Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/32667| Título: | Prevendo a gravidade de acidentes rodoviários no Brasil: a influência do ambiente e características do veículo |
| Título(s) alternativo(s): | Predicting the severity of highway accidents in Brazil: the role of environmental factors and vehicle features |
| Autor(es): | Scholz, Júlio César Werner Pinheiro, Yan Pietrzak |
| Orientador(es): | Silva, Thiago Henrique da |
| Palavras-chave: | Acidentes de trânsito - Análise Mineração de dados (Computação) Algorítmos computacionais Aprendizado do computador Traffic accidents - Analysis Data mining Computer algorithms Machine learning |
| Data do documento: | 30-Jun-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | SCHOLZ, Júlio César Werner; PINHEIRO, Yan Pietrzak. Prevendo a gravidade de acidentes rodoviários no Brasil: a influência do ambiente e características do veículo. 2023. Trabalho de Conclusão de Curso de (Bacharelado em Sistemas de Informação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2023. |
| Resumo: | O presente trabalho problematiza os acidentes resultantes do alto uso de veículos motorizados como meio de transporte na sociedade, dado que todos os anos a vida de aproximadamente 1,3 milhões de pessoas é interrompida no mundo como resultado de um acidente de trânsito. Essa realidade tem impulsionado pesquisas para compreender e prever a gravidade desses acidentes. Nesse sentido, o estudo propõe a utilização da mineração de dados como uma abordagem para analisar e explorar conjuntos de dados de acidentes de trânsito ocorridos nas rodovias brasileiras entre os anos de 2017 e 2022, fornecidos pela Polícia Rodoviária Federal, além disso, foram inseridos dados de preços dos veículos a partir da tabela FIPE, permitindo uma análise mais abrangente que considera também o valor financeiro dos veículos. O objetivo é avaliar a capacidade preditiva de modelos de classificação em relação à gravidade dos acidentes, com foco nas características dos veículos e nos fatores do ambiente. Por meio da aplicação de algoritmos de classificação e de técnicas de explicabilidade de aprendizado de máquina, pretende-se adquirir conhecimentos relevantes relacionados a esse conjunto de dados, contribuindo para o entendimento e a prevenção de acidentes. Como resultado, os atributos relacionadas às características dos veículos impactaram mais positivamente na capacidade preditiva dos modelos quando comparados aos atributos que descrevem o ambiente e as demais variáveis. |
| Abstract: | This work supports the problematization of the rate of traffic accidents due to the high use of automobiles for utility or transport in Brazil. Every year the lives of approximately 1.3 million people are interrupted due to traffic accidents worldwide. This fact has motivated some researchers to engage in analysis and prediction regarding the severity of accidents. In this regard, this study proposes the use of data mining as an approach to analyze and explore datasets of traffic accidents that occurred on Brazilian highways between the years 2017 and 2022 as provided by the Federal Highway Police. Additionally, vehicle price data from the FIPE table were included, allowing for a more comprehensive analysis that also considers the financial value of the vehicles. The goal is to assess the predictive capability of classification models regarding the severity of accidents, focusing on vehicle characteristics and environmental factors. Through applying classification algorithms and machine learning explainability techniques, we aim to acquire relevant knowledge related to this dataset, contributing to understanding and prevention of accidents. As a result, the attributes related to vehicle characteristics had a more positive impact on the predictive capability of the models when compared to the attributes describing the environment and other variables. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/32667 |
| Aparece nas coleções: | CT - Sistemas de Informação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| prevendogravidadeacidentesrodoviarios.pdf | 717,08 kB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
