Carregamento de Planilha
Tauane Firmino e Sérgio Rodrigues
Rio de Janeiro 2026-05-06
Centro Universitário Celso Lisboa
Professor Adriano Lauro
Introdução
Este trabalho tem como objetivo realizar uma análise exploratória de uma base de dados sobre acidentes em rodovias federais no Brasil no ano de 2026. A base de dados utilizada foi obtida em fonte pública de dados abertos e contém informações como data do acidente, estado, município, causa do acidente, tipo de acidente, quantidade de pessoas envolvidas, feridos, mortos e veículos.
Fonte da base de dados
Fonte: Dados Abertos dda Polícia Rodoviária Federal / dados.gov.br. Base: Acidentes em Rodovias Federais - 2026. Formato: CSV.
Carregamento de pacotes
library(readr)
library(dplyr)##
## Anexando pacote: 'dplyr'## Os seguintes objetos são mascarados por 'package:stats':
##
## filter, lag## Os seguintes objetos são mascarados por 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(ggplot2)
library(knitr)Carregamento da Planilha
library(readr)
datatran2026 <- read_csv2("~/Projeto fase 2/datatran2026.csv",
locale = locale(encoding = "Latin1"))## ℹ Using "','" as decimal and "'.'" as grouping mark. Use `read_delim()` for more control.## Rows: 17502 Columns: 30
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ";"
## chr (15): dia_semana, uf, municipio, causa_acidente, tipo_acidente, classif...
## dbl (13): id, br, km, pessoas, mortos, feridos_leves, feridos_graves, ileso...
## date (1): data_inversa
## time (1): horario
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.View(datatran2026)Verificando os dados da planilha
library(dplyr)
glimpse(datatran2026)## Rows: 17,502
## Columns: 30
## $ id <dbl> 742921, 742942, 742943, 742947, 742960, 742971,…
## $ data_inversa <date> 2026-01-01, 2026-01-01, 2026-01-01, 2026-01-01…
## $ dia_semana <chr> "quinta-feira", "quinta-feira", "quinta-feira",…
## $ horario <time> 04:04:00, 06:40:00, 06:58:00, 07:05:00, 06:17:…
## $ uf <chr> "TO", "MG", "SC", "DF", "MT", "SP", "MG", "GO",…
## $ br <dbl> 153, 262, 101, 60, 163, 116, 365, 40, 153, 262,…
## $ km <dbl> 155.0, 146.1, 193.0, 23.0, 1044.0, 568.0, 393.4…
## $ municipio <chr> "ARAGUAINA", "RIO CASCA", "BIGUACU", "BRASILIA"…
## $ causa_acidente <chr> "Objeto estático sobre o leito carroçável", "Co…
## $ tipo_acidente <chr> "Tombamento", "Colisão frontal", "Colisão later…
## $ classificacao_acidente <chr> NA, "Com Vítimas Feridas", "Com Vítimas Feridas…
## $ fase_dia <chr> "Amanhecer", "Pleno dia", "Amanhecer", "Pleno d…
## $ sentido_via <chr> "Crescente", "Crescente", "Crescente", "Decresc…
## $ condicao_metereologica <chr> "Céu Claro", "Céu Claro", "Nublado", "Céu Claro…
## $ tipo_pista <chr> "Simples", "Simples", "Dupla", "Dupla", "Simple…
## $ tracado_via <chr> "Aclive;Reta", "Reta", "Curva", "Aclive;Reta", …
## $ uso_solo <chr> "Não", "Não", "Sim", "Não", "Não", "Não", "Não"…
## $ pessoas <dbl> 3, 6, 3, 3, 3, 2, 3, 3, 2, 3, 4, 2, 1, 2, 3, 4,…
## $ mortos <dbl> 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
## $ feridos_leves <dbl> 0, 0, 1, 1, 0, 1, 2, 0, 0, 0, 0, 1, 1, 0, 0, 0,…
## $ feridos_graves <dbl> 0, 4, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0,…
## $ ilesos <dbl> 1, 1, 1, 1, 1, 0, 1, 2, 1, 0, 1, 1, 0, 1, 1, 3,…
## $ ignorados <dbl> 3, 1, 2, 1, 3, 1, 0, 3, 1, 2, 3, 0, 0, 2, 1, 2,…
## $ feridos <dbl> 0, 4, 1, 1, 1, 1, 2, 0, 0, 1, 0, 1, 1, 0, 1, 0,…
## $ veiculos <dbl> 5, 3, 4, 3, 5, 2, 2, 5, 2, 3, 4, 2, 1, 3, 3, 4,…
## $ latitude <dbl> -7.291548, -20.024073, -27.489352, -15.988927, …
## $ longitude <dbl> -48.28625, -42.74223, -48.65566, -48.22630, -54…
## $ regional <chr> "SPRF-TO", "SPRF-MG", "SPRF-SC", "SPRF-DF", "SP…
## $ delegacia <chr> "DEL02-TO", "DEL03-MG", "DEL01-SC", "DEL03-DF",…
## $ uop <chr> "UOP01-DEL02-TO", "UOP03-DEL03-MG", "UOP01-DEL0…colnames(datatran2026)## [1] "id" "data_inversa" "dia_semana"
