Abstract:
Este trabalho analisa acidentes envolvendo pedestres em travessias urbanas, buscando identificar fatores de risco e propor medidas de mitigação com base em modelos de previsão de acidentes (MPAs). A pesquisa recorre a Redes Neurais Artificiais (RNA) aplicadas a uma base de dados da Autoridade Nacional de Segurança Rodoviária (ANSR) referente ao período de 2017 a 2021. Embora os modelos apresentem alta taxa de acerto, o poder discriminativo foi limitado pela predominância de casos de feridos leves (92%). Os principais fatores de risco apontados envolvem falhas na sinalização luminosa, iluminação noturna insuficiente, más condições de bermas e pavimento, além de limites de velocidade elevados em zonas urbanas. A comparação entre os períodos pré-COVID19 e COVID19 revela redução significativa no número de acidentes e alterações no perfil etário das vítimas mortais. Como trabalho futuro, recomenda-se a exploração de outros algoritmos de machine learning para melhor lidar com a distribuição desequilibrada dos dados e aprimorar a identificação dos fatores críticos associados à sinistralidade pedonal.
