Fatores relacionados à severidade de acidentes em rodovias no Brasil através de um modelo de regressão logística multinomial

Autores

  • Lucas Franceschi Universidade Federal de Santa Catarina, Santa Catarina – Brasil https://orcid.org/0000-0003-1486-1357
  • Luciano Kaesemodel Universidade Federal de Santa Catarina, Santa Catarina – Brasil https://orcid.org/0000-0002-4624-0371
  • Vera do Carmo Comparsi de Vargas Universidade Federal de Santa Catarina, Santa Catarina – Brasil https://orcid.org/0000-0002-1961-9546
  • Andréa Cristina Konrath Universidade Federal de Santa Catarina, Santa Catarina – Brasil
  • Luiz Ricardo Nakamura Universidade Federal de Santa Catarina, Santa Catarina – Brasil https://orcid.org/0000-0002-7312-2717
  • Thiago Gentil Ramires Universidade Tecnológica Federal do Paraná, Paraná – Brasil
  • Camila Belleza Maciel Barreto Universidade Federal de Santa Catarina, Santa Catarina – Brasil https://orcid.org/0000-0002-7883-0851
  • Amir Mattar Valente Universidade Federal de Santa Catarina, Santa Catarina – Brasil https://orcid.org/0000-0002-7430-7799

DOI:

https://doi.org/10.14295/transportes.v30i1.2566

Palavras-chave:

Transporte rodoviário, Severidade de acidentes, Aprendizagem estatística, Acidentes em rodovias, Segurança viária

Resumo

Reduzir o número de mortes por acidentes de trânsito é uma prioridade importante ao redor do mundo. O estudo da severidade dos acidentes pode melhorar as políticas públicas de segurança viária, concentrando esforços nas situações associadas a acidentes de maior severidade. Neste artigo, um modelo de regressão logística multinomial é ajustado a dados de acidentes em rodovias federais no Brasil de 2017 a 2019 para estimar os fatores associados à severidade dos acidentes. A severidade é classificada como sem lesão, com vítimas feridas ou com vítimas fatais. O envolvimento de pedestres é o principal fator identificado para aumento da severidade. Além disso, condições que favorecem maiores velocidades (como tempo limpo ou horários com menos tráfego) também estão associadas com maiores severidades. Em relação ao mês, as chances de maior severidade são menores no início do ano e maiores em agosto e em novembro. As limitações observadas indicam que o Brasil carece da adoção de padrões nacionais de registro de acidentes e de bancos de dados unificados, especialmente comparando registros de acidentes rodoviários com bancos de dados de saúde.

Downloads

Não há dados estatísticos.

Referências

Akaike, H. (1974) A new look at the statistical model identification. IEEE Transactions on Automatic Control, v. 19, n.6, p. 716–723. DOI:10.1109/TAC.1974.1100705.

Almeida, R. L. F. de; Bezerra Filho, J. G.; Braga, J. U.; Magalhães, F. B.; Macedo, M. C. M. e Silva, K. A.. (2013) Man, road and vehicle: risk factors associated with the severity of traffic accidents. Revista de Saúde Pública, v.47, n.4, p. 718–731. DOI:10.1590/S0034-8910.2013047003657.

Andrade, F. R. e Antunes, J. L. F. (2019) Trends in the number of traffic accident victims on Brazil’s federal highways before and after the start of the Decade of Action for Road Safety. Cadernos de Saude Publica, v.35, n.8, p. 1–11. DOI:10.1590/0102-311X00250218.

Barroso Jr., G. T.; Bertho, A. C. S. e Veiga, A. de C. (2019) A letalidade dos acidentes de trânsito nas rodovias federais brasileiras. Revista Brasileira de Estudos de População, v.36, p. 1–22. DOI:10.20947/S0102-3098a0074.

Brasil (2019) Boletim Estatístico. Brasília, DF: Confederação Nacional dos Transportes. Disponível em: <https://www.cnt.org.br/boletins> (acesso em 16/07/2021).

Brasil (2020) Acidentes. Brasília, DF: Polícia Rodoviária Federal. Disponível em: <https://www.gov.br/prf/pt-br/acesso-a-informacao/dados-abertos/dados-abertos-acidentes> (acesso em 16/07/2021).

van Buuren, S. e Fredriks, M. (2001) Worm plot: A simple diagnostic device for modelling growth reference curves. Statistics in Medicine, v.20, n.8, p. 1259–1277. DOI:10.1002/sim.746.

