Fique por dentro

Assine e receba, todo dia 30, novidades do PL 2789/2023 e as principais notícias sobre segurança viária

Priorização de Variáveis Explicativas na Modelagem de Acidentes de Trânsito Utilizando Técnicas de Aprendizado de Máquina

Autores

Philippe Barbosa Silva / Michelle Andrade
/ Sara Ferreira

Ano

2019

Locais das vias de estudo

Brasil

Tipo de publicação

Artigo

Órgão da produção

Instituto Federal Goiano – Campus Rio Verde / Universidade de Brasília / Universidade do Porto (PT)

Palavras-chave

Tráfego urbano; rodoviário; segurança viária

Tipo de via

Rodovias

Escopo das vias do estudo (tipo de via, km, limite de velocidade)

Pista norte da BR-116, que liga as cidades Rio de Janeiro e São Paulo. O trecho analisado é entre km 231,6 e km 0 no estado de São Paulo (SP) e km 333,5 e km 163 no estado do Rio de Janeiro (RJ), perfazendo um total aproximado de 402,1 km de extensão, entre 2011 e 2017

Resumo/Abstract


A priorização de variáveis no processo de modelagem de acidentes pode contribuir para otimização de recursos e indicação de quais dados são prioritários para coleta. Assim, este estudo objetivou investigar a influência da priorização de variáveis no ajuste de modelos de previsão de acidentes de resposta multivariada (número de acidentes sem vítimas, número de acidentes com vítimas e número de acidentes com mortes). Duas abordagens foram empregadas: técnicas de agrupamento de árvores de decisão (Random Forest e Boosted Trees) para a priorização inicial e posterior modelagem com uso de redes neurais artificiais (RNA); e, utilização direta de RNA para priorização e modelagem. Os resultados gerais, entretanto, indicaram piora no ajuste dos modelos quando da redução do número de variáveis explicativas. Apesar disso, acredita-se que a evolução de técnicas de aprendizado de máquina de dados que lidem melhor com resposta multivariada, conduzam à identificação adequada das variáveis mais importantes para modelagem.

Resultados/Conclusões

O objetivo deste trabalho foi investigar a influência da redução do número de variáveis explicativas no processo de modelagem de acidentes em uma rodovia brasileira. A rodovia foi segmentada em trechos de 500 m, sendo cada segmento caracterizado pelos valores médios ou predominantes das variáveis explanatórias selecionadas, que contemplaram características geométricas, operacionais e do pavimento da via. Os modelos foram estimados para uma amostra de trechos de rodovia federal brasileira, utilizando dados dos anos de 2011 a 2017.

Comentários sobre o conteúdo (variáveis analisadas na avaliação de impacto, amostra/tipo de via, aspectos metodológicos e/ou conclusões

Cita velocidade como fator a ser considerado para o cálculo de acidentes no trecho analisado, mas não faz uma relação direta entre velocidade e fatalidades.