Método para avaliar o risco potencial de atropelamentos em travessias urbanas em meio de quadra

Abstract

A alta ocorrência de atropelamentos nas áreas urbanas acarreta altos custos econômicos e sociais. Por isso, é importante a adoção de medidas de segurança viária que visem previnir e mitigar os riscos de acidentes envolvendo pedestres. Para que essas medidas sejam eficazes, sua escolha deve estar embasada em informações sobre onde, como e porque os atropelamentos acontecem. Uma forma de obtenção dessas informações envolve as avaliações de risco. Este trabalho propõe um método de avaliação de risco potencial de atropelamentos em travessias urbanas em meio de quadra. O método proposto incorpora análises quantitativas e qualitativas através de técnicas de modelagem que relacionam a incidência de atropelamentos e a percepção de risco dos pedestres com os fatores de risco. A aplicação do método envolveu a análise dos dados de atropelamentos registrados na cidade de Porto Alegre durante o período de 1998 e 2006 e a identificação das travessias em meio de quadra onde ocorreu o maior número de atropelamentos nesse período. Foram identificadas e, então, analisadas 21 travessias em meio de quadra. A análise das travessias incluiu a coleta de dados referentes aos fatores de risco e uma simulação de vídeo, onde pedestres e especialistas avaliaram as travessias no que concerne a sua segurança. A partir dos dados coletados, foram construídos dois modelos de regressão, um embasado em dados de ocorrência de atropelamentos e outro em dados de percepção de risco. A análise desses modelos mostrou que o risco de atropelamento é influenciado por uma combinação de fatores de risco, entre os quais as características do transporte coletivo, a largura da via, o número de faixas de tráfego de veículos, o volume de pedestres e de veículos. Ressalta-se que os modelos construídos podem ser utilizados para relativizar o risco observado e percebido de travessias em meio de quadra de Porto Alegre e fornecer indicativos para o gerenciamento da segurança dos pedestres. O estudo de caso mostrou que a aplicação do método proposto é simples, sendo possível a sua transferência a realidades onde há escassez de dados e recursos para sua obtenção.

The high occurrence of pedestrian crashes in urban areas results in high social and economic costs. To address this problem, it is important to adopt countermeasures that aim to prevent and reduce the risk of pedestrian crash. In order to obtain efficient countermeasures, their selection must be based on information of where, when and why the pedestrian crashes occur. This information can be obtained through risk evaluation. This dissertation proposes a method to evaluate the potential risk of pedestrian crash at midblock crosswalks. The proposed method incorporates quantitative and qualitative analyses, using modeling techniques to understand the relationship of risk factors with pedestrian crash occurrence and the relationship of risk factors with pedestrian risk perception. The method application comprised the analysis of reported pedestrian crashes in the city of Porto Alegre, in southern Brazil, over the period of 1998 to 2006 and the identification of midblock crosswalks with the highest incidence of pedestrian crash. Twenty one midblock crosswalks were indentified and, then analyzed. The crosswalks’ analysis included data collection about risk factors and video simulations. During the video simulations, pedestrians and experts evaluated the crosswalks’ safety. Two regression models were developed using the data collected, one based on pedestrian crash occurrence and one based on risk perception data. The analysis of models showed that pedestrian crash risk is influenced by a combination of risk factors, such as public transportation characteristics, road width, number of through lanes, pedestrian and vehicle volumes. The developed models can be used to relativize the observed and perceived risk of midblock crosswalks in Porto Alegre and to provide information to the pedestrian safety management. The case study results showed that the application of the proposed method is simple and it is possible to use it on real world cases where data and resources to obtain such data are scarce.