O transporte aéreo é um dos meios mais seguros de viajar, mas acidentes trágicos podem acontecer. Este projeto pretende analisar dados de acidentes aéreos envolvendo diversos modelos desde 1908 para compreender melhor as circunstâncias, padrões e fatores que contribuem para esses eventos. O objetivo é identificar tendências e insights que possam ser úteis para melhorar a segurança da aviação e prevenir futuros acidentes.
Por que nos interessamos por isso?
A importância deste projeto se justifica por diversas razões:
Redução de acidentes e perdas de vidas: Compreender as causas e padrões de acidentes aéreos é fundamental para desenvolver estratégias de prevenção e reduzir o número de acidentes e vítimas. Melhoria da segurança da aviação: As informações obtidas podem auxiliar na implementação de medidas de segurança mais eficazes, treinamento de pilotos e equipes, aprimoramento de procedimentos operacionais e manutenção de aeronaves. Informação para tomadores de decisão: Os resultados da análise podem fornecer informações valiosas para fabricantes de aeronaves, companhias aéreas, órgãos reguladores e outras partes interessadas no setor de aviação.
Para abordar essa declaração do problema, será utilizado um conjunto de dados contendo informações detalhadas sobre mais de 5.000 acidentes aéreos. O conjunto inclui variáveis como data, hora, localização, operador, tipo de aeronave, número de pessoas a bordo, fatalidades e um resumo do acidente. Com essas informações podemos obter insights como qual o horário que mais se reportou acidentes, as rotas mais perigosas, o tipo de aeronave que mais caiu e outros. Essa avaliação levará em conta história dos aviões e a evolução dos motores ao longo dos anos des de 1908 com o 1° avião até os dias atuais e terá como foco a aviação comercial, filtrando os periodos de Primeira e Segunda guerra.
Metodologia:
# Pacotes requeridos
# Selecionamos também um dos vários repositorio com cópias dos pacotes necessários
list.of.packages <- c("tidyverse", "lubridate", "DT")
new.packages <- list.of.packages[!(list.of.packages %in% installed.packages()[,"Package"])]
if(length(new.packages)) install.packages(new.packages, repos = "http://cran.rstudio.com/" )
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.4 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.0
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(lubridate)
library(DT)
pacotes <- c("tidyverse", "lubridate", "DT")
motivos <- c("Pacote de ferramentas para análise de dados",
"Pacote para manipulação de datas e horas",
"Para a criação de tabelas funcionais")
tabela <- data.frame(
pacote = pacotes,
motivo = motivos
)
datatable(tabela)
aaa
Fonte do dataset: dados
Os dados utilizados neste projeto foram obtidos do site da Data Society e é descrito como o histórico de quedas de avião ao redor do mundo de 1908 até o presente, sendo criado em dezembro de 2016 em agosto de 2019 . O objetivo original da coleta desses dados era fornecer informações para a investigação de acidentes aéreos.
# aqui lemos o conjunto de dados pulando a primeira linha do conjunto de dados devido ao tamanho da informação no
# sumário que deixaria muito grande a linha, dificultando a leitura das informações
original_airplane_data <- (read.csv("airplane_crashes.csv", header=T)[-1,])
original_airplane_data_100_rows <- (read.csv("airplane_crashes.csv", nrows=100 , header=T)[-1,])
datatable(original_airplane_data_100_rows)
Os dados foram coletados de diversas fontes, incluindo relatórios de acidentes, investigações governamentais e registros de companhias aéreas. Os dados originais tinham 23 variáveis, incluindo informações sobre a data, hora, localização, operador, tipo de aeronave, número de pessoas a bordo, fatalidades e um resumo do acidente. Nesse dataset a ausencia de dados se dava por células vazias, NA ou ainda com o caracteres especiais ‘#’ e ‘-’. Para melhor entendermos as colunas temos um resumo do que elas descreviam:
Resumo do dataset:
Os dados foram importados para o R usando a função read.csv() nativa do R. Esta permite importar dados em formato CSV. Para facilitar na manipulação iremos excluir algumas colunas consideradas desnecessárias para a análise. Após isso criaremos colunas para análise de aspectos como evolução decada a decada dos dados.
