# Leitura de dados
library(readr)
library(readxl)
# Manipulação de dados
library(dplyr)
library(janitor)
# Tabelas interativas para html
library(rmarkdown)
# Manipulação de datas
library(lubridate)
# Gráficos
library(ggplot2)
library(grid)
library(gridExtra)Projeto PRF 2023: Uma análise sobre os casos gerais e acidentes por causa de embriaguez em Rodovias Feredais do Brasil no ano de 2023
Pacotes utilizados
Sobre os dados
Os dados foram extraídos do site do Governo Federal atravésdo link: https://www.gov.br/prf/pt-br/acesso-a-informacao/dados-abertos/dados-abertos-da-prf, o arquivo em questão tem o título: Documento CSV de Acidentes 2023 (Agrupados por ocorrência) e contém 30 variáveis (colunas) e 67638 observações (linhas). Os dados se referem aos acidentes ocorridos em Rodovias Ferederais do Brasil, no ano de 2023.
Para a elaboração de alguns mapas também foram extraídos dados sobre a população dos estados, referente ao ano de 2022 (último censo disponível até o momento). O dados estão disponíveis através do link: https://sidra.ibge.gov.br/pesquisa/censo-demografico/demografico-2022/primeiros-resultados-populacao-e-domicilios. O documento em questão é o de número 4714.
Objetivos do Projeto
Este projeto tem como objetivo fazer uma análise descritiva dos acidentes de causas gerais (todos os acidentes) e também focar na causa específica dos acidentes causados por embriaguez.
Pretendemos entender quando e onde esses acidentes acontecem, para isso, responderemos as seguintes perguntas ao longo deste projeto:
Qual é o horário do dia em que os acidentes costumam ocorrer?
Quais são os dias da semana com maior frequência de acidentes?
Há algum padrão mensal ou semanal de acidentes?
Em que pontos das rodovias os acidentes são mais comuns?
Importando os dados
dados_prf <- readr::read_delim("datatran2023.csv",
delim = ";", escape_double = FALSE, locale = readr::locale(encoding = "latin1"),
trim_ws = TRUE)
# Tabulando os dados
dados_prf |>
rmarkdown::paged_table()dados_pop <- readxl::read_excel("dados_pop.xlsx") |>
dplyr::rename(uf = ...2, populacao = ...3) |>
dplyr::select(uf, populacao) |>
dplyr::slice(5 : 31)
ufs <- c('RO', 'AC', 'AM', 'RR', 'PA', 'AP', 'TO',
'MA', 'PI', 'CE', 'RN', 'PB', 'PE', 'AL',
'SE', 'BA', 'MG', 'ES', 'RJ', 'SP', 'PR',
'SC', 'RS', 'MS', 'MT', 'GO', 'DF')
dados_pop$uf <- ufs
dados_pop$populacao <- dados_pop$populacao |>
as.numeric()
dados_pop |>
rmarkdown::paged_table()Verificando as colunas do dataframe
Aqui, queremos verificar quais são as variáveis do nosso dataframe e também os tipos das variáveis, tendo assim uma idéia de quais variáveis serão úteis para o nosso objetivo e quais variáveis devem ser manipuladas ou transformada e também as que devem ser retiradas, tendo em mente a melhora da velocidade para gerar medidas e gráficos.
