Author(s):
Ribeiro, Maria da Conceição Rodrigues, 1971- 
Date: 2013
Persistent ID: http://hdl.handle.net/10451/8044
Origin: Repositório da Universidade de Lisboa
Subject(s): Segurança rodoviária; Modelos bayesianos; Teses de doutoramento - 2013
Description
Tese de doutoramento, Estatística e Investigação Operacional (Probabilidades e Estatística), Universidade de Lisboa, Faculdade de Ciências, 2013 Os acidentes rodoviários são um grave problema de saúde pública mundial com consequências socio-económicas devastadoras. Apesar dos enormes esforços efetuados nos últimos anos, os valores de sinistralidade rodoviária ainda são inadmissíveis. As estatísticas registadas suscitaram o interesse de investigadores e de políticos, como peça fundamental para no sentido de compreender melhor a complexidade de fatores relacionados com os acidentes rodoviários e determinar que aspetos do problema de segurança rodoviária são locais (nacional ou regional) e quais são os partilhados por vários países. Assim, tem havido uma considerável investigação direcionada para o desenvolvimento de modelação estatística de dados de acidentes rodoviários ocorridos em áreas geográficas correspondentes a órgãos de administração pública ou gestão de infraestruturas de transporte, com o objectivo de encontrar modelos que possam servir como referência na implementação de ações corretivas destinadas a diminuir o número de acidentes rodoviários. A estimação do número esperado de acidentes continua a ser um problema em aberto, não existindo um método que possa ser considerado ótimo. No entanto, é generalizada a referência à superioridade dos métodos bayesianos. Esta tese foca-se na aplicação de modelos hierárquicos bayesianos a dados espaço-temporais em segurança rodoviária. No que diz respeito à metodologia de inferência foi utilizada uma abordagem recente, proposta em Rue et al. (2009), que consiste na inferência bayesiana aproximada via INLA, (Integrated Nested Laplace Approximations), e que é uma alternativa determinística aos métodos de simulação MCMC habitualmente usados. Assim, explorou-se no R, através do R-INLA, a implementação desta metodologia que torna o uso dos modelos bayesianos hierárquicos mais acessível, sendo uma alternativa muito competitiva relativamente ao WinBUGS para situações em que a distribuição da variável dependente pertence à família exponencial. Com a implementação desses modelos foi possível reduzir a variabilidade das estimativas dos riscos de acidentes em áreas pequenas e, simultaneamente, revelar padrões de dependência espacial, tendências temporais e interações espaço-temporais. Conseguiu-se assim uma suavização espacial dos dados, ainda que as regiões sob estudo possuam áreas pequenas. Para além disso, foi possível fazer a identificação dos concelhos de Portugal Continental de maior risco relativamente ao país e a análise da associação concelhia com potenciais fatores de risco ou de exposição. Espera-se que esta metodologia possa vir a permitir efetuar uma comparação no que respeita à segurança rodoviária, não só ao nível nacional ou regional, mas também ao nível internacional. Road accidents are a serious public health problem worldwide with devastating socioeconomic consequences. Despite the enormous e_orts made in recent years, the road fatalities values are still unacceptable. Statistics recorded caught the interest of researchers and politicians as a key to better understand the complexity of factors related to road accidents, and to determine which aspects of the problem of road safety are local (national or regional) and which are shared by several countries. Thus, there has been considerable research directed towards the development of statistical modeling of road accident data in geographic areas corresponding to organs of public administration or management of transport infrasctruture, with the aim of finding models that can serve as reference to the implementation of corrective actions aimed to reduce the number of road accidents. The estimation of the expected number of accidents remains an open problem and there is no method that can be considered optimal. However there is a general reference to the superiority of Bayesian methods. This thesis focuses on the application of Bayesian hierarchical models with spatio-temporal data in road safety. Regarding to inference methodology, a recent approach proposed in Rue et al. (2009), which is the approximate Bayesian inference via INLA (Integrated Nested Laplace Approximations) was used, which is a deterministic alternative to the simulation methods MCMC commonly used. Thus we explored in R through R-INLA the implementation of this methodology, which makes the use of Bayesian hierarchical models more accessible, being a very competitive alternative for the WinBUGS for situations where the depedent variable distribution belongs to the exponential family. With the implementation of these models it was possible to reduce the estimates variability of the risks of accidents in small areas and simultaneously to reveal patterns of spatial dependence, trends and spatio-temporal interactions. In this way a spatial smoothing of the data was obtained, despite of the regions under study having small areas. Furthermore, it was possible to identify the counties of Portugal at higher risk relatively to the country and to analyze association of the district council with potential risk factors or exposure. It is hoped that this methodology will allow comparisons with regard to road safety not only at national or regional level, but also at international level.
Document Type
Doctoral Thesis
Language
Portuguese
Advisor(s)
Cardoso, João Paulo Lourenço; Turkman, Maria Antónia Amaral, 1949-
