Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufpe.br/handle/123456789/45310
Comparte esta pagina
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | MOTA, Caroline Maria de Miranda | - |
dc.contributor.author | MACHADO, Lucas Cavalcante | - |
dc.date.accessioned | 2022-07-28T16:06:33Z | - |
dc.date.available | 2022-07-28T16:06:33Z | - |
dc.date.issued | 2022-03-10 | - |
dc.identifier.citation | MACHADO, Lucas Cavalcante. Modelo de decisão e análise espaço-temporal de acidentes de trânsito. 2022. Dissertação (Mestrado em Engenharia da Produção) - Universidade Federal de Pernambuco, Recife, 2022. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/45310 | - |
dc.description.abstract | Os sinistros de trânsito estão entre as principais causas de morte no mundo, sendo responsável por cerca de 1,35 milhão de vítimas fatais por ano e outros milhares de feridos. Além desses, os distúrbios psicológicos, congestionamento, interrupção de transporte público e transporte de carga, sobrecarga nos atendimentos de emergências, comprometimento no abastecimento de pessoas, são outras consequências que estão associadas a esses eventos. Diante disso, analisar essas ocorrências é de fundamental importância para entender a dinâmica desses sinistros e desenvolver políticas mitigadoras para redução desses sinistros. Com base nisso, está pesquisa propõe um modelo de análise espaço-temporal de sinistros de trânsito, buscando identificar, caracterizar e priorizar pontos críticos de sinistros de trânsito. As informações obtidas com essa aplicação serão essenciais para o desenvolvimento das medidas de controle. Para tanto, o estudo utiliza as abordagens de densidade de Kernel, autocorrelação espacial global e local para análise espaço-temporal dos sinistros, e assim identificar o padrão espaço-temporal. Além do mais, o GWR (Geographically Weighted Regression) foi aplicado para verificar o impacto de alguns fatores na variação dos sinistros. Por fim, um modelo de decisão multicritério foi desenvolvido para ordenação de hotspots identificados. Após as análises, foi identificado os locais onde possuem uma maior densidade de sinistros, como o bairro Centro de Fortaleza, e que o padrão espacial dos sinistros varia com o tempo. Diante disso, o bairro Centro foi identificado como o local precário, devendo este ser priorizado nas ações das autoridades de trânsito. | pt_BR |
dc.description.sponsorship | CAPES | pt_BR |
dc.language.iso | por | pt_BR |
dc.publisher | Universidade Federal de Pernambuco | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Engenharia de Produção | pt_BR |
dc.subject | Sinistro viário | pt_BR |
dc.subject | Espaço-temporal | pt_BR |
dc.subject | MCDM/A | pt_BR |
dc.title | Modelo de decisão e análise espaço-temporal de acidentes de trânsito | pt_BR |
dc.type | masterThesis | pt_BR |
dc.contributor.authorLattes | http://lattes.cnpq.br/9097132989807048 | pt_BR |
dc.publisher.initials | UFPE | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.degree.level | mestrado | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/7211565565446890 | pt_BR |
dc.publisher.program | Programa de Pos Graduacao em Engenharia de Producao | pt_BR |
dc.description.abstractx | Traffic accidents are among the leading causes of death in the world, being responsible for about 1.35 million fatalities per year and thousands more injured. Besides these, psychological disturbances, congestion, interruption of public transport and cargo transportation, overload in emergency care, compromising the supply of people, are other consequences that are associated with these events. Therefore, analyzing these occurrences is of fundamental importance to understand the dynamics of these accidents and develop mitigating policies to reduce these accidents. Based on this, this research proposes a model of spatial- temporal analysis of traffic accidents, seeking to identify, characterize and prioritize accident hot spots. The information obtained from this application will be essential for the development of control measures. To this end, the study uses Kernel density approaches, global and local spatial autocorrelation for spatio-temporal analysis of accidents, and thus identify the spatio- temporal pattern. Furthermore, GWR (Geographically Weighted Regression) was applied to verify the impact of some factors on accident variation. Finally, a multi-criteria decision model was developed to order the identified hotspots. After the analyses, it was identified the places where there is a higher density of accidents, such as the Downtown neighborhood of Fortaleza, and that the spatial pattern of accidents varies with time. In view of this, the Center neighborhood was identified as the precarious location, which should be prioritized in the actions of traffic authorities. | pt_BR |
Aparece en las colecciones: | Dissertações de Mestrado - Engenharia de Produção |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
DISSERTAÇÃO Lucas Cavalcante Machado.PDF | 8 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons