40_Analise multivariada para previsao da velocidade operacion….pdf
40_Analise multivariada para previsao da velocidade operacion….pdf
40_Analise multivariada para previsao da velocidade operacion….pdf
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias<br />
Daniel Sergio Presta García (PPGEP / UFRGS)<br />
Lenice Grando Goldner (UFSC)<br />
João Fortini Albano (PPGEP / UFRGS)<br />
Resumo<br />
A elaboração de modelos de previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias de pista simples está concentra<strong>da</strong><br />
em processos econométricos baseados na análise de regressão linear ou múltipla. A maioria dos modelos,<br />
considerados estatisticamente válidos, apresentam uma única variável independente, o raio planimétrico. Os<br />
demais elementos geométricos quando inseridos no modelo, apesar de contribuírem com um acréscimo no<br />
coeficiente de determinação, tornam o modelo estatisticamente inválido. Este fato, possivelmente esteja<br />
relacionado à correlação entre as variáveis geométricas, descaracterizando sua classificação como variáveis<br />
independentes e inflacionando o modelo. A utilização de uma análise <strong>multivaria<strong>da</strong></strong>, a partir de componentes<br />
principais, permite transformar as variáveis geométricas em componentes ortogonais entre si, ou seja,<br />
independentes uns dos outros. Utilizando este recurso, o presente artigo apresenta um modelo de previsão <strong>da</strong><br />
veloci<strong>da</strong>de operacional a partir dos elementos geométricos raio planimétrico, rampa, largura <strong>da</strong> pista e<br />
superelevação.<br />
Palavras chave: rodovia, veloci<strong>da</strong>de, veloci<strong>da</strong>de operacional, modelos de previsão, análise <strong>multivaria<strong>da</strong></strong>,<br />
componentes principais.<br />
1 Introdução<br />
A ca<strong>da</strong> ano, mais de 500.000 pessoas vêm a falecer em acidentes de trânsito no mundo (Gilbreel et al., 1999).<br />
Estes valores são equivalentes a um óbito por minuto. No Brasil as estatísticas são imprecisas, mas a maior parte<br />
dos pesquisadores trabalha com valores entre 30.000 e 50.000 mortos por ano (Vieira, 1999). Segundo Lamm (in<br />
Gilbreel et al., 1999), mais de 50% <strong>da</strong>s fatali<strong>da</strong>des em rodovias ocorrem em segmentos de curvas. Dados<br />
levantados na Dinamarca indicam que 20% dos acidentes viários e 13% <strong>da</strong>s fatali<strong>da</strong>des ocorrem em segmentos<br />
de curvas em áreas rurais. Na França, as fatali<strong>da</strong>des em segmentos de curva em zonas rurais chegam a 20%<br />
(Herrstedt e Greibe, 2001).<br />
Os fatores considerados mais relevantes <strong>para</strong> a ocorrência de acidentes são o excesso de veloci<strong>da</strong>de, o consumo<br />
de bebi<strong>da</strong>s alcoólicas e a imprudência dos motoristas. Todos estes fatores associados a situações de riscos<br />
atribuí<strong>da</strong>s ao condutor do veículo.<br />
A análise dos fatores que contribuem na ocorrência de acidentes, na maior parte <strong>da</strong>s vezes, fica restrita à<br />
identificação e correção de “pontos críticos” ou segmentos de rodovias onde ocorre um número de acidentes<br />
superior a um limite estabelecido <strong>para</strong> um determinado período de tempo (Mayora, 1996).<br />
Uma análise mais abrangente, como a proposta por Lum e Reagan (1995), tenta identificar os comportamentos<br />
associados entre os diferentes agentes (condutor, rodovia e veículo) entre si. Estas inter-relações, segundo<br />
estudos realizados nos Estados Unidos e Grã-Bretanha, são responsáveis por 38% dos acidentes em rodovias.<br />
Este processo de análise de uma rodovia sob a ótica <strong>da</strong> sua efetiva utilização pelos condutores e seus veículos<br />
estabelece uma relação entre as características geométricas <strong>da</strong> rodovia, a veloci<strong>da</strong>de operacional e a taxa de<br />
acidentes.<br />
O presente trabalho tem por objetivo ampliar estudos anteriores, de forma a elaborar um modelo de estimativa <strong>da</strong><br />
veloci<strong>da</strong>de operacional em função de elementos geométricos de rodovias de pista simples do Estado do Rio<br />
Grande do Sul.<br />
2 Estudos sobre a veloci<strong>da</strong>de<br />
2.1 A veloci<strong>da</strong>de como fator causal de acidentes<br />
A veloci<strong>da</strong>de é uma resultante direta <strong>da</strong> relação condutor, veículo e rodovia. É por este motivo que a veloci<strong>da</strong>de<br />
de projeto é utiliza<strong>da</strong> no dimensionamento de diferentes dispositivos viários, como a superelevação, a<br />
superlargura e as distâncias de visibili<strong>da</strong>de.<br />
Segundo o Manual de Projeto Geométrico de Rodovias Rurais (DNER, 1999), "veloci<strong>da</strong>des diretrizes eleva<strong>da</strong>s,<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias García, Goldner & Albano 1
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
por mais desejáveis que sejam, requerem características geométricas mais amplas [...] que elevarão o custo de<br />
construção substancialmente". Por outro lado, a veloci<strong>da</strong>de diretriz não deve ser inferior às veloci<strong>da</strong>des de<br />
operação que efetivamente ocorrem na via. Na prática, a veloci<strong>da</strong>de efetivamente observa<strong>da</strong> em veículos em um<br />
determinado trecho viário, pode ser representa<strong>da</strong> pelo percentil 85 (V85) <strong>da</strong> distribuição de veloci<strong>da</strong>des.<br />
