Regras de associações entre as características dos acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina

Abstract

Acidentes de trânsito são considerados um sério problema de saúde pública que, somado ao expressivo número de mortos e feridos, evidencia a necessidade de uma análise mais profunda das causas de acidentes. O objetivo dessa pesquisa foi identificar regras de associações 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 Apriori, Eclat, FP-Growth e FP-Max. A metodologia propõe uma tabulação de dados de variáveis categóricas, utilizando-se de um método misto para coleta e transformação dos dados, por meio de um procedimento dentro de um contexto real em um estudo de caso. Através dos resultados foi possível realizar a comparação entre algoritmos e concluir que Apriori, FP-Growth e Eclat apresentam o mesmo desempenho, com índices de suporte e quantidade de características similares, já o FP-Max apresentou desfecho contrário, proporcionando resultado mais preciso. O estudo apresenta regras de associações como, por exemplo, um condutor do sexo masculino, dirigindo um veículo em um dia que não seja feriado, fora do horário de pico, em uma reta, está associado com acidentes onde a causa é não guardar distância de segurança.