Carrasco, C. E.; Godinho, M.; Barros, M. B. A; Rizoli, S. e Fraga, G. P. (2012) Fatal motorcycle crashes: A serious public health problem in Brazil. World Journal of Emergency Surgery, v.7, n.S5, p. 7–10. DOI:10.1186/1749-7922-7-S1-S5.

Çelik, A. K. e Oktay, E. (2014) A multinomial logit analysis of risk factors influencing road traffic injury severities in the Erzurum and Kars Provinces of Turkey. Accident Analysis & Prevention, v.72, p. 66–77. DOI:10.1016/j.aap.2014.06.010.

Chen, Z. e Fan, W. (D.) (2019) A multinomial logit model of pedestrian-vehicle crash severity in North Carolina. International Journal of Transportation Science and Technology, v.8, n.1, p. 43–52. DOI:10.1016/j.ijtst.2018.10.001.

Cunto, F. J. C. e Ferreira, S. (2017) An analysis of the injury severity of motorcycle crashes in Brazil using mixed ordered response models. Journal of Transportation Safety and Security, v.9, p. 33–46. DOI: 10.1080/19439962.2016.1162891.

Darma, Y., Karim, M. R. e Abdullah, S. (2017) An analysis of Malaysia road traffic death distribution by road environment. Sādhanā, v.42, n.9, p. 1605–1615. DOI:10.1007/s12046-017-0694-9.

Dunn, P. K. e Smyth, G. K. (1996) Randomized Quantile Residuals. Journal of Computational and Graphical Statistics, v.5, n.3, p. 236. DOI:10.2307/1390802.

Evans, L. (2004) Traffic Safety. Blooming Hills: Science Serving Society.

Girotto, E. et al. (2016) Professional experience and traffic accidents/near-miss accidents among truck drivers. Accident Analysis and Prevention, v.95, p. 299–304. DOI:10.1016/j.aap.2016.07.004.

Hordofa, G. G. ; Assehid, S. ; Girma, A. e Weldemarium, T. D. (2018) Prevalence of fatality and associated factors of road traffic accidents among victims reported to Burayu town police stations, between 2010 and 2015, Ethiopia. Journal of Transport & Health, v.10, p. 186–193. DOI:10.1016/j.jth.2018.06.007.

Hosmer, D. W. e Lemeshow, S. (2000) Applied Logistic Regression (2ª ed.) Hoboken: John Wiley & Sons, Inc.

International Transport Forum (2016) Zero Road Deaths and Serious Injuries. Paris: OECD Publishing. DOI:10.1787/9789282108055-en.

Iqbal, A.; ur Rehman, Z.; Ali, S.; Ullah, K. e Ghani, U. (2020) Road traffic accident analysis and identification of black spot locations on highway. Civil Engineering Journal, v.6, n.12, p. 2448–2456. DOI:10.28991/cej-2020-03091629.

Mohanty, M. e Gupta, A. (2015) Factors affecting road crash modeling. Journal of Transport Literature, v.9, n.2, p. 15–19. DOI:10.1590/2238-1031.jtl.v9n2a3.

Morais Neto, O. L. M. ; Andrade, A. L.; Guimarães, R. A.; Mandacarú, P. M. P. e Tobias, G. C. (2016) Regional disparities in road traffic injuries and their determinants in Brazil, 2013. International Journal for Equity in Health, v.15, n.1, p. 142. DOI:10.1186/s12939-016-0433-6.

Nakamura, L. R.; Rigby, R. A.; Stasinopoulos, D. M.; Leandro, R. A.; Villegas, C. e Pescim, R. R. (2017) Modelling location, scale and shape parameters of the Birnbaum-Saunders generalized t distribution. Journal of Data Science, v.15, n.2, p. 221–238. DOI: 10.6339/JDS.201704_15(2).0003

National Highway Traffic Safety Administration (2019) Fatality Analysis Reporting System (FARS) Analytical User ’s Manual, NHTSA. Washington. Disponível em: < https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/812827> Data de acesso: 19/07/2021.

Rakauskas, M. E., Ward, N. J. e Gerberich, S. G. (2009) Identification of differences between rural and urban safety cultures. Accident Analysis & Prevention, v.41, n.5, p. 931–937. DOI:10.1016/j.aap.2009.05.008.

Rigby, R. A.; Stasinopoulos, M. D.; Heller, G. Z.; Bastiani, F. D. (2019) Distributions for Modeling Location, Scale, and Shape (1ª ed.) Nova York, NY: Chapman and Hall/CRC. DOI:10.1201/9780429298547.