Diferentes estudos indicam uma relação de causa e efeito entre a veloci<strong>da</strong>de, a ocorrência de acidentes e a<br />
gravi<strong>da</strong>de dos mesmos. Garber e Ehrhart (2000), em seus estudos sobre rodovias do Estado <strong>da</strong> Virginia, Estados<br />
Unidos, consideram possível a geração de modelos que relacionam a taxa de acidentes aos efeitos provenientes<br />
<strong>da</strong> veloci<strong>da</strong>de, fluxo de veículos e características geométricas <strong>da</strong>s vias. Lamm et al. (1995), em estudo anterior<br />
sobre rodovias <strong>da</strong> Alemanha e dos Estados Unidos, já apresentavam modelos <strong>para</strong> estimativa <strong>da</strong> veloci<strong>da</strong>de<br />
operacional e taxa de acidentes em função <strong>da</strong> taxa angular de curvatura e <strong>da</strong> largura <strong>da</strong> pista. O Quadro 1<br />
apresenta as relações de causa e efeito cita<strong>da</strong>s anteriormente.<br />
País Modelo<br />
Alemanha<br />
Estados<br />
Unidos<br />
Quadro 1: Modelos de Estimativa <strong>da</strong> Veloci<strong>da</strong>de Operacional e <strong>da</strong> Taxa de Acidentes<br />
<strong>para</strong> Rodovias de Pista Simples <strong>da</strong> Alemanha e Estados Unidos<br />
V85<br />
ACCR<br />
V85<br />
ACCR<br />
Fonte: Lamm et al., 1995<br />
Largura <strong>da</strong><br />
Pista [pés]<br />
Modelo<br />
12 V85<br />
10 V85<br />
( −0,<br />
190×<br />
37,<br />
50 + 23,<br />
03×<br />
e<br />
≥11 ACCR = − , 29 + 0,<br />
37 × DC<br />
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
− A severi<strong>da</strong>de dos acidentes cresce com as altas veloci<strong>da</strong>des, entretanto, a freqüência dos acidentes decresce<br />
quando os limites colocados são apropriados ou realísticos;<br />
− O limite estabelecido deve estar de acordo com as veloci<strong>da</strong>des pratica<strong>da</strong>s pela média dos condutores ditos<br />
prudentes, ou este limite não será considerado;<br />
− A maior parte <strong>da</strong>s violações é cometi<strong>da</strong> pelos condutores locais que estão familiarizados com a rodovia e seu<br />
entorno.<br />
Hunter et al. (2000) em seus estudos sobre acidentes em rodovias de pista simples na Carolina do Norte, Estados<br />
Unidos, entre 1994 e 1999, obtiveram os seguintes resultados:<br />
− 44% dos acidentes relacionados à veloci<strong>da</strong>de ocorreram em rodovias secundárias com características<br />
geométricas inferiores às demais rodovias;<br />
− Acidentes relacionados à veloci<strong>da</strong>de ocorrem, geralmente, em segmentos de curvas.<br />
A utilização de modelos de estimativa que relacionam a veloci<strong>da</strong>de operacional <strong>da</strong>s vias a suas condições<br />
geométricas pode, em parte, responder questões associa<strong>da</strong>s ao excesso de veloci<strong>da</strong>de, ao comportamento do<br />
motorista e à ocorrência de acidentes.<br />
2.2 Modelos de estimativa <strong>da</strong> veloci<strong>da</strong>de operacional<br />
2.2.1 Modelo de Lamm et al. (1990)<br />
O modelo proposto por Lamm et al. (1990) e também citado por Tarris et al. (1996) em seu trabalho é o<br />
resultado dos estudos realizados no período entre a primavera de 1984 e o verão de 1987 em rodovias de pista<br />
simples no estado de Nova Iorque, Estados Unidos.<br />
A base de <strong>da</strong>dos foi constituí<strong>da</strong> de 322 segmentos de curvas de diversos tamanhos de raio. Estes segmentos de<br />
curva deveriam obedecer alguns critérios pré-definidos; entre estes, pode-se citar a inexistência <strong>da</strong> influência de<br />
interseções, greides (aclives e declives) iguais ou inferiores a 5% e tráfego médio diário anual (AADT) entre <strong>40</strong>0<br />
e 5000 veículos por dia. A condição de fluxo livre foi obti<strong>da</strong> considerando, <strong>para</strong> efeito de medição <strong>da</strong> veloci<strong>da</strong>de<br />
pontual, apenas os veículos com um gap mínimo superior a 6 segundos entre si. Em seus estudos <strong>para</strong> a<br />
determinação de um modelo <strong>para</strong> a veloci<strong>da</strong>de operacional, foram considera<strong>da</strong>s as seguintes características <strong>da</strong>s<br />
vias como variáveis independentes: taxa angular de curvatura, largura <strong>da</strong> pista, largura do acostamento,<br />
declivi<strong>da</strong>de longitudinal (rampa), distância de visibili<strong>da</strong>de, comprimento <strong>da</strong> curva e tráfego médio diário anual.<br />
A Equação 9 indica a relação entre a veloci<strong>da</strong>de operacional e o raio planimétrico, com coeficiente de<br />
determinação igual a 0,787.<br />
3188,<br />
656<br />
V85<br />
94,<br />
398 −<br />
R<br />
= (9)<br />
Onde:<br />
V85 = veloci<strong>da</strong>de operacional desenvolvi<strong>da</strong> por 85% dos usuários no segmento em estudo [km/h]<br />
R = raio <strong>da</strong> curva [m]<br />
Entre as diferentes variáveis independentes utiliza<strong>da</strong>s, Lamm et al. (1990) concluíram que parâmetros como<br />
declivi<strong>da</strong>de longitudinal, distância de visibili<strong>da</strong>de e comprimento <strong>da</strong> curva não agregam quali<strong>da</strong>de ao modelo<br />
proposto. Os elementos largura <strong>da</strong> pista, largura do acostamento e o tráfego médio diário anual, utilizados na<br />
elaboração de um modelo mais complexo, também não apresentaram resultados significativos, sendo<br />
descartados.<br />
2.2.2 Modelo de Kanellaidis et al. (1990)<br />
No mesmo ano dos estudos de Lamm, Kanellaidis et al. (1990) apresentam artigo propondo quatro distintos<br />
