Modelos de previso de acidentes de trnsito em intersees semaforizadas de Fortaleza

Flvio Jos Craveiro Cunto , Manoel Mendona de Castro Neto e Davi Sales Barreira
1 2 3

Resumo: As intersees virias urbanas concentram grande parte dos acidentes de trnsito em virtude do elevado grau de interao entre usurios, veculos e via. Os modelos de previso de acidentes so modelos de regresso que relacionam a frequncia dos acidentes de trnsito com atributos geomtricos e operacionais da via e lidam, com relativo sucesso, com o elevado grau de aleatoriedade desse fenmeno. O objetivo deste trabalho desenvolver modelos de previso de acidentes de trnsito para intersees semaforizadas da cidade de Fortaleza, com nfase na metodologia para a construo de modelos simples e confiveis. Os modelos foram estimados com uma amostra de 101 intersees em funo do volume dirio mdio anual, nmero de faixas, nmero de aproximaes e tipo de separador central. O modelo contendo o fluxo e nmero de faixas apresentou desempenho satisfatrio para a predio do nmero total de acidentes de trnsito nas intersees semaforizadas avaliadas. DOI:10.4237/transportes.v20i2.558.
Palavras-chave: modelos de previso de acidentes, acidentes de trnsito, modelos lineares generalizados, modelagem de segurana viria.

Abstract: Urban road intersections concentrate a significant portion of traffic accidents due to the high degree of interaction between users, vehicles and road. Accident prediction models are regression models that establish a relationship between the frequency of traffic accidents and geometric and operational attributes of the road, dealing, with relative success, with the high degree of randomness of this phenomenon. The objective of this work is to develop traffic accident prediction models for signalized intersections located in the city of Fortaleza, with emphasis on the methodology for the development of simple and reliable models. The models were estimated based on a sample of 101 intersections, having as prediction variables annual average daily traffic (AADT), number of lanes, number of approaches, and type of central median. The model containing AADT and number of lanes showed satisfactory performance for the estimation of the total number of traffic accidents at the evaluated intersections.
Keywords: safety prediction models, safety performance functions, generalized linear models, road safety modeling.

1. INTRODUO Por ano, mais de um milho de pessoas so mortas e entre 20 e 50 milhes so gravemente feridas (Dinn-Zarr, 2008). Acidentes de trnsito so a principal causa de mortes em jovens entre 15 e 29 anos. Do ponto de visto econmico, os custos dos acidentes de trnsito chegam a mais de 30 bilhes de reais por ano (valor atualizado para junho de 2008), o que corresponde a aproximadamente 1,2% do PIB brasileiro (Ferraz, 2008; IPEA, 2003). Deste montante, aproximadamente 7 bilhes referem-se a acidentes em vias urbanas (IPEA, 2006). Com relao ao impacto causado na fluidez, colises de trfego so responsveis por 25% do congestionamento nos EUA e na Inglaterra (Alkaabi et al., 2011). Um estudo feito em Riyadh, capital da Arbia Saudita mostrou que cerca de 50% dos acidentes ocorreram em intersees, e destas, mais da metade foram consideradas severas (Al-Ghamadi, 2003). O processo de tomada de deciso no gerenciamento da segurana viria depende de indicadores que possam expressar de forma objetiva o nvel de segurana dos componentes de uma determinada rede de transportes
1

Flvio Jos Craveiro Cunto, Programa de Ps-Graduao em Engenharia de Transportes, Departamento de Engenharia de Transportes, Universidade Federal do Cear, Fortaleza, CE, Brasil. (e-mail: flaviocunto@det.ufc.br). 2 Manoel Mendona de Castro Neto, Programa de Ps-Graduao em Engenharia de Transportes, Departamento de Engenharia de Transportes, Universidade Federal do Cear, Fortaleza, CE, Brasil. (e-mail: manoel@det.ufc.br). 3 Davi Sales Barreira, Departamento de Engenharia de Transportes, Universidade Federal do Cear, Fortaleza, CE, Brasil. (e-mail: davibar1@gmail.com). Manuscrito recebido em 6/3/2012 e aprovado para publicao em 1/8/2012. Este artigo parte de TRANSPORTES v. 20, n. 2, 2012. ISSN: 2237-1346 (online). DOI:10.4237/transportes.v20i2.558. TRANSPORTES v. 20, n. 2 (2012) p. 5562