clean_colunas <- c("Flight", "Registration", "cn/In")
clean_motivos <- c("O número do vôo tem importância apenas na hora de pega-lo, visto que não está atrelado a nenhuma informação consistente e pode se repetir sem ligações de rota",
"A análise a ser feita não pretende apontar em nenhum momento para uma aeronave especifica, por isso não há necessidade desta informação",
"A análise a ser feita não pretende apontar em nenhum momento para uma aeronave especifica, por isso não há necessidade desta informação")
tabela <- data.frame(
coluna = clean_colunas,
motivo = clean_motivos
)
datatable(tabela)
formatted_data <- select(original_airplane_data, -Flight.., -Registration, -cn.In)
## Removendo Nas
formatted_data$Aboard <- replace(formatted_data$Aboard, is.na(formatted_data$Aboard), 0)
formatted_data$Fatalities <- replace(formatted_data$Fatalities, is.na(formatted_data$Fatalities), 0)
formatted_data$Ground <- replace(formatted_data$Ground, is.na(formatted_data$Ground), 0)
formatted_data <- formatted_data %>% mutate(Time = str_trim(Time)) ## tirando os espaços em volta
formatted_data <- formatted_data %>% mutate(Time = str_remove(Time, "^c:|^c")) ## removendo os padrões "c:" e "c" antes da hora
formatted_data <- formatted_data %>% mutate(Time = str_pad(Time, width = 2, side = "left", pad = "0")) ## preenchendo com zeros a esquerda para que as horas tenham 2 digitos e seja obtida a ordenação correta
formatted_data <- formatted_data %>% mutate(Date = as.Date(Date, format = "%m/%d/%Y"))
formatted_data <- formatted_data %>% mutate(Year = year(Date))
formatted_data <- formatted_data %>% filter(!is.na(Year)) %>%
mutate(
Decade = as.character(Year) %>%
substr(1, 3) %>%
paste0("0") %>%
as.numeric()
)
formatted_data <- formatted_data %>% mutate(Month = month(Date))
formatted_data <- formatted_data %>%
mutate(Month = if_else(is.na(Month), 0, Month)) # Trocando NAs por 0
formatted_data <- formatted_data %>%
mutate(Month = as.character(Month)) %>%
mutate(
Month = str_pad(Month, width = 2, side = "left", pad = "0")
)
formatted_data$Decade <- factor(formatted_data$Decade, levels = unique(formatted_data$Decade), ordered = TRUE) ## transformanddo em fator ordenado para melhor visualização
A análise exploratória visa entender melhor o conjunto de dados e identificar padrões interessantes. Algumas análises que podem ser realizadas incluem:
Tendências Temporais Brasil e Mundo ** Relatar nos acidentes de avião ao longo das décadas. ** Analise se certos meses do ano têm maior incidência de acidentes.
Identificação dos tipos de aeronaves e operadores mais frequentemente envolvidos em acidentes. ** Verificar se há diferenças nas taxas de acidentes entre diferentes categorias de aeronaves ** Verificar a média de fatalidades por tipo de aeronave e operador
Análise de padrões geográficos de acidentes. ** Mapeie a distribuição geográfica dos acidentes para identificar áreas de maior risco. ** Considere fatores como condições climáticas ou características geográficas específicas.
# Plotando o gráfico
formatted_data %>%
group_by(Decade) %>%
summarize(n = n()) %>%
ggplot(aes(x = Decade, y = n)) +
geom_bar(stat = "identity", fill = "blue") +
labs(title = "Number of acidents per decade", x = "Decade", y = "Number of acidents")
Na virada do século em 1910, testemunhamos o nascimento do primeiro avião comercial do mundo, marcando o início de uma era que moldaria o futuro da aviação. Na tumultuada década seguinte, durante a 1ª Guerra Mundial, os avanços tecnológicos começaram a ganhar destaque, mesmo que de forma rudimentar, com a participação dos aviões no conflito.
Os anos 1930, conhecidos como o período “Entre Guerras”, representaram um período de paz que permitiu a consolidação da aviação moderna. Foi nessa época que as bases para os aviões contemporâneos foram estabelecidas, com a introdução de tecnologias e instrumentos de voo mais avançados.
A década de 1940 trouxe avanços significativos, impulsionados pela 2ª Guerra Mundial, que acelerou o desenvolvimento de aeronaves e tecnologias aeroespaciais.
O marco dos anos 1950 foi a chegada do primeiro avião comercial a jato, seguido pelo lançamento do icônico Boeing 707. Na década de 1960, os aviões comerciais supersônicos, como o Concorde, revolucionaram as viagens aéreas.
