Estudo UFMG: algoritmos relacionam causas de acidentes de trânsito com tipos de veículos, estradas e usuários

Pesquisa da Engenharia, realizada com informações da PRF e do CRLV, é tema do novo episódio do “Aqui tem ciência”, da Rádio UFMG Educativa

Diante do impacto social dos acidentes de trânsito, pesquisa realizada no Programa de Pós-graduação em Engenharia e Transportes da Escola de Engenharia da UFMG buscou identificar padrões de associação entre as causas de acidentes e as características dos veículos, das estradas, dos usuários e do meio ambiente em rodovias federais brasileiras. Além disso, o estudo comparou técnicas de aprendizado de máquina no tratamento desses dados.

A análise foi feita pelo pesquisador Ramon Batista com base em dados abertos da Polícia Rodoviária Federal (PRF), relativos ao período de 2017 a 2020, e do Certificado de Registro e Licenciamento de Veículo (CRLV). As informações foram solicitadas por meio do Portal da Transparência do Governo Federal. 

Os dados mostram que falta de atenção durante a condução, velocidade incompatível e desobediência às normas de trânsito são as principais causas de acidentes nas rodovias federais. A maioria absoluta das ocorrências, 57%, ocorreu em plena luz do dia. O período com maior número de acidentes foi das 17h às 19h, principalmente às 18h30, ou seja, no horário de pico de trânsito no final do dia. A maioria dos veículos envolvidos nos acidentes, o equivalente a 23,5%, tinha entre nove e 13 anos de fabricação. 

Novos padrões

A combinação dessas variáveis serviu de base para a programação de diferentes tipos de algoritmos, que levaram à identificação de novos padrões. Por exemplo, se um condutor do sexo masculino dirige um veículo em um dia que não seja feriado, fora do horário de pico, em uma reta, o acidente provavelmente é causado por não guardar distância de segurança. Por outro lado, quando um condutor do sexo masculino dirige em um dia que não seja feriado, fora do horário de pico, em uma reta, com céu claro, em plena luz do dia, o acidente é causado pela falta de atenção na condução.

A pesquisa comparou as técnicas de aprendizado de máquina Apriori, Eclat, FP-Growth e FP-Max, usadas no tratamento dos dados. Os resultados mostraram que o algoritmo FP-Max foi o que proporcionou o resultado mais preciso.

Saiba mais no novo episódio do Aqui tem ciência, da Rádio UFMG Educativa. Ouça aqui.

Raio-x da pesquisa

Título: Regras de associações entre as características dos veículos e os acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina

O que é: pesquisa desenvolvida com o objetivo de identificar regras de associação entre as causas de acidentes e as características dos veículos, das estradas, dos usuários e do meio ambiente em rodovias federais brasileiras, comparando as técnicas de aprendizado de máquina. O trabalho tem potencial promissor para ser utilizado como base de diversos estudos e pela Polícia Rodoviária Federal (PRF), bem como por engenheiros de segurança, pelos setores público e privado, incluindo concessionárias de rodovias e desenvolvedores de aplicativos mobile.

Pesquisador: Ramon Batista de Araújo

Programa de Pós-graduação: mestrado em Geotecnia e Engenharia de Transportes

Orientador: Marcelo Franco Porto

Ano da defesa: 2022

Aqui tem ciência

O episódio 153 do Aqui tem ciência tem produção de Alicianne Gonçalves, edição e apresentação de Alessandra Ribeiro e trabalhos técnicos de Cláudio Zazá. O programa é uma pílula radiofônica sobre estudos realizados na UFMG e abrange todas as áreas do conhecimento. A cada semana, a equipe da Rádio UFMG Educativa apresenta os resultados de um trabalho de pesquisa desenvolvido na Universidade. 

O Aqui tem ciência fica disponível em aplicativos de podcast, como o Spotify, e vai ao ar na frequência 104,5 FM, às segundas, às 11h, com reprises às quartas, às 14h30, e às sextas, às 20h.

Assessoria de Imprensa UFMG

Fonte

Assessoria de Imprensa UFMG