(AASHTO, 2010). Nesse sentido, pesquisadores tm procurado relacionar sries histricas de acidentes de trnsito com atributos geomtricos e operacionais da via com o uso de modelos estatsticos de regresso denominados modelos de previso de acidentes (MPA) ou funes de desempenho de segurana viria. Um dos principais objetivos dos MPA melhorar as anlises de segurana viria atravs de um controle mais rigoroso das caractersticas inerentes ao processo estocstico dos acidentes de trnsito, como o fenmeno de regresso mdia e a disperso excessiva dos dados (Hauer, 2002). Se por um lado os MPA tm sido explorados h mais de duas dcadas em pases como Canad, Estados Unidos, Inglaterra e Sucia, por outro lado, no Brasil seu estgio de desenvolvimento ainda incipiente. Os primeiros esforos de modelagem para o ambiente brasileiro podem ser atribudos pesquisa de doutoramento de Cardoso (2006) e sintetizados no trabalho posterior de Cardoso e Goldner (2007), nos quais foram analisados segmentos arteriais urbanos de Porto Alegre. Acredita-se que essa discrepncia possa ser atribuda em parte a problemas relacionados com a disponibilidade e qualidade das informaes sobre acidentes de trnsito associados relativa escassez de procedimentos para a calibrao e validao de modelos dessa natureza no mbito nacional. Este trabalho tem por objetivo desenvolver modelos de previso de acidentes de trnsito para intersees semaforizadas da cidade de Fortaleza com nfase nos aspectos necessrios para a construo de modelos simples e confiveis.

55

2. MODELOS DE PREVISO DE ACIDENTES A modelagem estatstica da segurana viria baseia-se na premissa de que a partir da frequncia de acidentes em vrios locais possvel, utilizando ferramentas estatsticas, determinar empiricamente como estratgias relacionadas ao projeto e operao do ambiente virio podem alterar as chances de ocorrncia de acidentes de trnsito (Davis, 2004). Nesse sentido os MPA tm sido amplamente considerados como uma das ferramentas mais promissoras na modelagem da natureza aleatria rara associada aos acidentes de trnsito. Inicialmente os MPA foram desenvolvidos a partir de modelos de regresso linear assumindo a normalidade dos erros e homocedasticidade. Essas suposies foram consideradas inconsistentes com a natureza e frequncia dos acidentes de trnsito (Hauer et al., 1988). Pesquisas posteriores confirmaram resultados promissores com a aplicao de modelos assumindo a distribuio do nmero observado de acidentes do tipo Poisson, ou a distribuio binomial negativa em casos onde os acidentes apresentam um padro consideravelmente disperso (varincia superior mdia) entre entidades similares (Bonneson e McCoy, 1993; Persaud e Mucsi, 1995). Uma alternativa possvel para lidar com esse padro excessivo de disperso dos dados, incompatvel com as suposies da regresso linear tradicional (distribuio normal) o emprego dos modelos lineares generalizados (Cunto, 2008; Cardoso, 2006). A formulao geral mais comum para os MPA em intersees encontrada na literatura pode ser expressa por (Hakkert et al., 1996; Sawalha e Sayed, 2006; AASHTO, 2010):

Lord, 2006). A Tabela 1 apresenta as principais caractersticas de MPA propostos para intersees. 3. METODOLOGIA PARA ESTIMAO DOS MPA A metodologia adotada para o desenvolvimento dos MPA nesse trabalho seguiu as seguintes etapas: definio dos objetivos da modelagem, escolha das variveis e definio da amostra, coleta de dados, estimao dos parmetros dos modelos investigados, avaliao e seleo do modelo mais adequado. O objetivo da modelagem estimar o nmero total de acidentes de trnsito e o nmero de acidentes de trnsito com vtimas feridas e fatais em intersees semaforizadas a partir de seus atributos fsicos e operacionais.
3.1. Escolha das variveis e definio da amostra

Y = [ i (Ai ) i ] e j

( j B j )

(1)

em que, Y: nmero esperado de acidentes em um intervalo de tempo (ano); A e B: vetores de variveis preditoras; e , , : vetores de coeficientes do modelo. A estimao dos coeficientes do modelo quase sempre feita com a utilizao de rotinas e aplicativos estatsticos como o GENSTAT, GENMOD no SAS e GLM no R os quais aplicam o mtodo da mxima verossimilhana e o algoritmo de otimizao Newton-Raphson (Hauer, 2002;

O processo de escolha das variveis para os MPA no possui critrios objetivos e, na maioria das vezes depende, alm dos objetivos do estudo, de fatores relacionados experincia do modelador e disponibilidade das informaes sobre o ambiente virio da entidade. Tomando por base os critrios descritos e considerando a frequncia com que certas variveis aparecem na literatura, as quatro variveis preditoras consideradas neste estudo foram volume dirio mdio anual (VDMA), nmero total de faixas da interseo, nmero total de aproximaes e presena ou no de canteiro central. A seguir sero apresentados aspectos adicionais que justificaram a incluso das variveis acima: VDMA: varivel de exposio que usualmente explica a maior parte da variao dos acidentes de trnsito em intersees; Nmero total de faixas: acredita-se que essa varivel aumente a frequncia de avanos de semforo (colises transversais) e frequncia de mudanas de faixas (colises laterais); Nmero de aproximaes: Uma via com mais de um sentido pode gerar maior interao entre os veculos, inclusive com converses proibidas alm de exigir um grau maior de ateno dos condutores; e Presena de canteiro central: possvel que sua presena possa de alguma forma reduzir a quantidade de acidentes entre veculos em sentidos opostos.

