Para obtenção de pontos críticos de acidentes se faz necessário algum método de agregação de acidentes e análises dos mesmos. Em uma cidade com a dimensão de Porto Alegre o processo de análises por cruzamentos ou segmentos de vias se torna demorado e por vezes acaba por desconsiderar o pull de acidentes que possam ocorrer no entorno de vias ou aproxímações secundárias. Com o intuito de identificar pontos críticos de acidentes que estrapolem geometrias como segmentos de vias e cruzamentos, o presente trabalho foi realizado utilizando o métdo de clusterizacão por Affinity Propagation. O processode Affinity Propagation busca identficar clusteres de acordo com seu arranjo natural - que não necessariamente se configura alinhado especificamente à cruzamentos ou segmentos de via. Diferente de outros processos de clusterização, o método de Affinity Propagation não exige a declaraacão prévia de um número de clusteres buscados; antes, por processos próprios de aprendizado competitivo o algorítimo identifica clusteres de acordo com seu arranjo natural. Tal processo se dá pela troca de sinais entre todos os elementos amostrais, e dessa forma os arranjos de clusteres são definidos por meio de proximidade entre os elementos amostrais. Dessa forma o tempo de responsta entre pares define a proximidade dos mesmos e afiliação destes a grupos homogêneos ou clusteres. Tal método quando aplicado a dados geoespaciais permite fazer com que registros de acidentes possam ser agrupados de acordo com sua proximidade e densidade; assim conjuntosde de dados vizinhos com distancias relativas iguais e densidades distintas são classificadas separadamente em clusteres distintos. O processode clusterização para o conjunto de dados no presente estido resultou na identificação de 2906.
Afim de ilustrar o resultado de um processo de clusterização, a figura abaixo fornece a simulação de uma clusterização:
A figura abaixo reproduz os 2906 clusteres de acidentes identificados em Porto Alegre considerando dados de acidentes entre 2017 e 2019 e que foram utilizados para classificar todos acidentes utilizados no processo de análise.
O processo final de clusterizacão foi obtido considerando acidentes entre 2017 e 2019 totalizando 25934 acidentes georreferenciados.
## [1] 25934