Avaliação da conformidade de Sinais de Trânsito para melhorar a segurança rodoviária em meio urbano: uma aplicação no Centro de Guimarães, Portugal

Daniel Souto Rodrigues, Carlos Eduardo Pires Magalhães, Fernando Pereira Fonseca, António de Lima Sampaio Duarte, Paulo Jorge Gomes Ribeiro

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.


Palavras-chave


Sinais de trânsito. Conformidade. Visibilidade. SIG. Multicritério.

Texto completo:

PDF

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.

http://dx.doi.org/10.1016/j.ecolmodel.2006.05.029


Apontamentos

  • Não há apontamentos.