dados_prf |>
dplyr::glimpse()Rows: 67,638
Columns: 30
$ id <dbl> 496519, 496543, 496590, 496610, 496659, 496671,…
$ data_inversa <date> 2023-01-01, 2023-01-01, 2023-01-01, 2023-01-01…
$ dia_semana <chr> "domingo", "domingo", "domingo", "domingo", "do…
$ horario <time> 02:00:00, 03:40:00, 01:40:00, 10:40:00, 14:55:…
$ uf <chr> "ES", "SP", "MT", "PR", "MG", "MG", "PR", "MG",…
$ br <dbl> 101, 116, 163, 376, 116, 262, 116, 381, 116, 11…
$ km <chr> "114", "113,1", "1112", "314,8", "569,4", "569,…
$ municipio <chr> "SOORETAMA", "TAUBATE", "GUARANTA DO NORTE", "O…
$ causa_acidente <chr> "Ausência de reação do condutor", "Entrada inop…
$ tipo_acidente <chr> "Saída de leito carroçável", "Atropelamento de …
$ classificacao_acidente <chr> "Com Vítimas Feridas", "Com Vítimas Fatais", "C…
$ fase_dia <chr> "Plena Noite", "Plena Noite", "Plena Noite", "P…
$ sentido_via <chr> "Crescente", "Decrescente", "Crescente", "Cresc…
$ condicao_metereologica <chr> "Céu Claro", "Céu Claro", "Ignorado", "Sol", "C…
$ tipo_pista <chr> "Simples", "Dupla", "Simples", "Dupla", "Simple…
$ tracado_via <chr> "Reta", "Reta", "Não Informado", "Curva", "Não …
$ uso_solo <chr> "Não", "Sim", "Não", "Não", "Não", "Sim", "Sim"…
$ pessoas <dbl> 1, 5, 1, 1, 3, 1, 4, 1, 4, 2, 1, 4, 2, 2, 3, 2,…
$ mortos <dbl> 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0,…
$ feridos_leves <dbl> 1, 0, 0, 0, 0, 0, 1, 0, 2, 0, 0, 0, 0, 1, 2, 1,…
$ feridos_graves <dbl> 0, 0, 1, 0, 2, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0,…
$ ilesos <dbl> 0, 0, 0, 1, 1, 1, 3, 1, 1, 2, 1, 1, 1, 1, 1, 1,…
$ ignorados <dbl> 0, 4, 0, 0, 0, 0, 0, 0, 1, 0, 0, 2, 0, 0, 0, 0,…
$ feridos <dbl> 1, 0, 1, 0, 2, 0, 1, 0, 2, 0, 0, 1, 0, 1, 2, 1,…
$ veiculos <dbl> 1, 1, 1, 1, 2, 1, 3, 1, 3, 2, 1, 4, 1, 2, 2, 2,…
$ latitude <chr> "-19,09484877", "-23,0445658", "-9,70020602", "…
$ longitude <dbl> -4005095848, -4558259814, -5487588757, -5108355…
$ regional <chr> "SPRF-ES", "SPRF-SP", "SPRF-MT", "SPRF-PR", "SP…
$ delegacia <chr> "DEL04-ES", "DEL02-SP", "DEL06-MT", "DEL07-PR",…
$ uop <chr> "UOP01-DEL04-ES", "UOP02-DEL02-SP", "UOP03-DEL0…
Por questões práticas, não alteraremos essa base original da PRF, quando formos fazer qualquer alteração nos dados, criaremos um novo objeto para receber as alterações.
Transformando as variáveis de interesse
Retiramos algumas variáveis que não seriam utilizadas nas análises e transformamos as horas em valores numéricos, para que fosse possível realizar os cálculos e construir os gráficos.
Também acrescrescentamos variáveis para identificar a semana e mês que os acidentes ocorreram, além de construir uma coluna de períodos do dia, sendo os valores a partir de 6h até 17:59 considerados dia e os demais considerados noite (a PRF possui uma coluna de fases do dia, mas que se mostrou inconsistente, com alguns valores à 0h sendo considerados como anoitecer por exemplo).
Trocamos a variável fase_dia pela variável periodo_dia. A variável original apresentava 4 fases, mas alguns dados eram inconsistentes, com poucos valores à 0h na fase amanhecer por exemplo. Passamos a considerar apenas dois períodos, sendo que das 6h até 17:59 será considerado dia, e das 18h até 5:59 será considerado noite.
dados_prf_modificado <- dados_prf |>
dplyr::select(-c(id, regional, delegacia, uop, fase_dia, latitude, longitude,municipio, sentido_via, uso_solo)) |>
dplyr::mutate(km = stringr::str_replace_all(km, ",", ".") |>
as.numeric()) |>
dplyr::mutate(horario_cont = horario |>
as.numeric() / 3600,
horario_disc = horario |>
lubridate::hour() |>
as.numeric(),
semana = lubridate::week(data_inversa),
mes = lubridate::month(data_inversa),
.before = horario) |>
dplyr::select(-horario) |>
dplyr::mutate(periodo_dia = ifelse(
6 <= horario_cont &
horario_cont < 18, "dia", "noite")
)
dados_prf_modificado |>
rmarkdown::paged_table()dados_embriaguez <- dados_prf_modificado |>
dplyr::filter(causa_acidente == "Ingestão de álcool pelo condutor")
dados_embriaguez |>
rmarkdown::paged_table()Análise Exploratória dos dados
Medidas de tendência central e variabilidade
Aqui, vamos inicialmente filtrar agrupar os acidentes por dia, mês e ano, para descobrir algumas medidas estatísticas para termos uma noção geral dos dados.
