Descrição
Devido ao alto tráfego e acessibilidade a meios de transportes, acidentes de trânsito são uma das maiores causas de óbitos no Brasil. Visando evitar fatalidades, este estudo propõe-se a predizer acidentes ocorridos em rodovias de todo o país. Para tanto, foram utilizados dados da Polícia Rodoviária Federal com acidentes a nível individual no ano de 2024. A variável resposta de acidentes graves foi criada a partir da quantidade mortos e feridos graves no acidente, considerando o acidente grave aquele que tiver valor superior a 0 em, pelo menos, uma das duas variáveis supracitadas. Ademais, utilizaram-se como variáveis explicativas informações acerca do dia da semana, fase do dia, sentido da via, condição meteorológica, tipo de pista, tipo de acidente, tipo de veículo, sexo e idade dos envolvidos. As análises foram realizadas utilizando linguagem Python e ambiente Jupyter Notebook. Para realizar as predições, usou-se de técnicas de aprendizado de máquina supervisionado para classificação, dos quais, seguem: regressão logística sem e com balanceamento, árvore de decisão sem e com balanceamento e k-vizinhos mais próximos. Dos cinco algoritmos gerados, o que obteve melhor ajuste foi o árvore de decisão com balanceamento, apresentando grande capacidade de identificar acidentes graves (recall = 0,785), bom equilíbrio entre acertos e erros ao prever essa classe crítica (F1-score = 0,679) e excelente desempenho global na separação entre acidentes graves e não graves (AUC = 0,849). Portanto, o estudo aponta que a aplicação de técnicas de inteligência artificial pode se tornar um recurso estratégico para gestores públicos e órgãos de segurança viária no desenvolvimento de ações preventivas voltadas à redução de fatalidades, principalmente em casos onde há necessidade de maior atenção devido a natureza da situação grave.
| Selecione a modalidade do seu trabalho | Resumo Simples |
|---|