## [4] "horario" "uf" "br"
## [7] "km" "municipio" "causa_acidente"
## [10] "tipo_acidente" "classificacao_acidente" "fase_dia"
## [13] "sentido_via" "condicao_metereologica" "tipo_pista"
## [16] "tracado_via" "uso_solo" "pessoas"
## [19] "mortos" "feridos_leves" "feridos_graves"
## [22] "ilesos" "ignorados" "feridos"
## [25] "veiculos" "latitude" "longitude"
## [28] "regional" "delegacia" "uop"Renomeando as colunas
datatran2026 %>%
select(
codigo = id,
data_ocorrencia = data_inversa,
dia_da_semana = dia_semana,
hora = horario,
estado = uf,
rodovia = br,
quilometragem = km,
cidade = municipio,
causa = causa_acidente,
natureza = tipo_acidente,
gravidade = classificacao_acidente,
periodo = fase_dia,
fluxo_via = sentido_via,
clima = condicao_metereologica,
pista = tipo_pista,
via = tracado_via,
area = uso_solo,
envolvidos = pessoas,
obitos = mortos,
vitimas_leves = feridos_leves,
vitimas_graves = feridos_graves,
ilesas = ilesos,
ignoradas = ignorados,
total_feridos = feridos,
qtd_veiculos = veiculos
)## # A tibble: 17,502 × 25
## codigo data_ocorrencia dia_da_semana hora estado rodovia quilometragem
## <dbl> <date> <chr> <time> <chr> <dbl> <dbl>
## 1 742921 2026-01-01 quinta-feira 04:04 TO 153 155
## 2 742942 2026-01-01 quinta-feira 06:40 MG 262 146.
## 3 742943 2026-01-01 quinta-feira 06:58 SC 101 193
## 4 742947 2026-01-01 quinta-feira 07:05 DF 60 23
## 5 742960 2026-01-01 quinta-feira 06:17 MT 163 1044
## 6 742971 2026-01-01 quinta-feira 08:50 SP 116 568
## 7 742985 2026-01-01 quinta-feira 12:00 MG 365 393.
## 8 742987 2026-01-01 quinta-feira 13:30 GO 40 104.
## 9 742988 2026-01-01 quinta-feira 09:30 MG 153 246.
## 10 742989 2026-01-01 quinta-feira 12:50 ES 262 108.
## # ℹ 17,492 more rows
## # ℹ 18 more variables: cidade <chr>, causa <chr>, natureza <chr>,
## # gravidade <chr>, periodo <chr>, fluxo_via <chr>, clima <chr>, pista <chr>,
## # via <chr>, area <chr>, envolvidos <dbl>, obitos <dbl>, vitimas_leves <dbl>,
## # vitimas_graves <dbl>, ilesas <dbl>, ignoradas <dbl>, total_feridos <dbl>,
## # qtd_veiculos <dbl>Alterar tipo de dado de uma coluna
datatran2026 %>%
mutate(id = as.numeric(id))## # A tibble: 17,502 × 30
## id data_inversa dia_semana horario uf br km municipio
## <dbl> <date> <chr> <time> <chr> <dbl> <dbl> <chr>
## 1 742921 2026-01-01 quinta-feira 04:04 TO 153 155 ARAGUAINA
## 2 742942 2026-01-01 quinta-feira 06:40 MG 262 146. RIO CASCA
## 3 742943 2026-01-01 quinta-feira 06:58 SC 101 193 BIGUACU
## 4 742947 2026-01-01 quinta-feira 07:05 DF 60 23 BRASILIA
## 5 742960 2026-01-01 