Através das medidas de variabilidade como desvio-padrão e coeficiente de variação, podemos notar que em geral, os valores de acidentes gerais não possuem uma variabilidade muito alta, com o coeficiente de variaçãoestando abaixo de 20% nos três perídos considerados, já os acidentes por embriaguez possuem alta variação diária, com o coeficiente de variação acima dos 80%, o que nos leva a concluir que há dias em que não há quase nenhum acidentes por embriaguez e dias que ocorrem muitos acidentes. (Veremos que há dias e horarios específicos em que esses acidentes costumam ocorrer)
# Acidentes por dia
acidentes_dia <- dados_prf_modificado |>
dplyr::group_by(data_inversa) |>
dplyr::count() |>
dplyr::rename(acidentes_por_dia = n)
# Acidentes por semana
acidentes_semana <- dados_prf_modificado |>
dplyr::group_by(semana) |>
dplyr::count() |>
dplyr::rename(acidentes_por_semana = n)
# Acidentes_por_mes
acidentes_mes <- dados_prf_modificado |>
dplyr::group_by(mes) |>
dplyr::count() |>
dplyr::rename(acidentes_por_mes = n)
# Acidentes por dia (embriaguez)
acidentes_dia_emb <- dados_embriaguez |>
dplyr::group_by(data_inversa) |>
dplyr::count() |>
dplyr::rename(acidentes_por_dia = n)
# Acidentes por semana (embriaguez)
acidentes_semana_emb <- dados_embriaguez |>
dplyr::group_by(semana) |>
dplyr::count() |>
dplyr::rename(acidentes_por_semana = n)
# Acidentes_por_mes (embriaguez)
acidentes_mes_emb <- dados_embriaguez |>
dplyr::group_by(mes) |>
dplyr::count() |>
dplyr::rename(acidentes_por_mes = n)# Acidentes por dia
desc_g_dia <- data.frame(
Nome = "Acidentes_dia",
Média = mean(acidentes_dia$acidentes_por_dia),
Mediana = median(acidentes_dia$acidentes_por_dia),
DesvioPadrão = sd(acidentes_dia$acidentes_por_dia),
Coeficiente_Variação = sd(acidentes_dia$acidentes_por_dia) /
mean(acidentes_dia$acidentes_por_dia),
Mínimo = min(acidentes_dia$acidentes_por_dia),
Máximo = max(acidentes_dia$acidentes_por_dia))
# Acidentes por semana
desc_g_semana <- data.frame(
Nome = "Acidentes_semana",
Média = mean(acidentes_semana$acidentes_por_semana),
Mediana = median(acidentes_semana$acidentes_por_semana),
DesvioPadrão = sd(acidentes_semana$acidentes_por_semana),
Coeficiente_Variação = sd(acidentes_semana$acidentes_por_semana) /
mean(acidentes_semana$acidentes_por_semana),
Mínimo = min(acidentes_semana$acidentes_por_semana),
Máximo = max(acidentes_semana$acidentes_por_semana))
# Acidentes_por_mes
desc_g_mes <- data.frame(
Nome = "Acidentes_mes",
Média = mean(acidentes_mes$acidentes_por_mes),
Mediana = median(acidentes_mes$acidentes_por_mes),
DesvioPadrão = sd(acidentes_mes$acidentes_por_mes),
Coeficiente_Variação = sd(acidentes_mes$acidentes_por_mes) /
mean(acidentes_mes$acidentes_por_mes),
Mínimo = min(acidentes_mes$acidentes_por_mes),
Máximo = max(acidentes_mes$acidentes_por_mes))
# Acidentes por dia (embriaguez)
desc_emb_dia <- data.frame(
Nome = "Acidentes_embriaguez_dia",
Média = mean(acidentes_dia_emb$acidentes_por_dia),
Mediana = median(acidentes_dia_emb$acidentes_por_dia),
DesvioPadrão = sd(acidentes_dia_emb$acidentes_por_dia),
Coeficiente_Variação = sd(acidentes_dia_emb$acidentes_por_dia) /
mean(acidentes_dia_emb$acidentes_por_dia),
Mínimo = min(acidentes_dia_emb$acidentes_por_dia),
Máximo = max(acidentes_dia_emb$acidentes_por_dia))
# Acidentes por semana (embriaguez)
desc_emb_semana <- data.frame(
Nome = "Acidentes_embriaguez_semana",
Média = mean(acidentes_semana_emb$acidentes_por_semana),
Mediana = median(acidentes_semana_emb$acidentes_por_semana),
DesvioPadrão = sd(acidentes_semana_emb$acidentes_por_semana),
