Traffic accidents prediction models to urban arterials streets

dc.contributorGoldner, Lenise Grando
dc.creatorCardoso, Gilmar
dc.date2007-06-06T19:14:13Z
dc.date2006
dc.identifierhttp://hdl.handle.net/10183/8234
dc.identifier000571947
dc.descriptionEsta tese apresenta modelos de previsão de acidentes de trânsito desenvolvidos a partir de dados de segmentos de vias arteriais urbanas da cidade de Porto Alegre, capital do estado do Rio Grande do Sul, Brasil. Os modelos de previsão foram desenvolvidos para dois tipos de acidentes: colisão e atropelamento. O objetivo do trabalho foi gerar modelos de previsão de acidentes a partir de variáveis relacionadas à exposição e fatores de risco. Foi utilizada a técnica de Modelagem Linear Generalizada com distribuição de probabilidade de Poisson para relacionar a ocorrência de acidentes às variáveis explicativas. Os modelos de previsão de acidentes construídos explicaram mais de 60% da variabilidade dos dados. Isso comprova a relação entre acidentes de trânsito e as variáveis estudadas.
dc.descriptionThis thesis presents accident prediction models developed based on data of road links of urban arterials streets of Porto Alegre, capital of the state of Rio Grande do Sul, Brazil. The prediction models were developed for two type of accidents – colision and pedestrian accident. The aim of the study was establish accident prediction models based on variables related with exposure and risk factors. Generalised Linear Modelling techniques with Poisson likelihood distribution were used to relate accident frequencies to explanatory variables.The constructed accident prediction models were capable of explain more than 60% of data variation. This fact proves the ralationship between traffic accidents and the studied variables.
dc.formatapplication/pdf
dc.languagepor
dc.rightsOpen Access
dc.subjectAcidentes de trânsito
dc.subjectSegurança viária
dc.subjectModelagem
dc.titleModelos para previsão de acidentes de trânsito em vias arteriais urbanas
dc.titleTraffic accidents prediction models to urban arterials streets
dc.typeTese


Este ítem pertenece a la siguiente institución