quinta-feira 06:17 MT 163 1044 MATUPA
## 6 742971 2026-01-01 quinta-feira 08:50 SP 116 568 BARRA DO TURVO
## 7 742985 2026-01-01 quinta-feira 12:00 MG 365 393. PATOS DE MINAS
## 8 742987 2026-01-01 quinta-feira 13:30 GO 40 104. CRISTALINA
## 9 742988 2026-01-01 quinta-feira 09:30 MG 153 246. FRONTEIRA
## 10 742989 2026-01-01 quinta-feira 12:50 ES 262 108. VENDA NOVA DO IMI…
## # ℹ 17,492 more rows
## # ℹ 22 more variables: causa_acidente <chr>, tipo_acidente <chr>,
## # classificacao_acidente <chr>, fase_dia <chr>, sentido_via <chr>,
## # condicao_metereologica <chr>, tipo_pista <chr>, tracado_via <chr>,
## # uso_solo <chr>, pessoas <dbl>, mortos <dbl>, feridos_leves <dbl>,
## # feridos_graves <dbl>, ilesos <dbl>, ignorados <dbl>, feridos <dbl>,
## # veiculos <dbl>, latitude <dbl>, longitude <dbl>, regional <chr>, …datatran2026 <- datatran2026 %>%
mutate(
id = as.numeric(id)
)
datatran2026 %>%
mutate(classificacao_acidente = as.numeric(classificacao_acidente))## Warning: There was 1 warning in `mutate()`.
## ℹ In argument: `classificacao_acidente = as.numeric(classificacao_acidente)`.
## Caused by warning:
## ! NAs introduzidos por coerção## # A tibble: 17,502 × 30
## id data_inversa dia_semana horario uf br km municipio
## <dbl> <date> <chr> <time> <chr> <dbl> <dbl> <chr>
## 1 742921 2026-01-01 quinta-feira 04:04 TO 153 155 ARAGUAINA
## 2 742942 2026-01-01 quinta-feira 06:40 MG 262 146. RIO CASCA
## 3 742943 2026-01-01 quinta-feira 06:58 SC 101 193 BIGUACU
## 4 742947 2026-01-01 quinta-feira 07:05 DF 60 23 BRASILIA
## 5 742960 2026-01-01 quinta-feira 06:17 MT 163 1044 MATUPA
## 6 742971 2026-01-01 quinta-feira 08:50 SP 116 568 BARRA DO TURVO
## 7 742985 2026-01-01 quinta-feira 12:00 MG 365 393. PATOS DE MINAS
## 8 742987 2026-01-01 quinta-feira 13:30 GO 40 104. CRISTALINA
## 9 742988 2026-01-01 quinta-feira 09:30 MG 153 246. FRONTEIRA
## 10 742989 2026-01-01 quinta-feira 12:50 ES 262 108. VENDA NOVA DO IMI…
## # ℹ 17,492 more rows
## # ℹ 22 more variables: causa_acidente <chr>, tipo_acidente <chr>,
## # classificacao_acidente <dbl>, fase_dia <chr>, sentido_via <chr>,
## # condicao_metereologica <chr>, tipo_pista <chr>, tracado_via <chr>,
## # uso_solo <chr>, pessoas <dbl>, mortos <dbl>, feridos_leves <dbl>,
## # feridos_graves <dbl>, ilesos <dbl>, ignorados <dbl>, feridos <dbl>,
## # veiculos <dbl>, latitude <dbl>, longitude <dbl>, regional <chr>, …datatran2026 <- datatran2026 %>%
mutate(
classificacao_acidente = as.numeric(classificacao_acidente)
)## Warning: There was 1 warning in `mutate()`.
