Dados crus

Para carregar os dados, vamos utilizar a função read_delim da biblioteca readr que nos possibilita passar um tipo de delimitador específico, flexibilizando possíveis usos para a leitura de arquivos csv.

library(readr)
data <- read_delim("./acidentes-2019.csv", delim = ";")

Para uma pré-visualização dos dados, extraíremos as primeiras 5 linhas do dataset:

Como colunas importantes, foram consideradas:

• DATA: Para levantar intervalos sobre épocas em que o trânsito se mostra mais perigoso
• hora: Para levantar intervalos como, manhã, tarde e noite sobre pontos dentro da cidade
• bairro: Para compor os pontos em que ocorrem acidentes
• endereco: Para compor os pontos em que ocorrem acidentes
• tipo: Para identificar os principais tipos de acidentes
• auto: Para identificar os tipos de automóveis envolvidos em acidentes
• moto: Para identificar os tipos de automóveis envolvidos em acidentes
• ciclom: Para identificar os tipos de automóveis envolvidos em acidentes
• ciclista: Para identificar os tipos de automóveis envolvidos em acidentes
• pedestre: Para identificar os tipos de automóveis envolvidos em acidentes
• onibus: Para identificar os tipos de automóveis envolvidos em acidentes
• caminhao: Para identificar os tipos de automóveis envolvidos em acidentes
• viatura: Para identificar os tipos de automóveis envolvidos em acidentes
• outros: Para identificar os tipos de automóveis envolvidos em acidentes
• vitimas: Para levantar dados de pessoas que foram lesadas de alguma forma em decorrência dos acidentes
• vitimasfatais: Para levantar dados de pessoas que vieram a óbito em decorrência dos acidentes

Colunas não importantes serão removidas:

colunas_importantes <- c("DATA", "hora", "bairro", "endereco", "tipo", "auto", "moto", "ciclom", "ciclista", "pedestre", "onibus", "caminhao", "viatura", "outros", "vitimas", "vitimasfatais")
dados_reais <- data[, colunas_importantes]

Identificando e removendo NAs

Foram identificados NAs em todas as colunas importantes, exceto nas coluna tipo e DATA.

# Quantifica o número de nas em cada coluna
colSums(is.na(dados_reais))

##          DATA          hora        bairro      endereco          tipo 
##             0            16           148            53             0 
##          auto          moto        ciclom      ciclista      pedestre 
##           922          9158         12014         11838         11807 
##        onibus      caminhao       viatura        outros       vitimas 
##         10251         10838         11940         11852            27 
## vitimasfatais 
##         12037

Precisaremos cuidar de uma parte dos dados removendo a linha em que se encontram os NAs. São elas:

Se faz necessário remover os NAs presentes nas colunas importantes para a análise:

• bairro
• hora
• endereco

### Removendo NAS de tais colunas

data_sem_na <- dados_reais[!is.na(dados_reais$bairro),]
data_sem_na <- data_sem_na[!is.na(data_sem_na$endereco),]
data_sem_na <- data_sem_na[!is.na(data_sem_na$hora), ]

Substituindo NAs restantes

Para o restante, iremos apenas substituir seus valores por 0, dado que os NAs representam esse valor neste dataset. Serão substítuíos os NAs das seguintes tabelas:

• auto
• moto
• ciclom
• ciclista
• pedestre
• onibus
• caminhao
• viatura
• outros
• vitimas
• vitimasfatais

library(dplyr)

dados_finais <- data_sem_na %>% 
  mutate(across(c(auto, moto, ciclom, ciclista, pedestre, onibus, caminhao, viatura, outros, vitimas, vitimasfatais), ~ if_else(is.na(.), 0, .)))

Normalizando nome de ruas

Foi percebido que alguns endereços estão variando entre minúsculo e maiúsculo. Com isso, surge a necessidade de normalizar tais dados.

normaliza_endereco <- function(endereco) {
  endereco %>%
    toupper()            # Converter para maiusculas
}

dados_finais <- dados_finais %>%
  mutate(endereco = normaliza_endereco(endereco))

Com isso, o dataset foi diminuido ao ponto em que pode ser usado para a análise:

Períodos do dia mais perigosos

Para esta análise, iremos levantar quais horários do dia ocorrem mais acidentes, dividindo o dia em manhã, tarde, noite e madrugada.

Os intervalos que irão definir cada horário serão:

• Manhã: 06:00 - 11:59
• Tarde: 12:00 - 17:59
• Noite: 18:00 - 23:59
• Madrugada: 00:00 - 05:59

Agora, uma nova coluna será adicionada ao dataset, identificando o horário de cada acidente baseado na hora de cada acidente, disponibilizado na coluna de mesmo nome.

