The predictive method presented in the Highway Safety Manual (HSM) estimates the crash frequency by combining a safety performance function (SPF) with crash modification factors (CMFs) and a calibration factor to consider local conditions. This study aims to assess the performance of HSM predictive models when applied to a different condition, such as found on Brazilian roads, by evaluating rural multilane highways. Five divided four-lane highways were segmented and considered following HSM guidelines. To deal with the possible underreporting number of Property Damage Only (PDO) crashes, further investigation was developed for total and Fatal or Injury (FI) severity. Calibration factors (C_x) were calculated, 2.62 for total and 2.35 for FI crashes. The goodness of fit (GOF) tests applied were Mean Absolute Deviation (MAD), Mean Absolute Percentage Error (MAPE), Mean Squared Error (RMSE), R², and observed versus estimated collisions graphs for different scenarios. The Goodness of Fit measures to assess the HSM performance shows that models for total crashes perform better than FI. Finally, as 2020 was an atypical year in which the COVID-19 pandemic altered traffic patterns worldwide, this study aimed to assess the application of the calibrated prediction model to a sudden disturbance in traffic behavior. The HSM method was applied to 2020 using the C_x obtained from the four previous years. The result showed that for 2020, the observed counts were about 10% lower than the calibrated predictive model estimate of crash frequency for all types of crashes. However, the calibrated prediction of FI crashes was very close to the observed counts.

O método preditivo do Highway Safety Manual (HSM) estima a frequência de acidentes aplicando uma função de desempenho de segurança (SPF), em que o fator de calibração estima o ajuste para as condições locais. Para avaliar a transferibilidade em condições diferentes daquelas em que o modelo foi desenvolvido, este trabalho traz uma nova abordagem por meio da avaliação de rodovias brasileiras pedagiadas. Assim, cinco rodovias rurais de multipistas foram segmentadas e avaliadas conforme recomendação do HSM. Para reduzir o problema da subnotificação de dados de acidentes, o método foi desenvolvido para dados de colisões classificados como fatais ou com vítimas (FI) em comparação com os dados totais. O fator de calibração local (C_x) encontrado foi 2,62 para todos os tipos de acidentes e 2,35 apenas para FI. As medidas de avaliação de qualidade de ajuste (Goodness of Fit - GOF), foram Desvio Médio Absoluto (MAD), Erro Médio Percentual Absoluto (MAPE), Erro Quadrático Médio (RMSE), R² e gráficos de colisões observadas versus estimadas para diferentes cenários. As medidas de GOF para avaliar o desempenho do HSM mostram que a análise com todos os tipos de severidade das colisões apresenta melhor desempenho em comparação ao FI. Por fim, como 2020 foi um ano atípico, em que o tráfego em todo o mundo foi alterado pela pandemia de COVID-19, este estudo teve também como objetivo avaliar a aplicação do modelo de previsão calibrado a uma perturbação real repentina no comportamento do tráfego. O método do HSM foi aplicado para prever colisões em 2020 com o C_x obtido pelos quatro anos anteriores. O resultado foi que para 2020, o N_observado foi cerca de 10% inferior ao N_previsto calibrado para todos os tipos de acidentes. No entanto, a previsão calibrada de colisões de FI foi muito próxima da contagem observada.