Tabela 1. Modelos de previso de acidentes de trnsito para intersees

Autores

Local

#Anos

Entidade #Int. Tipo de controle

Blanger (1994) Bonneson e McCoy (1993) Hauer et al. (1988) Persaud e Nguyen (1998) Sayed e Rodrigues (1999) Oh et al. (2004)

Quebec/CA Nebraska/EUA Toronto/CA Ontrio/CA Vancouver/CA Georgia, Califrnia, Michigan/EUA

3 3 6 3 6

149 125 145 500 419 460

No semaforizada No semaforizada Semaforizada Semaforizada No semaforizada Sem./No sem.

Variveis preditoras testadas VDMA total e por aproximao, distncia de visibilidade, presena de faixas de converso, limite de velocidade e indicao luminosa da interseo VDMA da via principal e secundria Fluxo veicular por hora e perodo do dia VDMA total, da principal e secundria VDMA da via principal e secundria 53 variveis preditoras

56

TRANSPORTES v. 20, n. 2 (2012) p. 5562

Assim como na escolha das variveis, um mtodo de definio da amostra para o desenvolvimento de MPA ainda no est satisfatoriamente estabelecido. De maneira geral procura-se controlar as variveis com objetivo de criar grupos de entidades homogneas para reduzir a influncia de fatores desconhecidos (ou no controlados) que reduzam o poder preditor do modelo. Bonneson e McCoy (1993) e Lord (2006) observam, entretanto, que o modelador deve evitar a criao de grupos excessivamente homogneos uma vez que isso pode culminar com amostras reduzidas comprometendo a obteno de valores estatisticamente significativos dos parmetros. Uma indicao mais objetiva do tamanho da amostra apresentada por Lord (2006) o qual recomenda, em funo da mdia dos acidentes de trnsito e do parmetro de disperso da distribuio binominal negativa, a utilizao de amostras com mais de 100 observaes. A amostra inicialmente planejada para este estudo tinha um total de 288 intersees semaforizadas da rede viria com controle centralizado do CTAFOR-Controle de Trfego em rea de Fortaleza. Essa amostra foi reduzida para 119 intersees semaforizadas em virtude de problemas no armazenamento dos dados de fluxo veicular junto ao CTAFOR. Uma anlise utilizando imagens areas do aplicativo Google Earth foi realizada para remover intersees com caractersticas consideradas atpicas e que poderiam influenciar negativamente os resultados. A seleo e remoo dessas intersees obedeceram aos seguintes critrios: Intersees com mais de quatro ramos; Intersees com ramos desalinhados; ngulo entre vias menor que 70 graus; Espaamento menor que 50 m entre intersees; e Intersees com estgio para converses esquerda. Um exemplo de intersees retiradas da amostra (espaamento menor que 50 metros) est ilustrado na Figura 1. Como resultado desse processo de seleo, 18 intersees foram eliminadas e, desta forma, a amostra utilizada no processo de modelagem foi composta por 101 intersees semaforizadas.

3.2. Coleta de dados e anlise descritiva da amostra das intersees semaforizadas

Os dados brutos de acidentes foram coletados pelo Sistema de Informaes de Acidentes de Trnsito de Fortaleza (SIAT-FOR). O SIAT-FOR um banco de dados informatizado e georeferenciado que compila os acidentes de trnsito registrado por 10 rgos responsveis pelo atendimento s ocorrncias de trnsito do municpio de Fortaleza desde o ano de 2000. Dentre as informaes disponveis no SIAT-FOR destacam-se: data, hora, local da ocorrncia (nome da via e nmero/referncia), tipo do acidente, veculos envolvidos, severidade do acidente (sem vtimas, com vtimas feridas, e com vtimas fatais), alm de informaes sobre as vtimas como gnero, idade, tipo (condutor, passageiro, pedestre, ciclista, etc). Os dados utilizados neste estudo referem-se ao ano de 2009 e tm como variveis de interesse o nmero de acidentes por aproximao categorizados de acordo com a severidade em dois tipos: nmero total de acidentes e nmero total de acidentes com feridos e fatais. Um aspecto importante sobre a coleta dos acidentes diz respeito sua localizao. O processo de coleta das informaes do rgo gestor de Fortaleza conta com 10 fontes diferentes de informaes e, apesar da existncia de rotinas de consistncia de dados e do georeferenciamento, no existe um procedimento padronizado para a alocao de um determinado acidente como sendo na interseo ou ao longo de um segmento. Uma anlise preliminar realizada em boletins de ocorrncia do rgo gestor de trnsito (AMC) sugere que, na maioria das vezes, os agentes atribuem a localizao do acidente como sendo na interseo quando o impacto inicial se deu no quadriltero formado pelo prolongamento das faixas de reteno das aproximaes (intersees semaforizadas). Desta forma, as observaes (acidentes) utilizadas nesse trabalho, foram caracterizadas como sendo em intersees de acordo com os mesmo critrios utilizados pelos agentes pblicos. O VDMA foi estimado com dados de fluxo veicular armazenados no banco de dados do CTAFOR, cujo controle semafrico feito pelo aplicativo ingls SCOOT (Split Cycle Offset Optimization Technique). Tal sistema estima e armazena fluxos horrios em perodos de 15 minutos em