modelos relacionando a veloci<strong>da</strong>de operacional a características planimétricas <strong>da</strong> via e à veloci<strong>da</strong>de de projeto.<br />
Os estudos foram baseados em <strong>da</strong>dos levantados em 58 segmentos de curvas de 3 rodovias de pista simples<br />
situa<strong>da</strong>s na Grécia.<br />
As condições básicas dos trechos considerados foram: inexistência de interseções próximas aos segmentos<br />
estu<strong>da</strong>dos, inexistência de objetos adjacentes à via que ocasionem restrição à utilização <strong>da</strong> mesma, greides não<br />
superiores a 3%, nenhuma alteração nas larguras <strong>da</strong> pista e dos acostamentos e boas condições de pavimento.<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias García, Goldner & Albano 3
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
Os elementos geométricos analisados foram: raio <strong>da</strong> curva, comprimento <strong>da</strong> curva, superelevação, declivi<strong>da</strong>de<br />
longitudinal, largura <strong>da</strong> pista e largura do acostamento. As veloci<strong>da</strong>des pontuais foram colhi<strong>da</strong>s em segmentos de<br />
curvas e tangentes apenas de veículos de passeio. Veículos de carga e ônibus não fizeram parte do fluxo de<br />
tráfego na obtenção <strong>da</strong>s veloci<strong>da</strong>des operacionais. O modelo decorrente do estudo de Kanellaidis et al. (1990)<br />
possui um coeficiente de determinação de 0,647 e é apresentado na Equação 10.<br />
3837,<br />
554<br />
V85<br />
109,<br />
085 −<br />
R<br />
= (10)<br />
Onde:<br />
V85 = veloci<strong>da</strong>de operacional desenvolvi<strong>da</strong> por 85% dos usuários no segmento em estudo [km/h]<br />
R = raio <strong>da</strong> curva [m]<br />
Kanellaidis et al. (1990) concluem que a veloci<strong>da</strong>de de projeto e a taxa angular de curvatura (ou raio) são os<br />
principais elementos determinantes <strong>da</strong> veloci<strong>da</strong>de operacional. Os demais parâmetros planimétricos investigados<br />
(comprimento <strong>da</strong> curva, superelevação, rampa, largura <strong>da</strong> pista e do acostamento) não apresentaram efeitos<br />
estatísticos significativos.<br />
2.2.3 Modelos propostos pela Federal Highway Administration (FHWA, 2000)<br />
A Federal Highway Administration (FHWA, 2000) apresenta uma série de modelos de predição <strong>da</strong> veloci<strong>da</strong>de<br />
operacional. Entre estes modelos, gerados a partir de <strong>da</strong>dos coletados em mais de 200 segmentos de rodovias de<br />
pista simples, quatro estimam a veloci<strong>da</strong>de operacional em função do raio planimétrico <strong>para</strong> um intervalo de<br />
rampa. A análise dos modelos propostos permitiu a observação dos seguintes fatos:<br />
− A veloci<strong>da</strong>de operacional em curvas horizontais com grandes raios (acima de 800 metros) é similar à<br />
pratica<strong>da</strong> em longas tangentes;<br />
− A veloci<strong>da</strong>de operacional sofre significativa redução em raios inferiores a 250 metros;<br />
− A análise em curvas com transição identificou que a utilização de espirais não altera de forma significativa a<br />
veloci<strong>da</strong>de operacional em com<strong>para</strong>ção a curvas circulares.<br />
A Tabela 1 apresenta os modelos com seus respectivos coeficientes de determinação.<br />
Tabela 1 – Modelos V85 Função Raio Planimétrico e Rampa Segundo FHWA<br />
Rampa Modelo R 2 Equação<br />
-9% ≤ i < -4% V85 = 102,<br />
10 − 3077,<br />
13 R<br />
0,58 (11)<br />
-4% ≤ i < 0% V85 = 105,<br />
98 − 3709,<br />
90 R<br />
0,76 (12)<br />
0% ≤ i < 4% V85 = 104,<br />
82 − 3574,<br />
51 R<br />
0,76 (13)<br />
4% ≤ i < 9% V85 = 96,<br />
61 − 2752,<br />
19 R<br />
0,53 (14)<br />
Fonte: FHWA, 2000<br />
Onde:<br />
V85 = veloci<strong>da</strong>de operacional desenvolvi<strong>da</strong> por 85% dos usuários no segmento em estudo [km/h]<br />
R = raio <strong>da</strong> curva [m]<br />
3 Base de <strong>da</strong>dos do estudo<br />
A elaboração de um modelo de previsão <strong>da</strong> veloci<strong>da</strong>de operacional, a partir de elementos geométricos de<br />
rodovias de pista simples do Estado do Rio Grande do Sul, respeitou uma série de critérios a seguir relacionados.<br />
• Identificação do intervalo <strong>da</strong> amostra<br />
Foram analisa<strong>da</strong>s 60 curvas, medi<strong>da</strong>s nos dois sentidos (lado externo e lado interno de ca<strong>da</strong> curva), totalizando<br />
120 medições, com intervalo de raios planimétricos entre 50 e 1000 metros e rampas entre -8% e 8%.<br />
• Determinação do tamanho <strong>da</strong> amostra por curva<br />
Para um desvio padrão de 8,5 km/h, valor atribuído a rodovias de pista simples (Box e Oppenlander, 1976), um<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias García, Goldner & Albano 4
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
nível de confiança de 95% (K = 1,96), um erro admissível <strong>para</strong> a estimativa de 4 km/h e uma constante de<br />
correção <strong>para</strong> 85 percentil (U = 1,04), obteve-se um tamanho de amostra mínima de 27 <strong>da</strong>dos de veloci<strong>da</strong>de<br />
pontual por curva, ou seja, <strong>para</strong> efeitos estatísticos, um mínimo de 30 <strong>da</strong>dos por curva.<br />
• Representativi<strong>da</strong>de <strong>da</strong> amostra<br />
Outra preocupação quanto ao tamanho <strong>da</strong> amostra foi a de representar a população de veículos que trafegam nos<br />
