# Leitura do CSV com separador ";" e encoding latin1 (padrão PRF)
dados_raw <- read_delim(
  "acidentes2023_todas_causas_tipos.csv",
  delim     = ";",
  locale    = locale(encoding = "latin1", decimal_mark = ","),
  show_col_types = FALSE
)

cat("Dimensões originais:", nrow(dados_raw), "linhas ×", ncol(dados_raw), "colunas\n")

dados <- dados_raw |>
  
  # ── 1. REMOVER colunas sem valor analítico ──────────────────────────────────
  # id, pesid, id_veiculo: identificadores internos do sistema BAT
  # delegacia, uop, regional: divisões administrativas internas da PRF
  # ordem_tipo_acidente: índice de ordenação interno, sem interpretação analítica
  select( -pesid, -id_veiculo, -delegacia, -uop, -regional,
         -ordem_tipo_acidente) |>
  
  # ── 2. CONVERTER tipos de dados ────────────────────────────────────────────
  mutate(
    # Data: de character "YYYY-MM-DD" para tipo Date
    data_inversa = ymd(data_inversa),
    
    # Horário: extrair apenas a hora inteira para facilitar análise por turno
    hora = as.integer(str_sub(horario, 1, 2)),
    
    # km: vírgula → ponto, depois numérico
    km = as.numeric(str_replace(km, ",", ".")),
    
    # Coordenadas: vírgula → ponto, depois numérico
    latitude  = as.numeric(str_replace(latitude,  ",", ".")),
    longitude = as.numeric(str_replace(longitude, ",", "."))
  ) |>
  
  # ── 3. PADRONIZAR valores textuais ambíguos → NA ────────────────────────────
  # Sexo: "Não Informado" e "Ignorado" não têm valor analítico → NA
  mutate(
    sexo = na_if(sexo, "Não Informado"),
    sexo = na_if(sexo, "Ignorado"),
    
    # Estado físico: "Não Informado" → NA
    estado_fisico = na_if(estado_fisico, "Não Informado")
  ) |>
  
  # ── 4. CRIAR novas variáveis derivadas ─────────────────────────────────────
  mutate(
    # Turno do dia agrupado em 4 períodos para análise de risco por período
    turno = case_when(
      hora >= 6  & hora < 12 ~ "Manhã (6h–12h)",
      hora >= 12 & hora < 18 ~ "Tarde (12h–18h)",
      hora >= 18 & hora < 24 ~ "Noite (18h–24h)",
      TRUE                   ~ "Madrugada (0h–6h)"
    ),
    turno = factor(turno, levels = c(
      "Madrugada (0h–6h)", "Manhã (6h–12h)",
      "Tarde (12h–18h)",   "Noite (18h–24h)"
    )),
    
    # Fim de semana vs dia útil
    fim_de_semana = dia_semana %in% c("sábado", "domingo"),
    
    # Indicador binário: o acidente resultou em morte?
    acidente_fatal = mortos > 0,
    
    # Faixa etária para análise do perfil das vítimas
    faixa_etaria = cut(
      idade,
      breaks = c(0, 17, 24, 34, 44, 54, 64, Inf),
      labels = c("< 18", "18–24", "25–34", "35–44", "45–54", "55–64", "65+"),
      right  = TRUE
    )
  ) |>
  
  # ── 5. FILTRAR registros sem informação mínima para a análise ──────────────
  # Remover linhas sem data, UF ou classificação do acidente
  filter(
    !is.na(data_inversa),
    !is.na(uf),
    !is.na(classificacao_acidente)
  )

cat("Dimensões após limpeza:", nrow(dados), "linhas ×", ncol(dados), "colunas\n")

# Exibir as primeiras 10 linhas de forma interativa
dados |>
  head(200) |>
  select(data_inversa, dia_semana, hora, turno, uf, br, municipio,
         causa_acidente, tipo_acidente, classificacao_acidente,
         tipo_veiculo, tipo_envolvido, estado_fisico,
         idade, faixa_etaria, sexo, mortos, acidente_fatal) |>
  datatable(
    options = list(pageLength = 8, scrollX = TRUE),
    caption = "Amostra dos dados limpos (primeiras 200 linhas)"
  )

