Clusterização de Pontos Críticos de Acidentes 2017-2019
1 Resumo
O presente estudo buscou caracterizar clusteres de acidentes, que representam manchas de ocorrências de acidentes. Após identificados os clusteres, todos acidentes foram atribuídos a seus respectivos clusteres, permitindo identificar o tipo, quantidade e severidade dos acidentes, após esta identificação foi realizada a caracterização de cada cluster, considerados então como pontos de ocorrências de acidentes.
Para a correta identificação de pontos críticos a abordagem mais recomendada sugere utilizar a taxa de exposição, que é dada pela relação de severidade dos acidentes e o número de veículos entrantes no ponto crítico, no entanto em cenários como da Porto Alegre em que foram identificados 3424 pontos de acidentes, não existem registros de fluxo veicular para todos pontos, o que inviabiliza tal abordagem.
Para contornar a limitação relativa ao fluxo veicular nos locais de acidentes, os mesmos foram classificados de acordo com a frequência e também de acordo com o fator crítico de cada acidente. Assim, os pontos críticos aqui apresentados foram ordenados de acordo com a frequência de ocorrência bem como com relação ao padrão de severidade dos acidentes, onde acidentes sem vítimas possuem peso 1 (um), com feridos peso 5 (cinco) e com vítimas fatais 12 (doze). A abordagem utilizando fator crítico penaliza locais de ocorrência de acidentes mais severos, dando um escore de fator crítico maior, quando comparados a locais de mesma frequência de ocorrências, porém sem severidade.
Após identificados e classificados os pontos críticos, foram eliminados os 99 quantis do ranqueamento, mantendo apenas os 1% mais severos que correspondem aos 34 locais com maior fator de severidade combinado (número de acidentes x fator crítico).
2 Identificação de Pontos Críticos de Acidentes de Trânsito em Porto Alegre
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 3424.
Afim de ilustrar o resultado de um processo de clusterização, a figura abaixo fornece a simulação de uma clusterização:
A figura abaixo reproduz os 3424 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 33940 acidentes georreferenciados.
## [1] 33940 7## [1] 33940