Coeficiente_Variação = sd(acidentes_semana_emb$acidentes_por_semana) /
mean(acidentes_semana_emb$acidentes_por_semana),
Mínimo = min(acidentes_semana_emb$acidentes_por_semana),
Máximo = max(acidentes_semana_emb$acidentes_por_semana))
# Acidentes_por_mes (embriaguez)
desc_emb_mes <- data.frame(
Nome = "Acidentes_embriaguez_mes",
Média = mean(acidentes_mes_emb$acidentes_por_mes),
Mediana = median(acidentes_mes_emb$acidentes_por_mes),
DesvioPadrão = sd(acidentes_mes_emb$acidentes_por_mes),
Coeficiente_Variação = sd(acidentes_mes_emb$acidentes_por_mes) /
mean(acidentes_mes_emb$acidentes_por_mes),
Mínimo = min(acidentes_mes_emb$acidentes_por_mes),
Máximo = max(acidentes_mes_emb$acidentes_por_mes))# Previne contra notação científica
options(scipen = 999)
# Lista de tabelas que você deseja unir
rbind(desc_g_dia, desc_emb_dia,
desc_g_semana, desc_emb_semana,
desc_g_mes, desc_emb_mes) |>
rmarkdown::paged_table()acidentes_dia |>
ggplot() +
aes(x = data_inversa, y = acidentes_por_dia) +
geom_line() +
geom_hline(yintercept = 185.31, color = "red") +
ggtitle("Acidentes por dia - Causas gerais") +
theme_minimal()Teste de Dickey Fuller para estacionariedade - casos gerais diários
tseries::adf.test(acidentes_dia$acidentes_por_dia)[4]Registered S3 method overwritten by 'quantmod':
method from
as.zoo.data.frame zoo
Warning in tseries::adf.test(acidentes_dia$acidentes_por_dia): p-value smaller
than printed p-value
$p.value
[1] 0.01
acidentes_dia_emb |>
ggplot() +
aes(x = data_inversa, y = acidentes_por_dia) +
geom_line() +
geom_hline(yintercept = 9.88, color = "red") +
ggtitle("Acidentes por dia - Embriaguez") +
theme_minimal()Teste de Dickey Fuller para estacionariedade - acidentes por embriaguez diários
tseries::adf.test(acidentes_dia_emb$acidentes_por_dia)[4]Warning in tseries::adf.test(acidentes_dia_emb$acidentes_por_dia): p-value
smaller than printed p-value
$p.value
[1] 0.01
Através dos gráficos de linha e pelo teste de estacionariedade de Dickey Fuller, podemos concluir que a média e a variância são constantes (definição de estacionariedade) ao longo do dia, se considerarmos os casos diários, podemos concluir isso com base no p-valor < 0.05, rejeitando assim a hipótese testada, de que os dados não seriam estacionários.
Para os testes de estacionariedade semanal, o valor da semana 53 foi retirado para o teste, pois se trata de uma semana de apenas um dia (31/12/2023), como é possível perceber no gráfico.
acidentes_semana |>
ggplot() +
aes(x = semana, y = acidentes_por_semana) +
geom_line() +
geom_hline(yintercept = 1276.19, color = "red") +
ggtitle("Acidentes por semana - Causas gerais") +
theme_minimal()Teste de Dickey Fuller para estacionariedade - casos gerais semanais
s1 <- acidentes_semana |>
dplyr::filter(semana!= 53)
tseries::adf.test(s1$acidentes_por_semana)[4]$p.value
[1] 0.5033985
acidentes_semana_emb |>
ggplot() +
aes(x = semana, y = acidentes_por_semana) +
geom_line() +
geom_hline(yintercept = 67.49, color = "red") +
ggtitle("Acidentes por semana - Embriaguez") +
theme_minimal()s2 <- acidentes_semana_emb |>
dplyr::filter(semana!= 53)
tseries::adf.test(s2$acidentes_por_semana)[4]$p.value
[1] 0.1492334
Com base nos valores diários, foi possível verificar estacionariedade nos dados (pelo teste de Dickey Fuller para estacionariedade), isso é, sua média e variabilidade se mantém constantes ao longo do dia, enquanto que isso não se observa nos valores semanais. Como p-valor > 0.5, não rejeitamos a hipótese de que os dados sejam não estacionários.
