A localização de equipamentos de fiscalização em rodovias é um problema de interesse para várias entidades responsáveis pela manutenção da infraestrutura viária e fiscalização das leis de trânsito. É possível que nesse tipo de situação os veículos busquem ativamente evadir à fiscalização, para manter o lucro associado ao trânsito ilegal ou para evitar as punições da lei. Caso esse efeito não seja considerado nas etapas de planejamento dos sistemas de fiscalização, os transportadores podem facilmente evitar a fiscalização através de aplicativos de planejamento de rotas. Este trabalho procura investigar como tal comportamento evasivo altera a forma com que os equipamentos de fiscalização devem ser localizados na malha rodoviária. Primeiramente, realiza-se uma revisão de como esse problema vem sendo resolvido na literatura, e após isso são realizados experimentos numéricos com um dos principais modelos matemáticos utilizados. Os resultados mostram que a consideração matemática do comportamento de evasão não aumenta de forma expressiva o número de equipamentos que devem ser instalados na malha, mas otimiza a sua localização para que sejam capturados todos os caminhos possíveis para cada par origem-destino (dentro de uma distância máxima de desvio em relação ao menor caminho). Caso o planejamento seja feito sem a consideração da evasão e os veículos apresentem essa tendência, a fiscalização pode ser inefetiva. Por outro lado, caso no planejamento seja considerada uma tendência à evasão maior que a real, todos os veículos serão monitorados com sucesso pelos pontos de monitoramento, sem haver aumento expressivo no custo de implantação.
Reducing the number of deaths by road crashes is an important priority for many countries around the world. Although focusing on the occurrence of crashes can provide safety policies that help reduce its numbers, studying their severity can provide different measures that may help further reduce the number of deaths by focusing on the most severe problems first. In this paper, a multinomial logistic regression model is fitted to nationwide highway crash data in Brazil from 2017 to 2019 to identify and estimate the associated factors to crash severity. Severity is classified as without injury, with injured victims or with fatal victims. Amongst other observations, results indicate that pedestrian involvement in highway crashes increase dramatically their severity. Also, conditions that favor greater speeds (clear weather, times when there are fewer vehicles on the road) are also related to an increase in crash severity, pointing to a proportional relation with traffic fluidity. Moreover, some observed limitations on the data may indicate that Brazil would benefit greatly from national crash records standards and unified databases, especially crossmatching crash reports with health data.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.