Avaliação da conformidade de Sinais de Trânsito para melhorar a segurança rodoviária em meio urbano: uma aplicação no Centro de Guimarães, Portugal
Palavras-chave:
Sinais de trânsito. Conformidade. Visibilidade. SIG. Multicritério.Resumo
A segurança rodoviária depende da existência de uma rede de sinalética apropriada e de uma correta manutenção dos sinais ao longo do tempo. Os sinais verticais de trânsito, para serem efetivamente funcionais, devem permanecer adequadamente visíveis e percetíveis. Neste artigo apresenta-se uma metodologia para avaliar o nível de conformidade dos sinais, procurando identificar eventuais deficiências funcionais. A metodologia baseia-se numa análise multicritério, onde são considerados dois critérios e oito subcritérios relacionados com as características físicas e operacionais dos sinais. A visibilidade dos sinais foi avaliada através de uma análise em SIG, considerando as distâncias de travagem e de paragem. O nível de intervenção obtido é constituído por quatro níveis, em função da necessidade e da urgência em recuperar a função dos sinais. A metodologia foi aplicada na cidade de Guimarães, Portugal. Os resultados comprovam a funcionalidade da metodologia e revelam que mais de metade dos sinais analisados não estão totalmente em conformidade com as normas, muito por culpa da estrutura urbana compacta e da presença de vegetação nas ruas. Uma vez que, para vários sinais, as distâncias de travagem e de paragem não são adequadas, pode-se concluir que os utilizadores destas ruas estão expostos a riscos que ameaçam a sua segurança.
Downloads
Referências
Al-Madani, H., & Al-Janahi, A. (2002). Assessment of drivers’
comprehension of traffic signs based on their traffic,
personal and social characteristics. Transportation
Research Part F, 5, 63-76. http://dx.doi.org/10.1016/
S1369-8478(02)00006-2
Alghamdi, W., Shakshuki, E., & Sheltami, T. (2012). Contextaware
driver assistance system. Procedia Computer
Science, 10, 785-794. 10.1016/j.procs.2012.06.100
Arroyo, S., Sanz, S., Bascón, S., Figueras, J., & Sastre, R.
(2010). A decision support system for the automatic
management of keep-clear signs based on support vector
machines and geographic information systems. Expert
Systems with Applications, 37(1), 767-773. http://dx.doi.
org/10.1016/j.eswa.2009.05.102
Balali, V., Sadeghi, M., & Fard, M. (2015). Image-based retro-
reflectivity measurement of traffic signs in day time.
Advanced Engineering Informatics, 29(4), 1028-1040.
http://dx.doi.org/10.1016/j.aei.2015.08.003
Belloví, M. B., & Malagón, F. P. (1993). NTP 330: Simplified
Method for evaluating Accident Risks, Spanish National
Institute for Safety and Hygiene at Work (INSHT). In
Technical Norms for Prevention, Ministry of Labour, Spain
(in Spanish).
Bessa, R., Baptista, J., & Oliveira, M. (2015). Comparing
three risk analysis methods on the evaluation of a trench
opening in an urban site. In Pedro M. Arezes, João Santos
Baptista, Monica P. Barroso, Paula Carneiro, Patrício
Cordeiro, Nelson Costa, Rui B. Melo, A. Sergio Miguel, e
Gonçalo Perestrelo (Eds.), Occupational Safety and Hygien
III (p. 429-433). London: Taylor and Francis Group.
Borowsky, A., Shinar, D., & Parmet, Y. (2008). Sign location,
sign recognition, and driver expectancies.
Transportation Research Part F, 11, 459-465. http://
dx.doi.org/10.1016/j.trf.2008.06.003.
Bruno, L., Parla, G., & Celauro, C. (2012). Improved traffic
signal detection and classification via image processing
algorithms. Procedia Social and Behavioral Sciences, 53,
-821. doi: 10.1016/j.sbspro.2012.09.930
Carlson, P., & Hawkins, J. (2003). Minimum retro reflectivity
levels for overhead guide signs and streetname
signs. Publication Nº. FHWA-RD-03-082, U.S.
