicos estabelecidos,

propõe-se o método resumido no fluxograma da Figura 6. O método proposto divide-se
nas etapas referentes ao planejamento do estudo, coleta e processamento dos dados das
travessias, e análise das interações. Dessa forma, é possível realizar uma caracterização
das travessias e da interação entre os usuários envolvidos, através da estimação dos
indicadores proxy, análises exploratórias e confirmatórias, que possibilitem identificar a
severidade e o perfil das interações nas travessias.

Figura 6 - Fluxograma das etapas propostas no estudo

Fonte: elaborado pela autora

4.1 Definição dos locais de estudo e filmagens

Foram analisadas travessias de pedestres localizadas em interseções

semaforizadas de vias urbanas arteriais. Esse tipo de travessia foi escolhido levando em
conta que as interseções são os locais mais críticos para as interações na travessia,
principalmente durante o comportamento oportunista do pedestre. Além disso, a escolha
das travessias teve como foco locais com diferentes limites de velocidade e número de
faixas, formando assim pares de travessias, de forma a buscar identificar o efeito desses
atributos na frequência e severidade das interações.

As filmagens foram realizadas em dias típicos da semana, em horários fora

pico, de forma a permitir capturar o comportamento dos veículos em fluxo livre, nos quais
 40

estejam mais próximos da velocidade permitida da via. Um pré-requisito muito

importante para a escolha do local foi a disponibilidade de câmeras de monitoramento da
Autarquia Municipal de Trânsito e Cidadania (AMC), evitando a instalação de câmeras e
otimizando questões relacionadas a tempo e segurança.

Para a efetuação das filmagens, as câmeras foram posicionadas de forma a

abranger uma altura e ângulo adequados, possibilitando focar nas travessias localizadas a
jusante do semáforo. Isso permite que a câmera capture a aproximação dos veículos que
seguem em frente na avenida principal e os na conversão à direita da avenida secundária,
que podem resultar nas interações com pedestres na travessia.

4.2 Coleta e processamento dos dados das travessias

Primeiramente foram coletados e detalhados os atributos relacionados à via,

às condições de tráfego e características do pedestre. Para esta etapa, foram analisadas
manualmente as filmagens realizadas nos locais selecionados, utilizando também
informações do órgão gestor de trânsito, e de ferramentas como o Google Earth, Google
Maps e Street View.

Dentre os dados coletados, destacam-se: as características geométricas da

travessia e seu entorno, como largura e número de faixas das vias na interseção, presença
de canteiro central, e faixa de pedestres; as características operacionais do local, como
tipo de controle, ciclo, fluxos direcionais, e composição veicular; e as características dos
pedestres, como gênero, idade, presença de grupo, se ele atravessou na faixa ou durante
o vermelho, bem como atraso e velocidade. É importante destacar que a idade pode ser
classificada por faixa etária, considerando os jovens como aqueles até 18 anos; os adultos
entre 19 e 59 anos; e os idosos com mais de 60 anos.

O próximo passo da coleta foi a extração dos dados referentes as trajetórias

dos usuários envolvidos nas interações. Para isso, as trajetórias foram analisadas na
sequência de vídeo para a detecção dos eventos de interesse, identificados durante a
observação dos vídeos.

Neste trabalho, as interações analisadas são aqueles eventos onde o pedestre

atravessa primeiro, durante o seu estágio vermelho, e o veículo passa em seguida pela sua
trajetória com até 5,5s depois, conforme apresentado nos valores de referência do
 41

indicador PET. Essas interações passam a ser analisadas em detalhe com o rastreamento
dos usuários, utilizando técnicas de processamento de imagens para estimar os
indicadores e extrair as informações das trajetórias e comportamento dos usuários.

O aplicativo utilizado no rastreamento é o T-Analyst, ferramenta

semiautomática desenvolvida e utilizada no projeto europeu, IN-DEPTH –understanding
of accident causation for vulnerable road users (InDeV, 2015). O procedimento no
aplicativo corresponde a três etapas principais: a) calibração; b) determinação da
trajetória dos usuários envolvidos; e c) extração dos dados.

O processo de calibração é realizado a partir da relação de uma imagem aérea

do local, com a imagem da perspectiva da câmera. Dessa forma, é estabelecida uma escala
a partir das medidas da vista aérea, por meio da criação de pontos em ambas as imagens,
que devem corresponder ao mesmo local. A determinação da trajetória é feita de forma
manual, sendo traçado o percurso dos usuários envolvidos na interação a cada intervalo
de frame do vídeo.

Com a análise das trajetórias, é possível obter dados sobre a posição,

velocidade, e os indicadores proxy. A análise tem como foco o indicador PET de cada
interação. Além disso, em relação ao comportamento dos pedestres e veículos, é possível
identificar as manobras evasivas, dos pedestres e veículos, como
aceleração/desaceleração e mudança de direção, através do perfil de velocidade e
registros de suas trajetórias.

4.3 Análises das interações nas travessias

Após a consolidação do banco de dados obtido na etapa anterior, foi realizada

uma caracterização das travessias e das interações. Em seguida, foram identificadas as
associações entre as variáveis coletadas e os indicadores proxy estimados, por meio de
análises exploratórias e confirmatórias com testes estatísticos. Foram utilizadas técnicas
de análise estatísticas, com auxílio do software R Studio, para fornecer parâmetros para
analisar a validade das relações entre variáveis e confirmar as hipóteses sobre o
comportamento dos pedestres na travessia, destacados na revisão da literatura. Dessa
forma, é possível identificar quais variáveis são significativas e tem influência na
proximidade das interações.
 42

Para identificar o nível de severidade, deve-se estabelecer uma associação

entre o indicador proxy e os aspectos comportamentais dos usuários. Isso é importante
para buscar analisar interação de forma mais completa, levando em conta não só o risco
de colisão, mas também o risco de lesão ao qual os usuários são expostos na interação.

Essa análise pode ser feita por meio do método PVCA proposto por Kaparias
et al. (2010). O PVCA analisa o conflito a partir de quatro fatores, conforme mostra a
Tabela 1. Os fatores A e D são capazes de identificar a ocorrência ou não das interações,
enquanto os fatores B e C buscam determinar a severidade do evento. Fez-se uma
adaptação, no que diz respeito ao fator A, já que o método original utiliza o indicador
TTC. Entretanto, como o PET é o foco da análise, optou-se por essa substituição, sendo
assim adotados os parâmetros estabelecidos por Marisamynathan e Vedagiri (2020),
citados anteriormente.

Tabela 1 - Fatores para a classificação da severidade do conflito com o método PVCA

Pontuação Parâmetros Fatores
1 – longo >5,5
2 – moderado 2 - 5,5 Fator A – Valor do indicador PET (s)
3 – curto <2
1 – leve <2
2 – média 2 - 3,45
Fator B – Severidade da ação evasiva
3 – difícil 3,45 – 5,5
Taxa de desaceleração (m/s²)
4-
>5,5
emergencial
Velocidade ou
1 – simples
direção Fator C – Complexidade da ação evasiva
Combinação dos (mudança na velocidade e/ou na direção)
3 – Complexa
dois
1 – longe >10
Fator D – Distância para a colisão no
2 – média 5 – 10
momento que a ação evasiva ocorreu (m)
3 – curta <5
Fonte: adaptado Kaparias et al (2013)

O Fator B considera a severidade da ação evasiva a partir da taxa de

desaceleração do veículo necessária para uma parada total, para evitar a colisão na
travessia. Esse valor é determinado a partir da observação dos vídeos, combinado com as
informações da trajetória do usuário, extraídas do T-Analyst. Pode ser calculado a partir
da velocidade média do veículo envolvido na interação, e da distância na qual ocorreu a
 43

ação evasiva, seja do pedestre ou do veículo. Devido a posição das câmeras, em algumas
situações essa distância não pode ser observada, e portanto, foi projetada a partir do
comportamento evasivo do pedestre, do tempo para o veículo aparecer no vídeo, e sua
velocidade. Essa aproximação foi considerada adequada, já que os valores se encontram
dentro de faixas de classificação, não sendo tão necessário o valor exato desse indicador.

O fator C verifica a complexidade da ação evasiva, também identificado

através das informações de trajetória, a partir de ações como aceleração ou desaceleração
dos usuários, bem como mudança na direção. O fator D corresponde à distância para o
ponto de colisão no momento que a ação evasiva ocorreu, determinada a partir do
cruzamento da trajetória dos usuários. O método objetiva classificar o evento em uma
escala de severidade, como conflito leve (1) e conflitos sérios (2, 3 e 4), sendo o 4 o mais
crítico, a partir de uma combinação das pontuações dos quatro fatores em cada evento,
conforme mostra a Tabela 2.

