Análise espacial da sinistralidade rodoviária. Aplicação de modelos preditivos na Área Metropolitana de Lisboa
Main Author: | |
---|---|
Publication Date: | 2024 |
Format: | Master thesis |
Language: | por |
Source: | Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
Download full: | http://hdl.handle.net/10400.5/97103 |
Summary: | A evolução da mobilidade, dominada pelo automóvel individual, teve como consequência o crescimento da sinistralidade rodoviária, tornando-se um problema mundial crescente. Neste âmbito, o presente relatório recaiu sobre a identificação de contrastes espaciais da sinistralidade rodoviária em Portugal Continental, concretamente nos despistes e colisões de 2017-2019, tendo sido contabilizados mais de 104 mil ocorrências concentradas principalmente no litoral do território, especialmente nas Áreas Metropolitanas. Foram também utilizadas técnicas de modelação preditiva visando a estimativa da probabilidade de ocorrência de despistes e colisões na Área Metropolitana de Lisboa, com base em dois modelos de machine learning (Random Forest e Support Vector Machine), tendo ambos revelado ser modelos adequados para o estudo. O número de vias no mesmo sentido, o traçado da planta da via, o tipo de interseção da via, a velocidade permitida, a sinalização e o tipo de via foram as variáveis com mais influência na ocorrência de despistes. Estes tendem a ocorrer principalmente em faixas com uma ou duas vias, curvas, fora de interseções, com limite de 50 km/h, sem sinalização e em arruamentos. Para colisões, as variáveis mais influentes foram as mesmas, porém tendem a ocorrer em segmentos retos, tanto fora de interseções, como em cruzamentos e entroncamentos, em estradas com uma a três vias. Os acidentes desta natureza são mais prováveis em arruamentos, autoestradas e estradas nacionais, com velocidades de 50 km/h, 80-100 km/h e 120 km/h. Observou-se uma maior probabilidade em locais sem sinalização, mas também fortemente prováveis em locais com sinais como STOP ou cedência de passagem. Por fim, foi ainda estimada a probabilidade média de ocorrências por segmentos de estrada de 100 metros, incorporando as probabilidades dos pontos de acidentes com os segmentos coincidentes. Os despistes são mais prováveis nos concelhos de Lisboa e Sintra e as colisões nos concelhos de Lisboa e Setúbal. |
id |
RCAP_cfd38b6ff6a8b8e89dd9a0f900257ff6 |
---|---|
oai_identifier_str |
oai:repositorio.ulisboa.pt:10400.5/97103 |
network_acronym_str |
RCAP |
network_name_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
repository_id_str |
https://opendoar.ac.uk/repository/7160 |
spelling |
Análise espacial da sinistralidade rodoviária. Aplicação de modelos preditivos na Área Metropolitana de LisboaAnálise espacialModelação preditivaRandom ForestSinistralidade rodoviáriaSupport Vector MachineSIGOrdenamento do TerritórioModelação TerritorialGeografiaA evolução da mobilidade, dominada pelo automóvel individual, teve como consequência o crescimento da sinistralidade rodoviária, tornando-se um problema mundial crescente. Neste âmbito, o presente relatório recaiu sobre a identificação de contrastes espaciais da sinistralidade rodoviária em Portugal Continental, concretamente nos despistes e colisões de 2017-2019, tendo sido contabilizados mais de 104 mil ocorrências concentradas principalmente no litoral do território, especialmente nas Áreas Metropolitanas. Foram também utilizadas técnicas de modelação preditiva visando a estimativa da probabilidade de ocorrência de despistes e colisões na Área Metropolitana de Lisboa, com base em dois modelos de machine learning (Random Forest e Support Vector Machine), tendo ambos revelado ser modelos adequados para o estudo. O número de vias no mesmo sentido, o traçado da planta da via, o tipo de interseção da via, a velocidade permitida, a sinalização e o tipo de via foram as variáveis com mais influência na ocorrência de despistes. Estes tendem a ocorrer principalmente em faixas com uma ou duas vias, curvas, fora de interseções, com limite de 50 km/h, sem sinalização e em arruamentos. Para colisões, as variáveis mais influentes foram as mesmas, porém tendem a ocorrer em segmentos retos, tanto fora de interseções, como em cruzamentos e entroncamentos, em estradas com uma a três vias. Os acidentes desta natureza são mais prováveis em arruamentos, autoestradas e estradas nacionais, com velocidades de 50 km/h, 80-100 km/h e 120 km/h. Observou-se uma maior probabilidade em locais sem sinalização, mas também fortemente prováveis em locais com sinais como STOP ou cedência de passagem. Por fim, foi ainda estimada a probabilidade média de ocorrências por segmentos de estrada de 100 metros, incorporando as probabilidades dos pontos de acidentes com os segmentos coincidentes. Os despistes são mais prováveis nos concelhos de Lisboa e Sintra e as colisões nos concelhos de Lisboa e Setúbal.The evolution of mobility, dominated by individual automobiles, has led to a significant growth of road accidents, becoming a growing global issue. This report focuses on identifying spatial contrasts in road accidents across mainland Portugal, more specifically by analysing runof-road accidents and collisions between 2017-2019. During this period, over 104 000 accidents were accounted, with the majority concentrated mainly on the coast of the territory, particularly in Metropolitan Regions. Predictive modelling techniques were also used to estimate the probability of run-of-road accidents and collisions in Lisbon Metropolitan Area, using two machine learning models (RF and SVM). Both models proved to be suitable for the study. The number of lanes in the same direction, road layout, type of intersection, speed limit, signage, and road type were identified as the most influential variables in run-of-road accidents. These incidents tend to occur mainly on roads with one or two lanes, curves, outside intersections, with a