O destaque dos anos 1970 foi o Boeing 747, que impulsionou mudanças nas frotas das companhias aéreas, causando repercussões globais, inclusive no Brasil na década de 1990, quando as empresas nacionais enfrentaram desafios significativos.
Nos tempos atuais, a evolução da aviação está concentrada na melhoria contínua da performance e eficiência econômica das aeronaves. No cenário nacional, presenciamos o ressurgimento de algumas empresas brasileiras no mercado, marcando uma nova fase na aviação brasileira.
## Atualmente o avião mais antigo ainda em operação é o modelo 737-200 construido em 1974, por isso filtraremos nossa análize para conter os voos de 1970 ate os dias atuais, pensando em similaridades das aeronaves
monthly_accidents <- formatted_data %>%
filter(Year >= 1970)
str(formatted_data)
## 'data.frame': 5267 obs. of 14 variables:
## $ index : int 1 2 3 4 5 6 7 8 9 10 ...
## $ Date : Date, format: "1912-07-12" "1913-08-06" ...
## $ Time : chr "06:30" "00" "18:30" "10:30" ...
## $ Location : chr "AtlantiCity, New Jersey" "Victoria, British Columbia, Canada" "Over the North Sea" "Near Johannisthal, Germany" ...
## $ Operator : chr "Military - U.S. Navy" "Private" "Military - German Navy" "Military - German Navy" ...
## $ Route : chr "Test flight" "" "" "" ...
## $ Type : chr "Dirigible" "Curtiss seaplane" "Zeppelin L-1 (airship)" "Zeppelin L-2 (airship)" ...
## $ Aboard : num 5 1 20 30 41 19 20 22 19 28 ...
## $ Fatalities: num 5 1 14 30 21 19 20 22 19 27 ...
## $ Ground : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Summary : chr "First U.S. dirigible Akron exploded just offshore at an altitude of 1,000 ft. during a test flight." "The first fatal airplane accident in Canada occurred when American barnstormer, John M. Bryant, California aviator was killed." "The airship flew into a thunderstorm and encountered a severe downdraft crashing 20 miles north of Helgoland Is"| __truncated__ "Hydrogen gas which was being vented was sucked into the forward engine and ignited causing the airship to explo"| __truncated__ ...
## $ Year : num 1912 1913 1913 1913 1915 ...
## $ Decade : Ord.factor w/ 10 levels "1910"<"1920"<..: 1 1 1 1 1 1 1 1 1 1 ...
## $ Month : chr "07" "08" "09" "10" ...
decades <- c("1970", "1980", "1990", "2000")
# Filter data for decades of interest
filtered_plot_data <- formatted_data %>%
filter(Decade %in% decades )
# Create separate plots for each decade
for (decade in decades) {
decade_data <- filtered_plot_data %>%
filter(Decade == decade) %>%
group_by(Month) %>%
summarize(n = n()) %>%
arrange(Month)
# Create bar chart for the decade
plot <- ggplot(decade_data, aes(x = Month, y = n)) +
geom_bar(stat = "identity") +
labs(title = paste("Number of accidents by month in the", decade, "s"),
x = "Month", y = "Number of accidents") +
theme_bw()
# Print or save the plot
print(plot)
}
# Filtrar dados para o período de interesse
acidents_since_70s_data <- formatted_data %>%
filter(Decade >= 2000)
# Contar o número de acidentes por companhia aérea
accidents_by_airline <- acidents_since_70s_data %>%
group_by(Operator) %>%
summarize(n = n())
# Ordenar por número de acidentes
accidents_by_airline <- accidents_by_airline %>%
arrange(desc(n))
# Filtrar para as 20 primeiras companhias aéreas
top_20_airlines <- accidents_by_airline %>%
head(20)
# Visualizar resultados
datatable(top_20_airlines)
# Filtrar para as 20 primeiras companhias aéreas
top_20_safest_airlines <- accidents_by_airline %>%
tail(20)
# Visualizar resultados
datatable(top_20_safest_airlines)
# Filtrar dados para o período de interesse
most_acidents_since_route <- formatted_data %>%
filter(Decade >= 1970) %>%
filter(Route != "") # Filtrar rotas com nome vazio
# Contar o número de acidentes por companhia aérea
accidents_by_route <- most_acidents_since_route %>%
group_by(Route) %>%
summarize(n = n())
# Ordenar por número de acidentes
accidents_by_route <- accidents_by_route %>%
arrange(desc(n))
# Filtrar para as 20 primeiras companhias aéreas
top_20_routes <- accidents_by_route %>%
head(20)
# Visualizar resultados
datatable(top_20_routes)
## com as rotas e as compahias mais perigosa pegaremos a intersecção das 2 agrupando tb por meses selecionando o mes com mais incidencia de acidentes
# Filtrar dados para o período de interesse
filtered_70s_data <- formatted_data %>%
filter(Decade >= 1970) %>%
filter(Operator != "") # Filtrar rotas com nome vazio
# Contar o número de acidentes por companhia aérea e década
accidents_by_airline_and_decade <- filtered_70s_data %>%
group_by(Operator, Month) %>%
summarize(n = n())