Figura 1. Exemplo de interseo atpica removida da amostra

TRANSPORTES v. 20, n. 2 (2012) p. 5562

57

Tabela 2. Descrio das variveis

Varivel v1_vdma09 v2_vdma09 vdma09 ta09 taff09 nfx nap cc

(*) Amostra = 101 observaes

Descrio VDMA de 2009- via principal VDMA de 2009 - via secundria VDMA de 2009 - interseo Total de acidentes - interseo Total de acidentes com feridos e fatais Nmero total de faixas - interseo Nmero total de aproximaes Canteiro central; 0=ausncia, 1=em uma via, 2=em duas vias

Mdia(*) 23.583 11.735 35.319 7,5 1,5 5,8 2,7 0,7

Desv. pad. 7.850 5.267 10.438 7,7 1,6 1,4 0,6 0,6

Mnimo 8.047 641 15.887 0 0 4 2 0

Mximo 44.312 28.563 65.618 48 7 12 4 2

todos os 650 links das 288 intersees semaforizadas da regio controlada. Inicialmente uma amostra dos volumes de todos os links das intersees disponveis (165) contendo os 31 dias do ms de maio de 2009 foi coletada para a estimao do volume dirio mdio mensal (VDMM). Realizou-se ento uma verificao para retirar da amostra os dias com possveis falhas nos dados com a utilizao de ferramenta box plot. Para dispensar a necessidade da aplicao de fatores de expanso do volume de um dia para a mdia semanal, considerou-se que o VDMM deveria ser estimado pela mdia de pelo menos uma semana completa de observaes. Desta forma ao final do processo, os links que no tivessem pelo menos uma semana de dados vlidos eram excludos da amostra. Vale ressaltar que a retirada de um link invlido provocou tambm a excluso de sua respectiva interseo. Ao todo foram removidas da amostra 46 intersees. Finalmente o VDMM de maio foi expandido para o VDMA com a aplicao do fator de expanso mdio de 0,991. Esse fator foi obtido com a utilizao dos resultados de uma anlise do padro da variao espao-temporal do volume veicular em Fortaleza apresentado no trabalho de Oliveira (2004). No tocante as variveis preditoras relacionadas com a geometria das intersees, sua coleta foi realizada com a utilizao de fotografias areas do aplicativo Google Earth, e tambm atravs de pesquisas em plantas com projetos geomtricos das vias fornecidas pelo rgo gestor do trnsito de Fortaleza. A Tabela 2 apresenta uma anlise descritiva das variveis utilizadas nesse esforo de modelagem.
3.3. Estimao dos parmetros dos modelos investigados

Um teste inicial foi realizado com os modelos de partida para se verificar, entre Poisson e binomial negativa, qual a distribuio mais adequada para os dados de acidentes de trnsito coletados. Os parmetros de disperso d para os modelos da categoria 1 foram respectivamente iguais a 3,92 para a distribuio de Poisson e 1,04 para a binomial negativa. Nos modelos da categoria 2 estes foram de 1,78 e 1,13, respectivamente. Os resultados desses testes sugerem que a disperso observada nos dados coletados mais compatvel com a premissa da distribuio binomial negativa ( d 1 ) para as duas categorias de modelos. Os parmetros de cada modelo foram ento estimados com a utilizao da funo glm.nb (binomial negativa) do aplicativo estatstico R, verso 2.13.0 adotando a funo logartmica como funo de ligao (exemplo da sintaxe do R: <glm.nb(formula = ta09 ~ log(vdma09), init.theta = 2.566679449, link = log)>).
3.3.1. Modelos da categoria 01 nmero total de acidentes de trnsito