## Adicionando coluna com a hora do acidente em formato inteiro 
dados_finais <- dados_finais %>%
  mutate(hora_inteiro = as.numeric(substr(hora, 1, 2)))

## Criação da coluna periodo_dia
dados_finais <- dados_finais %>%
  mutate(periodo_dia = case_when(
    hora_inteiro >= 0 & hora_inteiro < 6  ~ "Madrugada",
    hora_inteiro >= 6 & hora_inteiro < 12 ~ "Manhã",
    hora_inteiro >= 12 & hora_inteiro < 18 ~ "Tarde",
    hora_inteiro >= 18 & hora_inteiro <= 23 ~ "Noite"
  ))

Em sequência, os dados serão analizados com os períodos devidamente identificados.

library(ggplot2)

# Contando número de acidentes por período
acidentes_por_periodo <- dados_finais %>%
  group_by(periodo_dia) %>%
  summarise(total_acidentes = n())

ggplot(acidentes_por_periodo, aes(x = periodo_dia, y = total_acidentes, fill = periodo_dia)) +
  geom_bar(stat = "identity") +
  labs(title = "Total de Acidentes por Período do Dia", x = "Período do Dia", y = "Total de Acidentes") + theme_minimal()

Com base nos dados, identificamos a tarde como o período em que ocorrem mais acidentes no Recife. Isso pode claramente estar relacionado ao fluxo de veículos nas ruas durante tais horários, mas funciona com um indicativo para trabalhar formas de inibição dos riscos entre pessoas que costumam transitar nesse horário.

Pode-se ainda, analisar de forma mais profunda sobre qual périodo ocorrem a maioria dos acidentes fatais.

# criando novo dataset com as vítimas fatais somadas por período
vitimas_fatais_periodo <- dados_finais %>%
  group_by(periodo_dia) %>%
  summarise(total_vitimas_fatais = sum(vitimasfatais))

# Plotar o gráfico de barras para vítimas fatais
ggplot(vitimas_fatais_periodo, aes(x = periodo_dia, y = total_vitimas_fatais, fill = periodo_dia)) +
  geom_bar(stat = "identity") +
  labs(title = "Total de Vítimas Fatais por Período do Dia", x = "Período do Dia", y = "Total de Vítimas Fatais") +
  theme_minimal()

Com isso, mesmo identicando a tarde como o período que mais ocorrem acidentes, o número de acidentes fatais ainda é menor do que no período noturno.

É bom salientar que não podemos ignorar o fato de que vítimas podem vir a óbito em hospitais após o acidente, e que a CTTU pode não levar isso em conta.

Localidades mais perigosas

Agora, iremos avaliar qual localidade tem maior ocorrência de acidentes. Com isso, pessoas com tendência a maior locomoção durante o dia pode ficar atento ao passar por bairros e ruas com alto indíce de acidentes.

## Novo dataset com a quantidade total de acidentes por bairro, ordenado em ordem decrescente (maior para o menor)
acidentes_por_bairro <- dados_finais %>%
  group_by(bairro) %>%
  summarise(total_acidentes = n()) %>%
  arrange(desc(total_acidentes))

top_bairros <- acidentes_por_bairro %>%
  top_n(30, total_acidentes)

# Gráfico de barras invertido para melhor visualização
ggplot(top_bairros, aes(x = reorder(bairro, total_acidentes), y = total_acidentes, fill = bairro)) +
  geom_bar(stat = "identity") +
  coord_flip() +
  guides(fill = "none") +
  labs(title = "Top 30 Bairros com Mais Acidentes", x = "Bairro", y = "Total de Acidentes") +
  theme_minimal()

## Novo dataset com ruas agrupadas pelo total de acidentes
acidentes_por_rua <- dados_finais %>%
  group_by(endereco, bairro) %>%
  summarise(total_acidentes = n(), .groups = 'drop') %>%
  arrange(desc(total_acidentes))

Tipos de acidente

Os acidentes podem ser dos mais diversos tipos, desde uma colisões com objeto fixo, até colisões frontais.

Dentre os diversos tipos, qual deles é mais frenquente?

