Análise de acidentes de trânsito em Bauru-SP utilizando ciência de dados
Carregando...
Data
Autores
Orientador
Souza, Higor Amário de 
Coorientador
Pós-graduação
Curso de graduação
Bauru - FC - Ciência da Computação
Título da Revista
ISSN da Revista
Título de Volume
Editor
UNESP
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Os acidentes de trânsito representam um grande problema social e econômico no ambiente urbano, não sendo diferente no município de Bauru. Compreender os fatores e perfis de vítimas que são mais suscetíveis às fatalidades pode auxiliar no direcionamento de recursos a fim de mitigar a ocorrência de mais óbitos. O seguinte trabalho busca realizar a análise da ocorrência dos sinistros em Bauru utilizando as metodologias e técnicas de Ciência de Dados. Para o estudo foram usados dados públicos de sinistros e vítimas de Infosiga do período de 2019–2025. Para previsão foram testados os algoritmos de Árvore de Decisão e XGBoost, realizando comparação no potencial de previsão de cada modelo, além da realização da Análise Exploratória de Dados e utilização de DBSCAN. Os modelos apresentaram capacidade de predição satisfatórias, em especial o modelo de XGBoost com a técnica de Grid Search. Técnicas de DBSCAN apontam hotspots as principais vias da cidade e as rodovias ao redor da cidade como maior causadoras de vítimas não fatais e fatais, respectivamente.
Resumo (inglês)
Traffic accidents represent a significant social and economic problem in the urban environment, and the municipality of Bauru is no exception. Understanding the factors and victim profiles most susceptible to fatalities can help direct resources to mitigate further deaths. This work seeks to analyze the occurrence of accidents in Bauru using Data Science methodologies and techniques. Public data on accidents and victims from Infosiga, covering the period from 2019 to 2025, were used for the study. For prediction, Decision Tree and XGBoost algorithms were tested, comparing the predictive potential of each model, in addition to performing Exploratory Data Analysis (EDA) and using DBSCAN clustering. The models demonstrated satisfactory predictive performance, particularly the XGBoost model optimized with the Grid Search technique. DBSCAN techniques identified hotspots on the city’s main roads as major contributors to non-fatal victims, while the highways surrounding the city were identified as the main contributors to fatal victims, respectively.
Descrição
Palavras-chave
Acidentes de trânsito, Aprendizado de máquina, Ciência de dados, XGBoost, Bauru, DBSCAN, Traffic accidents
Idioma
Português
Citação
ITO, Bruno Shinji. Análise de acidentes de trânsito em Bauru-SP utilizando ciência de dados. 2025. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Faculdade de Ciências, Universidade Estadual Paulista (UNESP), Bauru, 2025.