Isso nos permite concluir que os acidentes possuem uma variação diária aleatória, de mesma média ao longo de todo o período quando consideramos os dados diários, o que não ocorre nos dados semanais, isto é, quando consideramos os dados semanais, podemos perceber períodos específicos em que há uma diferença significativa nos dados.
Gráfico de colunas semanal
# Acidentes por semana
dados_prf_modificado |>
dplyr::group_by(semana) |>
dplyr::count() |>
dplyr::rename(acidentes_por_semana = n) |>
#dplyr::filter(semana != 53 & semana > 10) |>
ggplot() +
aes(x = semana, y = acidentes_por_semana) +
geom_col(fill = "skyblue") dados_embriaguez|>
dplyr::group_by(semana) |>
dplyr::count() |>
dplyr::rename(acidentes_por_semana = n) |>
#dplyr::filter(semana != 53)|>
ggplot() +
aes(x = semana, y = acidentes_por_semana) +
geom_col(fill = "skyblue")Com base nos valores semanais, podemos perceber uma peculiaridade na semana 53, a um primeiro olhar, poderíamos pensar que os dados da semana 53 foram subnotificados, mas na realidade, o que ocorreu é que o ano de 2023 acabou em um domingo, sendo assim, os acidentes da semana 53, são apenas os acidentes de um dia, não de sete dias, como o resto das semanas.
Podemos perceber também que os acidentes de causa geral são bem mais constantes ao longo de todo o ano, com um aumento notável apenas no fim do ano. Já os acidentes por embriaguez são extrememente variáveis à depender da semana, o que pode ser explicado por semanas de feriado, ou épocas do ano (podemos notar um aumento no mês de Junho, quando costuma ocorrer as famosas festas juninas), para verificar essas hipóteses, teríamos que construir modelos de regressão e testar essas variáveis.
Acidentes por rodovia
As próximas 2 tabelas, tem como objetivo, mostrar as 10 Rodovias Federais com maior quantidade de acidentes no ano de 2023.
# Rodovias mais frequentes para acidentes de causas gerais
princ_rod_g <- dados_prf_modificado |>
dplyr::group_by(br) |>
dplyr::count() |>
dplyr::arrange(desc(n)) |>
dplyr::filter(!is.na(br)) |>
head(10) |>
dplyr::rename(
Acidentes_por_rodovia = n)# Rodovias mais frequentes para acidentes por embriaguez
princ_rod_emb <- dados_embriaguez |>
dplyr::group_by(br) |>
dplyr::count() |>
dplyr::arrange(desc(n)) |>
dplyr::filter(!is.na(br)) |>
head(10) |>
dplyr::rename(
Acidentes_por_rodovia_embriaguez = n)Pensando que as rodovias têm tamanhos distintos, poderíamos dividir o total de acidentes pelo comprimento da rodovia em que os acidentes ocorrem, para descobrirmos a quantidade de acidentes por km da rodovia, nas 6 principais rodovias.
Uma coisa que foi notada durante a análise é que o comprimento das rodovias é na verdade maior do que as áreas notificadas, o que pode ocorrer por eventuais trocas de nome que as rodovias sofrem ao cruzar de um estado para outro, entretanto, os cálculos e gráficos respeitam os dados oficiais do site do Governo Federal.