Antes de adentrarmos no gráfico ilustrando a informação, devemos ser munidos sobre o que são os principais tipos de acidentes. Podemos entender melhor observando a imagem abaixo:

Devidamente informados, seguimos para a análise.

acidentes_por_tipo <- dados_finais %>%
  group_by(tipo) %>%
  summarise(total_acidentes = n(), .groups = 'drop') %>%
  arrange(desc(total_acidentes))

# Reordena a coluna 'tipo' como fator com base na contagem de acidentes. Isso ajuda na ordenação das legendas do gráfico.
acidentes_por_tipo$tipo <- factor(acidentes_por_tipo$tipo, levels = acidentes_por_tipo$tipo)


ggplot(acidentes_por_tipo, aes(x = tipo, y = total_acidentes, fill = tipo)) +
  geom_bar(stat = "identity") +
  labs(title = "Tipo de Acidente Mais Frequente", x = "Tipo de Acidente", y = "Número de Acidentes") +
  theme(axis.text.x = element_blank())  # Remove indicação no eixo x

Com os dados devidamente análisados, percebemos que o tipo de acidemente mais comum é o abalroamento longitudinal, acidente este que tem um potencial de causar mortes bem baixo.

Para embasar a informação sobre a incidência de mortes em relação ao tipo de acidentes, podemos analisar e descobrir.

# Filtra apenas os dados com vitimas fatais
dados_fatais <- dados_finais %>%
  filter(!is.na(vitimasfatais) & vitimasfatais > 0)

# Agrupando os dados por tipo de acidente e o número de vítimas fatais
acidente_mortal <- dados_fatais %>%
  group_by(tipo) %>%
  summarise(total_vitimas_fatais = sum(vitimasfatais, na.rm = TRUE)) %>%
  mutate(percentual = total_vitimas_fatais / sum(total_vitimas_fatais) * 100) %>%
  arrange(desc(percentual)) %>%
  mutate(tipo = factor(tipo, levels = tipo))

# Criando gráfico de pizza
ggplot(acidente_mortal, aes(x = "", y = percentual, fill = tipo)) +
  geom_bar(width = 1, stat = "identity") +
  coord_polar("y", start = 0) +
  labs(title = "Distribuição Percentual dos Tipos de Acidente com Vítimas Fatais",
       x = NULL, y = NULL) +
  theme_void() +
  theme(legend.title = element_blank(),
        legend.position = "right") +
  geom_text(aes(label = paste0(round(percentual, 1), "%")),
            position = position_stack(vjust = 0.5),
            color = "white",
            size = 4)

Com isso, observamos que colisão com ciclista acaba sendo o acidente com mais fatalidades dentre todos os tipos, sendo o acidente por abalroamento longitudinal, ainda que sendo o tipo com maior incidência, ocupa apenas 8% do total de acidentes fatais.

Veículos mais perigosos

Por último, mas com certeza o não menos importante, vamos levantar dados para responder a pergunta:

Qual o veículo que mais se envolve em acidentes?

Essa resposta pode orientar pessoas mais conservadoras a se orientar quanto a uma compra de veículo ou sobre como se portar dirigindo tais veículos.

# Criar uma lista de tipos de veículos
tipos_veiculos <- c("auto", "moto", "ciclom", "onibus", "caminhao", "viatura", "outros")

# Inicializa um dataframe vazio
resultado <- data.frame(tipo_veiculo = character(), total_vitimas_fatais = numeric())

# Vamos somar o número de vítimas fatais associadas
for (veiculo in tipos_veiculos) {
  total_vitimas <- sum(dados_finais$vitimasfatais[dados_finais[[veiculo]] > 0], na.rm = TRUE)
  
  # Adicionar os resultados ao dataframe
  resultado <- rbind(resultado, data.frame(tipo_veiculo = veiculo, total_vitimas_fatais = total_vitimas))
}

# Filtrando veículos com vítimas fatais
resultado <- resultado[resultado$total_vitimas_fatais > 0, ]

# Calcular os percentuais
resultado$percentual <- round((resultado$total_vitimas_fatais / sum(resultado$total_vitimas_fatais)) * 100, 1)

# Criar gráfico de pizza com percentuais
ggplot(resultado, aes(x = "", y = total_vitimas_fatais, fill = tipo_veiculo)) +
  geom_bar(width = 1, stat = "identity") +
  coord_polar("y", start = 0) +
  labs(title = "Distribuição de Vítimas Fatais por Tipo de Veículo",
       fill = "Tipo de Veículo") +
  theme_void() +  # Remove o fundo e os eixos
  geom_text(aes(label = paste0(percentual, "%")), 
            position = position_stack(vjust = 0.5), color = "white")

Observado os veículos, nota-se que automóveis (carros) são os mais mortais dentre todos, seguido por motos e ônibus.