# Tabela consolidada com tipo, completude e descrição de cada variável
resumo <- tibble::tribble(
  ~Variável,                ~Tipo,       ~`% Preenchido`, ~Descrição,
  "data_inversa",           "Date",       "100%",  "Data do acidente",
  "dia_semana",             "Categórico", "100%",  "Dia da semana",
  "hora",                   "Inteiro",    "100%",  "Hora do acidente (0–23)",
  "turno",                  "Fator",      "100%",  "Período derivado da hora",
  "uf",                     "Categórico", "100%",  "Unidade federativa",
  "br",                     "Inteiro",     "99,7%", "Número da rodovia federal",
  "km",                     "Numérico",   "99,7%", "Quilômetro da rodovia",
  "municipio",              "Categórico", "100%",  "Município do acidente",
  "causa_acidente",         "Categórico", "100%",  "Causa registrada",
  "causa_principal",        "Lógico",     "100%",  "Se é a causa principal (Sim/Não)",
  "tipo_acidente",          "Categórico", "100%",  "Tipo de colisão/evento",
  "classificacao_acidente", "Categórico", "100%",  "Gravidade do acidente",
  "fase_dia",               "Categórico", "100%",  "Fase do dia (Pleno dia, Noite...)",
  "condicao_metereologica", "Categórico", "100%",  "Condição climática",
  "tipo_pista",             "Categórico", "100%",  "Tipo de pista (simples, dupla...)",
  "tracado_via",            "Categórico", "100%",  "Traçado (reta, curva...)",
  "uso_solo",               "Categórico", "100%",  "Urbano ou rural",
  "tipo_veiculo",           "Categórico",  "96,4%", "Categoria do veículo",
  "marca",                  "Categórico", "100%",  "Marca/modelo do veículo",
  "ano_fabricacao_veiculo", "Inteiro",     "96,4%", "Ano de fabricação do veículo",
  "tipo_envolvido",         "Categórico",  "90,2%", "Condutor, passageiro, pedestre...",
  "estado_fisico",          "Categórico",  "90,2%", "Estado após o acidente",
  "idade",                  "Inteiro",     "81,6%", "Idade da pessoa envolvida",
  "faixa_etaria",           "Fator",       "81,6%", "Faixa etária derivada",
  "sexo",                   "Categórico",  "90,2%", "Sexo da pessoa",
  "mortos",                 "Inteiro",     "90,2%", "Nº de mortos no acidente",
  "acidente_fatal",         "Lógico",      "90,2%", "Acidente resultou em morte?",
  "latitude",               "Numérico",   "100%",  "Latitude geográfica",
  "longitude",              "Numérico",   "100%",  "Longitude geográfica"
)

kable(resumo, align = "llll")

criticidade_br <- dados |> 
  filter(!is.na(br)) |> 
  group_by(id, br) |> 
  summarise(
    mortos_sinistro = max(mortos, na.rm = TRUE),
    .groups = "drop"
  ) |> 
  group_by(br) |> 
  summarise(
    total_mortos = sum(mortos_sinistro, na.rm = TRUE),
    total_sinistros = n(),
    letalidade_por_100 = round((total_mortos / total_sinistros) * 100, 1),
    .groups = "drop"
  ) |> 
  arrange(desc(total_mortos)) |> 
  slice_head(n = 15) |> 
  mutate(br_label = paste0("BR-", br))

p_br <- ggplot(criticidade_br, aes(
    x    = reorder(br_label, total_mortos),
    y    = total_mortos,
    fill = letalidade_por_100,
    text = paste0("<b>", br_label, "</b><br>",
                  "Total de Óbitos: ", total_mortos, "<br>",
                  "Volume de Sinistros: ", total_sinistros, "<br>",
                  "Letalidade (por 100 sinistros): ", letalidade_por_100, "%")
  )) +
  geom_col(width = 0.75) +
  scale_fill_gradient(low = "#E57373", high = "#880E4F", name = "Letalidade %") +
  scale_y_continuous(labels = label_number(big.mark = ".")) +
  coord_flip() +
  labs(
    title = "Top 15 Rodovias Federais por Volume de Óbitos",
    x = NULL,
    y = "Total de Mortes Registradas"
  ) +
  theme_minimal(base_size = 12) +
  theme(
    plot.title = element_text(face = "bold", size = 14),
    panel.grid.minor = element_blank()
  )

ggplotly(p_br, tooltip = "text")

# Taxa de fatalidade por hora do dia — focando na gravidade, não no volume
fatalidade_hora <- dados |>
  filter(!is.na(hora), !is.na(acidente_fatal)) |>
  group_by(hora) |>
  summarise(
    total   = n(),
    fatais  = sum(acidente_fatal, na.rm = TRUE),
    taxa    = round(fatais / total * 100, 2)
  )

p_hora <- fatalidade_hora |>
  ggplot(aes(
    x    = hora,
    y    = taxa,
    text = paste0(
      "Hora: ", hora, "h<br>",
      "Taxa de fatalidade: ", taxa, "%<br>",
      "Acidentes registrados: ", format(total, big.mark = ".")
    )
  )) +
  geom_line(color = "#B71C1C", linewidth = 1.2) +
  geom_point(aes(size = total), color = "#B71C1C", alpha = 0.7) +
  scale_x_continuous(breaks = 0:23, labels = paste0(0:23, "h")) +
  scale_size_continuous(labels = label_number(big.mark = "."),
                        name = "Nº de\nocorrências") +
  labs(
    title    = "Taxa de fatalidade por hora do dia (2023)",
    subtitle = "% de acidentes com vítima fatal × hora de registro",
    x        = "Hora do dia",
    y        = "% de acidentes fatais"
  ) +
  theme_minimal(base_size = 13) +
  theme(
    axis.text.x   = element_text(angle = 45, hjust = 1),
    plot.title    = element_text(face = "bold")
  )

ggplotly(p_hora, tooltip = "text")