sítios analisados. O levantamento de veloci<strong>da</strong>des pontuais considerou a divisão do fluxo de veículos entre<br />
veículos de passeio, caminhões e ônibus.<br />
• Método <strong>para</strong> coleta de <strong>da</strong>dos de veloci<strong>da</strong>de pontual<br />
O Método <strong>da</strong>s Bases Longas <strong>para</strong> obtenção de veloci<strong>da</strong>des pontuais foi o escolhido, em função do fácil acesso<br />
aos equipamentos necessários e <strong>da</strong> simplici<strong>da</strong>de de operação.<br />
• Método <strong>para</strong> coleta de <strong>da</strong>dos topográficos<br />
A identificação dos principais elementos característicos <strong>da</strong>s curvas (raio planimétrico, rampa, largura <strong>da</strong> pista e<br />
superelevação) foi obti<strong>da</strong> através de levantamento topográfico. O método de levantamento utilizado é<br />
denominado de Levantamento Taqueométrico, e sua escolha decorreu do fato deste método exigir uma equipe<br />
mínima forma<strong>da</strong> por apenas dois indivíduos.<br />
• Considerações sobre os segmentos em estudo<br />
A elaboração de um modelo veloci<strong>da</strong>de operacional função de parâmetros geométricos de rodovias de pista<br />
simples deve eliminar ou reduzir a interferência de outros fatores alheios à pesquisa. Desta forma,<br />
estabeleceram-se condicionantes <strong>para</strong> a seleção dos segmentos, como, por exemplo: condicionantes de fluxo<br />
livre, intertangente mínima, inexistência de interseções próximas, inexistência de objetos adjacentes à via,<br />
pavimento e climáticas.<br />
• Dados sobre as rodovias do estudo<br />
O presente estudo foi desenvolvido utilizando quatro rodovias ca<strong>da</strong>stra<strong>da</strong>s no Sistema Rodoviário do Estado do<br />
Rio Grande do Sul (SRE, 2000). Tais rodovias possuem como características comuns pista simples, Nível de<br />
Serviço superior ou equivalente ao Nível C (veloci<strong>da</strong>de média igual ou próxima à veloci<strong>da</strong>de de fluxo livre) e<br />
respeitam os critérios relatados nos itens anteriores. As rodovias seleciona<strong>da</strong>s foram: RS/020, rodovia estadual<br />
em região ondula<strong>da</strong>, RS/115 e RS/0<strong>40</strong> estaduais concedi<strong>da</strong>s em região montanhosa e plana, respectivamente, e a<br />
BR/116, rodovia federal em região escarpa<strong>da</strong>.<br />
Das 120 informações levanta<strong>da</strong>s, 26 foram descarta<strong>da</strong>s por apresentarem problemas no tamanho <strong>da</strong> amostra ou<br />
na intertangente mínima, sendo aproveitados 30 <strong>da</strong>dos <strong>para</strong> a RS/020, 19 <strong>para</strong> a RS/115, 22 <strong>para</strong> a BR/116 e 23<br />
<strong>para</strong> a RS/0<strong>40</strong>. Modelos de previsão <strong>da</strong> veloci<strong>da</strong>de operacional<br />
O modelo veloci<strong>da</strong>de operacional função <strong>da</strong>s características geométricas de rodovias de pista simples,<br />
inicialmente proposto, baseou-se na análise de regressão linear e múltipla <strong>da</strong>s variáveis independentes<br />
considera<strong>da</strong>s. As informações estatísticas e os modelos gerados foram obtidos através <strong>da</strong> ferramenta de análise<br />
de regressão do software STATGRAPHICS versão 2.1 e <strong>da</strong> planilha de cálculo EXCEL 2000.<br />
Os elementos geométricos considerados como variáveis independentes neste estudo foram:<br />
− Raio Planimétrico com valores “levantados” entre 65,77 e 995,<strong>40</strong> m;<br />
− Rampa ou Inclinação Longitudinal: entre -7,45% e 7,45%;<br />
− Largura <strong>da</strong> Pista: entre 6,35m e 8,38m;<br />
− Superelevação: entre 1,42% e 9,46%.<br />
• Análise <strong>da</strong>s relações entre a veloci<strong>da</strong>de operacional e as variáveis independentes<br />
A elaboração dos modelos de previsão <strong>da</strong> veloci<strong>da</strong>de operacional, a partir <strong>da</strong> análise de regressão, teve como<br />
etapa preliminar à identificação <strong>da</strong> forma funcional do mesmo.<br />
As equações 9 a 14 sugerem modelos baseados no raio planimétrico, apresentando a veloci<strong>da</strong>de operacional<br />
como função inversa do raio. A Figura 1a indica em gráfico a relação direta entre a veloci<strong>da</strong>de operacional e o<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias García, Goldner & Albano 5
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
raio, enquanto a Figura 1b apresenta a relação inversa. É perceptível, através <strong>da</strong>s linhas de tendência, verificar o<br />
melhor ajuste <strong>da</strong> Figura 1b. Este fato é confirmado através do coeficiente de determinação maior <strong>da</strong> Figura 1b.<br />
V85 (km/h)<br />
120<br />
110<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
<strong>40</strong><br />
V85 = 73,369 +0,0216.Raio<br />
R 2 = 0,4216<br />
0 200 <strong>40</strong>0 600 800 1000<br />
Raio (m)<br />
V85 = 90,7852 -1975,11/Raio<br />
R 2 = 0,5874<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias García, Goldner & Albano 6<br />
V85 (km/h)<br />
120<br />
110<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
<strong>40</strong><br />
0,000 0,005 0,010<br />
1/Raio (1/m)<br />
0,015 0,020<br />
Figura 1: 1a Veloci<strong>da</strong>de operacional em função do raio planimétrico;<br />
1b Veloci<strong>da</strong>de operacional em função inversa do raio planimétrico.<br />
Os modelos propostos pela FHWA, 2000 sugerem a interferência <strong>da</strong> inclinação <strong>da</strong> rampa na veloci<strong>da</strong>de<br />
