Avaliação de acidentes em travessias pedestres para identificação de fatores de risco utilizando redes neurais artificiais

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.