# Heatmap: dias da semana × turno — volume de acidentes fatais
ordem_dias <- c("segunda-feira", "terça-feira", "quarta-feira",
                "quinta-feira", "sexta-feira", "sábado", "domingo")

heat_data <- dados |>
  filter(acidente_fatal == TRUE) |>
  mutate(dia_semana = factor(dia_semana, levels = ordem_dias)) |>
  group_by(dia_semana, turno) |>
  summarise(n = n(), .groups = "drop")

p_heat <- heat_data |>
  ggplot(aes(
    x    = turno,
    y    = fct_rev(dia_semana),
    fill = n,
    text = paste0(
      dia_semana, " – ", turno, "<br>",
      "Acidentes fatais: ", format(n, big.mark = ".")
    )
  )) +
  geom_tile(color = "white", linewidth = 0.5) +
  scale_fill_gradient(low = "#FFF9C4", high = "#B71C1C",
                      labels = label_number(big.mark = "."),
                      name = "Acidentes\nfatais") +
  labs(
    title    = "Acidentes fatais por dia da semana e turno",
    subtitle = "Concentração de mortes ao longo da semana",
    x        = NULL,
    y        = NULL
  ) +
  theme_minimal(base_size = 13) +
  theme(
    axis.text.x = element_text(angle = 20, hjust = 1),
    plot.title  = element_text(face = "bold")
  )

ggplotly(p_heat, tooltip = "text")

causas_fatais <- dados |>
  filter(causa_principal == "Sim") |>          # apenas a causa principal do acidente
  group_by(causa_acidente, acidente_fatal) |>
  summarise(n = n(), .groups = "drop") |>
  pivot_wider(names_from = acidente_fatal,
              values_from = n,
              values_fill = 0,
              names_prefix = "fatal_") |>
  rename(nao_fatal = `fatal_FALSE`, fatal = `fatal_TRUE`) |>
  mutate(
    total = fatal + nao_fatal,
    taxa_fatalidade = round(fatal / total * 100, 1)
  ) |>
  filter(total >= 500) |>
  arrange(desc(taxa_fatalidade)) |>
  slice_head(n = 15)

p_causas <- causas_fatais |>
  ggplot(aes(
    x    = reorder(str_wrap(causa_acidente, 35), taxa_fatalidade),
    y    = taxa_fatalidade,
    fill = total,
    text = paste0(
      "<b>", causa_acidente, "</b><br>",
      "Taxa de fatalidade: ", taxa_fatalidade, "%<br>",
      "Total de acidentes: ", format(total, big.mark = "."), "<br>",
      "Acidentes fatais: ",   format(fatal, big.mark = ".")
    )
  )) +
  geom_col() +
  coord_flip() +
  scale_fill_gradient(low = "#BBDEFB", high = "#1565C0",
                      labels = label_number(big.mark = "."),
                      name = "Volume total\nde acidentes") +
  labs(
    title    = "Causas com maior taxa de fatalidade (mín. 500 acidentes)",
    subtitle = "% de acidentes com essa causa que resultaram em morte",
    x        = NULL,
    y        = "Taxa de fatalidade (%)"
  ) +
  theme_minimal(base_size = 12) +
  theme(plot.title = element_text(face = "bold"))

ggplotly(p_causas, tooltip = "text")

# Mortos por sexo e faixa etária
perfil_mortos <- dados |>
  filter(
    estado_fisico == "Óbito",
    !is.na(sexo),
    !is.na(faixa_etaria)
  ) |>
  group_by(faixa_etaria, sexo) |>
  summarise(mortos = n(), .groups = "drop")

p_perfil <- perfil_mortos |>
  ggplot(aes(
    x    = faixa_etaria,
    y    = mortos,
    fill = sexo,
    text = paste0(
      "Faixa: ", faixa_etaria, "<br>",
      "Sexo: ", sexo, "<br>",
      "Mortos: ", format(mortos, big.mark = ".")
    )
  )) +
  geom_col(position = "dodge") +
  scale_fill_manual(values = c("Masculino" = "#1565C0", "Feminino" = "#E91E63"),
                    name = "Sexo") +
  scale_y_continuous(labels = label_number(big.mark = ".")) +
  labs(
    title    = "Mortos por faixa etária e sexo (2023)",
    subtitle = "Homens representam a grande maioria das vítimas fatais",
    x        = "Faixa etária",
    y        = "Número de mortos"
  ) +
  theme_minimal(base_size = 13) +
  theme(plot.title = element_text(face = "bold"))

ggplotly(p_perfil, tooltip = "text")