operacional. Analisando as equações 11 a 14 pode-se perceber que <strong>para</strong> um raio infinito, a veloci<strong>da</strong>de<br />
operacional dos intervalos de rampa entre 0% e -4% e entre 0% e 4% é de 105,98 e 104,82km/h,<br />
respectivamente, e que esta veloci<strong>da</strong>de cai nos intervalos mais críticos de rampas ascendentes ou descendentes<br />
(96,61 e 102,10km/h). Este comportamento caracteriza a variabili<strong>da</strong>de <strong>da</strong> veloci<strong>da</strong>de como função dos valores<br />
absolutos <strong>da</strong> variabili<strong>da</strong>de <strong>da</strong> rampa. De fato, analisando a Figura 2, percebe-se a impossibili<strong>da</strong>de de explicar a<br />
variabili<strong>da</strong>de a partir <strong>da</strong> variável independente rampa, enquanto é possível perceber uma relação entre a<br />
variabili<strong>da</strong>de <strong>da</strong> veloci<strong>da</strong>de operacional e os valores absolutos de rampas.<br />
V85 (km/h)<br />
120<br />
110<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
<strong>40</strong><br />
V85 = 81,251 - 0,1156.Rampa<br />
R 2 = 0,002<br />
-8 -6 -4 -2 0 2 4 6 8<br />
Rampa (%)<br />
V85 (km/)<br />
120<br />
110<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
<strong>40</strong><br />
V85 = 86,986 - 2,048.Abs(Rampa)<br />
R 2 = 0,2387<br />
0 2 4<br />
Abs(Rampa) (%)<br />
6 8<br />
Figura 2: 2a Veloci<strong>da</strong>de operacional em função <strong>da</strong> rampa; 2b Veloci<strong>da</strong>de operacional em função do valor<br />
absoluto <strong>da</strong> rampa<br />
No presente estudo não foi possível determinar uma forma funcional mais adequa<strong>da</strong> ao modelo <strong>para</strong> as variáveis<br />
largura <strong>da</strong> pista e superelevação que a relação direta. A largura <strong>da</strong> pista está associa<strong>da</strong> à classe de projeto, ou<br />
seja, à veloci<strong>da</strong>de de projeto. Desta forma, quanto maior a veloci<strong>da</strong>de de projeto, maior a largura <strong>da</strong> pista.<br />
Contudo, ao analisar-se a largura <strong>da</strong> pista em função do raio planimétrico, percebe-se que quanto menor o raio,<br />
maior a largura <strong>da</strong> pista, em decorrência do efeito de superlargura. O mesmo comportamento apresenta a<br />
superelevação.<br />
A Figura 3 apresenta os gráficos <strong>da</strong> veloci<strong>da</strong>de operacional função largura <strong>da</strong> pista (Figura 3a) e função<br />
superelevação (Figura 3b).
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
V85 (km/h)<br />
120<br />
110<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
<strong>40</strong><br />
V85 = 132,72 - 7,3644.Largura<br />
R 2 = 0,1146<br />
6,0 6,5 7,0 7,5 8,0 8,5 9,0<br />
Largura (m)<br />
V85 = 93,97 - 2,1942.SE<br />
R 2 = 0,3107<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias García, Goldner & Albano 7<br />
V85 (km/h)<br />
120<br />
110<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
<strong>40</strong><br />
0 2 4 6 8 10<br />
Superelevação (%)<br />
Figura 3: 3a Veloci<strong>da</strong>de operacional em função <strong>da</strong> largura <strong>da</strong> pista; 3b Veloci<strong>da</strong>de operacional em função <strong>da</strong><br />
superelevação<br />
Os modelos de previsão <strong>da</strong> veloci<strong>da</strong>de operacional apresentados neste estudo foram obtidos a partir dos <strong>da</strong>dos<br />
geométrico convertidos, conforme formas funcionais mais apropria<strong>da</strong>s.<br />
3.1 Modelo veloci<strong>da</strong>de operacional função raio planimétrico<br />
Conforme exposto na revisão bibliográfica, a grande maioria dos modelos de predição <strong>da</strong> veloci<strong>da</strong>de operacional<br />
utiliza como variável explicativa o inverso do raio planimétrico. García e Albano (2003), utilizando a mesma<br />
base de <strong>da</strong>dos do presente artigo, apresentam um modelo econométrico, de regressão linear simples e forma<br />
funcional inversa, conforme Equação 15.<br />
1975,<br />
105<br />
V85<br />
90,<br />
785−<br />
R<br />
= (15)<br />
Onde: P-Value<br />
V85 = veloci<strong>da</strong>de operacional [km/h] Constante 0,0000<br />
R = raio <strong>da</strong> curva [m] 1/Raio<br />
R<br />
0,0000<br />
2 = 0,5874<br />
Segundo García e Albano (2003), o modelo, além de apresentar um coeficiente de determinação satisfatório <strong>para</strong><br />
um modelo comportamental e de ser estatisticamente válido (P-Value < 0,05 <strong>para</strong> a constante e variável<br />
independente), não apresenta resíduos com padrão de variação em função <strong>da</strong> variável independente raio. Desta<br />
forma, pode-se considerar o modelo proposto como homocedástico, ou seja, um modelo válido.<br />
3.2 Modelo veloci<strong>da</strong>de operacional função elementos geométricos<br />
Com o objetivo de ampliar a abrangência do modelo <strong>da</strong> Equação 15, foram inseri<strong>da</strong>s as variáveis independentes<br />
adicionais, valor absoluto <strong>da</strong> rampa, largura <strong>da</strong> pista e superelevação. Utilizou-se uma análise de regressão<br />
múltipla de forma a obter o modelo <strong>da</strong> Equação 16.<br />
1665,<br />
4<br />
V85 91,<br />
3388−<br />
− 0,<br />
4185xABS(<br />
i)<br />
+ 0,<br />
2903xL<br />
− 0,<br />
5009xSE<br />
R<br />
= (16)<br />
Onde: P-Value<br />
V85 = veloci<strong>da</strong>de operacional [km/h] Constante 0,0000<br />
R = raio <strong>da</strong> curva [m] 1/Raio 0,0000<br />
