In Italy, approximately 76% of road accidents occur on urban streets. This research aims to develop predictive crash models for divided two-lane roads, linked to the pavement condition index (PCI). The first part of this work explains data collection and preparation, especially for the segmentation of study roads in homogeneous sections. Next, calibration and validation procedures are developed, using different ways such as ordinary least squares and maximum likelihood methods, combined to artificial neural networks and empirical bayesian estimate. During the previous procedure it is also evaluated the transferability of a crash model to different urban roads, which requires the recalibration of the constant term for specific situation in time and space. Several candidate models were considered, and, after checking the statistical significance of the parameters and goodness of fit statistics, it is found a lack of relation between observed accidents and pavement condition for the study roads. Therefore new crash models, with other variables, were considered and, finally, it was found significant one, linked to exposure parameters, weather and surface condition.

In Italia, circa il 76% dei sinistri stradali avviene sulle strade urbane. Il seguente elaborato ha come obiettivo lo sviluppo di modelli predittivi incidentali per strade a carreggiate separate, in funzione della condizione della sovrastruttura. La prima parte di questa ricerca descrive la modalità di reperimento e gestione dei dati, in modo particolare per quanto concerne la suddivisione della strade del caso studio in tratti omogenei. Successivamente, sono stati sviluppati procedimenti di calibrazione e validazione, usando diversi metodi, quali i minimi quadrati ordinari e la massima verosimiglianza, abbinati alle reti neurali e alla stima empirica bayesiana. Si è valutata la trasferibilità di un modello incidentale a strade con diverse caratteristiche, per cui è stata necessaria una ricalibrazione del termine costante, in considerazione della situazione specifica in termini di tempo e spazio. Numerosi modelli sono stati considerati, e, dopo aver verificate la significatività statistica e la bontà della stima, è stata evidenziata una debole relazione tra i sinistri registrati e la condizione della pavimentazione relativamente alle strade oggetto del caso studio. Sono stati, perciò, considerati nuovi modelli incidentali con variabili differenti e, infine, ne è stato ricavato uno significativo, in funzione delle variabili di esposizione al rischio incidentale e alle condizioni atmosferiche e del fondo stradale.

Analisi teorico-sperimentale sulla relazione tra incidentalità stradale e condizione della pavimentazione in ambito urbano

MORSTABILINI, MATTEO
2010/2011

Abstract

In Italy, approximately 76% of road accidents occur on urban streets. This research aims to develop predictive crash models for divided two-lane roads, linked to the pavement condition index (PCI). The first part of this work explains data collection and preparation, especially for the segmentation of study roads in homogeneous sections. Next, calibration and validation procedures are developed, using different ways such as ordinary least squares and maximum likelihood methods, combined to artificial neural networks and empirical bayesian estimate. During the previous procedure it is also evaluated the transferability of a crash model to different urban roads, which requires the recalibration of the constant term for specific situation in time and space. Several candidate models were considered, and, after checking the statistical significance of the parameters and goodness of fit statistics, it is found a lack of relation between observed accidents and pavement condition for the study roads. Therefore new crash models, with other variables, were considered and, finally, it was found significant one, linked to exposure parameters, weather and surface condition.
MALVICINI, SARA
ING I - Scuola di Ingegneria Civile, Ambientale e Territoriale
23-apr-2012
2010/2011
In Italia, circa il 76% dei sinistri stradali avviene sulle strade urbane. Il seguente elaborato ha come obiettivo lo sviluppo di modelli predittivi incidentali per strade a carreggiate separate, in funzione della condizione della sovrastruttura. La prima parte di questa ricerca descrive la modalità di reperimento e gestione dei dati, in modo particolare per quanto concerne la suddivisione della strade del caso studio in tratti omogenei. Successivamente, sono stati sviluppati procedimenti di calibrazione e validazione, usando diversi metodi, quali i minimi quadrati ordinari e la massima verosimiglianza, abbinati alle reti neurali e alla stima empirica bayesiana. Si è valutata la trasferibilità di un modello incidentale a strade con diverse caratteristiche, per cui è stata necessaria una ricalibrazione del termine costante, in considerazione della situazione specifica in termini di tempo e spazio. Numerosi modelli sono stati considerati, e, dopo aver verificate la significatività statistica e la bontà della stima, è stata evidenziata una debole relazione tra i sinistri registrati e la condizione della pavimentazione relativamente alle strade oggetto del caso studio. Sono stati, perciò, considerati nuovi modelli incidentali con variabili differenti e, infine, ne è stato ricavato uno significativo, in funzione delle variabili di esposizione al rischio incidentale e alle condizioni atmosferiche e del fondo stradale.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
2012_4_Morstabilini.pdf

solo utenti autorizzati dal 28/03/2015

Descrizione: Testo della tesi
Dimensione 2.27 MB
Formato Adobe PDF
2.27 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/47641