Sistema de geolocalização e análise de risco de acidentes de trânsito para emissão de alertas em Bauru

Abstract

O presente projeto desenvolveu um sistema de geolocalização e análise de risco de acidentes de trânsito, com o intuito de alertar os usuários em tempo real sobre zonas perigosas na cidade de Bauru. O problema norteador deste trabalho esta relacionado ao elevado índice de acidentes de trânsito, que acarreta sérios impactos na saúde pública, na economia e na mobilidade urbana, agravados pela falta de um monitoramento efetivo e de intervenções precisas em pontos críticos. A solução implementada consistiu na integração de dados históricos oriundos de fontes públicas, com técnicas de análise espacial e algoritmos de machine learning, para identificar padrões de acidentes e antecipar situações de risco. O sistema foi desenvolvido com módulos dedicados à coleta e pré-processamento de dados, análise preditiva, geolocalização interativa e comunicação via API, permitindo uma resposta rápida e eficaz. Os objetivos do projeto incluíram, dentre outros, a redução dos índices de acidentes por meio da emissão de alertas preventivos, o aprimoramento da gestão do tráfego urbano por parte dos órgãos públicos e a criação de um modelo de intervenção que pode ser replicado em outras cidades com desafios similares. Com isso, o trabalho contribuiu para a melhoria da segurança viária e a promoção de um ambiente urbano mais seguro e organizado

This project developed a geolocation and traffic accident risk analysis system aimed at alerting users in real-time about hazardous zones in the city of Bauru. The guiding problem of this study addresses the high rate of traffic accidents, which causes serious impacts on public health, the economy, and urban mobility. These issues are exacerbated by the lack of effective monitoring and precise interventions at critical points. The implemented solution involved integrating historical data from public sources with spatial analysis techniques and machine learning algorithms to identify accident patterns and anticipate risk situations. The system was developed with dedicated modules for data collection and pre-processing, predictive analysis, interactive geolocation, and API communication, enabling a rapid and effective response. Project objectives included, among others, reducing accident rates by issuing preventive alerts, improving urban traffic management by public agencies, and creating an intervention model that can be replicated in other cities facing similar challenges. Consequently, this work contributed to improving road safety and promoting a safer, more organized urban environment.