TEMPORAL ANALYSIS OF TRAFFIC ACCIDENTS IN THE STATE OF SÃO PAULO: A CASE STUDY IN THE CITY OF CARAPICUÍBA IN THE PERIOD FROM 2015 TO 2024
um estudo de caso na cidade de Carapicuíba no período de 2015 a 2024
DOI:
https://doi.org/10.26853/Refas_ISSN-2359-182X_v11n03_05Keywords:
Traffic Accidents, Data Mining, Random Forest, Carapicuíba, Análisis temporalAbstract
This article proposes a comprehensive temporal analysis of traffic accidents that occurred in Carapicuíba, a municipality in the metropolitan region of the state of São Paulo, Brazil. The analysis utilizes an exploratory and predictive approach to identify patterns, trends, factors associated with these incidents, and comparisons with neighboring cities such as Osasco and Barueri. The data used are from several datasets publicly available through the Traffic Accident Management Information System of the State of São Paulo (Infosiga SP). The databases compile nine years of data, including information on fatalities, victim profiles, accident types, and regional characteristics from 2015 to 2024. The data mining technique adopted in this study was Random Forest. The study's findings aim to provide insights that can guide the development of public policies and intervention measures aimed at promoting road safety in Carapicuíba.
Downloads
References
BREIMAN, L. Random Forests. Machine Learning, v. 45, n. 1, p. 5-32, 2001.
BREIMAN, L.; FREIDMAN, J. H.; OLSHEN, R. A.; STONE, C. J. Classification and Regression Trees. Wadsworth and Brooks/Cole Advanced Books & Software, 1986.
CHAUDHURI, S.; DAYAL, U.; NARASAYYA, V. An overview of business intelligence technology. Communications of the ACM, 54(8), 88-98, 2011.
FAYYAD, Usama; HAUSSLER, David; STOLORZ, Paul. Mining and knowledge discovery in databases: Analysis automation interface. Advances in Knowledge Discovery and Data Mining, [s.l.], v. 1, n. 1, p. 30, 1996.
GABER, Mohamed Medhat; ZASLAVSKY, Arkady; KRISHNASWAMY, Shonali. Mining data streams: a review. ACM SIGMOD Record, v. 34, n. 2, p. 18-26, 2005.
GOOGLE. Google Colaboratory. Disponível em: <https://colab.research.google.com/>. Acesso em: 09 maio 2024.
HADDON, W. A Logical Framework for Categorizing Highway Safety Phenomena and Activity. Journal of Trauma, v. 10, n. 3, p. 312-323, 1970.
HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data mining: concepts and techniques. 3rd ed. San Francisco: Morgan Kaufmann, 2011.
HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. Springer, 2009.
HUNTER, J. D. Matplotlib: A 2D Graphics Environment. Zenodo, (Versão 3.7.1). Disponível em: <https://matplotlib.org/>. Acesso em: 09 maio 2024.
IBM. Random Forest. Disponível em: <https://www.ibm.com/br-pt/cloud/learn/random-forest>. Acesso em: 6 jun. 2024.
IBM. Data Analysis: Exploratory Data Analysis (EDA). Disponível em: https://www.ibm.com/cloud/learn/exploratory-data-analysis. Acesso em: 6 jun. 2024.
MCKINNEY, Wes. pandas: powerful Python data analysis toolkit. Zenodo, (Versão 2.0.3). Disponível em: <https://pandas.pydata.org/>. Acesso em: 09 maio 2024.
MICROSOFT. Excel. Redmond: Microsoft Corporation, (Versão 2404 Build 16.0.17531.20140) 64 bits.
Ministério da Infraestrutura. OMS lança plano para reduzir acidentes e mortes no trânsito até 2030. Portal Gov.br, 28 out. 2021. Disponível em: <https://www.gov.br/transportes/pt-br/assuntos/noticias/2021/10/oms-lanca-plano-para-reduzir-acidentes-e-mortes-no-transito-ate-2030>. Acesso em: 6 jun. 2024.
MITCHELL, T. Machine Learning. McGraw-Hill, Inc., 1997.