Righetto, A. J.; Ramires, T. G.; Nakamura, L. R.; Castanho, P. L. D. B.; Faes, C. e Savian, T. V. (2019) Predicting weed invasion in a sugarcane cultivar using multispectral image. Journal of Applied Statistics, v.46, n.1, p. 1–12. DOI: 10.1080/02664763.2018.1450362.

Savolainen, P. e Mannering, F. L. (2007) Probabilistic models of motorcyclists’ injury severities in single- and multi-vehicle crashes. Accident Analysis and Prevention, v.39, n.5, p. 955–963. DOI:10.1016/j.aap.2006.12.016.

Savolainen, P. T.; Mannering, F. L.; Lord, D. e Quddus, M. A;(2011) The statistical analysis of highway crash-injury severities: A review and assessment of methodological alternatives. Accident Analysis and Prevention, v.43, n.5, p. 1666–1676. DOI:10.1016/j.aap.2011.03.025.

Shakya, R. e Marsani, A. (2017) Using logistic regression to estimate the influence of accident factors on accident severity in Kathmandy Valley. Proceedings of IOE Graduate Conference, 2017, Lalitpur, Nepal: Institute of Engineering, Tribhuvan University, p. 311–324.

Shankar, V. e Mannering, F. (1996) An exploratory multinomial logit analysis of single-vehicle motorcycle accident severity. Journal of Safety Research, v.27, n.3, p. 183–194. DOI:10.1016/0022-4375(96)00010-2.

Souza, C. A. M.; Bahia, C. A. e Constantino, P. (2016) Analysis of factors associated with traffic accidents of cyclists attended in Brazilian state capitals. Ciencia e Saude Coletiva, v.21, n.12, p. 3683–3690. DOI:10.1590/1413-812320152112.24152016.

Stasinopoulos, D. M. e Rigby, R. A. (2007) Generalized additive models for location scale and shape (GAMLSS) in R. Journal of Statistical Software, v.23, n.7, p. 1–46. DOI:10.18637/jss.v023.i07.

Stasinopoulos, M. D.; Rigby, R. A; Heller, G. Z.; Voudouris, V e Bastiani, F. de (2017) Flexible Regression and Smoothing: Using GAMLSS in R (1ª ed.) Boca Raton: CRC Press.

Tay, R.; Choi, J., Kattan, L e Khan, A. (2011) A multinomial logit model of pedestrian-vehicle crash severity. International Journal of Sustainable Transportation, v.5, n.4, p. 233–249. DOI:10.1080/15568318.2010.497547.

The R Foundation (2021) R: The R project for statistical computing. Disponível em: https://www.r-project.org/. Data de acesso: 19/07/2021.

Wang, D., Liu, Q; Ma, L.; Zhang, Y. e Cong, H.(2019) Road traffic accident severity analysis: A census-based study in China. Journal of Safety Research, v.70, p. 135–147. DOI:10.1016/j.jsr.2019.06.002.

Wang, J. e Cicchino, J. B. (2020) Fatal pedestrian crashes on interstates and other freeways in the United States. Journal of Safety Research, v. 74, p. 1–7. DOI:10.1016/j.jsr.2020.04.009.

World Health Organization (2018) Global Status Report on Road Safety. Geneva: WHO.

Wu, Q., Zhang, G.; Ci, Y.; Wu, L.; Tarefder, R. A. e Alcántara, A. “D.” (2016) Exploratory multinomial logit model–based driver injury severity analyses for teenage and adult drivers in intersection-related crashes. Traffic Injury Prevention, v.17, n.4, p. 413–422. DOI:10.1080/15389588.2015.1100722.

Zhang, G.; Yau, K. K. W; Zhang, X. e Li, Y.; (2016) Traffic accidents involving fatigue driving and their extent of casualties. Accident Analysis and Prevention. v.87, p. 34–42. DOI:10.1016/j.aap.2015.10.033.

Downloads

Publicado

07-04-2022

Como Citar

Franceschi, L. ., Kaesemodel, L. ., do Carmo Comparsi de Vargas, V. ., Konrath, A. C. ., Nakamura, L. R. ., Gentil Ramires, T. ., Belleza Maciel Barreto, C. ., & Mattar Valente, A. . (2022). Fatores relacionados à severidade de acidentes em rodovias no Brasil através de um modelo de regressão logística multinomial . TRANSPORTES, 30(1), 2566. https://doi.org/10.14295/transportes.v30i1.2566

Edição

Seção

Artigos