## `summarise()` has grouped output by 'Operator'. You can override using the
## `.groups` argument.
top_20_operator_and_decade <- accidents_by_airline_and_decade %>% head(20)
# Plotar gráfico de linha
ggplot(top_20_operator_and_decade, aes(x = Month, y = n, color = Operator)) +
geom_line() +
labs(title = "Number of acidents by operator and months",
x = "Months", y = "Number of acdents") +
theme_bw()
## `geom_line()`: Each group consists of only one observation.
## ℹ Do you need to adjust the group aesthetic?
brasil_70s <- formatted_data %>%
filter(Year >= 1970) %>%
filter(str_detect(tolower(Route), 'brasil') | str_detect(tolower(Route), 'brazil') |
str_detect(tolower(Operator), 'brasil') | str_detect(tolower(Operator), 'brazil') |
str_detect(tolower(Location), 'brasil') | str_detect(tolower(Location), 'brazil') )
# filtrando por rota, operador ou local de queda que involva o brasil
# Visualizar os 10 primeiros resultados
datatable(brasil_70s%>% head(5))
## Os voos comerciais no Brasil começaram na decada de 60, mas assim como para o resto do mundo a relevancia de voos permanece a partir da decada de 70 devido ao modelo de aeronave
decades_brasil_70s <- c("1970", "1980", "1990", "2000")
# Filter data for decades of interest
filtered_plot_data_brasil_70s <- brasil_70s %>%
filter(Decade %in% decades_brasil_70s )
# Create separate plots for each decade
for (decade in decades_brasil_70s) {
decade_data_brasil_70s <- filtered_plot_data_brasil_70s %>%
filter(Decade == decade) %>%
group_by(Month) %>%
summarize(n = n()) %>%
arrange(Month)
# Create bar chart for the decade
plot_brasil_70s <- ggplot(decade_data_brasil_70s, aes(x = Month, y = n)) +
geom_bar(stat = "identity") +
labs(title = paste("Number of accidents by month in the", decade, "s"),
x = "Month", y = "Number of accidents") +
theme_bw()
# Print or save the plot
print(plot_brasil_70s)
}
# Filtrar dados para o período de interesse
acidents_since_70s_data_brasil_70s <- brasil_70s %>%
filter(Decade >= 2000)
# Contar o número de acidentes por companhia aérea
accidents_by_airline_brasil_70s <- acidents_since_70s_data_brasil_70s %>%
group_by(Operator) %>%
summarize(n = n())
# Ordenar por número de acidentes
accidents_by_airline_brasil_70s <- accidents_by_airline_brasil_70s %>%
arrange(desc(n))
# Filtrar para as 20 primeiras companhias aéreas
top_20_airlines_brasil_70s <- accidents_by_airline_brasil_70s %>%
head(20)
# Visualizar resultados
datatable(top_20_airlines_brasil_70s)
# Filtrar para as 20 primeiras companhias aéreas
top_20_safest_airlines_brasil_70s <- accidents_by_airline_brasil_70s %>%
tail(20)
# Visualizar resultados
datatable(top_20_safest_airlines_brasil_70s)
# Filtrar dados para o período de interesse
most_acidents_since_route_brasil_70s <- brasil_70s %>%
filter(Decade >= 1970) %>%
filter(Route != "") # Filtrar rotas com nome vazio
# Contar o número de acidentes por companhia aérea
accidents_by_route_brasil_70s <- most_acidents_since_route_brasil_70s %>%
group_by(Route) %>%
summarize(n = n())
# Ordenar por número de acidentes
accidents_by_route_brasil_70s <- accidents_by_route_brasil_70s %>%
arrange(desc(n))
# Filtrar para as 20 primeiras companhias aéreas
top_20_routes_brasil_70s <- accidents_by_route_brasil_70s %>%
head(20)
# Visualizar resultados
datatable(top_20_routes_brasil_70s)