ONU Brasil. Objetivos de Desenvolvimento Sustentável. Nações Unidas Brasil. Disponível em: <https://brasil.un.org/pt-br/sdgs>. Acesso em: 10 maio 2024.
OPAS. Apesar do progresso notável, segurança viária continua sendo um problema mundial. Organização Pan-Americana da Saúde, 13 dez. 2023. Disponível em: <https://www.paho.org/pt/noticias/13-12-2023-apesar-do-progresso-notavel-seguranca-viaria-continua-sendo-um-problema-mundial#:~:text=Este%20relat%C3%B3rio%20abrange%20o%20progresso%20entre%202010%20e,pela%20metade%20as%20mortes%20no%20tr%C3%A2nsito%20at%C3%A9%202030>. Acesso em: 09 maio 2024.
PADUA, Mateus. Machine Learning – Métricas de avaliação: Acurácia, Precisão e Recall, F1-score. Medium, 2020. Disponível em: <https://medium.com/@mateuspdua/machine-learning-m%C3%A9tricas-de-avalia%C3%A7%C3%A3o-acur%C3%A1cia-precis%C3%A3o-e-recall-d44c72307959>. Acesso em: 09 maio 2024.
PEDEN, M.; Scurfield, R.; Sleet, D.; Mohan, D.; Hyder, A.A.; Jarawan, E.; Mathers, C. World report on road traffic injury prevention. World Health Organization, 2004.
PIATETSKY-SHAPIRO, G. Discovery, analysis, and presentation of strong rules. In Knowledge Discovery in Databases, AAAI Press, 1991.
PYTHON SOFTWARE FOUNDATION. Python Language Reference, (Versão 3.10.12). Disponível em: <https://www.python.org/>. Acesso em: 09 maio 2024.
SECRETARIA DE GOVERNO - SEADE. Infosiga SP - Sistema de Informações Gerenciais de Acidentes de Trânsito do Estado de São Paulo. Governo Aberto SP, 2015. Disponível em: <http://catalogo.governoaberto.sp.gov.br/dataset/infosiga-sp-sistema-de-informacoes-gerenciais-de-acidentes-de-transito-do-estado-de-sao-paulo.> Acesso em: 09 maio 2024.
TAYLOR, S. J.; LETHAM, B. Prophet: Forecasting at scale (Versão 1.1). Disponível em: <https://github.com/facebook/prophet>. Acesso em: 09 maio 2024.
TRAFFIC accident analysis using data mining techniques. Transportation Research, [s.l.],
TUKEY, J. W. Exploratory Data Analysis. Addison-Wesley, 1977.
WANG, Y.; SHI, Y.; LI, W.; LI, J. Traffic Accident Analysis Using Data Mining Techniques. Transportation Research Part C: Emerging Technologies, v. 95, p. 99-111, 2018.
WHO. Global Status Report on Road Safety 2023. World Health Organization. Disponível em: <https://www.who.int/teams/social-determinants-of-health/safety-and-mobility/global-status-report-on-road-safety-2023>. Acesso em: 09 maio 2024.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Refas - Revista Fatec Zona Sul
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
1 - As fontes dos dados, as autorizações pertinentes e os textos publicados na revista são de inteira responsabilidade de seus autores.
2 - É permitida a reprodução, desde que citada a fonte e o autor.
3 - Após o artigo aprovado, o autor principal deverá enviar declaração, conforme o modelo:
Refas - Revista Fatec Zona Sul
Autorização par publicação
(Nome do autor), (no caso de vários autores citar todos), autorizo (ou autorizam, no caso de diversos autores) a publicação do artigo (nome do artigo), com exclusividade para a primeira publicação pela Revista Fatec Zona Sul, em meio eletrônico.
A contribuição é original e inédita, e não está sendo avaliada para publicação por outra revista; caso contrário, deve-se justificar em "Comentários ao editor".
Dados de todos os autores:
Nome completo:
Instituição:
E-mail:
Telefone:
Obs.: Informar os códigos dos serviços DDD e DDI.
Assinatura do autor principal: ____________________________________
Aviso de Direito Autoral
Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
b) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
c)Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons CC Attribution-NonCommercial-NoDerivatives 4.0, acessável em Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.