A Sinistralidade Rodoviária no Distrito de Setúbal
Sinopse
A sinistralidade rodoviária é uma das maiores calamidades do nosso tempo, pelas perdas humanas e os danos físicos e psicológicos irreparáveis que provoca a muitas das vítimas, envolvendo também uma dimensão económica muito relevante.
Indo de encontro a uma solicitação do Comando Territorial da Guarda Nacional Republicana de Setúbal (CTer GNR Setúbal) para o apoio científico no estudo da problemática da sinistralidade rodoviária grave naquele distrito, a Universidade de Évora estabeleceu uma parceria com o CTer GNR Setúbal, dando origem ao projeto de investigação, financiado pela Fundação para a Ciência e Tecnologia (FCT), Modelação Estatística dos Acidentes de Viação no Distrito de Setúbal (MOPREVIS).
Este livro sintetiza, recorrendo a infografias, os principais resultados do projeto, obtidos com base numa abordagem mista entre técnicas estatísticas, inteligência artificial e sistemas de informação geográfica.
Além de uma análise exploratória focando as principais variáveis associadas aos acidentes, apresentam-se os determinantes para a ocorrência e natureza dos acidentes, traça-se o perfil dos intervenientes e realiza-se uma análise espacial para a deteção de locais com a ocorrência de muitos acidentes e outra com base num novo indicador de gravidade. Também se apresenta uma análise à escala dos concelhos de Palmela e de Sesimbra e um estudo do efeito da pandemia COVID-19 nos acidentes de viação. Por fim, apresentam-se os modelos preditivos concebidos e a ferramenta digital de apoio à tomada de decisão.
Este livro constitui, assim, uma importante contribuição para poderem ser implementadas medidas adequadas que possibilitem a redução da sinistralidade rodoviária grave no distrito de Setúbal, mas também se assume como um instrumento escalável para o todo o território nacional.
Referências
Infante, P., Jacinto, G., Afonso, A., Rego, L., Nogueira, P., Silva,M., Nogueira, V., Saias, J., Quaresma, P., Santos, D., Gois, P., Manuel, P.R. (accepted jan 2023). Factors that influence the type of road traffic accidents: a case study in a district of Portugal. Sustainability.
Infante, P., Afonso., A., Jacinto, G., Rego, L., Cesar, R., Nogueira, P., Silva, M., Nogueira, V., Saias, J., Quaresma, P., Santos, D., Gois, P., Manuel, P. R. (2022). Some determinants for road accidents severity in the district of Setúbal. In Recent Developments in Statistics and Data Science. SPE 2021 (Eds. Bispo, R., Henriques-Rodrigues, L., Alpizar-Jara, R., De Carvalho, M.). Springer Proceedings in Mathematics & Statistics, vol. 398, 203-214. Springer, Cham. https://doi.org/10.1007/978-3-031-12766-3_14
Infante, P., Jacinto, G., Afonso, A., Rego, L., Nogueira, V., Quaresma, P., Saias, J., Santos, D., Nogueira, P., Silva, M., Costa, R. P., Gois, P., Manuel, P. R. (2022). Comparison of Statistical and Machine Learning Models on Road Traffic Accident Severity Classification. Computers, 11(5), 80. https://doi.org/10.3390/computers11050080
Santos, D., Saias, J., Quaresma, P., & Nogueira, V. B, (2021). Machine Learning Approaches to Traffic Accident Analysis and Hotspot Prediction. Computers, 10(12), 157. http://dx.doi.org/10.3390/computers10120157
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-SemDerivações 4.0.