speed limit of 50 km/h, lacking signage, and on urban streets. For collisions, the same variables were influential, but they tend to occur on straight road segments, both outside intersections and at crossroads and junctions, on roads with one to three lanes. These types of accidents are more likely on urban streets, highways, and national roads, with speed limits of 50 km/h, 80-100 km/h, and 120 km/h. A higher probability of accidents was observed in roads without signage, but they were also highly likely to occur in locations with signs such as STOP or yield signs. The average probability of accidents was also estimated for 100-meter road segments, incorporating the probability of accidents at specific points with the corresponding road segments. Run-of-road accidents were found more likely in the municipalities of Lisboa, Sintra, Cascais, Loures, Oeiras, and Mafra, while collisions were more likely in Lisboa, Setúbal, and Sintra.Garcia, Ricardo Alexandre CardosoVieira, Sandra Cristina GilRepositório da Universidade de LisboaChainho, Inês Morais2025-01-13T09:01:37Z2024-12-192024-12-19T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/97103TID:203795652porinfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2025-03-17T16:31:38Zoai:repositorio.ulisboa.pt:10400.5/97103Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-29T04:18:13.854125Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse |
dc.title.none.fl_str_mv |
Análise espacial da sinistralidade rodoviária. Aplicação de modelos preditivos na Área Metropolitana de Lisboa |
title |
Análise espacial da sinistralidade rodoviária. Aplicação de modelos preditivos na Área Metropolitana de Lisboa |
spellingShingle |
Análise espacial da sinistralidade rodoviária. Aplicação de modelos preditivos na Área Metropolitana de Lisboa Chainho, Inês Morais Análise espacial Modelação preditiva Random Forest Sinistralidade rodoviária Support Vector Machine SIG Ordenamento do Território Modelação Territorial Geografia |
title_short |
Análise espacial da sinistralidade rodoviária. Aplicação de modelos preditivos na Área Metropolitana de Lisboa |
title_full |
Análise espacial da sinistralidade rodoviária. Aplicação de modelos preditivos na Área Metropolitana de Lisboa |
title_fullStr |
Análise espacial da sinistralidade rodoviária. Aplicação de modelos preditivos na Área Metropolitana de Lisboa |
title_full_unstemmed |
Análise espacial da sinistralidade rodoviária. Aplicação de modelos preditivos na Área Metropolitana de Lisboa |
title_sort |
Análise espacial da sinistralidade rodoviária. Aplicação de modelos preditivos na Área Metropolitana de Lisboa |
author |
Chainho, Inês Morais |
author_facet |
Chainho, Inês Morais |
author_role |
author |
dc.contributor.none.fl_str_mv |
Garcia, Ricardo Alexandre Cardoso Vieira, Sandra Cristina Gil Repositório da Universidade de Lisboa |
dc.contributor.author.fl_str_mv |
Chainho, Inês Morais |
dc.subject.por.fl_str_mv |
Análise espacial Modelação preditiva Random Forest Sinistralidade rodoviária Support Vector Machine SIG Ordenamento do Território Modelação Territorial Geografia |
topic |
Análise espacial Modelação preditiva Random Forest Sinistralidade rodoviária Support Vector Machine SIG Ordenamento do Território Modelação Territorial Geografia |
description |
A evolução da mobilidade, dominada pelo automóvel individual, teve como consequência o crescimento da sinistralidade rodoviária, tornando-se um problema mundial crescente. Neste âmbito, o presente relatório recaiu sobre a identificação de contrastes espaciais da sinistralidade rodoviária em Portugal Continental, concretamente nos despistes e colisões de 2017-2019, tendo sido contabilizados mais de 104 mil ocorrências concentradas principalmente no litoral do território, especialmente nas Áreas Metropolitanas. Foram também utilizadas técnicas de modelação preditiva visando a estimativa da probabilidade de ocorrência de despistes e colisões na Área Metropolitana de Lisboa, com base em dois modelos de machine learning (Random Forest e Support Vector Machine), tendo ambos revelado ser modelos adequados para o estudo. O número de vias no mesmo sentido, o traçado da planta da via, o tipo de interseção da via, a velocidade permitida, a sinalização e o tipo de via foram as variáveis com mais influência na ocorrência de despistes. Estes tendem a ocorrer principalmente em faixas com uma ou duas vias, curvas, fora de interseções, com limite de 50 km/h, sem sinalização e em arruamentos. Para colisões, as variáveis mais influentes foram as mesmas, porém tendem a ocorrer em segmentos retos, tanto fora de interseções, como em cruzamentos e entroncamentos, em estradas com uma a três vias. Os acidentes desta natureza são mais prováveis em arruamentos, autoestradas e estradas nacionais, com velocidades de 50 km/h, 80-100 km/h e 120 km/h. Observou-se uma maior probabilidade em locais sem sinalização, mas também fortemente prováveis em locais com sinais como STOP ou cedência de passagem. Por fim, foi ainda estimada a probabilidade média de ocorrências por segmentos de estrada de 100 metros, incorporando as probabilidades dos pontos de acidentes com os segmentos coincidentes. Os despistes são mais prováveis nos concelhos de Lisboa e Sintra e as colisões nos concelhos de Lisboa e Setúbal. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-12-19 2024-12-19T00:00:00Z 2025-01-13T09:01:37Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.5/97103 TID:203795652 |
url |
http://hdl.handle.net/10400.5/97103 |
identifier_str_mv |
TID:203795652 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia instacron:RCAAP |
instname_str |
FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
collection |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
repository.name.fl_str_mv |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
repository.mail.fl_str_mv |
info@rcaap.pt |
_version_ |
1833602011662123008 |