Com base nos objetivos da modelagem e nas variveis coletadas foram investigadas duas categorias de modelos: a categoria 1 utilizando como varivel resposta o nmero total de acidentes de trnsito (ta09), e a categoria 2 com o nmero total de acidentes de trnsito com vtimas fatais e feridas (taff09) como varivel dependente. Para as duas categorias adotou-se como modelo de partida o que contm somente a varivel vdma09 na parte multiplicativa da Equao 01 e a partir da foram acrescentadas sequencialmente as outras variveis preditoras no componente exponencial dessa equao. Desta forma, para se considerar todas as combinaes das variveis envolvidas, um total de oito modelos foi estimado para cada categoria de MPA. 58

Os coeficientes de cada modelo estimado com os respectivos valores do erro-padro esto apresentados na Tabela 3. Essa tabela mostra ainda os parmetros de superdisperso ( ) da distribuio binomial negativa e o valor do logaritmo da verossimilhana ( 2 ) obtidos para cada modelo testado. Conforme mencionado anteriormente, a construo dos possveis modelos seguiu um processo sequencial de insero de variveis a partir do modelo com apenas a varivel VDMA (modelo de partida). Esse processo baseiase na comparao entre os valores do logaritmo da mxima verossimilhana ( 2 ) do modelo mais simples com o modelo imediatamente mais complexo (com uma varivel adicional). A varivel que, ao ser acrescentada resulte no maior aumento no parmetro 2 ser a prxima a ser includa. O processo repetido at que todas as variveis significativas sejam includas no modelo. Observando-se os valores da Tabela 3, por exemplo, pode-se comparar o modelo 1 (vdma09) com os possveis modelos de duas variveis (modelos 2, 3 e 4). Observa-se que a incluso da varivel nfx acarreta o maior acrscimo no valor de 2 (27), e portanto, esta varivel deve ser includa imediatamente. Seguindo esse raciocnio foram selecionados os modelos 1, 2, 6 e 8 para uma avaliao mais minuciosa com o emprego de indicadores estatsticos e ferramentas grficas.

TRANSPORTES v. 20, n. 2 (2012) p. 5562

Tabela 3. Parmetros dos modelos investigados Categoria 01

Varivel

vdma_09 nfx cc nap -2

ln() Coef. (**) Coef. Coef. Coef. Coef.

Modelos (*) 01 02 -12,09 -5,13 5,61E-06 5,91E-03 2,59 1,34 0,23 2,92 -575 2,52 0,52 0,26 0,28 0,05 4,47 -548

03 -7,72 4,44E-04 3,06 0,90 0,30 0,31 0,14 3,16 -570

04 -5,65 3,52E-03 2,85 0,59 0,14 0,52 0,14 3,58 -561

05 -5,27 5,16E-03 2,65 0,53 0,28 0,52 0,14 -0,03 0,20 4,47 -548

06 -7,49 5,61E-04 2,68 0,70 0,26 0,41 0,08 -0,39 0,27 4,81 -543

07 -7,12 8,09E-04 2,89 0,60 0,29 -0,66 0,31 1,16 0,33 3,90 -556

08 -7,23 7,22E-04 2,61 0,55 0,26 0,34 0,08 -0,90 0,28 0,74 0,31 5,39 -537

(*) parmetros estatisticamente significantes (=0,05)

3.3.2. Modelos da categoria 02 nmero total de acidentes de trnsito com vtimas feridas e fatais

Os parmetros das variveis testadas em todos os possveis modelos para o nmero de acidentes de trnsito com vtimas feridas e fatais se mostraram estatisticamente no significantes ( = 0, 05 ). Uma anlise visual da Figura 2 confirma que os acidentes da amostra apresentaram um comportamento disperso e sem um padro aparente de variao com o fluxo. Essa mesma anlise foi verificada para as outras variveis.

Busca-se o equilbrio entre a simplicidade (nmero de parmetros) e a aderncia aos dados. Para modelos com elevado nmero de parmetros, a varincia dos erros ser baixa, entretanto o modelo ser viesado para a amostra utilizada (overfitting); ou seja, o modelo se ajustar to firmemente aos dados existentes que perder a capacidade de previso de acidentes em novas intersees. Por outro lado, modelos com menos parmetros tero um menor vis, porm possuiro menor aderncia, pois variveis importantes para explicar o nmero de acidentes estaro ausentes. Este trabalho balizou a escolha do modelo mais adequado com a utilizao dos seguintes indicadores: estatstica 2 generalizada Pearson p , parmetro de disperso d (overdispersion parameter), desvio escalonado Sp (scaled deviance), critrio de informao de Akaike (AIC) e grfico de resduos acumulados (CURE plot) (McCullagh e Nelder, 1989; Bonneson e McCoy, 1993; Lord, 2000; Hauer, 2004). A Tabela 4 mostra os valores obtidos desses indicadores para cada um dos modelos selecionados. 2 O indicador p utilizado para avaliar o quanto a varincia explicada pelo modelo difere da varincia observada nos dados, ou seja, se o modelo proposto se ajusta aos dados. Para um determinado nvel de significncia o modelo considerado adequado se 2 2 p < p ,crtico, . Os valores apresentados na Tabela 4 indicam que, de acordo com esse critrio ( = 0,05), os
Tabela 4. Indicadores dos modelos selecionados Categoria 01