ABS(i) = valor absoluto <strong>da</strong> rampa [%] Abs(Rampa) 0,2219<br />
L = largura <strong>da</strong> pista [m] Largura 0,8574<br />
SE = superelevação [%] SE 0,1451<br />
R 2 = 0,6105<br />
Avaliando os <strong>da</strong>dos apresentados acima, percebe-se um pequeno acréscimo no coeficiente de determinação entre
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
as equações 15 e 16, o que caracterizaria o segundo modelo como “mais capaz” em explicar a variabili<strong>da</strong>de <strong>da</strong><br />
veloci<strong>da</strong>de operacional.<br />
No entanto, ao se verificar os P-Value <strong>da</strong>s variáveis, pode-se perceber que, com exceção do raio planimétrico e<br />
<strong>da</strong> constante, to<strong>da</strong>s as demais apresentam um P-Value superior a 0,05. Para o nível de confiança adotado de<br />
95%, to<strong>da</strong>s as variáveis que apresentarem um P-Value superior a 0,05 devem ser considera<strong>da</strong>s estatisticamente<br />
não significativas e removi<strong>da</strong>s do modelo. Neste caso, a tentativa de melhor explicar a variabili<strong>da</strong>de <strong>da</strong><br />
veloci<strong>da</strong>de operacional a partir de um número maior de elementos geométricos, retorna à situação descrita pela<br />
Equação 15.<br />
O insucesso obtido na tentativa de obter um modelo de previsão <strong>da</strong> veloci<strong>da</strong>de operacional, através de uma<br />
análise econométrica de regressão múltipla com as quatro variáveis independentes, remete a alguns<br />
questionamentos:<br />
1º Porque não é possível obter um modelo estatisticamente válido quando inseridos como variáveis<br />
independentes o raio planimétrico, rampa, largura <strong>da</strong> pista e superelevação?;<br />
2º É possível obter um modelo que contemple to<strong>da</strong>s estas variáveis?;<br />
3º Que ferramenta de análise deve ser emprega<strong>da</strong> nesta situação? e;<br />
4º O novo modelo obtido irá diferir muito do apresentado pelas equações 15 e 16?.<br />
A resposta <strong>para</strong> todos estes questionamentos possivelmente esteja associa<strong>da</strong> ao fato de existir uma correlação<br />
entre as variáveis independentes, ocasionando uma multicolineri<strong>da</strong>de, ou seja, a dependência entre variáveis<br />
“independentes” na análise de regressão.<br />
Os principais elementos geométricos de uma rodovia (raio planimétrico, rampa, largura <strong>da</strong> pista e superelevação)<br />
apresentam valores limites (mínimos e máximos) dimensionados a partir <strong>da</strong> classe <strong>da</strong> rodovia e do relevo, em<br />
função <strong>da</strong> veloci<strong>da</strong>de de projeto <strong>da</strong> mesma. É bem provável que ocorra a multicolineari<strong>da</strong>de entre os elementos<br />
geométricos definidos como variáveis “independentes”.<br />
A multicolineari<strong>da</strong>de entre as variáveis, na tentativa de se gerar um modelo através de regressão múltipla,<br />
apresenta problemas a seguir relacionados:<br />
− A variabili<strong>da</strong>de <strong>da</strong>s predições obti<strong>da</strong>s pelo modelo é infla<strong>da</strong>;<br />
− A variabili<strong>da</strong>de na variável dependente explica<strong>da</strong> por ca<strong>da</strong> variável independente não pode ser determina<strong>da</strong><br />
independentemente;<br />
− A presença de uma variável independente afeta os coeficientes <strong>da</strong>s outras variáveis independentes a ela<br />
correlaciona<strong>da</strong>s.<br />
Respondi<strong>da</strong> a primeira questão, parte-se <strong>para</strong> a identificação de uma ferramenta de análise que nos permita<br />
responder a segun<strong>da</strong> e a terceira questão. Como o problema identificado não permite desenvolver uma análise<br />
através de variáveis totalmente independentes, a solução é desenvolver uma análise <strong>multivaria<strong>da</strong></strong>. Entre as<br />
possíveis, optou-se pela Análise de Componentes Principais.<br />
3.3 Modelo veloci<strong>da</strong>de operacional função componentes principais<br />
A análise através de componentes principais é uma técnica de análise estatística <strong>multivaria<strong>da</strong></strong> que permite, entre<br />
outros objetivos, inferir acerca de médias <strong>multivaria<strong>da</strong></strong>s e modelos lineares.<br />
Os componentes principais resultam <strong>da</strong> transformação <strong>da</strong>s variáveis, a partir de eixos de maior variabili<strong>da</strong>de.<br />
Outra característica peculiar é <strong>da</strong> ortogonali<strong>da</strong>de entre os eixos de variabili<strong>da</strong>de. Esta ortogonali<strong>da</strong>de caracteriza<br />
a independência entre os diferentes componentes principais.<br />
Desta forma, é possível, partindo <strong>da</strong>s variáveis 1/raio, abs(rampa), largura <strong>da</strong> pista e superelevação, obter<br />
componentes principais totalmente independentes e passíveis de serem utilizados em um modelo de regressão<br />
linear múltipla com sucesso. A Tabela 1 apresenta os autovalores e as cargas que relacionam as variáveis<br />
originais aos componentes principais, obtidos através do software STATGRAPHICS versão 2.1<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias García, Goldner & Albano 8
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
Tabela 2 – Autovalores e cargas dos componentes principais<br />
Autovalor CP1 CP2 CP3 CP4<br />
1/Raio 2,360030 0,547686 -0,029884 0,391015 -0,739090<br />
Abs(Rampa) 0,739399 0,500<strong>40</strong>7 -0,343362 -0,79<strong>40</strong>05 -0,035369<br />