## ℹ In argument: `classificacao_acidente = as.numeric(classificacao_acidente)`.
## Caused by warning:
## ! NAs introduzidos por coerçãoTratamento de NA
Identificando NA na base de dados
sum(is.na(datatran2026))## [1] 17502Quantidade de NA por variável
summary(datatran2026)## id data_inversa dia_semana
## Min. :742884 Min. :2026-01-01 Length:17502
## 1st Qu.:747937 1st Qu.:2026-01-24 Class :character
## Median :752786 Median :2026-02-14 Mode :character
## Mean :752745 Mean :2026-02-14
## 3rd Qu.:757570 3rd Qu.:2026-03-09
## Max. :767313 Max. :2026-03-31
##
## horario uf br km
## Min. :00:00:00.000000 Length:17502 Min. : 0.0 Min. : 0.0
## 1st Qu.:08:10:00.000000 Class :character 1st Qu.:101.0 1st Qu.: 75.0
## Median :13:50:00.000000 Mode :character Median :158.0 Median : 195.0
## Mean :13:13:38.385327 Mean :210.1 Mean : 260.0
## 3rd Qu.:18:15:00.000000 3rd Qu.:324.0 3rd Qu.: 409.7
## Max. :23:59:00.000000 Max. :495.0 Max. :1244.0
##
## municipio causa_acidente tipo_acidente
## Length:17502 Length:17502 Length:17502
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## classificacao_acidente fase_dia sentido_via
## Min. : NA Length:17502 Length:17502
## 1st Qu.: NA Class :character Class :character
## Median : NA Mode :character Mode :character
## Mean :NaN
## 3rd Qu.: NA
## Max. : NA
## NA's :17502
## condicao_metereologica tipo_pista tracado_via
## Length:17502 Length:17502 Length:17502
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## uso_solo pessoas mortos feridos_leves
## Length:17502 Min. : 1.000 Min. : 0.00000 Min. : 0.0000
## Class :character 1st Qu.: 2.000 1st Qu.: 0.00000 1st Qu.: 0.0000
## Mode :character Median : 2.000 Median : 0.00000 Median : 1.0000
## Mean : 2.647 Mean : 0.08039 Mean : 0.9044
## 3rd Qu.: 3.000 3rd Qu.: 0.00000 3rd Qu.: 1.0000
## Max. :56.000 Max. :11.00000 Max. :40.0000
##
## feridos_graves ilesos ignorados feridos
## Min. : 0.0000 Min. : 0.000 Min. : 0.0000 Min. : 0.000
## 1st Qu.: 0.0000 1st Qu.: 0.000 1st Qu.: 0.0000 1st Qu.: 1.000
## Median : 0.0000 Median : 1.000 Median : 0.0000 Median : 1.000
## Mean : 0.2772 Mean : 1.082 Mean : 0.3909 Mean : 1.182
## 3rd Qu.: 0.0000 3rd Qu.: 1.000 3rd Qu.: 1.0000 3rd Qu.: 1.000
## Max. :27.0000 Max. :47.000 Max. :13.0000 Max. :47.000
##
## veiculos latitude longitude regional
## Min. : 1.000 Min. :-33.682 Min. :-72.84 Length:17502
## 1st Qu.: 1.000 1st Qu.:-25.081 1st Qu.:-50.32 Class :character
## Median : 2.000 Median :-20.315 Median :-47.47 Mode :character
## Mean : 1.986 Mean :-18.762 Mean :-46.56
## 3rd Qu.: 2.000 3rd Qu.:-12.532 3rd Qu.:-42.52
## Max. :18.000 Max. : 4.339 Max. :-34.83
##
## delegacia uop
## Length:17502 Length:17502
## Class :character Class :character
## Mode :character Mode :character
##
##
##
## Identificando NA
colSums(is.na(datatran2026))## id data_inversa dia_semana