Figura 2. Grfico de acidentes com feridos e vtimas fatais e exposio

Em termos prticos, os resultados obtidos confirmam que, no ambiente das intersees onde predominam as colises traseiras, a existncia de uma maior exposio acarreta em maior probabilidade da ocorrncia de acidentes de trnsito, no implicando, contudo, que os mesmos sero mais graves. A severidade dos acidentes nas intersees parece estar mais associada s colises transversais que, para o ambiente semaforizado, tem forte ligao com o avano semafrico (voluntrio ou involuntrio). Nesse contexto a considerao de outras variveis como hora do dia, local da via, existncia de fiscalizao eletrnica pode representar melhor esta categoria de acidentes.
3.4. Avaliao dos modelos da categoria 01

-2 gl(*)

Indicador

Modelos 1 -575,46 99 123 135 103 581 1,04

2 -547,92 98 122 129 102 556 1,04

6 -542,85 97 121 119 101 559 1,04

8 -536,80 96 120 108 101 549 1,05

Aps a verificao inicial da significncia de cada coeficiente do modelo (valor-p) um nmero considervel de indicadores matemticos e grficos tem sido aplicado ao processo de escolha de modelos lineares generalizados.
TRANSPORTES v. 20, n. 2 (2012) p. 5562

2p,crtico;0,05 2p
Sp AIC

(*) grau de liberdade

59

modelos 6 e 8 so os que melhor se ajustam aos dados. O modelo 2 entretanto teve um desempenho muito prximo ao aceitvel no devendo ser totalmente descartado. Vale ressaltar que esse indicador tem seu desempenho questionado para amostras pequenas (Bonneson e McCoy, 1993), ou seja, aumentando-se a amostra o modelo 2 poderia ser considerado aceitvel. Para o desvio escalonado (Sp), que um outro indicador da falta de aderncia do modelo proposto, conclui-se que os quatro modelos esto aproximadamente a uma mesma distncia (abaixo) dos seus valores crticos (Tabela 4). Ou seja, quando comparado com modelos saturados (uma varivel para cada observao), os modelos parecem aderir satisfatoriamente aos dados. O critrio AIC compara diferentes modelos com base no equilbrio entre o vis e a varincia explicada pelos mesmos. Por sua formulao matemtica o modelo mais equilibrado aquele que apresenta o menor AIC. Segundo Simonoff (2003), uma diferena de AIC acima de 10 j pode ser considerada expressiva. O modelo 1 o mais simples, porm seu valor de AIC bem superior ao dos demais modelos. J o modelo 2 oferece uma melhor aderncia, com a reduo de 25 pontos com relao ao modelo 1. A diferena do AIC do modelo 2 para os demais ficou abaixo de 10 pontos, favorecendo portanto a escolha do modelo 2 como a mais plausvel alternativa. Para modelos satisfatrios, o grfico de resduos acumulados (CURE plot) deve apresentar uma oscilao moderada e aleatria em torno de zero (random walk) alm de permanecer confinado na envoltria de dois desvios padres (Hauer, 2004). A Figura 3 apresenta o CURE plot para o modelo 2 com as respectivas envoltrias de +2d. Os mesmos grficos foram produzidos para os outros modelos os quais tiveram comportamento similar. Em todos os casos os modelos estiveram entre os limites da envoltria e com oscilao em torno de zero. Um aspecto interessante do CURE plot o indicativo de observaes extremas (outliers). Esses pontos podem ser identificados no grfico

por saltos verticais. No caso da Figura 3, pode-se identificar dois possveis outliers um aos 37.000vph e outro no extremo do modelo (aprox. 65.000 vph). Nestes casos observaram-se 35 e 48 acidentes enquanto que o modelo previu 7 e 17 acidentes respectivamente. Esses pontos podem ser investigados de forma mais detalhada. Outro importante aspecto a se considerar a multicolineariedade existente entre as variveis preditoras. A Tabela 5 apresenta a matriz de correlao para as variveis preditoras utilizadas nessa investigao. Observase um alto grau de correlao entre as variveis nfx e cc (0,86), entre nfx e nap (0,86) e entre cc e nap (0,96). Portanto, os modelos 6 e 8 possuem alta multicolineariedade, podendo at possuir boa capacidade preditora, porm seus coeficientes no permitem qualquer interpretao sobre relaes de causa e efeito das variveis canteiro central e nmero de aproximaes nos acidentes de trnsito. Essa multicolinearidade tambm confirmada pela mudana nos coeficientes das variveis medida que suas correlatas entram no modelo (Tabela 3). Pela anlise global dos indicadores, conclui-se que, apesar de no haver uma preferncia definitiva por um modelo especfico, a expresso com as variveis vdma e nfx (modelo 2) apresenta caractersticas mais adequadas dentre os analisados. Considerando a formulao geral mais comum para os MPA em intersees e os coeficientes estimados, o modelo 2 tem a seguinte expresso matemtica:

Y = vdma_ 090,52 e0,28nfx 0, 00591

(2)

em que, Y: nmero esperado de acidentes no ano de 2009 (intersees semaforizadas). Cabe ressaltar que em virtude da elevada dependncia entre o fluxo e o nmero de faixas, o modelo deve ser encarado predominantemente como preditor. Relaes de causa e efeito em virtude de alteraes no nmero de faixas devem ser analisadas com cuidado. A Figura 4 representa graficamente o modelo proposto. Modelos de regresso, assim como qualquer outro tipo de modelo, precisam passar pelo processo de validao. Segundo Kutner et al. (2005), na ausncia de uma amostra para se testar o desempenho do modelo, um esforo de validao pode ser feito por meio da verificao da consistncia do modelo com os fundamentos tericos acerca do fenmeno. A Figura 5 permite uma comparao visual entre o modelo proposto e o indicado no Highway Safety Manual (AASHTO, 2010) para intersees arteriais semaforizadas. Observa-se que o nmero esperado de acidentes cresce monotonicamente nos dois modelos e que as curvas possuem inclinaes semelhantes. A anlise
v1_vdma09 v2_vdma09 vdma_09

Figura 3. Grfico de resduos acumulados do modelo 2

Tabela 5. Matriz de correlao das variveis preditoras

nfx nap cc v1_vdma09 v2_vdma09 vdma_09

nfx 1 0,86 0,86 0,55 0,16 0,59

nap 1 0,94 0,55 0,18 0,61

cc

1 0,55 0,19 0,62

1 -0,28 0,60

1 0,59

60

TRANSPORTES v. 20, n. 2 (2012) p. 5562

semafrico que, por sua vez, sofre influncia de variveis como hora do dia, local da via e existncia de fiscalizao eletrnica, no contempladas nesse trabalho. A consolidao do uso dessa ferramenta estatstica (MPA) no ambiente brasileiro carece entretanto de outros trabalhos no sentido de aprimorar os bancos de dados de acidentes de trnsito, integrar esses bancos de dados s outras possveis variveis utilizadas na modelagem, investigar a transferncia espacial e temporal dos modelos e apresentar metodologias de validao mais robustas.
Figura 4. Representao grfica do modelo 02

REFERNCIAS BIBLIOGRFICAS
AASHTO (2010) Highway Safety Manual. American Association of State Highway and Transportation Officials. 1st. Edition, Washington, D.C. Al-Ghamadi, A. S. (2003) Analysis of Traffic Accidents at Urban Intersections in Riyadh. Accident Analysis and Prevention, v. 35, n. 5, p. 717-24. DOI:10.1016/S0001-4575(02)00050-7. Alkaabi, A., D. Dissanayake, e R. Bird (2011) Analyzing Clearance Time of Urban Traffic Accidents in Abu Dhabi using Hazard-based Duration Modelling Method. In Transportation Research Record, TRB, Washington, D.C., n. 2229, p. 4654. DOI:10.3141/2229-06. Bonneson, J. A., P. T. McCoy (1993) Estimation of safety at two-way stop-controlled intersections on rural highways. Transportation Research Record, n. 1401, TRB, Washington, D.C., p. 8399. Cardoso, G. (2006) Modelos para previso de acidentes em vias arteriais urbanas. Tese (Doutorado). Programa de Ps-Graduao em Engenharia de Produo, Universidade Federal do Rio Grande do SulUFRGS. Cardoso, G. e L. Goldner (2007) Desenvolvimento e aplicao de modelos para previso de acidentes de trnsito. Transportes, v. 15, n. 2, p. 4351. Cunto, F. J. C. (2008) Assessing Safety Performance of Transportation Systems using Microscopic Simulation. Tese (Doutorado). Department of Civil and Environmental Engineering, University of Waterloo, Ontrio. Disponvel em: <http://hdl.handle.net/ 10012/4111>. Davis, G. A. (2004) Possible Aggregation Biases in Road Safety Research and a Mechanism Approach to Accident Modeling. Accident Analysis and Prevention, v. 36, p. 11191127. DOI:10.1016/j.aap.2004.04.002. Dinh-Zarr, T. B., 2008. United Nations Debates Road Safety this Spring. Journal of the Institute of Transportation Engineers, April 2008, p. 4244. Ferraz, C., A. Raia, e B. Bezerra (2008) Segurana no Trnsito. Grupo So Francisco. Hakkert, A. S., L. Hocherman e A. Mensah (1996) Levels of safety on interurban roads. Transportation Research Record, TRB, National Research Council, Washington, D.C., n. 1553, p. 95102. Hauer, E. (2002) Observational Before-after Studies in Road Safety. (1a ed.). Pergamon. Hauer, E. (2004) Statistical Road Safety Modeling. Transportation Research Record, No. 1897, TRB, Washington, D.C., p. 81-87. DOI:10.3141/1897-11. Hauer, E. e A. S. Hakkert (1989) The extent and implications of incomplete accident reporting. In Transportation Research Record, TRB, Washington, D.C., n. 1185, p. 110. Hauer, E., C. N. Ng Jerry e J. Lovell (1988) Estimation of safety at signalized intersections. Transportation Research Record, TRB, Washington, D.C., n. 1185, p. 4861. IPEA (2003). Impactos sociais e econmicos dos acidentes de trnsito nas aglomeraes urbanas. Instituto de Pesquisas Econmicas Aplicadas. Braslia. Kutner, M., C. Nachtsheim, J. Neter e W. Li (2005) Applied Linear Statistical Models. (5a. ed.). McGraw-Hill/Irwin Lord, D. (2000) The prediction of accidents on digital networks: characteristics and issues related to the application of accident prediction models. Tese (Doutorado), Universidade de Toronto, Canad. Lord, D. (2006) Modeling motor vehicle crashes using poisson-gamma models: Examining the effects of low sample mean values and small sample size on the estimation of the fixed dispersion pa-