Largura 0,509752 0,414855 0,877<strong>40</strong>5 -0,127092 0,204705<br />
SuperElev 0,390823 0,526810 -0,333722 0,447785 0,6<strong>40</strong>773<br />
É importante salientar que a utilização dos quatro componentes principais permite reproduzir os <strong>da</strong>dos originais<br />
na sua íntegra. A utilização dos três primeiros componentes explica 90,23% <strong>da</strong> variabili<strong>da</strong>de dos <strong>da</strong>dos originais,<br />
enquanto o primeiro componente (que é o que representa o eixo de maior variabili<strong>da</strong>de) explica 59,0% <strong>da</strong><br />
variabili<strong>da</strong>de. Esta característica peculiar à análise de componentes principais identifica dois outros objetivos do<br />
método: 1º a redução de um grande número de variáveis com base em sua estrutura de correlação e, 2º a<br />
se<strong>para</strong>ção de variáveis com base em características comuns mensuráveis.<br />
Neste estudo, a análise através dos componentes principais teve por finali<strong>da</strong>de única eliminar a<br />
multicolineari<strong>da</strong>de entre as variáveis “independentes”.<br />
Obtidos os elementos apresentados na Tabela 2, procedeu-se à padronização <strong>da</strong>s cargas através <strong>da</strong> divisão <strong>da</strong>s<br />
mesmas pela raiz quadra<strong>da</strong> dos autovalores correspondentes. Em uma etapa subseqüente, foram gerados os<br />
escores padronizados a partir <strong>da</strong> multiplicação entre a matriz de <strong>da</strong>dos (1/Raio, Abs(Rampa), largura <strong>da</strong> pista e<br />
superelevação) e matriz de cargas padroniza<strong>da</strong>s.<br />
Utilizando-se como variável dependente a veloci<strong>da</strong>de operacional e como variáveis independentes os quatro<br />
componentes principais, procedeu-se a uma análise de regressão múltipla, obtendo a Equação 17.<br />
V 85= 91,<br />
3365−1<strong>40</strong>1,<br />
4xCP1<br />
+ 76,<br />
8607xCP2<br />
−1000,<br />
21xCP3<br />
+ 1890,<br />
67xCP4<br />
(17)<br />
Onde: P-Value<br />
V85 = veloci<strong>da</strong>de operacional [km/h] Constante 0,0000<br />
CP1 = componente principal 1 CP1 0,0000<br />
CP2 = componente principal 2 CP2 0,0000<br />
CP3 = componente principal 3 CP3 0,0000<br />
CP4 = componente principal 4 CP4 0,0000<br />
R 2 = 0,6105<br />
A Equação 17 apresenta um modelo de previsão <strong>da</strong> veloci<strong>da</strong>de operacional em função dos quatro componentes<br />
principais. Esta equação, além de possuir um coeficiente de determinação superior à Equação 15, possui<br />
variáveis independentes estatisticamente significativas <strong>para</strong> um nível de confiança de 99%, situação não<br />
verifica<strong>da</strong> na Equação 16.<br />
O modelo gerado possui apenas o inconveniente de não estar relacionando diretamente a variável dependente,<br />
veloci<strong>da</strong>de operacional, com as variáveis independentes originais. Este inconveniente pode ser superado através<br />
<strong>da</strong> multiplicação dos coeficientes angulares (β) dos componentes principais pelas cargas padroniza<strong>da</strong>s. A<br />
totalização destes valores, <strong>para</strong> ca<strong>da</strong> uma <strong>da</strong>s variáveis originas, gera os coeficientes angulares do modelo<br />
reescrito, conforme Equação 18.<br />
1665,<br />
2985<br />
V85 91,<br />
3365−<br />
− 0,<br />
4193xABS(<br />
i)<br />
+ 0,<br />
2920xL<br />
− 0,<br />
4965xSE<br />
R<br />
= (18)<br />
Onde: P-Value<br />
V85 = veloci<strong>da</strong>de operacional [km/h] Constante 0,0000<br />
R = raio <strong>da</strong> curva [m] 1/Raio 0,0000<br />
ABS(i) = valor absoluto <strong>da</strong> rampa [%] Abs(Rampa) 0,0000<br />
L = largura <strong>da</strong> pista [m] Largura 0,0000<br />
SE = superelevação [%] SE 0,0000<br />
R 2 = 0,6105<br />
Por fim, o modelo expresso pela Equação 18 não apresenta resíduos com padrão de variação em função <strong>da</strong>s<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias García, Goldner & Albano 9
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
variáveis independentes, podendo, desta forma, ser considerado válido.<br />
4 Conclusões<br />
O presente estudo teve por objetivo o desenvolvimento de um modelo de previsão <strong>da</strong> veloci<strong>da</strong>de operacional em<br />
função dos principais elementos geométricos (raio, rampa, largura <strong>da</strong> pista e superelevação) de rodovias de pista<br />
simples. A análise dos <strong>da</strong>dos e dos modelos obtidos permite concluir:<br />
1. Quanto a sua forma funcional em relação as variáveis independentes<br />
O ajuste mais adequado <strong>para</strong> o modelo é aquele que relaciona a veloci<strong>da</strong>de operacional com o inverso do raio e<br />
com o valor absoluto <strong>da</strong> rampa. Não foi possível determinar uma relação mais apropria<strong>da</strong> <strong>para</strong> os demais<br />
elementos (largura <strong>da</strong> pista e superelevação) que a relação linear;<br />
2. Quanto à capaci<strong>da</strong>de “explicativa” <strong>da</strong>s variáveis independentes<br />
É perceptível em to<strong>da</strong>s as equações apresenta<strong>da</strong>s e, principalmente, através dos coeficientes angulares <strong>da</strong><br />
Equação 18, a capaci<strong>da</strong>de “explicativa” <strong>da</strong> variável raio <strong>para</strong> o modelo. Os elementos rampa, largura <strong>da</strong> pista e<br />
superelevação apresentam uma contribuição <strong>para</strong> o modelo bastante próxima ao erro admissível (4km/h).<br />