# Mortes por tipo de veículo
veiculo_mortes <- dados |>
  filter(!is.na(tipo_veiculo)) |>
  group_by(tipo_veiculo, data_inversa, horario, km) |>
  summarise(mortos_acidente = max(mortos, na.rm = TRUE), .groups = "drop") |>
  group_by(tipo_veiculo) |>
  summarise(
    total_mortos   = sum(mortos_acidente),
    total_acidentes = n(),
    taxa = round(total_mortos / total_acidentes * 100, 1)
  ) |>
  filter(total_acidentes >= 100) |>
  arrange(desc(taxa)) |>
  slice_head(n = 12)

p_veiculo <- veiculo_mortes |>
  ggplot(aes(
    x    = reorder(tipo_veiculo, taxa),
    y    = taxa,
    fill = total_acidentes,
    text = paste0(
      "<b>", tipo_veiculo, "</b><br>",
      "Taxa de mortalidade: ", taxa, "%<br>",
      "Total de acidentes: ", format(total_acidentes, big.mark = ".")
    )
  )) +
  geom_col() +
  coord_flip() +
  scale_fill_gradient(low = "#C8E6C9", high = "#2E7D32",
                      labels = label_number(big.mark = "."),
                      name = "Total de\nacidentes") +
  labs(
    title    = "Taxa de mortalidade por tipo de veículo",
    subtitle = "% de acidentes que resultaram em morte, por categoria de veículo",
    x        = NULL,
    y        = "% de acidentes com morte"
  ) +
  theme_minimal(base_size = 13) +
  theme(plot.title = element_text(face = "bold"))

ggplotly(p_veiculo, tooltip = "text")

clima_grave <- dados |>
  filter(!is.na(condicao_metereologica)) |>
  mutate(
    grave = estado_fisico %in% c("Lesões Graves", "Óbito")
  ) |>
  group_by(condicao_metereologica) |>
  summarise(
    total = n(),
    graves = sum(grave, na.rm = TRUE),
    taxa_grave = round(graves / total * 100, 1)
  ) |>
  filter(total >= 500) |>
  arrange(desc(taxa_grave))

p_clima <- clima_grave |>
  ggplot(aes(
    x    = reorder(condicao_metereologica, taxa_grave),
    y    = taxa_grave,
    fill = taxa_grave,
    text = paste0(
      "<b>", condicao_metereologica, "</b><br>",
      "Taxa de feridos graves/óbitos: ", taxa_grave, "%<br>",
      "Total de registros: ", format(total, big.mark = ".")
    )
  )) +
  geom_col() +
  coord_flip() +
  scale_fill_gradient(low = "#E3F2FD", high = "#0D47A1", name = "Taxa (%)") +
  labs(
    title    = "Gravidade dos acidentes por condição climática",
    subtitle = "% de envolvidos com lesões graves ou óbito",
    x        = NULL,
    y        = "% com lesões graves ou óbito"
  ) +
  theme_minimal(base_size = 13) +
  theme(plot.title = element_text(face = "bold"))

ggplotly(p_clima, tooltip = "text")

municipios_perigo <- dados |>
  filter(!is.na(municipio), !is.na(uf)) |>
  group_by(uf, municipio, br) |>
  summarise(
    acidentes       = n_distinct(paste(data_inversa, horario, km)),
    mortos          = sum(mortos, na.rm = TRUE),
    feridos_graves  = sum(feridos_graves, na.rm = TRUE),
    taxa_fatalidade = round(mortos / acidentes * 100, 1),
    .groups = "drop"
  ) |>
  filter(acidentes >= 50) |>
  arrange(desc(mortos)) |>
  slice_head(n = 30)

datatable(
  municipios_perigo,
  colnames = c("UF", "Município", "BR", "Nº Acidentes",
               "Mortos", "Feridos Graves", "Taxa Fatal. (%)"),
  options  = list(pageLength = 10, scrollX = TRUE),
  caption  = "30 municípios com mais mortes em rodovias federais (mín. 50 acidentes)"
) |>
  formatStyle(
    "taxa_fatalidade",
    background = styleColorBar(range(municipios_perigo$taxa_fatalidade), "#EF9A9A"),
    backgroundSize = "100% 90%"
  )