## 0 0 0
## horario uf br
## 0 0 0
## km municipio causa_acidente
## 0 0 0
## tipo_acidente classificacao_acidente fase_dia
## 0 17502 0
## sentido_via condicao_metereologica tipo_pista
## 0 0 0
## tracado_via uso_solo pessoas
## 0 0 0
## mortos feridos_leves feridos_graves
## 0 0 0
## ilesos ignorados feridos
## 0 0 0
## veiculos latitude longitude
## 0 0 0
## regional delegacia uop
## 0 0 0NA
mean(datatran2026$feridos)## [1] 1.181579Estatística Básica
summary(datatran2026)## id data_inversa dia_semana
## Min. :742884 Min. :2026-01-01 Length:17502
## 1st Qu.:747937 1st Qu.:2026-01-24 Class :character
## Median :752786 Median :2026-02-14 Mode :character
## Mean :752745 Mean :2026-02-14
## 3rd Qu.:757570 3rd Qu.:2026-03-09
## Max. :767313 Max. :2026-03-31
##
## horario uf br km
## Min. :00:00:00.000000 Length:17502 Min. : 0.0 Min. : 0.0
## 1st Qu.:08:10:00.000000 Class :character 1st Qu.:101.0 1st Qu.: 75.0
## Median :13:50:00.000000 Mode :character Median :158.0 Median : 195.0
## Mean :13:13:38.385327 Mean :210.1 Mean : 260.0
## 3rd Qu.:18:15:00.000000 3rd Qu.:324.0 3rd Qu.: 409.7
## Max. :23:59:00.000000 Max. :495.0 Max. :1244.0
##
## municipio causa_acidente tipo_acidente
## Length:17502 Length:17502 Length:17502
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## classificacao_acidente fase_dia sentido_via
## Min. : NA Length:17502 Length:17502
## 1st Qu.: NA Class :character Class :character
## Median : NA Mode :character Mode :character
## Mean :NaN
## 3rd Qu.: NA
## Max. : NA
## NA's :17502
## condicao_metereologica tipo_pista tracado_via
## Length:17502 Length:17502 Length:17502
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## uso_solo pessoas mortos feridos_leves
## Length:17502 Min. : 1.000 Min. : 0.00000 Min. : 0.0000
## Class :character 1st Qu.: 2.000 1st Qu.: 0.00000 1st Qu.: 0.0000
## Mode :character Median : 2.000 Median : 0.00000 Median : 1.0000
## Mean : 2.647 Mean : 0.08039 Mean : 0.9044
## 3rd Qu.: 3.000 3rd Qu.: 0.00000 3rd Qu.: 1.0000
## Max. :56.000 Max. :11.00000 Max. :40.0000
##
## feridos_graves ilesos ignorados feridos
## Min. : 0.0000 Min. : 0.000 Min. : 0.0000 Min. : 0.000
## 1st Qu.: 0.0000 1st Qu.: 0.000 1st Qu.: 0.0000 1st Qu.: 1.000
## Median : 0.0000 Median : 1.000 Median : 0.0000 Median : 1.000
## Mean : 0.2772 Mean : 1.082 Mean : 0.3909 Mean : 1.182
## 3rd Qu.: 0.0000 3rd Qu.: 1.000 3rd Qu.: 1.0000 3rd Qu.: 1.000
## Max. :27.0000 Max. :47.000 Max. :13.0000 Max. :47.000
##
## veiculos latitude longitude regional
## Min. : 1.000 Min. :-33.682 Min. :-72.84 Length:17502
## 1st Qu.: 1.000 1st Qu.:-25.081 1st Qu.:-50.32 Class :character
## Median : 2.000 Median :-20.315 Median :-47.47 Mode :character
## Mean : 1.986 Mean :-18.762 Mean :-46.56
## 3rd Qu.: 2.000 3rd Qu.:-12.532 3rd Qu.:-42.52
## Max. :18.000 Max. : 4.339 Max. :-34.83
##
## delegacia uop
## Length:17502 Length:17502
## Class :character Class :character
## Mode :character Mode :character
##
##
##
## Eliminando NA
mean(na.omit(datatran2026$feridos))## [1] 1.181579Isso significa que a média de feridos por acidente foi aproximadamente 1,18 pessoas.