3. Quanto à multicolineari<strong>da</strong>de<br />
O modelo <strong>da</strong> Equação 16, não pode ser considerado válido, por apresentar variáveis “independentes” que<br />
possuem correlação entre si. A solução <strong>para</strong> permitir uma análise <strong>da</strong>s variáveis envolvi<strong>da</strong>s foi a utilização de<br />
uma análise <strong>multivaria<strong>da</strong></strong> através de componentes principais. O modelo obtido a partir dos componentes<br />
principais e reescrito <strong>para</strong> as variáveis originais, Equação 18, é um modelo válido que mais do que ampliar a<br />
capaci<strong>da</strong>de explicativa <strong>da</strong> variabili<strong>da</strong>de <strong>da</strong> veloci<strong>da</strong>de operacional em relação a Equação 15, tem por mérito a<br />
inclusão dos principais elementos geométricos de uma rodovia de pista simples como variáveis independentes.<br />
5 Recomen<strong>da</strong>ções<br />
A análise <strong>multivaria<strong>da</strong></strong> é um conjunto de poderosas ferramentas de análise que permite desenvolver uma análise<br />
simultânea de diferentes fatores, principalmente quando as variáveis “aleatórias” estão parcialmente interrelaciona<strong>da</strong>s.<br />
Como recomen<strong>da</strong>ção <strong>para</strong> novos estudos, sugere-se a ampliação deste estudo considerando novas variáveis <strong>para</strong><br />
a elaboração do modelo de previsão <strong>da</strong> veloci<strong>da</strong>de operacional. Em especial, a utilização de variáveis que<br />
permitam caracterizar o condutor (sexo, i<strong>da</strong>de, grau de instrução) e o veículo (tipo, i<strong>da</strong>de). Desta forma, o<br />
modelo estaria sendo construído com os elementos que compõem os inter-relacionamentos existentes entre<br />
condutor, veículo e via.<br />
Referências bibliográficas<br />
DNER 1999. Manual de Projeto Geométrico de Rodovias Rurais. Ministério dos Transportes – Departamento<br />
Nacional de Estra<strong>da</strong>s de Ro<strong>da</strong>gem – Diretoria de Desenvolvimento Tecnológico.<br />
FHWA 2000. Evaluation of Design Consistency Methods for Two-Lane Rural Highways, Executive Summary.<br />
Federal Highway Administration, FHWA-RD-99-173(25):1-25.<br />
GARBER, N. J. e A. A. EHRHART 2000. The Effect of Speed, Flow, and Geometric Characteristics on Crash<br />
Rates for Different Types of Virginia Highways. Virginia Department of Transportation and the<br />
University of Virginia. January 2000.<br />
GARCIA, D. S. P. e J. F. ALBANO 2003 Modelo de Previsão <strong>da</strong> Veloci<strong>da</strong>de Operacional a partir de<br />
Características Planimétricas de Rodovias. Anais <strong>da</strong> 3ª Semana de Engenharia de Produção e<br />
Transportes. Dezembro 2003.<br />
GILBREEL, G.M.; S.M. EASA; Y. HASSAN e I.A. EL-DIMEERY 1999. State of the Art of Highway<br />
Geometric Design Consistency. Journal of Transportation Engineering, 125(9):305-313.<br />
HERRSTEDT, L.; P. GREIBE 2001. Safer Signing and Marking of Horizontal Curves on Rural Roads. Road<br />
Markings, (6):82-87.<br />
HUNTER, W. W.; J. R. STEWART e S. V. HEUSEN-CAUSEY 2000. An Overview of Rural Speed Crashes in<br />
North Carolina – 1994-1999. University of North Carolina – Highway Safety Research Center. October<br />
2000.<br />
KANELLAIDIS, G.; J. GOLIAS e S. EFSTATHIADIS 1990. Drivers’ Speed Behaviour on Rural Road Curves.<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias García, Goldner & Albano 10
Trabalho <strong>da</strong> Disciplina de Análise Quantitativa Dezembro de 2004, UFRGS, Porto Alegre, RS<br />
Traffic Engineering + Control, Jul/Aug(2):414-415.<br />
LAMM, R.; E.M. CHOUEIRI e T. MAILAENDER 1990. Comparison of Operating Speed od Dry and Wet<br />
Pavement of Two Lane Rural Highways. Transportation Research Record, 1280(8):199-207.<br />
LAMM, R.; A.K. GUENTHER e E.M. CHOUEIRI 1995. Safety Module for Highway Geometric Design.<br />
Transportation Research Record, 1512(9):7-15.<br />
LAVE, C. e P. ELIAS 1994. Did the 65 mph Speed Limit Save Lives? Accid. Anal. And Prev., Vol 26 N. 1.<br />
(14):49-62.<br />
LUM H. e J. A. REAGAN 1995. Interactive Highway Safety Design Model: Accident Predictive Module. Public<br />
Roads. Winter.<br />
MAYORA, J. M. P. 1996. Un Nuevo Enfoque de los Programas de Seguri<strong>da</strong>d Vial. Tratamiento de Tramos con<br />
Concentración de Accidentes y Actuaciones Preventivas. Rutas, 53 Abril 1996.<br />
OM 1972. Operations Manual. Virginia Departament of Highways. Traffic and Safe Divisions. Virginia. EUA.<br />
ROCK, S. M. 1995. Impact of the 65 mph Speed Limit on Accidents, Deaths, and Injuries in Illinois. Accid.<br />
Anal. And Prev., Vol 27 N. 2. (8):207-214.<br />
SRE 2000. Sistema Rodoviário do Estado do Rio Grande do Sul. Secretaria dos Transportes – Departamento<br />
Autônomo de Estra<strong>da</strong>s de Ro<strong>da</strong>gem – SPR. Revisão Anual - 2000.<br />
TARRIS, J.P.; C.M. POE, J.M. MASON e K.G. GOULIAS 1996. Predicting Operating Speeds on Low-Speed<br />
Urban Streets: Regression and Panel Analysis Approaches. Transportation Research Record, 1523(9):46-<br />
54.<br />
VIEIRA, H. 1999. Avaliação de Medi<strong>da</strong>s de Contenção de Acidentes: Uma Abor<strong>da</strong>gem Multidisciplinar. Tese<br />
de Doutorado – Programa de Pós-Graduação em Engenharia de Produção, Universi<strong>da</strong>de Federal de<br />
Santa Catarina, UFSC, (23):78-100.<br />
Análise <strong>multivaria<strong>da</strong></strong> <strong>para</strong> previsão <strong>da</strong> veloci<strong>da</strong>de operacional em rodovias García, Goldner & Albano 11