# Acidentes por km - casos gerais
comp_g <- dados_prf_modificado |>
dplyr::group_by(br) |>
dplyr::filter(br == 101 |
br == 116 |
br == 381 |
br == 40 |
br == 153 |
br == 163 ) |>
dplyr::summarise(br = dplyr::first(br),
comprimento = max(km))
dplyr::inner_join(princ_rod_g, comp_g, by = 'br') |>
dplyr::summarise(br = br,
comprimento = comprimento,
Acidentes_por_rodovia = Acidentes_por_rodovia,
acidentes_por_km = Acidentes_por_rodovia/comprimento) |>
dplyr::arrange(desc(acidentes_por_km)) |>
rmarkdown::paged_table()# Acidentes por km - embriaguez
comp_emb <- dados_embriaguez |>
dplyr::group_by(br) |>
dplyr::filter(br == 101 |
br == 116 |
br == 277 |
br == 40 |
br == 153 |
br == 163 ) |>
dplyr::summarise(br = dplyr::first(br),
comprimento = max(km))
dplyr::inner_join(princ_rod_emb, comp_emb, by = 'br') |>
dplyr::summarise(br = br,
comprimento = comprimento,
Acidentes_por_rodovia_embriaguez = Acidentes_por_rodovia_embriaguez,
acidentes_por_km = Acidentes_por_rodovia_embriaguez/comprimento) |>
dplyr::arrange(desc(acidentes_por_km)) |>
rmarkdown::paged_table()ac_rod_km <- dados_prf_modificado |>
dplyr::group_by(br, km) |>
dplyr::count() |>
dplyr::rename(quantidade_acidente = n) |>
dplyr::filter(br == 101 |
br == 116 |
br == 381 |
br == 40 |
br == 153 |
br == 163
)
ac_rod_emb_km <- dados_embriaguez |>
dplyr::group_by(br, km) |>
dplyr::count() |>
dplyr::rename(quantidade_acidente = n) |>
dplyr::filter(br == 101 |
br == 116 |
br == 153 |
br == 163 |
br == 277 |
br == 40
)
ac_rod_km |>
ggplot() +
aes(x = km, group = br) +
geom_histogram(bins = 30, fill = "skyblue", color = "white") +
facet_wrap(~ br, scales = "free") +
ylab("Frequência dos acidentes") +
theme_minimal() ac_rod_emb_km |>
ggplot() +
aes(x = km, group = br) +
geom_histogram(bins = 30, fill = "skyblue", color = "white") +
facet_wrap(~ br, scales = "free") +
ylab("Frequência dos acidentes") +
theme_minimal()Através dos gráficos acima, podemos ver os pontos das rodovias em que os acidentes são mais frequentes. Para tomarmos decisões mais corretas sobre os motivos, seria necessário um conhecimento específico cas rodovias, mas podemos pensar em qualidade das pistas, curvas acentuadas, terrenos montanhosos, falta de sinalização, entre outros.
O ponto mais interessante de se verificar é o ponto por volta do km 500 da 40 e também o km 500 da BR381, já que a alta nos acidentes ocorre de forma repentina, enquanto nas outras rodovias, as altas costumam ser em trechos maiores, não apenas um trecho muito isolado.
Podemos verificar que em grande parte, o comportamento dos acidentes por embriaguez acompanham os acidentes de causas gerais, sendo os kms iniciais da BR40 o ponto de maior atenção e o trecho um pouco antes do km 900 da BR163, pois há um número elevado de acidentes por embriaguez, em um local inde não costuma ocorrer muitos acidentes.
A BR277 não aparece entre as 6 rodovias com maior número de causas gerais, onde ocupa a 8ª posição, sendo assim, sobe duas posições no ranking quando se trata de embriaguez.
Trabalhando com horários
As horas foram transformadas em horas discretas, e todas as horas tiveram seu valor arredondado para baixo indenpendente de qual seja o horário, sendo assim, 14h e 14:59 seriam considerados como 14h.
Infelizmente com os horários contínuos, que seriam “mais fiéis”, o histograma acaba duplicando os horários de 0h e 24h, por isso foi preferível os dados com hora discreta para elaboração dos gráficos, que apesar de alterar um pouco os dados originais, não altera de forma significativa e leva à mesma interpretação
h_disc_g <- dados_prf_modificado |>
ggplot(aes(x = horario_disc, y = after_stat(density))) +
geom_histogram(binwidth = 1, color = "white", fill = "skyblue") +
geom_density(color = "red") +
scale_x_continuous(breaks = seq(from = 0, to = 23, by = 1)) +
ggtitle("Acidentes de causas gerais") +
xlab("Horário") +
ylab("Frequência dos acidentes") +
ylim(0, 0.09) +
theme_minimal()
h_disc_emb <- dados_embriaguez |>
ggplot(aes(x = horario_disc, y = after_stat(density))) +
geom_histogram(binwidth = 1, color = "white", fill = "skyblue") +
geom_density(color = "red") +
scale_x_continuous(breaks = seq(from = 0, to = 23, by = 1)) +
ggtitle("Acidentes embriaguez") +
xlab("Horário") +
ylab("Frequência dos acidentes") +
ylim(0, 0.09) +
theme_minimal()gridExtra::grid.arrange(h_disc_g,
h_disc_emb,
ncol = 1,
top = grid::textGrob("Histogramas: Frequência de acidentes por horário"))Através dos gráficos de histograma com as linhas de densidade, é possível observar que , quando consideramos causas gerais, os acidentes possuem seus picos nos horários em torno das 7h e posterioemente às 18h, o que provavelmente se explica pelo aumento de fluxo nas BRs por motivos de trabalho, estudo, comércio ou outros motivos em cidades vizinhas.