Tabela 2 - Escala de classificação dos conflitos de acordo com a combinação dos fatores
Classe 2 Classe 3 Classe 4
Classe 1
(conflito (conflito (conflito
(conflito leve)
sério) sério) sério)
1111 1113 1213 2413
1131 1133 1233 2433
1211 1212 1312 3313
1231 1232 1332 3333
1112 1311 2133 3413
1132 1331 2213 3433
2111 2113 2233
2131 2132 2312
2112 2212 2332
2211 2232 2313
2231 2311 2333
3211 2331 3232
3231 3112 3213
3132 3233
3113 3312
3133 3332
3212 3411
3311 3431
3331 3412
3432
Fonte: Kaparias et al. (2010)

Para completar a análise da severidade pode-se recorrer a uma modelagem,

 44

por meio de modelos categóricos, especificamente um modelo logit multinomial que são
comumente utilizados em estudos da segurança viária para verificar relações entre fatores
de risco e a severidade de atropelamentos. No entanto, pode ser feita uma
correspondência para identificar os fatores relacionados a severidade das interações entre
pedestres e veículos, buscando identificar as situações mais arriscadas que envolvem os
pedestres na travessia.
 45

CAPÍTULO 5: RESULTADOS

Neste capítulo, relata-se os resultados e discussões obtidos através da

aplicação do método proposto, desde a construção do banco de dados das travessias em
estudo, as análises exploratórias e confirmatórias das interações e a classificação da
severidade dos eventos.

5.1 Seleção dos locais e filmagens

Foram selecionadas três travessias, sendo duas localizadas nas Av.

Aguanambi (Travessia I) e Av. Santos Dumont (Travessia II), com quatro faixas de tráfego,
com velocidade permitida de 60km/h e 50km/h, respectivamente; e uma na Av. Tristão
Gonçalves (Travessia III) com três faixas de tráfego e velocidade permitida de 60km/h.
As filmagens foram realizadas em três dias típicos da semana, nos períodos entre picos
de 09h às 11h da manhã e de 14h às 16h da tarde. A Tabela 3 resume informações das
filmagens, e a Figura 7 mostra um mapa destacando a localização de cada travessia.

Tabela 3 - Informações dos locais e filmagens

Código da Tempo de
Avenida I Avenida II Dias de filmagem
câmera filmagem
Aguanambi Soriano Albuquerque C50 08,09,10 (junho/21) 12h
Santos Dumont Desembargador Moreira N30 08,09,10 (junho/21) 12h
Tristão Gonçalves Duque de Caxias C03 05,17 (agosto/21) 8h
Fonte: elaborado pela autora

Figura 7 – Mapa das travessias

Fonte: elaborado pela autora

 46

5.2 Caracterização dos locais

5.2.1 Características geométricas e operacionais das vias

As travessias estão localizadas em uma área com uso do solo no entorno

predominantemente comercial (Figura 8), com presença de faixa exclusiva de ônibus e
ciclofaixas, e não são divididas por canteiro central, conforme mostram os dados da
Tabela 4. Além disso, a Figura 9 mostra uma melhor visualização das travessias, obtidas
com o Street View, destacando ainda os movimentos de interesse e o posicionamento das
câmeras.
Tabela 4 - Características geométricas das travessias
Faixa
Nº de Canteiro
Travessia Avenida Distância de Ciclofaixa
faixas central
ônibus
I Aguanambi 4 15,6 m Sim Sim Não
II Santos Dumont 4 18 m Sim Sim Não
III Tristão Gonçalves 3 10,7 m Sim Sim Não
Fonte: elaborado pela autora

Figura 8 - Uso do solo no entorno das interseções

Fonte: elaborado pela autora

 47

Figura 9 - Vistas das travessias

Fonte: elaborado pela autora

As interseções são controladas por semáforos, e possuem estágio e botoeira

para pedestres. As informações sobre os ciclos semafóricos foram disponibilizadas pelo
sistema de Controle de Tráfego em Área de Fortaleza (CTAFor), conforme a operação
atual em cada local, e estão apresentadas na Figura 10.

Figura 10 - Programação semafórica das interseções

Fonte: elaborado pela autora

 48

A Tabela 5 apresenta os valores obtidos para o fluxo horário médio de

pedestres e veículos, bem como a composição veicular. Esses dados foram considerados
com base no total de horas de vídeo em cada local, e foi tirada a média dos fluxos a cada
hora. Vale destacar que o fluxo veicular dado na Tabela 5 corresponde ao fluxo de veículos
que passa pela travessia de interesse, ou seja, o fluxo horário médio que segue em frente
na avenida da travessia (seta azul) e da conversão à direita na segunda avenida (seta verde),
conforme mostra a Figura 11.

Tabela 5 - Dados operacionais

Fluxo Fluxo
Velocidade Fluxo de
veicular veicular Veículos
Travessia permitida pedestres Carros Motocicletas
em frente na conversão pesados
(km/h) (ped/h)
(veic/h) (veic/h)
I 60 81 1587 69 69% 24% 7%
II 50 41 920 446 74% 20% 6%
III 60 85 1028 333 60% 33% 7%
Fonte: elaborado pela autora

Figura 11 - Esquema de fluxo veicular na travessia

Fonte: elaborado pela autora

Comparando as vias, a Av. Aguanambi, possui um fluxo de veículos na

travessia cerca de 18% maior que os da Av. Santos Dumont e Av. Tristão Gonçalves.
Analisando os dois movimentos (frente e conversão), percebe-se que a Av. Aguanambi
apresenta um fluxo 1,7 vezes maior seguindo em frente, que a Av. Santos Dumont,
 49

entretanto essa última tem um fluxo convergindo à direita cerca de 6 vezes maior.

5.2.2 Características dos pedestres na travessia

Considerando todos os pedestres na travessia, foi observado um total de 2224

travessias nas 32h de filmagens. Dentre essas, 45% ocorreram na Av. Aguanambi, 24%
na Av. Santos Dumont, e 31% na Av. Tristão Gonçalves. No geral, há mais homens (56%),
quanto a faixa etária, 75% são adultos, 14% são idosos e 11% são jovens. Os pedestres
predominantemente atravessam sozinhos (62%); e as travessias no vermelho do pedestre
predominam (63%), principalmente nas travessias II e III, com mais 70% em cada.

A Figura 12 mostra um resumo das informações coletadas, considerando o

total de travessias, também separadas por avenida. É interessante notar que apesar da
travessia I apresentar a maior parte do fluxo de pedestres, a proporção de interação é bem
menor (apenas 22%), comparada as outras duas.

Figura 12 - Características dos pedestres nas travessias

Aguanambi Santos Dumont Tristão Gonçalves

Gênero Faixa etária

80% 80%

60% 60%

40% 40%

20% 20%

0% 0%
Homem Mulher Adulto Idoso Jovem

Agrupamento Conformidade espacial

80% 80%

60% 60%

40% 40%

20% 20%

0% 0%
Grupo Sozinho Fora da faixa Na faixa
 50

Conformidade temporal Ocorreu interação?

80% 80%

60% 60%

40% 40%

20% 20%

0% 0%
Verde Vermelho Não Sim

Fonte: elaborado pela autora

5.2.3 Características das interações

As interações foram consideradas as travessias no vermelho com brecha
traseira de até 5,5s. Foi possível observar 777 interações, sendo 28% na Av. Aguanambi,
33% na Av. Santos Dumont e 39% na Av. Tristão Gonçalves. A Figura 13 mostra um
resumo das informações coletadas. Pode-se perceber que os dados seguem o mesmo
padrão do total de travessias, predominando nas interações homens (64%), adultos (75%)
e andando sozinhos (66%).
 51

Figura 13 - Características das interações e dos pedestres envolvidos

Aguanambi Santos Dumont Tristão Gonçalves
Gênero Faixa etária
80% 80%

60% 60%

40% 40%

20% 20%

0%
0%
Adulto Idoso Jovem
Homem Mulher

Agrupamento Conformidade espacial

80% 80%

60% 60%

40% 40%

20% 20%

0% 0%
Grupo Sozinho Fora da faixa Na faixa

Tipo de interação Veículo na interação

80% 80%

60% 60%

40% 40%

20% 20%

0% 0%
Conversão Frente Carro Moto Pesado

Fonte: elaborado pela autora

O carro é o veículo mais envolvido nas interações (57%); e quanto ao tipo de

interação, nas travessias I e III a maioria resulta dos veículos na conversão à direita (53%
e 72%), enquanto na travessia II ocorreram mais com os veículos que seguem em frente
(65%).

Pode-se ainda relativizar a exposição desses usuários, considerando a

proporção de ocorrência das interações, conforme apresenta a Tabela 6. Pode-se destacar
que de fato os homens se envolveram mais em interação que as mulheres, assim como as
pessoas sozinhas. Quanto a faixa etária, apesar da predominância de adultos na travessia,
 52

a proporção que se envolveu em interações é a mesma que a dos jovens e idosos.

