Identificação de segmentos concentradores de acidentes nas rodovias estaduais de Santa Catarina

Abstract

Os acidentes de trânsito estão entre as 10 principais causas de morte entre jovens de 15 a 29 anos nas rodovias mundiais. No Brasil, em 2017 ocorreram mais de 89 mil acidentes nas rodovias federais, dos quais cerca de 10 mil ocorreram em Santa Catarina, levando o Estado ao terceiro lugar no ranking de Estados com o maior número de acidentes em rodovias federais. Nas rodovias estaduais a situação é semelhante, aproximadamente 12 mil acidentes ocorreram no ano de 2016. Em razão dessas estatísticas, este trabalho busca identificar segmentos concentradores de acidentes nas rodovias estaduais de Santa Catarina. Para isso, foram estudados diferentes métodos de identificação desses locais e escolhido o método contido no Manual de identificação, análise e tratamentos de pontos negros elaborado pelo Departamento Nacional de Trânsito (DENATRAN). Esse método identifica os pontos críticos através do cálculo de taxas de acidentes, o qual se baseia no número equivalente de acidentes, em Unidades Padrão de Severidade (UPS), e no volume de tráfego. Portanto, foi necessário coletar dados de acidentes e volume de tráfego com os órgãos competentes, Polícia Militar Rodoviária (PMRv) e Departamento Estadual de Infraestrutura de Transportes (DEINFRA). De posse dos dados, foi criado um banco de dados espacial através do sistema PostgreSQL e de sua extensão PostGIS e nele foram armazenados os dados obtidos. Devido às limitações impostas pelo dados de volume de tráfego, pois não havia dados para toda a malha viária, e devido à dificuldade em compatibilizar as nomenclaturas encontradas na bases de dados de volume com as do cadastro viário obtido no site do DEINFRA, não foi possível considerar a totalidade das rodovias estaduais, portanto, através das linguagens Python e SQL foram criados scripts que permitiram filtrar os trechos possíveis de serem utilizados. Para o cálculo das taxas de acidentes e, consequentemente, a identificação dos segmentos concentradores de acidentes, também foram utilizados comandos em linguagem SQL. As interfaces gráficas pgAdmin e QGIS permitiram a visualização dos dados alfanuméricos e das camadas de dados georreferenciados. Dentre os segmentos considerados em cada ano analisado, 34% resultaram em segmentos concentradores de acidentes em 2011, 31% em 2012, 34% em 2013 e 32% em 2014.

The road traffic crashes are one of the 10 main causes of death among young people aged 15-29 years in world roads. In Brazil, in 2017 more than 89 thousand road traffic crashes occured on federal roads, which about 10 thousand occured in Santa Catarina by getting the state to the second place in ranking of states with the highest number of road traffic crashes on federal roads. On states roads is similar, close to 12 thousand of road traffic crashes occured in 2016. As a result of this statistics, this paper seeks to identify road traffic crashes concentrator segments on state roads of Santa Catarina. To do this, different methods of black spots or black zones identification were studied and the method present in the Manual de identificação, análise e tratamento de pontos negros, produced by DENATRAN was chosen. This method identifies black spots by calculating crash rates, which are based on the Weighted Severity Index (WSI) and on the traffic volume. Therefore, it was necessary to collect accident data and traffic volume data with the competent bodies, PMRv and DEINFRA respectively. Then, it was created a PostgreSQL with PostGIS extensions spatial database and stored the received data. Due to traffic volume data limitations, it was not possible to considerer all the state roads, therefore, Python and SQL commands were used to create filtering scripts that allows considerer only possible uses segments. The SQL commands were also used to calculate crash rates that allow identificated the road crashes concentrator segments. The pgAdmin and QGIS graphic interfaces allowed to visualize the database and the georeferenced data layers respectively. Among the analysed segments, 34% were considered road traffic crashes concentrator segments in 2011, 31% in 2012, 34% in 2013 e 32% in 2014.