Projeto

Introdução

Declaração do Problema

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.

Abordagem da Análise

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:

  • Limpeza e preparação dos dados: Será garantida a qualidade e a consistência dos dados, tratando valores ausentes, corrigindo inconsistências, padronizando formatos e criando colunas afim de facilitar o estudo dos mesmos.
  • Análise exploratória: Serão utilizadas técnicas estatísticas e visualizações de dados para identificar padrões, tendências e relações entre as variáveis.
  • Comunicação dos resultados: Os resultados serão apresentados de forma clara e objetiva, utilizando recursos visuais e linguagem acessível para facilitar a compreensão por diferentes públicos.

Pacotes Requeridos

# 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

Preparação dos Dados

Fonte dos dados

Fonte do dataset: dados

Dados Originais

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:

  • index: O índice da linha.
  • Date: A data do incidente (MM/DD/AAAA).
  • Time: A hora do incidente (24 HORAS).
  • Location: A localização do incidente as vezes com cidade, as vezes com país as vezes com ambos.
  • Operator: A compahia aérea da aeronave.
  • Flight: O número do voo da aeronave.
  • Route: A rota da aeronave.
  • Type: O modelo da aeronave.
  • Registration: O registro da aeronave.
  • cn/In: O número de construção/número de série da aeronave.
  • Aboard: O número de pessoas a bordo da aeronave.
  • Fatalities: O número de fatalidades no incidente.
  • Ground: O número de pessoas no solo mortas no incidente.
  • Summary: Um resumo do incidente.

Dados Formatados

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.

  1. Exclusão de colunas:
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)
  1. Formatação de dados A coluna Time esta com formatos incorretos com algumas linhas com os padrões “c:” e “c” antes da informação da hora. Além disso serão retirados os espaços ao redor do dado além de acrescidos zeros a esquerda para padronização do conjunto. Além disso iremos garantir que colunas numericas não tenham NA, sendo estas: Aboard, Fatalities e Ground
## 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
  1. Adição de colunas Será criada a coluna “Year” referente ao ano, informação tal que será extraida da coluna “Time” e a coluna “Decade”, que terá a informação da década, porem com 4 digitos para ser possivel diferenciar 1910 de 2010 por exemplo.
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

Análise Exploratória dos dados

Descrição de análise

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.

Tendências Mundo

Um breve histórico da aviação

# 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.

Incidencia de acidentes mensais

## 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)
}

As 20 compahias com mais acidentes

# 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)

As 20 compahias com menos acidentes registrados

# Filtrar para as 20 primeiras companhias aéreas
top_20_safest_airlines <- accidents_by_airline %>%
  tail(20)

# Visualizar resultados
datatable(top_20_safest_airlines)

As 20 rotas com mais acidentes registrados

# 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)

Os 20 tipos de aeronave com mais acidentes ordenado por ano

# Filtrar dados para o período de interesse
most_acidents_since_70s_type <- formatted_data %>%
  filter(Decade >= 1970)

# Contar o número de acidentes por companhia aérea
accidents_by_type  <- most_acidents_since_70s_type %>%
  group_by(Type) %>%
  summarize(n = n())

# Ordenar por número de acidentes
accidents_by_type <- accidents_by_type %>%
  arrange(desc(n))

# Filtrar para as 20 primeiras companhias aéreas
top_20_types <- accidents_by_type %>%
  head(20)

# Visualizar resultados
datatable(top_20_types)

Os 20 tipos de aeronave com menos acidentes ordenado por ano

# Filtrar para as 20 primeiras companhias aéreas
bottom_20_types <- accidents_by_type %>%
  tail(20)

# Visualizar resultados
datatable(bottom_20_types)

Desenhando um voo perigoso

## 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?

Tendências Brasil

Filtrando dados

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))

Incidencia de acidentes mensais

## 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)
}

As 20 compahias com mais acidentes

# 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)

As 20 compahias com menos acidentes registrados

# 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)

As 20 rotas com mais acidentes registrados

# 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)

Os 20 tipos de aeronave com mais acidentes ordenado por ano

# Filtrar dados para o período de interesse
most_acidents_since_70s_type_brasil_70s <- brasil_70s %>%
  filter(Decade >= 1970)

# Contar o número de acidentes por companhia aérea
accidents_by_type_brasil_70s  <- most_acidents_since_70s_type_brasil_70s %>%
  group_by(Type) %>%
  summarize(n = n())

# Ordenar por número de acidentes
accidents_by_type_brasil_70s <- accidents_by_type_brasil_70s %>%
  arrange(desc(n))

# Filtrar para as 20 primeiras companhias aéreas
top_20_types_brasil_70s <- accidents_by_type_brasil_70s %>%
  head(20)

# Visualizar resultados
datatable(top_20_types_brasil_70s)

Os 20 tipos de aeronave com menos acidentes ordenado por ano

# Filtrar para as 20 primeiras companhias aéreas
bottom_20_types_brasil_70s <- accidents_by_type_brasil_70s %>%
  tail(20)

# Visualizar resultados
datatable(bottom_20_types_brasil_70s)