Effect of vehicle characteristics on safety, fuel use and emissions

Abstract

Nos últimos anos, o número de vítimas de acidentes de tráfego por milhões de habitantes em Portugal tem sido mais elevado do que a média da União Europeia. Ao nível nacional torna-se premente uma melhor compreensão dos dados de acidentes e sobre o efeito do veículo na gravidade do mesmo. O objetivo principal desta investigação consistiu no desenvolvimento de modelos de previsão da gravidade do acidente, para o caso de um único veículo envolvido e para caso de uma colisão, envolvendo dois veículos. Além disso, esta investigação compreendeu o desenvolvimento de uma análise integrada para avaliar o desempenho do veículo em termos de segurança, eficiência energética e emissões de poluentes. Os dados de acidentes foram recolhidos junto da Guarda Nacional Republicana Portuguesa, na área metropolitana do Porto para o período de 2006-2010. Um total de 1,374 acidentes foram recolhidos, 500 acidentes envolvendo um único veículo e 874 colisões. Para a análise da segurança, foram utilizados modelos de regressão logística. Para os acidentes envolvendo um único veículo, o efeito das características do veículo no risco de feridos graves e/ou mortos (variável resposta definida como binária) foi explorado. Para as colisões envolvendo dois veículos foram criadas duas variáveis binárias adicionais: uma para prever a probabilidade de feridos graves e/ou mortos num dos veículos (designado como veículo V1) e outra para prever a probabilidade de feridos graves e/ou mortos no outro veículo envolvido (designado como veículo V2). Para ultrapassar o desafio e limitações relativas ao tamanho da amostra e desigualdade entre os casos analisados (apenas 5.1% de acidentes graves), foi desenvolvida uma metodologia com base numa estratégia de reamostragem e foram utilizadas 10 amostras geradas de forma aleatória e estratificada para a validação dos modelos. Durante a fase de modelação, foi analisado o efeito das características do veículo, como o peso, a cilindrada, a distância entre eixos e a idade do veículo. Para a análise do consumo de combustível e das emissões, foi aplicada a metodologia CORINAIR. Posteriormente, os dados das emissões foram modelados de forma a serem ajustados a regressões lineares. Finalmente, foi desenvolvido um indicador de análise integrada (denominado “SEG”) que proporciona um método de classificação para avaliar o desempenho do veículo ao nível da segurança rodoviária, consumos e emissões de poluentes.Face aos resultados obtidos, para os acidentes envolvendo um único veículo, o modelo de previsão do risco de gravidade identificou a idade e a cilindrada do veículo como estatisticamente significativas para a previsão de ocorrência de feridos graves e/ou mortos, ao nível de significância de 5%. A exatidão do modelo foi de 58.0% (desvio padrão (D.P.) 3.1). Para as colisões envolvendo dois veículos, ao prever a probabilidade de feridos graves e/ou mortos no veículo V1, a cilindrada do veículo oposto (veículo V2) aumentou o risco para os ocupantes do veículo V1, ao nível de significância de 10%. O modelo para prever o risco de gravidade no veículo V1 revelou um bom desempenho, com uma exatidão de 61.2% (D.P. 2.4). Ao prever a probabilidade de feridos graves e/ou mortos no veículo V2, a cilindrada do veículo V1 aumentou o risco para os ocupantes do veículo V2, ao nível de significância de 5%. O modelo para prever o risco de gravidade no veículo V2 também revelou um desempenho satisfatório, com uma exatidão de 40.5% (D.P. 2.1). Os resultados do indicador integrado SEG revelaram que os veículos mais recentes apresentam uma melhor classificação para os três domínios: segurança, consumo e emissões. Esta investigação demonstra que não existe conflito entre a componente da segurança, a eficiência energética e emissões relativamente ao desempenho dos veículos.

During the last years, the number of fatalities per million inhabitants in Portugal has always been higher than the average in the European Union. Therefore, at national level, there is a need for a more effective understanding of crash data and vehicles effects on crash severity. This research examined the effects of vehicle characteristics on severity risk, fuel use and emissions. The main goal of this research was to develop models for crash severity prediction in single vehicle-crashes and two-vehicle collisions. Furthermore, this research aimed at developing an integrated analysis to evaluate vehicle’s safety, fuel efficiency and emission performances. Crash data were collected from the Portuguese Police Republican National Guard records for the Porto metropolitan area, for the period 2006-2010. A total of 1,374 crashes were collected, 500 single-vehicle crashes and 874 two-vehicle collisions. For the safety analysis, logistic regressions were used. For single-vehicle crashes, the effect of vehicle characteristics to predict the probability of a serious injury and/or killed in vehicle occupants (designed as binary target) was explored. For two-vehicle collisions, additional binary targets were designed: one target to predict the probability of a serious injury and/or killed in vehicle V1) and another target to predict the probability of a serious injury and/or killed in vehicle V2). To overcome the challenge imposed by sample size and high imbalanced data (only 5.1% were severe crashes), research methodology was developed based on a resampling strategy and 10 stratified random samples were used for validation. During the modeling stage, the effect of vehicle characteristics, such as weight, engine size, wheelbase and age of vehicle were analyzed. For the vehicle’s fuel efficiency and emissions analysis, pollutants were estimated using CORINAIR methodology. Following, emissions data were fit into linear regression models. Finally, an integrated analysis indicator (entitled “SEG”) that provides rating classification for the evaluation of vehicle’s safety, fuel efficiency and emission performances, was developed. Regarding these results, for single-vehicle crashes, injury severity prediction model identified age of the vehicle and engine size as statistically significant, at 5% level. Model performance accuracy rate was 58.0% (S.D. 3.1). For two-vehicle collisions, when predicting injury severity in vehicle V1, the engine size of the opponent vehicle (vehicle V2) increased the risk for the occupants of the subject vehicle (vehicle V1), at 10% level. Injury severity prediction model for vehicle V1 revealed a good performance with a mean prediction accuracy rate of 61.2% (S.D. 2.4). When predicting injury severity for the other vehicle involved (vehicle V2), the engine size of the opponent vehicle (vehicle V1) increased the risk for the occupants of vehicle V2, at 5% level. Injury severity prediction model for vehicle V2 achieved a mean prediction accuracy rate of 40.5% (S.D. 2.1). The results of the integrated analysis indicator, SEG, revealed that recent vehicle achieved better rating simultaneously for all the three domains: safety, fuel efficiency and emissions performances. Newer vehicles showed a better overall safety rating, were more fuel efficient (less CO2 emissions) and reduced emissions (more environmental friendly). This research relevance showed that there is no trade-off between safety, fuel efficiency and emissions.