Tabela 6 - Relativização da exposição dos usuários em interação

Total na
Em interação Proporção
travessia
Homem 1249 495 40%
Mulher 975 282 29%
Jovem 253 88 35%
Adulto 1661 580 35%
Idoso 310 110 35%
Grupo 837 267 32%
Sozinho 1387 510 37%
Fonte: elaborado pela autora

Para analisar as interações detalhadamente, as trajetórias dos usuários

envolvidos foram processadas utilizando o T-Analyst. A Figura 14 mostra um exemplo do
processamento das trajetórias, bem como o valor do indicador resultante do conflito, que
nesse estudo será considerado apenas o PET. A Figura 15 mostra os demais dados
estimados pelo aplicativo da interação exemplificada.

Figura 14 - Representação da análise de trajetórias no T-Analyst

Fonte: elaborado pela autora

 53

Figura 15 - Indicadores proxy estimados no T-Analyst

Fonte: elaborado pela autora

A Tabela 7 apresenta a estatística descritiva do PET. Considerando todas as

travessias, obteve-se um PET médio de 2,67s. Quando separado por local, os indicadores
apresentam valores e distribuição semelhantes. A Figura 16 apresenta a distribuição dos
dados no boxplot e histograma, que não seguem uma distribuição normal, segundo o teste
de normalidade Shapiro-Wilk (valor-p<0,05), e pode-se notar a maioria dos dados na
classe de 2s.

Tabela 7 - Estatística descritiva do PET

Desvio
Mínimo Mediana Média Máximo
padrão
Aguanambi 0,33 2,53 2,69 5,4 1,18
Santos Dumont 0,67 2,60 2,70 5,4 1,19
Tristão Gonçalves 0,65 2,31 2,63 5,3 1,21
Fonte: elaborado pela autora

Figura 16 - Boxplot e histograma dos valores de PET de todas as interações

Fonte: elaborado pela autora

 54

5.3 Análise exploratória das relações entre variáveis

Nesta etapa de análise foram realizados testes estatísticos para verificar as

relações entre as variáveis coletadas. É importante destacar que os dados coletados são
valores amostrais, e pode-se considerar a população como os pedestres da região central
de Fortaleza no período entre picos.

5.3.1 Travessias no vermelho do pedestre

Foram feitos testes estatísticos a fim de investigar a hipótese de

independência entre cada variável categórica e a conformidade temporal (travessia no
verde x vermelho). O teste adotado foi o teste chi-quadrado, a partir da tabela de
contingência, com significância de 0,05. Em um teste de independência de variáveis
usando uma tabela de contingência, a hipótese nula é que as variáveis categóricas são
independentes.

A Tabela 8 mostra o resultado do teste realizado considerando todas as

travessias, por variável. No resultado por gênero, o teste mostra que há evidências que
indicam dependência do gênero dos pedestres, neste caso, o homem tende mais a
atravessar no sinal vermelho, se comparado a mulher. Quanto a faixa etária, não há
evidência suficiente para concluir dependência com esse comportamento. Ademais, pode-
se obter evidências de que existe relação entre o agrupamento, a conformidade espacial e
o local, com a conformidade temporal dos pedestres. Pedestres sozinhos e atravessando
fora da faixa são mais prováveis de atravessarem no vermelho.

Tabela 8 - Resultados do teste qui-quadrado para as travessias no vermelho e no verde

Variáveis Vermelho Verde χ² Df Valor P
Homens 858 389
Gênero 35,79 1 2,19E-09
Mulheres 551 426
Jovem 161 92
Faixa etária Adulto 1047 614 0,37 2 0,82
Idoso 201 109
Sozinho 952 435
Agrupamento 43,70 1 3,8E-11
2 ou mais 457 380
Conformidade Na faixa 816 450
1,42 1 0,2
espacial Fora da faixa 593 365
Aguanambi 500 492
Local Santos Dumont 375 165 137,17 2 2,2E-16
Tristão Gonçalves 534 158
Fonte: elaborado pela autora
 55

5.3.2 Velocidade de caminhada e atraso na travessia

Dado que a amostra é grande, foram realizadas análises bivariadas com teste
t de Student, com um nível de significância de 0,05. Assim, é possível determinar se há
uma diferença estatisticamente significativa das médias das variáveis velocidade de
caminhada e atraso na travessia, quanto ao gênero, faixa etária, agrupamento,
conformidade na travessia, nas interações e nos locais.

De acordo com a

Tabela 9, os testes apontam que os homens caminham 6% mais rápido e

possuem atrasos 30% menores que as mulheres; e que os jovens alcançaram velocidades
maiores que os adultos (9%) e os idosos (28%), porém não houve diferença significativa
entre seus atrasos. Quanto ao agrupamento, as pessoas atravessando sozinhas são
significativamente 6% mais rápidas e possuem atrasos 56% menores. Os pedestres que
atravessam na faixa esperam mais para iniciar a travessia. Os que atravessam no vermelho
são 8% mais velozes, e esperam 27% menos, semelhante aos que se envolveram em
interações. Quanto ao local da travessia, não há evidências de que as velocidades sejam
diferentes, entretanto, a Av. Aguanambi resultou em maior atraso.

Tabela 9 - Teste estatístico de comparação da velocidade e atraso entre diferentes grupos

Velocidade Atraso
Variáveis Valor-p Valor-p
(m/s) (s)
Homens 1,59 13,6
Gênero 2,06E-08 0,03
Mulheres 1,50 19,7
Jovem 1,71 13,6
Faixa etária Adulto 1,57 <0,05 16,5 >0,05
Idoso 1,33 17,1
Sozinho 1,58 11,1
Agrupamento 1,5E-08 4,03E-5
2 ou mais 1,49 24,9
Conformidade Verde 1,47 19,7
1,68E-13 0,013
temporal Vermelho 1,59 14,3
Interação com Sim 1,62 13,5
3,67E-10 0,038
veículos Não 1,51 17,8
Aguanambi 1,52 18,9
Local Santos Dumont 1,53 >0,05 12,5 2,7E-05
Tristão Gonçalves 1,59 15,6
Fonte: elaborado pela autora
 56

5.3.3 Indicador de conflito

Para a análise do PET, buscou-se investigar o comportamento desses valores

separados por local. A Figura 17 mostra a distribuição da frequência e do boxplot dos
valores de PET em cada travessia analisada. Pode-se destacar que a maioria das
ocorrências se encontram na classe de 2s, resultando em um PET médio de 2,69s na
travessia I; 2,71s na II e 2,63s na III.

Figura 17 - Distribuição da frequência e boxplot dos valores de PET por local

Fonte: elaborado pela autora

Foi realizado um teste de normalidade Shapiro-Wilk em função do local e os

resultados indicam a rejeição da hipótese de normalidade (valores p<0,05). Em seguida
foi aplicado o teste ANOVA, comparando as médias dos três locais e foram obtidos
valores-p >0,05. Portanto não há evidências suficientes que indiquem diferença
significativa das médias entre os locais.

A Figura 18 mostra a distribuição da frequência e o boxplot dos dados em

função do gênero. Os valores médios de PET são 2,84s e 2,57s para as interações
envolvendo mulheres e homens, respectivamente. O teste t apresentou valor-p = 0,003, o
que indica que há evidências suficientes para rejeitar a hipótese de as médias serem iguais.
Portanto, tem-se a hipótese de os homens se envolverem em interações mais críticas, se
comparados às mulheres.
 57

Figura 18 - Distribuição da frequência de boxplot dos valores de PET por gênero

Fonte: elaborado pela autora

Em seguida, fez-se a comparação entre a faixa etária, conforme mostra a

Figura 19 , apresentando um PET médio de 2,47s para os jovens, 2,71s para os adultos e
2,57s para os idosos. Como são três variáveis, também se aplicou ANOVA que apresentou
valores-p >0,05 o que indica não haver evidências de que as médias de PET entre os
grupos de idade sejam diferentes.

Figura 19 - Distribuição da frequência e boxplot dos valores de PET por faixa etária

Fonte: elaborado pela autora

Quanto ao agrupamento das pessoas na travessia, conforme mostra a Figura

20, obteve-se um PET médio de 2,82s nas interações com pessoas em grupo e de 2,58s
com as pessoas sozinhas. O teste t resultou em um valor-p = 0,0099, indicando que há
diferença significativa entre as médias, portanto, as pessoas sozinhas tendem a se
 58

envolver em interações mais críticas do que as em grupo.

Figura 20 - Distribuição da frequência e boxplot dos valores de PET por agrupamento

na travessia

Fonte: elaborado pela autora

Quanto ao tipo de veículo envolvido na interação, representado na Figura 21,

obteve-se um PET médio de 2,72s nas interações envolvendo carros, 2,52s com as motos
e 2,91 com veículos pesados. A ANOVA foi significativa e o teste de Tukey apresentou
diferença significativa na comparação entre carro e moto (valor-p =0,04) e entre moto e
veículo pesado (valor-p = 0,03). Portanto, quanto menor o veículo na aproximação, mais
crítica pode ser a interação.