Enquanto que quando consideramos os acidentes por embriaguez, não ocorre pico no horário das 7h e o pico das 19h possui um decaimento mais lento, mantendo altas taxas de acidentes nos horários noturnos e baixas taxas de acidente no horário diurno.
Ao comparar os acidentes de causas gerais com os acidentes por embriaguez, podemos ver que os acidentes por embriaguez ocorrem na maior parte do tempo em período noturno, já os acidentes de causas gerais, possui seus picos nos horários em que as pessoas costumam entrar ou sair do trabalho, se mantendo também mais constante durante o dia e sem picos noturnos.
Gráficos de frequência por dia da semana
# Especificando a ordem dos níveis
dados_prf_modificado$dia_semana <- factor(dados_prf_modificado$dia_semana, levels = c("domingo", "segunda-feira", "terça-feira", "quarta-feira", "quinta-feira", "sexta-feira", "sábado"))
dados_embriaguez$dia_semana <- factor(dados_embriaguez$dia_semana, levels = c("domingo", "segunda-feira", "terça-feira", "quarta-feira", "quinta-feira", "sexta-feira", "sábado"))
semana_g <- dados_prf_modificado |>
dplyr::count(dia_semana) |>
ggplot(aes(x = dia_semana, y = n)) +
labs(x = "Dia da Semana", y = "Quantidade de acidentes no dia") +
geom_col(color = "white", fill = "skyblue") +
theme_minimal()
semana_emb <- dados_embriaguez |>
dplyr::count(dia_semana) |>
ggplot(aes(x = dia_semana, y = n)) +
labs(x = "Dia da Semana", y = "Quantidade de acidentes no dia") +
geom_col(color = "white", fill = "skyblue") +
theme_minimal()
gridExtra::grid.arrange(semana_g, semana_emb)Os gráficos acima relativo aos dias da semana, nos permitem enxergar que enquanto os acidentes de cauas gerais possuem alguns pequenos picos nos fins de semana, quando as pessoas costumam viajar mais, os acidentes por embriaguez ocorrem em sua imensa maioria nos fins de semana.
periodo_g <- dados_prf_modificado |>
dplyr::count(periodo_dia) |>
ggplot(aes(x = periodo_dia, y = n/sum(n))) +
labs(x = "Perído do dia", y = "Quantidade de acidentes no período") +
geom_col(color = "white", fill = "skyblue") +
theme_minimal()
periodo_emb <- dados_embriaguez |>
dplyr::count(periodo_dia) |>
ggplot(aes(x = periodo_dia, y = n/sum(n))) +
labs(x = "Perído do dia", y = "Proporção de acidentes no período") +
geom_col(color = "white", fill = "skyblue") +
theme_minimal()
gridExtra::grid.arrange(periodo_g, periodo_emb)O gráfico referente aos períodos do dia, nos permite concluir que os acidentes de causas gerais ocorrem no período diário, onde há maior tráfego de veículos, enquanto que os acidentes de causa noturna ocorrem em período noturno, na maior parte das vezes.
Quantidade de acidentes por região
dados_mapa_g <- dados_prf_modificado |>
dplyr::group_by(uf) |>
dplyr::summarise(
acidentes_por_estado = dplyr::n()) |>
dplyr::arrange(desc(acidentes_por_estado))
dados_mapa_g <- dados_mapa_g |>
dplyr::inner_join(dados_pop, by = 'uf') |>
dplyr::mutate(acidentes_1milhaohab = (acidentes_por_estado / populacao)*1000000)
dados_mapa_g |>
rmarkdown::paged_table()dados_mapa_emb <- dados_embriaguez |>
dplyr::group_by(uf) |>
dplyr::summarise(
acidentes_por_estado = dplyr::n()) |>
dplyr::arrange(desc(acidentes_por_estado))
dados_mapa_emb <- dados_mapa_emb |>
dplyr::inner_join(dados_pop, by = 'uf') |>
dplyr::mutate(acidentes_emb_1milhaohab = (acidentes_por_estado / populacao)*1000000)
dados_mapa_emb |>
rmarkdown::paged_table()Os valores acima encontram-se ordenados, de forma descrescente, sendo assim, no topo da tabela está o estado com maior quantidade de acidentes em Rodovias Federais, sendo a primeira tabela dos acidentes por causas gerais e a segunda os acidentes por embriaguez.
brasil <- geobr::read_country(year = 2020)Apesar do ano corresponder a 2020, como se trata apenas das “shapes” para a construção dos mapas, não há conflito com o fato dos nossos dados serem do ano de 2023.