Department of Transportation, McLean. Recuperado de
https://www.fhwa.dot.gov/publications/research/safety/
/03082.pdf
Castellano, J., Jiménez, I., Pozuelo, C., & Álvarez, J. (2015).
Traffic sign segmentation and classification using statistical
learning methods. Neurocomputing, 153(4), 286-299.
http://dx.doi.org/10.1016/j.neucom.2014.11.026
Chamberlain, B., & Meitner, M. (2013). A route-based visibility
analysis for landscape management. Landscape and
Urban Planning, 111, 13-24. http://dx.doi.org/10.1016/j.
landurbplan.2012.12.004
Chen, Z., Lin, W., Ke, S., & Tsai, C. (2015). Evolutionary
feature and instance selection for traffic sign recognition.
Computers in Industry, 74, 201-211. http://dx.doi.
org/10.1016/j.compind.2015.08.007
Claret, P., Castillo, J., Mejías, E., Manzanero, J., Anta, G.,
Martín, M., & Moleón, J. (2011). Comparison of two methods
to assess the effect of age and sex on the risk of car
crashes. Accident Analysis and Prevention, 43(4), 1555-
http://dx.doi.org/10.1016/j.aap.2011.03.011
Costa, M., Simone, A., Vignali, V., Lantieri, C., Bucchi, A.,
& Dondi, G. (2014). Looking behavior for vertical road
signs. Transportation Research Part F, 23, 147-155.
http://dx.doi.org/10.1016/j.trf.2014.01.003
Department for Transport - DT (2013). Traffic Signs
Manual: Chapter 4 (Warning Signs). London: The
Stationery Office.
Escalera, A., & Mata, A. (2003). Traffic sign recognition
and analysis for intelligent vehicles. Image and
Vision Computing, 21, 247-258. Recuperado de http://earchivo.
uc3m.es/bitstream/handle/10016/7089/
traffic_escalera_IVC_2003_ps.pdf
Gao, X., Podladchikova, L., Shaposhnikov, D., Hong, K., &
Shevtsova, N. (2006). Recognition of traffic signs based
on their colour and shape features extracted using human
vision models. Journal of Visual Communication and
Image Representation, 17(4), 675-685. http://dx.doi.
org/10.1016/j.jvcir.2005.10.003
Guo, H., Wang, X., & Zhong, Y. (2011). Traffic signs recognition
based on visual attention mechanism. The Journal
of China Universities of Posts and Telecommunications,
(2), 12-16. 10.1016/S1005-8885(10)60139-2
Hassan, H., & Abdel-Aty, M. (2011). Analysis of drivers’
behavior under reduced visibility conditions using a
Structural Equation Modeling approach. Transportation
Research Part F, 14, 614-625. http://dx.doi.org/10.1016/j.
trf.2011.07.002
Instituto Nacional de Estatística - INE. (2012). Censos
INE, Lisboa.
Jung, I., Rhee, K., Yoon, H., Chong, K., & Lee, Y. (2014). A study
on the methodology for automatic DB update in the road sign
management system. International Journal of Information
Technology and Business Management, 25(1), 96-105.
Keall, M., & Newstead, S. (2011). Passenger vehicle safety
in Australasia for different driver groups. Accident
Analysis and Prevention, 43(3), 684-689. http://dx.doi.
org/10.1016/j.aap.2010.10.012
Khalilikhah, M., Heaslip, K., & Song, Z. (2015). Can daytime
digital imaging be used for traffic sign retroreflectivity
compliance? Measurement, 75, 147-160. http://
dx.doi.org/10.1016/j.measurement.2015.07.049
Marques, J. (2005). Engenharia de segurança rodoviária
em áreas urbanas. Prevenção Lisboa: Rodoviária
Portuguesa.
McKenzie, D., O’Neill, S., Larkina, N., & Norheimb, R.
(2006). Integrating models to predict regional haze from
wildland fire. Ecological Modelling, 199(3), 278-288.