Figura 21 - Distribuição da frequência e boxplot dos valores de PET por tipo de veículo

Fonte: elaborado pela autora

 59

Por último, realizou-se uma comparação pelo tipo de interação (conversão ou

em frente), apresentada na Figura 22, resultando em um valor médio de PET de 2,53s nas
interações que ocorreram com o fluxo da conversão à direita da secundária e 2,83s nas
interações resultantes do fluxo que segue em frente na principal. O valor-p foi de 0,0003,
o que indica que há evidências para rejeitar a hipótese de que médias de PET são iguais.
Portanto, as interações que ocorrem com o fluxo da conversão à direita tendem ser mais
críticas, se comparadas àquelas ocorridas em frente.

Figura 22 - Distribuição da frequência e boxplot dos valores de PET por tipo de

interação

Fonte: elaborado pela autora

Quando analisadas apenas as interações mais críticas, com valores de PET<2s,

apenas o tipo de interação apresenta diferença significativa entre as médias, sendo 1,4s as
interações na conversão e 1,6s as interações em frente (valor-p<0,05). A distribuição
segue apresentada no boxplot do tipo violino na Figura 23.
 60

Figura 23 - boxplot dos valores de PET crítico por tipo de interação

Fonte: elaborado pela autora

5.3.4 Velocidade dos veículos na interação

Em relação ao tipo de veículo na interação, quando analisadas as velocidades

durante a interação, pode-se perceber que as motos apresentam velocidade
significativamente maior que os carros e veículos pesados, com média de 7,8m/s
(28km/h), 7,1m/s (25km/h) e 6,2m/s (22km/h), respectivamente, conforme mostra a
Figura 24. Tal fato se complementa com a hipótese anterior de as interações com motos
serem mais arriscadas, visto que quanto menor o veículo, maior a velocidade, portanto,
maior chance de proximidade na interação.

Figura 24 - Velocidade média dos veículos na interação

Fonte: elaborado pela autora

 61

A velocidade média dos veículos envolvidos nas interações não apresentou

diferença significativa entre as interações mais críticas (PET<2s) e as demais (PET>2s),
conforme apresenta a Figura 25. Os veículos na conversão apresentaram velocidade
média de 4,9m/s (17,7km/h) tanto nas interações críticas, como nas demais. Enquanto os
veículos nas interações em frente apresentaram velocidade média de 10,5m/s (37,8km/h)
nas críticas e 10,0m/s (36km/h) nas demais. Portanto, isso pode indicar, no geral, que a
velocidade dos veículos em interação não foi um fator significativo no risco, quanto aos
parâmetros do indicador proxy.

Figura 25 - Velocidade média dos veículos nas interações por tipo

Fonte: elaborado pela autora

Comparando a velocidade média dos veículos em interação em cada local, a

Aguanambi apresentou uma média 7,9m/s (28km/h); na Santos Dumont foi de 8,3m/s
(30km/h); e na Tristão Gonçalves foi de 5,9m/s (21km/h), conforme representado na
Figura 26. Foi identificada uma diferença significativa (valor-p<0,05) entre as travessias
I e III; e travessias II e III. Vale destacar que nos três locais a velocidade dos veículos em
interação não se aproximou do limite permitido, e, portanto, a velocidade limite da via
parece não ser um fator significativo para as interações. Essa diferença provavelmente
está relacionada a questões operacionais, como o grau de saturação da via e, o tipo da
interação envolvida, visto que as interações na conversão tendem a ocorrer com
velocidades menores, e na travessia III foi o tipo que predominou, por exemplo.
 62

Figura 26 - Velocidade média dos veículos em interação por local

Fonte: elaborado pela autora

5.3.5 Fluxo x interação

A Tabela 10 mostra uma relativização do total de interações, pelo total de

movimentos (veículos), para cada tipo de interação (frente e conversão). Pode-se destacar
a maior proporção de interações com os movimentos de conversão na Aguanambi (14%).
Apenas 4% do fluxo de veículos que passa nesta travessia, é resultante da conversão à
direita, entretanto, é onde ocorre a maioria das interações. Isso pode estar relacionado
com o fato de os pedestres acharem mais brechas quando o fluxo na secundária está verde,
devido a menor quantidade de veículos convergindo na travessia. Em contrapartida, tem-
se um fluxo bastante intenso na principal, que resulta em menos brechas suficientes para
uma possível violação do semáforo

Tabela 10 - Relação entre o total de interações na travessia e fluxo de veículos

Fluxo Total de
Fluxo Total de
total interações Relação Relação
Travessia total na interações
em na (frente) (conversão)
conversão em frente
frente conversão
Aguanambi 19044 828 102 116 0,5% 14,0%
Santos D. 11040 5352 165 89 1,5% 1,7%
Tristão G. 8224 2664 85 219 1,0% 8,2%
Fonte: elaborado pela autora

Para tentar compreender melhor o comportamento do fluxo veicular, optou-

se por estimar o grau de saturação nas vias principais para representar de forma uniforme
 63

as informações das três travessias analisadas. Essa uniformização é importante visto que
existem diferenças quanto ao ciclo semafórico, volume e número de faixas, por exemplo.

Considerando as vias principais, são analisados os movimentos dos veículos

em frente. Portanto, a travessia I apresentou uma relação volume/capacidade média de
0,49; a travessia II de 0,34; e a travessia III de 0,57. Pode-se destacar que a travessia II
foi a que apresentou menor grau de saturação na via principal e é a que predomina as
interações com os veículos em frente, enquanto nas demais predominam as interações
com os veículos na conversão.

O Gráfico 1 mostra a dispersão entre a proporção de travessias com interações

em frente e a relação volume/capacidade da via principal, agregados em intervalos de 1h.
Pode-se notar que os dados apresentam correlação de Pearson de -0,69, indicando que
quanto mais saturada a via, menor a proporção de pedestres que se envolveram em
interação. Em seguida, para complementar a análise, foi plotado o atraso médio do mesmo
intervalo, e pode-se perceber que quanto mais saturada a via, maior o atraso dos pedestres
(r=0,67).

Gráfico 1 - Dispersão dos dados de interação, atraso e volume/capacidade

Relação de interações/atraso com fluxo de veículos
80% 25

20
% de pedestres em Interação

60%
15
Atraso (s)
40%
10
20%
5

0% 0
0,25 0,35 0,45 0,55 0,65
V/C
% Interações Atraso Linear (% Interações) Linear (Atraso)

Fonte: elaborado pela autora

No Gráfico 2 foram plotados os valores médios de PET das interações em

frente, no mesmo intervalo, também em relação ao grau de saturação das vias. Foi obtida
uma correlação r = -0,59, o que indica que quanto mais intenso é o fluxo, mais próximas
foram as interações entre pedestres e veículos, e consequentemente mais arriscadas.
 64

Gráfico 2 - Dispersão dos dados de interação, PET e volume/capacidade

Relação de interações e PET com fluxo de veículos
80% 4
% de pedestres em Interação

3,6
60%
3,2

PET (s)
40%
2,8
20%
2,4

0% 2
0,25 0,35 0,45 0,55 0,65
V/C
% Interações PET Linear (% Interações) Linear (PET)

Fonte: elaborado pela autora

A partir da dispersão dos dados de interação, atraso e PET com o grau de

saturação das vias, pode-se levantar a hipótese de que quanto mais intenso é o fluxo
veicular, menor é a proporção de pedestres que se arriscam em atravessar durante a
indicação vermelha, resultando em menos interações, e, consequentemente, em um maior
atraso. Entretanto, as interações apesar de ocorrerem em menor proporção, tendem a ser
mais arriscadas quando o fluxo é mais intenso.

Para verificar o efeito do padrão de chegada dos pedestres na travessia, e se

essa chegada se concentra em algum momento, optou-se por classificá-la de acordo com
a operação do ciclo semafórico, conforme o tempo do ciclo e a intensidade do fluxo:

a) Descarga de fila, quando o pedestre chega no início do verde da principal,

com um headway médio veicular menor que 3s;
b) Fluxo contínuo, quando chega no meio do verde da principal, com um
headway médio veicular entre 3s e 5s;
c) Fluxo livre, no fim do verde da principal, com um headway médio veicular
maior que 5s;
d) Verde/Piscante, quando chega no estágio do pedestre;
e) Secundária, quando chega no verde da secundária.

A distribuição das chegadas segue apresentada no Gráfico 3, no qual

verificou-se que as chegadas são bem distribuídas ao longo do ciclo. Pode-se perceber,
 65

que no geral, a maioria dos pedestres chegou na travessia durante o verde da principal
(42%), seguidos dos que chegaram no verde da secundária (38%) e uma menor parcela
que chegou durante o estágio do pedestre (19%). Além disso, como os intervalos têm
tempos diferentes, verificou-se a proporção média dos tempos de cada intervalo em
relação ao ciclo total, e pode-se perceber que a proporção da chegada dos pedestres é
equivalente à proporção dos intervalos do ciclo.

Gráfico 3 - Distribuição da chegada dos pedestres na travessia

Padrão de chegada do pedestre na travessia
45%
40%
35%
30%
25%
20%
15%
10%
5%
0%
Descarga de fila Contínuo Livre Verde/Piscante Secundária

Pedestres na chegada Proporção do tempo de ciclo

Fonte: elaborado pela autora

O Gráfico 4 mostra o atraso médio conforme a chegada do pedestre na

travessia, em relação ao ciclo semafórico. Pode-se notar que, como esperado, aqueles que
chegam durante a descarga de fila (início do verde da principal) são os que apresentam
maior atraso, principalmente aqueles que não se envolveram em interação. Já os que se
envolveram em interação são os que apresentam menores atrasos. O atraso vai reduzindo
conforme o tempo do ciclo, ou seja, os que chegam durante o verde do pedestre com
atraso de 0s. Os que chegam durante o verde da secundária esperam menos na travessia,
pois encontram mais brechas longas.
 66

Gráfico 4 - Atraso médio conforme a chegada do pedestre

Atraso médio de acordo com a chegada do pedestre
60

50

40
atraso (s)

30

20

10

0
Descarga de fila Contínuo Livre Verde/Piscante Secundária
Sem interação Oportunista Interação

Fonte: elaborado pela autora

5.4 Classificação da severidade das interações

Para a classificação da severidade, foi aplicado o método PVCA que busca

analisar todas as dimensões de um conflito, adaptado com os parâmetros do PET. O
método engloba tanto o risco de colisão, que é bem representado pelo indicador proxy,
bem como o risco de lesão, que necessita de uma análise mais subjetiva, e considera o
comportamento e ações evasivas dos usuários envolvidos.

A Figura 27 mostra o perfil de velocidade e de aceleração dos usuários durante

a interação por frame do vídeo, exemplificada na Figura 14. Com isso é possível
identificar o momento em que ação evasiva ocorreu, neste caso, pode-se perceber o
instante no qual o pedestre começa a acelerar (correr), e o veículo desacelera.
 67

Figura 27 - Perfil de velocidade e aceleração dos usuários

Fonte: elaborado pela autora

O Gráfico 5 mostra a distribuição das classes de severidade das interações
observadas, variando do conflito leve (1) ao mais grave (4). Pode-se perceber um
comportamento decrescente em relação a frequência na gravidade dos eventos, no qual
apresenta a grande maioria na classe de conflitos leves, cerca de 57%, e 43% nas classes
de conflitos sérios, sendo uma minoria na classe de conflitos mais críticos, com cerca de
3%.

Gráfico 5 - Classificação da severidade conforme o método PVCA

PVCA
500

400

300

200

100

0
1 - Leve 2 - Sério 3 - Sério 4 - Sério

Fonte: elaborado pela autora

 68

Para melhor analisar essa classificação das interações optou-se pela

construção de um modelo do tipo categórico logit multinomial (MLM). Tal modelo
consegue identificar a influência de uma variável em diferentes níveis de forma
independente, comumente utilizado no estudo da severidade de acidentes, tendo como
foco compreender como os fatores de risco podem impactar nas probabilidades previstas
em cada nível investigado.

O modelo busca analisar como as variáveis coletadas podem afetar a

classificação das interações, de acordo com a classificação do método PVCA. Optou-se
por reduzir as classes de severidade, resultando em conflitos leves (classe 1), moderados
(classe 2) e sérios (classes 3 e 4).

As variáveis para o modelo foram escolhidas de acordo com os dados

coletados, relacionadas à ocorrência das interações e associadas ao comportamento do
pedestre, aspectos dos condutores e da via. Além disso, foi necessário fazer uma
categorização de cada variável, e para as variáveis com mais de duas categorias, foram
criadas variáveis dummy, conforme mostra Tabela 11.

Para as variáveis contínuas, foram definidos valores de referência para

estabelecer os níveis desses dados. As velocidades de caminhada e dos veículos foram
classificadas de acordo com as velocidades médias coletadas, julgadas como os valores
típicos dos usuários analisados. Já para o atraso, o valor de referência foi estabelecido de
acordo com o HCM, que é de 30s. As categorias atribuídas ao valor 0 são consideradas
como referência para a estimação do modelo.
 69

Tabela 11 - Variáveis selecionadas e categorização

Variáveis Categorização
Gênero 0 – Homem; 1 – Mulher
Jovem 1 – pedestre com menos de 18 anos; 0 – Outra idade
Adulto * pedestre entre 18 e 59 anos;
Idoso 1 – pedestre com mais de 59 anos; 0 – Outra idade
Conformidade espacial 0 – Atravessou na faixa; 1 – Fora da faixa
Agrupamento 0 – Sozinho; 1 – Grupo
Velocidade de caminhada 0 – <1,52m/s; 1 – >1,52m/s
Atraso 0 – <30s; 1 – >30s
Descarga de Fila 1 – pedestre chegou no início do verde da principal; 0 – Outro
Contínuo * pedestre chega no meio do verde da principal
Livre 1 – pedestre chegou no fim do verde da principal; 0 – Outro
Verde/Piscante 1 – pedestre chegou no início estágio do pedestre; 0 – Outro
Secundária 1 – pedestre chegou no verde da secundária; 0 – Outro
Carro 1 – veículo na interação é um carro; 0 – Outro
Moto * veículo na interação é uma moto
Veículo Pesado 1 – veículo na interação é pesado; 0 – Outro
Velocidade do veículo 0 – <8,5m/s; 1 – >8,5m/s
Tipo de interação 0 – Em frente; 1 – Conversão
Severidade do conflito 0 – Leve; 1 – Moderado; 2 – Sério
* Variável de referência
Fonte: elaborado pela autora

O modelo foi testado considerando todas as variáveis selecionadas. Dos

fatores investigados, somente as variáveis referentes ao gênero, agrupamento, à chegada
do pedestre, ao tipo de veículo e tipo de interação, foram estatisticamente significativas
em pelo menos uma das categorias. As demais variáveis que não foram significativas
foram removidas da análise.

A Tabela 12 sintetiza os resultados dos parâmetros estimados para o modelo.

A partir da análise dos coeficientes pode-se obter informações sobre o efeito das variáveis
sobre classificação das interações, no qual um sinal negativo, por exemplo, indica uma
diminuição na probabilidade de um nível em relação a categoria de referência.
 70

Tabela 12 - Parâmetros estimados do modelo MLM

Conflito moderado Conflito sério
Coeficiente Valor-p Coeficiente Valor-p
Intercepto -1,11 1,57E-08 -2,84 9,67E-12
Gênero -0,07 0,555 -0,45 0,014
Grupo -0,44 0,600 -0,66 0,001
Tipo de interação 0,49 0,0001 0,45 0,012
Carro -0,19 0,11 -0,45 0,006
Veículo Pesado -0,35 0,12 -1,54 0,004
Livre -0,49 0,01 0 0,61
Secundaria -0,25 0,07 0,05 0,04
Log likelihood -707,33
Teste de verossimilhança χ² = 60,77 (valor p = 8,59E-08)
Hosmer-Lemeshow χ² = 5,05 (valor p = 0,9)
R² de McFadden 0,04
AIC 1446,66
Fonte: elaborado pela autora

A qualidade do ajuste do modelo pode ser analisada por meio do teste de

verossimilhança e do teste de Hosmer-Lemeshow. No primeiro, pode-se notar
significância aproximadamente igual a zero, o que indica que as variáveis independentes
melhoram o ajuste. Já o segundo, assume a hipótese nula de que o modelo segue um bom
ajuste, e o valor-p indica que não há evidências para rejeitar tal hipótese.

São apresentados o R² de McFadden, que varia entre 0 e 1 e mede alterações

nas funções de probabilidade e AIC, que é uma medida de ajuste baseada na
verossimilhança. Quanto maior os valores de R² e menor os de AIC, maiores são os
indícios de um bom modelo; esses parâmetros são importantes para comparar o
desempenho entre modelos, eles não fornecem interpretação quando vistos de forma
isolada.