rmarkdown::paged_table(brasil)Agora, temos os códigos dos estados, regiões e os “polígonos” para a construção dos mapas.
brasil_g <- brasil |>
dplyr::left_join(dados_mapa_g, by = c("abbrev_state" = "uf"))
brasil_emb <- brasil |>
dplyr::left_join(dados_mapa_emb, by = c("abbrev_state" = "uf"))
mapa_g <- ggplot() +
geom_sf(data = brasil_g, aes(fill = acidentes_por_estado)) +
scale_fill_gradient(low = "white", high = "#008000", name="Acidentes por estado") +
geom_sf_text(data = brasil_g, aes(label = paste(abbrev_state, acidentes_por_estado)), size = 2) +
labs(x = "", y = "") +
theme_minimal()
mapa_emb <- ggplot() +
geom_sf(data = brasil_emb, aes(fill = acidentes_por_estado)) +
scale_fill_gradient(low = "white", high = "#008000", name="Acidentes por estado") +
geom_sf_text(data = brasil_emb, aes(label = paste(abbrev_state, acidentes_por_estado)), size = 2) +
labs(x = "", y = "") +
theme_minimal()
gridExtra::grid.arrange(mapa_g, mapa_emb, ncol = 1)Ao analisar os acidentes nas BRs em cada estado do Brasil, podemos ver que nos acidentes de causas gerais, os três estados com maior frequência são, respectivamente: Minas Gerais, Santa Catarina e Paraná. Quando se trata da embriaguez são: Santa Catarina, Paraná e Rio Grande do Sul.
Algo interessante de se perceber é que com certeza a população impacta na quantidade de acidentes, mas não é a única variável a ser levada em consideração, pois o estado de São Paulo é o mais populoso, com aproximadamente 2x a quantidade de população quando comparado a Minas Gerais (2° estado mais populoso), mas mesmo assim possui menor quantidade de acidentes. Algumas possibilidades são a qualidade das estradas ou quantidade de serras e morros nas rodovias, mas isso deve ser investigado mais a fundo em outras ocasiões para chegar à conclusão real.
Quanto aos acidentes por embriaguez, uma possível causa poderia ser o turismo da região sul, em especial o estado de SC, que é famoso por suas praias.
Uma possibilidade de verificar isso, seria mapear as rodovias através das medidas de latitude e longitude, para verificar se os acidentes ocorreram em regiões praianas.
brasil_g <- brasil |>
dplyr::left_join(dados_mapa_g, by = c("abbrev_state" = "uf"))
brasil_emb <- brasil |>
dplyr::left_join(dados_mapa_emb, by = c("abbrev_state" = "uf"))
mapa_g <- ggplot() +
geom_sf(data = brasil_g, aes(fill = acidentes_1milhaohab)) +
scale_fill_gradient(low = "white", high = "#008000", name="Acidentes por estado") +
geom_sf_text(data = brasil_g, aes(label = paste(abbrev_state,round(acidentes_1milhaohab))), size = 2) +
labs(x = "", y = "") +
theme_minimal()
mapa_emb <- ggplot() +
geom_sf(data = brasil_emb, aes(fill = acidentes_emb_1milhaohab)) +
scale_fill_gradient(low = "white", high = "#008000", name="Acidentes por estado") +
geom_sf_text(data = brasil_emb, aes(label = paste(abbrev_state, round(acidentes_emb_1milhaohab))), size = 2) +
labs(x = "", y = "") +
theme_minimal()
gridExtra::grid.arrange(mapa_g, mapa_emb, ncol = 1)Através dos mapas acima, podemos ter uma noção melhor dos acidentes, relativo à sua população.
Minas Gerais passa a ter baixos acidentes quena levamos em conta a população do Estado, enquanto que Santa Catarina passa a ter o maior número de acidentes, tanto nos casos gerais como embriaguez. O estado de Roraima também passa a ter uma quantidade significativa de acidentes de casos gerais
Conclusões gerais
O que chama atenção quando analisamos os dias da semana e os horários do dia em que os acidentes ocorrem é que os acidentes de causas gerais são muito mais constantes que os acidentes causados por embriaguez, que ocorrem em sua grande maioria no período da noite e nos fins de semana.
Quanto à região, os acidentes por embriaguez se concentram na região sul, sendo a variável de turismo uma variável que poderia ajudar a explicar esses números.
Linkedin: https://www.linkedin.com/in/bruno-andrade-395943252/