Mineração de Dados para Análise e Predição das Infrações de Trânsito na Cidade do Recife

Autor: Maicon Herverton Lino Ferreira da Silva Barros, Flávio Secco Fonseca, Marcos André Santos Galindo, Arianne Sarmento Torcate
Rok vydání: 2021
Předmět:
Zdroj: Revista de Engenharia e Pesquisa Aplicada. 6:1-11
ISSN: 2525-4251
Popis: O aumento significativo de infrações de trânsito tem se tornado algo casual na vida dos brasileiros. A cidade do Recife, estado de Pernambuco, segundo a empresa Holandesa TomTom Traffic, no ano de 2018, ocupava a 10º posição entre as cidades com o pior tráfego de automóveis no mundo. Em 2019 passou a ocupar a 15º posição. Diante disto, esta pesquisa tem como intuito investigar fatores relacionados ao aumento da quantidade de equipamentos de aferição automática e de agentes de trânsito. O objetivo é criar um modelo de predição de delitos no trânsito por turnos, testado com a base real referente ao ano de 2019. Já os dados selecionados para visualização e treinamento das técnicas de Machine Learning foram referentes aos anos de 2017 e 2018, extraídos do portal de dados abertos. Para guiar o processo de mineração e análise de dados, a metodologia CRISP-DM foi aplicada. Além disso, ferramentas como Pentaho PDI, Weka, GretL, Python e Orange Data Mining também foram utilizadas para auxiliar neste processo. Os resultados obtidos apontam que há um aumento significativo de infrações em feriados, principalmente no Corpus Christi. Além disso, as predições mensais apresentam bons resultados quando comparados aos números reais de infrações.
Databáze: OpenAIRE