A Tabela 13 mostra a pseudoelasticidade do modelo. Esse procedimento

compara as probabilidades estimadas de ocorrência no cenário de referência com um novo
cenário, em que apenas uma variável é modificada por vez. Isso possibilita verificar os
efeitos parciais das variáveis utilizadas na variável resposta (severidade da interação).
 71

Tabela 13 - Pseudoelasticidade
Variáveis Referência Leve Moderado Sério
Gênero Homem 2% - -35%
Grupo Sozinho 2% - -47%
Livre Contínuo 10% -33% -
Secundária Contínuo 1% - 5%
Carro Moto 2% - -35%
Veículo Pesado Moto 3% - -78%
Tipo de interação Em frente -15% - 33%
Fonte: elaborado pela autora

Nas variáveis gênero e grupo, pode-se interpretar que as mulheres têm menos
35% de chances de se envolverem em conflitos sérios, se comparadas aos homens; e as
pessoas em grupo têm menos 47% de chances de se envolverem em conflitos sérios que
aquelas sozinhas. Com as variáveis livre e secundária, é possível interpretar que quando
o pedestre chega durante o fluxo livre, tem mais 10% de chance de se envolver em um
conflito leve, e quando chega durante o verde da secundária, tem mais 5% de chances de
resultar em um conflito sério.

Quanto ao tipo de veículo envolvido na interação, se comparado às motos, os

carros e veículos pesados têm menos 35% e 78% de chances, respectivamente, de
resultarem em conflitos sérios. As interações provenientes do movimento de conversão à
direita, têm 33% mais chances de resultarem em conflitos sérios, que aquelas decorrentes
do movimento em frente.
 72

CAPÍTULO 6: CONSIDERAÇÕES FINAIS

Esta pesquisa apresentou uma análise sobre as interações entre pedestres e

veículos em travessias urbanas de interseções semaforizadas na cidade de Fortaleza. As
interações foram caracterizadas a partir da estimação de conflitos de tráfego, para então
classificar a severidade, com os indicadores de conflito e aspectos comportamentais dos
usuários, buscando ainda verificar o efeito das caraterísticas dos pedestres e dos atributos
da via na intensidade das interações.

A partir da revisão da literatura foi possível identificar os principais fatores

que influenciam o comportamento do pedestre na travessia, bem como os fatores de risco
aos quais estão expostos. Fatores como gênero, idade, presença de outras pessoas, fluxo
veicular, número de faixas, entre outros, podem influenciar aspectos do comportamento
que afetam a velocidade de caminhada, aceitação de brechas, violação semafórica e as
interações na travessia.

Foram analisadas três travessias em um total de 32h de vídeo, na Av.

Aguanambi (I), Av. Santos Dumont (II) e Av. Tristão Gonçalves (III). A coleta resultou
em um total de 2224 travessias, das quais 35% foram travessias no vermelho que
resultaram em interações com o tráfego de veículos da via principal e da conversão à
direita na secundária.

A partir da caracterização das travessias foi possível perceber que, no geral, a

maioria dos pedestres são homens (56%), adultos (75%), predominantemente sozinhos
(62%) e vulneráveis (atravessaram no vermelho) (63%). Comparando os locais, percebeu-
se maior fluxo de pedestres na travessia I, porém mais interações ocorreram na III. Isso
pode ocorrer devido um conjunto de fatores, como o fluxo veicular, disponibilidade de
brechas e padrão de chegada, que leva à alta proporção de pedestres vulneráveis nessa
travessia (cerca de 77%), gerando maior possibilidade de interações.

A análise exploratória das relações entre as variáveis coletadas, indicou que

o homem tende a atravessar no vermelho do pedestre 12% a mais que as mulheres, bem
como aqueles que andam sozinhos (REN et al., 2011; GUO et al., 2011). Entretanto não
foi comprovada relação entre a faixa etária e esse comportamento. Além disso, o
comportamento mais arriscado do homem, se complementa com fato de eles caminharem
 73

mais rápido e se submeterem a menores esperas na travessia, tendendo a aceitar brechas

menores para iniciarem a travessia. Comportamento semelhante ao dos pedestres
envolvidos nas interações (SUN et al., 2003; SHI et al., 2007; MARISAMYNATHAN &
VEDAGIRI, 2013).

Quanto as interações, os dados seguem o mesmo padrão do perfil do pedestre

na travessia, com mais homens adultos envolvidos nesses eventos. A dispersão dos dados
de proporção de interações em frente por total de travessias, e o grau de saturação da via,
mostra uma correlação negativa, indicando que quanto mais intenso é o fluxo veicular,
menos ocorrências de interações, e consequentemente, maior o atraso. A hipótese é que o
pedestre se sente mais propenso a atravessar no vermelho quando o fluxo está baixo, com
mais brechas disponíveis, o que resulta em algum tipo de interação, geralmente mais
leves, como esperado.

Em relação às interações medidas com o PET, os homens apresentaram

valores de PET 10% menores que as mulheres, o que vai de acordo com a hipótese
relacionada a tendência de um comportamento mais arriscado por parte dos homens,
especialmente em relação às brechas disponíveis para travessia, nas quais as mulheres
têm um padrão de aceitação de risco diferente dos homens (ROSENBLOOM, 2009;
CHANDRA et al., 2014; CHAUDHARI et al., 2020). Os pedestres sozinhos
apresentaram valores 8% menores que aqueles que andam em grupo, isso leva à hipótese
de que as pessoas em grupo tendem a esperar por brechas maiores (ONELCIN E ALVER,
2015)

No que diz respeito à severidade das interações, utilizando o método PVCA,

foi possível observar uma predominância de interações leves (57%); seguida das
moderadas (30%) e das sérias (13%). A análise foi complementada com a construção de
um modelo categórico MLM, mostrando que, de fato, as mulheres têm menos chances de
se envolverem em situações mais arriscadas, assim como aqueles que andam em grupo.

As interações com motocicletas apresentaram valores de PET 7% menores

que aquelas com carros, e 13% menores se comparadas com os veículos pesados. Isso
pode indicar que o pedestre tende a se arriscar mais quando o veículo na aproximação é
menor (HAMED, 2001). O modelo indicou que essas interações têm mais chances de
serem sérias, e isso pode estar relacionado ao fato de veículos menores geralmente
 74

transitarem com velocidades maiores, o que pode resultar em interações mais próximas
(PAWAR E PATIL, 2015). Além disso, as motos também apresentam um padrão de
movimento mais livre e imprevisível, o tamanho, agilidade e imprevisibilidade do veículo
deve levar a contatos mais próximos, entretanto vale destacar também que acidentes com
esses veículos geralmente têm consequências menos graves que aqueles com veículos
maiores.

Quanto ao tipo da interação, aquelas que ocorrem com o fluxo na conversão

à direita também se mostraram mais críticas, com valores de PET 11% maiores. De acordo
com o modelo, esse tipo de interação de fato tende a ser mais séria, e isso pode ocorrer
devido a visibilidade dos usuários (motorista e pedestre) ou falha no julgamento da brecha
segura para travessia. Além disso, está em consonância com o fato desses movimentos
estarem mais ligados aos atropelamentos de pedestres (MUKHERJEE E MITRA, 2020).

Outro ponto importante é que as interações com os pedestres que chegaram

durante o verde da secundária também tendem a ser mais sérias, provavelmente porque
resultam em interações com veículos na conversão. Já os pedestres que chegam durante
o final do verde da principal, tendem a se envolverem em interações mais leves,
provavelmente porque no fim do ciclo o pelotão de veículos já escoou, resultando em
brechas maiores e menos arriscadas.

Quanto aos atributos da via, como número de faixas e o limite de velocidade,

não foi possível identificar diferenças significativas entre os locais, no que diz respeito
ao desempenho do indicador de conflito. Ao comparar a velocidade dos veículos
envolvidos em interação em cada local, pode-se verificar uma diferença na sua velocidade
média, o que pode estar relacionado ao grau de saturação da via e ao tipo da interação que
predomina na travessia. Entretanto, essas velocidades não foram próximas da velocidade
permitida da via.

Os conflitos de tráfego têm suas próprias características e podem apresentar

questões como inconsistência na identificação do conflito, curtos períodos de observação
e até mesmo viés de amostragem. Além disso, a correlação espacial entre as variáveis e a
heterogeneidade não observada precisam ser abordadas em mais estudos. É interessante
investigar um grupo maior de travessias para tentar compreender melhor a influência de
aspectos da infraestrutura da via nas interações. Também pode-se recomendar aprofundar
 75

a análise de forma mais microscópica no que diz respeito ao efeito dos atributos
operacionais da via, como a relação do fluxo, do ciclo semafórico e do padrão de chegada
dos usuários.

É importante incorporar métodos que otimizem a coleta de dados, como

técnicas de visão computacional que possam contribuir também para a definição da
severidade do conflito, incorporando os aspectos comportamentais dos usuários durante
a interação. Além disso, vale ressaltar que existem condições heterogêneas de tráfego, nas
quais o comportamento dos usuários das vias pode ser diferente, assim como a severidade
desses eventos, uma vez que, dependendo do contexto urbano, e até mesmo de
características culturais de cada local, os usuários podem aceitar proximidades maiores
entre si.