Figura 5. Representao grfica do modelo 02 (8 faixas) e do HSM (AASHTO, 2010)

sugere, entretanto, que modelos desenvolvidos em outras jurisdies devem ser cuidadosamente avaliados tendo em vista uma possvel recalibrao para refletir as condies locais. 4. CONCLUSES Este trabalho apresentou um esforo de desenvolvimento de modelos de previso de acidentes para intersees semaforizadas em Fortaleza. Mais especificamente, foram discutidos aspectos relativos formulao geral do modelo, estrutura mais adequada para a representao dos erros do modelo, definio das variveis e coleta dos dados, estimao dos parmetros do modelo e escolha dos modelos mais adequados. A amostra utilizada no desenvolvimento do modelo foi composta por 101 intersees semaforizadas de onde foram coletados os dados sobre a frequncia total de acidentes para o ano de 2009. Como variveis preditoras foram investigadas o volume dirio mdio anual, o nmero total de faixas da interseo, a presena de canteiro central e o nmero de aproximaes. Os resultados da modelagem indicaram que, para a estimao do nmero total de acidentes de trnsito, o modelo com o VDMA e nmero de faixas apresentou desempenho mais adequado dentre aqueles analisados. Pela elevada dependncia entre as variveis explicativas o modelo serve mais ao propsito de predio do que ao propsito de estimar relaes de causa e efeito. Para a estimao do nmero de acidentes de trnsito com vtimas feridas e fatais, entretanto, nenhuma das variveis investigadas foi significativa. Acredita-se que a severidade dos acidentes nas intersees possa estar ligada ao avano
TRANSPORTES v. 20, n. 2 (2012) p. 5562

61

rameter. Accident Analysis and Prevention, v. 33, p. 751766. DOI:10.1016/j.aap.2006.02.001. McCullagh P. e J. A. Nelder (1989) Generalized Linear Models 2nd Edition. Chapman & Hall/CRC. Miaou, S. P. (1996) Measuring the Goodness-of-Fit of Accident Prediction Models. FHWA Publication No. FHWA-RD-96/040. Federal Highway Administration, Washington, D.C. Oliveira, M. V. (2004). A Natureza dos Padres de Variao Espaotemporal do Volume Veicular em Ambiente Urbano: Estudo de Caso em Fortaleza. Dissertao (Mestrado). Programa de Psgraduao em Engenharia de Transportes. Universidade Federal do Cear, Fortaleza. Persaud, B., e T. Nguyen (1998) Disaggregate Safety Performance Models for Signalized Intersections on Ontario Provincial Roads. Transportation Research Record, TRB, Washington, D.C., n. 1635, p. 113120. DOI:10.3141/1635-15. Persaud, B. e K. Mucsi (1995) Microscopic accident potential models for two-lane rural roads. Transportation Research Record: Journal of the Transportation Research Board, n. 1485, p. 134139. Simonoff J. S. (2003). Analyzing Categorical Data. (1a. ed), Springer. Sawalha, Z. e T. Sayed (2006) Traffic accident modeling: some statistical issues. Canadian Journal of Civil Engineering. v. 33, p. 1115 1124. DOI:10.1139/L06-056.

62

TRANSPORTES v. 20, n. 2 (2012) p. 5562