Tabela com Kable
datatran2026 %>%
select(data_inversa, uf, municipio, causa_acidente, tipo_acidente, mortos, feridos) %>%
head(10) %>%
kable(caption = "Primeiros registros da base de acidentes")| data_inversa | uf | municipio | causa_acidente | tipo_acidente | mortos | feridos |
|---|---|---|---|---|---|---|
| 2026-01-01 | TO | ARAGUAINA | Objeto estático sobre o leito carroçável | Tombamento | 1 | 0 |
| 2026-01-01 | MG | RIO CASCA | Condutor Dormindo | Colisão frontal | 0 | 4 |
| 2026-01-01 | SC | BIGUACU | Reação tardia ou ineficiente do condutor | Colisão lateral mesmo sentido | 0 | 1 |
| 2026-01-01 | DF | BRASILIA | Reação tardia ou ineficiente do condutor | Colisão traseira | 0 | 1 |
| 2026-01-01 | MT | MATUPA | Transitar na contramão | Colisão frontal | 0 | 1 |
| 2026-01-01 | SP | BARRA DO TURVO | Velocidade Incompatível | Colisão com objeto | 0 | 1 |
| 2026-01-01 | MG | PATOS DE MINAS | Chuva | Colisão frontal | 0 | 2 |
| 2026-01-01 | GO | CRISTALINA | Velocidade Incompatível | Colisão traseira | 0 | 0 |
| 2026-01-01 | MG | FRONTEIRA | Frear bruscamente | Incêndio | 0 | 0 |
| 2026-01-01 | ES | VENDA NOVA DO IMIGRANTE | Ausência de reação do condutor | Colisão com objeto | 0 | 1 |
Gráfico de colunas
O gráfico abaixo mostra a quantidade de acidentes por estado.
acidentes_estado <- datatran2026 %>%
count(uf, sort = TRUE)
ggplot(acidentes_estado, aes(x = reorder(uf, n), y = n)) + geom_col() + coord_flip() +
labs(
title = "Quantidade de acidentes por estado",
x = "Estado",
y = " Quantidade de acidentes"
)
Histograma
O histograma abaixo mostra a distribuição da quantidade de feridos.
ggplot(datatran2026, aes(x = feridos)) + geom_histogram(bins = 30) +
labs(
title = "Distribuição de feridos",
x = "Quantidade de feridos",
y = "Frequência"
)
Boxplot
O boxplot abaixo apresenta a distribuição da quantidade de mortos.
ggplot(datatran2026, aes(y = mortos)) + geom_boxplot() +
labs(
title = "Boxplot da quantidade de mortos",
y = "Mortos"
)
Gráfico de linha
O gráfico de linha mostra a quantidade de acidentes ao longo do tempo
acidentes_data <- datatran2026 %>%
count(data_inversa)
ggplot(acidentes_data, aes(x = data_inversa, y = n)) + geom_line() +
labs(
title = "Acidentes ao longo do tempo",
x = "Data",
y = "Quantidade"
)
Gráfico de pizza
O gráfico de pizza apresenta a classificação dos acidentes.
classificacao <- datatran2026 %>%
count(classificacao_acidente)
ggplot(classificacao, aes(x = "", y = n, fill = classificacao_acidente)) + geom_col() +
coord_polar(theta = "y") +
labs(
title = "Classificação dos acidentes"
)
Conclusão
Com a análise dos dados da planilha, foi possível observar informações importantes. Os gráficos e tabelas ajudaram na visualização dos dados, permitindo melhor compreensão da base de dados.