Quanto aos modelos que englobam interações com pedestres, é importante

que trabalhos futuros abordem questões relacionadas à correlação da gravidade e ao
desenvolvimento de métodos para compreender a relação conflito-sinistro. Modelos que
busquem compreender tanto a frequência quanto a gravidade do sinistro, juntamente com
a inclusão dos fatores comportamentais. A partir disso, pode ser possível melhorar a
compreensão da sequência de eventos que leva à ocorrência de colisões e promover ainda
mais o uso de técnicas de conflito de tráfego em estudos de segurança viária.
 76

REFERÊNCIAS BIBLIOGRÁFICAS

ALLEN B. L., B. T. Shin, and Cooper P. J., “Analysis of traffic conflicts and collisions,”
Transportation Research Record,vol. 667, pp. 67–74, 1978.

ALMODFER, R., Xiong, S., Fang, Z., Kong, X., & Zheng, S. (2015). Quantitative
analysis of lane-based pedestrian-vehicle conflict at a non-signalized marked crosswalk.
Transportation Research Part F: Traffic Psychology and Behaviour (in press)

ARIOTTI, Paula. Análise do padrão de comportamento de pedestres em travessias

semaforizadas. 2006.

BREWER, Marcus; Fitzpatrick, Kay; Whitacre, Jeffrey; Lord, Dominique (2006).

Exploration of Pedestrian Gap-Acceptance Behavior at Selected Locations.
Transportation Research Record: Journal of the Transportation Research Board, 1982(),
132–140. doi:10.3141/1982-18

BROSSEAU M, Zangeneh Pours, Saunier N, Miranda-Moreno L. The impact time of

waiting time and other factors on dangerous pedestrian crossings and violations at
signalized intersections: A case study in Montreal. Transp Res Part F Traffic Psychol
Behav. 2013 Nov;21, 159-172.

CAFISO, S., A. G. García, R. Cavarra, M. A. R. Rojas (2011) Crosswalk Safety

Evaluation Using a Pedestrian Risk Index as Traffic Conflict Measure. 3rd International
Conference on Road Safety and Simulation, Indianapolis, USA, 14-16 September 2011

CHANDRA, S., Rastogi, R. & Das. V. R, (2014) Descriptive and parametric analysis of
pedestrian gap-acceptancein mixed traffic conditions. KSCE Journal of Civil Engineering,
18(1), 284-293.

CHAUDHARI, Avinash R.; Gore, Ninad; Arkatkar, Shriniwas; Joshi, Gaurang;

Pulugurtha, Srinivas S. (2020). Deriving Pedestrian Risk Index by Vehicle Type and Road
Geometry at Midblock Crosswalks under Heterogeneous Traffic Conditions. Journal of
Transportation Engineering, Part A: Systems, (2020), 04020123, 146(10)

CLOUTIER, Marie‐Soleil, Ugo Lachapelle, Andrée‐Anne d’Amours‐Ouellet, Jacques

Bergeron, Sébastien Lord, and Juan Torres. 2017. "“Outta my way!” Individual and
environmental correlates of interactions between pedestrians and vehicles during street
crossings." Accident Analysis & Prevention 104 (July):36‐45. doi:
10.1016/j.aap.2017.04.015.

CUNTO, F. J. C. (2008) Assessing Safety Performance of Transportation Systems Using

Microscopic Simulation. Tese de Doutorado, Department of Civil and Environmental
Engineering, University of Waterloo, Ontário, Canadá.

DOMMES, A. et al. Red light violations by adult pedestrians and other safety-related
behaviors at signalized crosswalks. Accident Analysis and Prevention, [s. l.], v. 80, p. 67–
75, 2015. DOI 10.1016/j.aap.2015.04.002
 77

EWING R, Schieber RA, Zegeer CV (2003) Urban sprawl as a risk factor in motor vehicle
occupant and pedestrian fatalities. Am J Public Health 93(9):1541–1545

FU, Ting; Miranda-Moreno, Luis; Saunier, Nicolas (2018). A novel framework to

evaluate pedestrian safety at non-signalized locations. Accident Analysis & Prevention,
111(), 23–33. doi:10.1016/j.aap.2017.11.015

GUO, Hongwei; Gao, Ziyou; Yang, Xiaobao; Jiang, Xiaobei (2011). Modeling Pedestrian
Violation Behavior at Signalized Crosswalks in China: A Hazards-Based Duration
Approach. Traffic Injury Prevention, 12(1), 96–103. doi:10.1080/15389588.2010.518652

GUO, Y., Sayed, T., Zaki, M., 2018. Exploring evasive action based indicators for PTW
conflicts 52in shared traffic facility environments. Journal of Transportation Engineering,
Part A: Systems 144, 04018065.

HAMED, M.M. (2001). Analysis of pedestrian behaviour at pedestrian crossings. Safety

Science, 38 (1), 63-82.

HAYWARD, J. C. (1971) Near misses as a measure of safety at urban intersections.

Master thesis, The Pennsylvania State University, Department of Civil Engineering

HYDÉN, C., 1987. The Development of a Method for Traffic Safety Evaluation: The
Swedish Traffic Conflicts Technique. Lund, Sweden, Department of Traffic Planning and
Engineering, Lund University

INDEV, 2015. In-Depth understanding of accident causation for Vulnerable road users.
Review of current study methods for VRU safety. Appendix 6 – Scoping review:
surrogate measures of safety in site-based road traffic observations. Warsaw University
of Technology, Poland. Disponível em <https://cordis.europa.eu/project/id/635895>

ISMAIL, K., Sayed, T. & Saunier, N., 2009. Automated Analysis of Pedestrian–Vehicle
Conflicts Context for Before-and-After Studies. Transportation Research Record: Journal
of the Transportation Research Board, No. 2198, Transportation Research Board of the
National Academies, pp. 52-64.

JACOBSEN, A. C. (2011) Microssimulação da travessia de pedestres, Universidade

Federal do Rio Grande do Sul, Porto Alegre, Brasil.

JACOBSEN, André; Cybis, Helena (2011). Microssimulação da travessia de pedestres:

coleta de dados para calibração de modelos. Transportes, v.19 p.79 2011. DOI
10.14295/transportes.v19i2.509

JOHNSSON, Carl; Laureshyn, Aliaksei; & Ceunynck, Tim De (2018) In search of

surrogate safety indicators for vulnerable road users: a review of surrogate safety
indicators, Transport Reviews, 38:6, 765-785, DOI: 10.1080/01441647.2018.1442888

KADALI, B. R., & Vedagiri, P. (2016). Proactive pedestrian safety evaluation at

unprotected mid-block crosswalk locations under mixed traffic conditions. Safety Science,
89,94–105. doi:10.1016/j.ssci.2016. 05.014
 78

KAPARIAS, I. et al., 2010. Development and Implementation of a Vehicle–Pedestrian

Conflict Analysis Method. Transportation Research Record: Journal of the Transportation
Research Board, Volume No. 2198, pp. 75-82.

KAPARIAS, I. et al. Analysis of pedestrian–vehicle traffic conflicts in street designs with

elements of shared space. Transportation research record, v. 2393, n. 1, p. 21-30, 2013.

LAURESHYN, A., Svensson, Å. & Hydén, C., 2010. Evaluation of Traffic Safety, Based
on Micro- Level Behavioural Data: Theoretical Framework and First Implementation.
Accident Analysis and Prevention, Volume 42, p. 1637–1646.

LAURESHYN, A., Johnsson, C., De Ceunynck, T., Svensson, Å., de Goede, M., Saunier,
N., & Daniels, S. (2016). Review of current study methods for VRU safety. Appendix 6–
Scoping review: surrogate measures of safety in site-based road traffic observations.

LIU, R.; SILVA, J. P. C.; SECO, Á. J. DA M. A Bi-Modal Microsimulation Tool for the
Assessment of Pedestrian. Ninth International Association of Travel Behaviour Research
Conference, n. July, p. 1–17, 2000.

LORD, D. Analysis of Pedestrian Conflicts with Left-Turning Traffic. In Transportation

Research Record 1538, TRB, National Research Council, Washington, D.C., 1996, pp.
61–67

LORD D, Smiley A, Haroun A., 1997. Pedestrian accidents with left-turning traffic at
signalized intersections: characteristics, human factors and unconsidered issues.

MARGON, Patrícia Vilela. O comportamento dos pedestres durante a travessia de vias

em faixas não semaforizadas. 2016. xvi, 184, 9 f., il. Tese (Doutorado em Transportes)—
Universidade de Brasília, Brasília, 2016.

MARISAMYNATHAN, S.; VEDAGIRI, P. (2013) Modeling pedestrian delay at

signalized intersection crosswalks under mixed traffic condition. Procedia-social and
behavioral sciences, v. 104, p. 708-717, 2013.

MARISAMYNATHAN, S.; VEDAGIRI, P. (2018) Modeling pedestrian crossing

behavior and safety at signalized intersections. Transportation research record, v. 2672, n.
31, p. 76-86, 2018.

MARISAMYNATHAN, S., & VEDAGIRI, P. (2020). Pedestrian safety evaluation of

signalized intersections using surrogate safety measures. Transport, 35(1), 48-56.
https://doi.org/10.3846/transport.2020.12157

MUKHERJEE, D.; MITRA, S. (2020). Comprehensive Study of Risk Factors for Fatal
Pedestrian Crashes in Urban Setup in a Developing Country. Transportation Research
Record: Journal of the Transportation Research Board, (), 036119812092580–.
doi:10.1177/0361198120925804

NI, Ying; Wang, Menglong; Sun, Jian; Li, Keping (2016). Evaluation of pedestrian safety
at intersections: A theoretical framework based on pedestrian-vehicle interaction patterns.
Accident Analysis & Prevention, 96(), 118–129. doi:10.1016/j.aap.2016.07.030
 79

OLSZEWSKI, Piotr; Czajewski, Witold; Szagała, Piotr; Osińska, Beata; Włodarek,

Paweł (2019). Investigation of traffic conflicts at signalised intersections in Warsaw.
MATEC Web of Conferences, (2019), 05009, 262.
https://doi.org/10.1051/matecconf/201926205009

ONELCIN, P.; ALVER, Y. Illegal crossing behavior of pedestrians at signalized

intersections: Factors affecting the gap acceptance. Transportation Research Part F:
Traffic Psychology and Behaviour, [s. l.], v. 31, p. 124–132, 2015. DOI
10.1016/j.trf.2015.04.007

PAWAR, D. S.; PATIL, G. R. (2015). Pedestrian temporal and spatial gap acceptance at
mid-block street crossing in developing world. Journal of Safety Research, 52(), 39–46.
doi:10.1016/j.jsr.2014.12.006

PEDEN M et al., eds. World report on road traffic injury prevention. Genebra, OMS, 2004.

PERKINS, S. R. & HARRIS, J. I., 1968. Traffic Conflict Characteristics: Accident

Potential at Intersections. Highway Research Record, Volume 225, pp. 35-43.

PIETRANTONIO, H. E TOURINHO, L.B.: “A Decision BasedCriterion for Selecting

Parameters in Evaluating of Pedestrian Safety Problems with the Traffic Analysis
Technique”. In Transportation Planning and Technology, Vol. 29, No. 3, pp 183-216, 2006

PRIYADARSHINI, P.; MITRA, S. (2018). Investigating Pedestrian Risk Factors Leading

to Pedestrian Fatalities in Kolkata City Roads. Transportation in Developing Economies,
4(1), 1–. doi:10.1007/s40890-017-0054-9

REN, Gang; Zhou, Zhuping; Wang, Wei; Zhang, Yong; Wang, Weijie (2011). Crossing
Behaviors of Pedestrians at Signalized Intersections : Observational Study and Survey in
China. , 2264(-1), 65–73. doi:10.3141/2264-08

ROTHMAN, L.; Howard, A. W.; Camden, A.; Macarthur, C. (2012). Pedestrian crossing
location influences injury severity in urban areas. Injury Prevention, 18(6), 365–370.
doi:10.1136/injuryprev-2011-040246

SANTHOSH, Devika; Bindhu, B. K.; Koshy, Bino I. (2020) Evaluation of pedestrian

safety in unsignalized T and X – Intersections through comparison of the frequency and
severity of pedestrian conflicts. Case Studies on Transport Policy, (2020), 1352-1359, 8(4)

SAUNIER, N. e SAYED, T. (2007) Automated road safety analysis using video data. In
Transportation Research Record: Journal of the Transportation Research Board, No. 2019,
TRB, National Research Council, Washington, D.C., p. 57-64.

SAYED, T. & ZEIN, S., 1999. Traffic Conflict Standards for Intersections. Transportation
Planning and Technology, 22(4), pp. 309-323.

SHI, J. et al. Research on pedestrian behavior and traffic characteristics at unsignalized

midblock crosswalk: case study in Beijing. Transportation research record, v. 2038, n. 1,
p. 23-33, 2007.
 80

SISIOPIKU, V.P; AKIN, D. (2003). Pedestrian behaviors at and perceptions towards

various pedestrian facilities: an examination based on observation and survey data. , 6(4),
0–274. doi:10.1016/j.trf.2003.06.001

SONGCHITRUKSA, P. & TARKO, A. P., 2006. The extreme value theory approach to
safety estimation. Accident Analysis and Prevention, Volume 38, pp. 811-822.

SUN, D., Ukkusuri, S. K., Benekohal, R. F., & Waller, S. T. (2003). Modeling of motorist-
pedestrian interaction at uncontrolled mid-block crosswalks. Proceedings of the 82nd
TRB Annual Meeting, Transportation Research Board, Washington DC

SUZUKI, K., NAKAMURA, H., 2006. TrafficAnalyzer — the integrated video image
processing system for traffic flow analysis. In: Proceedings of the 13th World Congress
on Intelligent Transportation Systems, London.

SVENSSON, Åse; HYDÉN, Christer. Estimating the severity of safety related behaviour.
Accident Analysis & Prevention, v. 38, n. 2, p. 379-385, 2006.

TAGELDIN, Ahmed. The development of behavior-based traffic conflict indicators

through automated traffic safety analysis. Diss. University of British Columbia, 2018.

TAGELDIN, A., SAYED, T., 2016. Developing evasive action-based indicators for
identifying pedestrian conflicts in less organized traffic environments. Journal of
Advanced Transportation 50, 1193-1208.

TAGELDIN, A. E SAYED, T. Models to evaluate the severity of pedestrian-vehicle

conflicts in five cities. Transportmetrica A: Transport Science, v. 15, n. 2, 2019.

TAGELDIN, A., Sayed, T., Wang, X., 2015. Can time proximity measures be used as
safety indicators in all driving cultures? A case study of motorcycle safety in China.
Transportation Research Record: Journal of Transportation Research Board 2520, 165-
174.

TEFFT. B. Impact speed and a pedestrian’s risk of severe injury or death. Accident
Analysis & Prevention, 2013, 50: 871–878.

TRANSPORTATION RESEARCH BOARD. Highway Capacity Manual. Transportation

Research Board, National Research Council, Washington, DC, EUA, 2010.

WELLE, B., Li, W., Adriazola-Steil, C., King, R., Obelheiro, M., Sarmiento, C., & Liu,
Q. (2015). Cities safer by design.

WERBERICH, B. R.; PRETTO, C. O.; CYBIS, H. B. B. (2012). Análise e simulação de

comportamento de pedestres em momento de travessia. In: Anais 17º PANAM -
Congresso Panamericano de Engenharia de Trânsito, Transporte e Logística.
Universidade dos Andes - Santiago, Chile, 24 a 27 de setembro de 2012.

WHO (2018). World Health Organization: Global status report on road safety 2018.
Genova: World Health Organization.
 81

WHO (2013). Segurança de pedestres: Manual de segurança viária para gestores e

profissionais da área. Brasília, DF : OPAS, 2013. ISBN 978-92-75-71811-7

ZEGEER CV, BUSHELL M. (2012). Pedestrian crash trends and potential

countermeasures from around the world. Accident Analysis & Prevention, 2012, 44:3–11.

ZEGEER, C. V. et al. How to develop a pedestrian safety action plan. McLean: Federal
Highway Administration, 2006. Relatório n. FHWA-SA-05-12.

ZHANG, C., Zhou, B., Qiu, T.Z., Liu, S., 2018. Pedestrian crossing behaviors at
uncontrolled multi-lane mid-block crosswalks in developing world. J. Saf. Res. 64, 145–
154. https://doi.org/10.1016/j.jsr.2017.12.018.

ZHENG L., Sayed T., Mannering F. (2021). Modeling traffic conflicts for use in road
safety analysis: A review of analytic methods and future directions. Analytic Methods in
Accident Research, v. 29. 2021. DOI 10.1016/j.amar.2020.100142

ZHENG L., Wen C., Guo Y., Laureshyn A. (2021). Investigating consecutive conflicts of
pedestrian crossing at unsignalized crosswalks using the bivariate logistic approach.
Accident Analysis and Prevention, v. 162. 2021. DOI 10.1016/j.aap.2021.106402

ZHOU, B., Zhang, C., Peng, H., Lv, C., & Qiu, T. Z. (2016). Research on pedestrian
crossing behaviors at Unsignalizedmulti-lane mid-block crosswalk: A case study in China.
Transportation Research Board 95th annual meeting (No. 16-5671)