Comparison of classification models for accident categories on federal highways
Abstract
This paper is the result of applying machine learning algorithms to PRF data, with the aim of predicting a type of accident. The original information was enriched with information about tolls, speed cameras, and holidays. 32 tests were carried out with different combinations of algorithms and their parameters on the data. The results suggest that more inputs would still be needed to enrich the data and achieve higher accuracy rates.
References
Bonatto, A. Z. E. (2021). Comparação entre a transferência e o desenvolvimento de modelos de previsão de acidentes para o contexto brasileiro. Universidade Federal do Rio Grande do Sul, page 96.
Campos Soares, L., do Prado, H. A., Balaniuk, R., Ferneda, E., and De Bortoli, A. (1). Caracterização de acidentes rodoviários e as açoes governamentais para a redução de mortes e lesões no trânsito. Revista Transporte y Territorio, 0(19):182–220.
Costa, J., Bernardini, F., and Filho, J. V. (2014). A mineração de dados e a qualidade de conhecimentos extraídos dos boletins de ocorrência das rodovias federais brasileiras. AtoZ: novas práticas em informação e conhecimento, 3(2):139–157.
da Saúde OPS, O. P.-A. (2018). Salvar vidas – pacote de medidas técnicas para a segurança no trânsito. Technical report, Organização Mundial da Saúde (OMS).
de Oliveira, M. P., Ines, J. M., da Silva Lopes, A., Castro, S. H. G., and Ferreira, W. M. (2018). Uso de mineraÇÃo de dados e tecnologia preditiva na prevenÇÃo de acidentes de trÂnsito no brasil. Anais do XIII SIMMEC 2018 - Simpósio de Mecânica Computacional, page 15.
de Oliveira Santos, I. J. (2020). Mineração de dados em padrões de acidentes de trânsito: o uso de dados abertos da polícia rodoviária federal no rn. Universidade Federal do Rio Grande do Norte, page 58.
de Sousa Pereira Amorin, B. (2019). Uso de aprendizado de máquina para classificação de risco de acidentes em rodovias. Universidade Federal de Campina Grande, page 106.
Fayyad, U., Piatetsky-Shapiro, G., and Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17(3):37.
Fernandes, F. T. and Chiavegatto, A. D. P. (2019). Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho. Revista Brasileira de Saúde Ocupacional [online], 44.
Guerra, C. I. R. (2019). Uso de data analytics para avaliar a influência econômica e social em acidentes graves de trânsito nas rodovias federais e fatores de redução de ocorrências no norte fluminense. RDBU— Repositório Digital da Biblioteca da Unisinos, page 38.
IPEA, P. (2015). Acidentes de trânsito nas rodovias federais brasileiras caracterização, tendências e custos para a sociedade. Technical report, Instituto de Pesquisa Econômica Aplicada (IPEA).
Moosavi, S., Samavatian, M. H., Parthasarathy, S., Teodorescu, R., and Ramnath, R. (2019). Accident risk prediction based on heterogeneous sparse data: New dataset and insights. In Proceedings of the 27th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, SIGSPATIAL ’19, page 33–42, New York, NY, USA. Association for Computing Machinery.
Nogueira, F. d. S., Lee, L., and Rissino, S. d. D. (2018). Descoberta de conhecimento na base de dados aberta da polÍcia rodoviÁria federal: IdentificaÇÃo de pontos crÍticos na rodovia br 101 no municÍpio de sÃo mateus/es. Brazilian Journal of Production Engineering, 4(4):70–90.
Silva, J. T. M., Maia, L. C. G., and Reis, C. V. R. (2015). O uso da descoberta de conhecimento em banco de dados nos acidentes da br-381. XVI Encontro Nacional de Pesquisa em Ciência da Informação (XVI ENANCIB), page 22.
Vinícius Henrique de Mendonça, T. V. G. (2020). Sistema unificado de consulta e análise da acidentalidade em rodovias federais de pernambuco (sucaarf-pe). Revista Eletrônica de Gestão Organizacional, pages 184–197.
Campos Soares, L., do Prado, H. A., Balaniuk, R., Ferneda, E., and De Bortoli, A. (1). Caracterização de acidentes rodoviários e as açoes governamentais para a redução de mortes e lesões no trânsito. Revista Transporte y Territorio, 0(19):182–220.
Costa, J., Bernardini, F., and Filho, J. V. (2014). A mineração de dados e a qualidade de conhecimentos extraídos dos boletins de ocorrência das rodovias federais brasileiras. AtoZ: novas práticas em informação e conhecimento, 3(2):139–157.
da Saúde OPS, O. P.-A. (2018). Salvar vidas – pacote de medidas técnicas para a segurança no trânsito. Technical report, Organização Mundial da Saúde (OMS).
de Oliveira, M. P., Ines, J. M., da Silva Lopes, A., Castro, S. H. G., and Ferreira, W. M. (2018). Uso de mineraÇÃo de dados e tecnologia preditiva na prevenÇÃo de acidentes de trÂnsito no brasil. Anais do XIII SIMMEC 2018 - Simpósio de Mecânica Computacional, page 15.
de Oliveira Santos, I. J. (2020). Mineração de dados em padrões de acidentes de trânsito: o uso de dados abertos da polícia rodoviária federal no rn. Universidade Federal do Rio Grande do Norte, page 58.
de Sousa Pereira Amorin, B. (2019). Uso de aprendizado de máquina para classificação de risco de acidentes em rodovias. Universidade Federal de Campina Grande, page 106.
Fayyad, U., Piatetsky-Shapiro, G., and Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17(3):37.
Fernandes, F. T. and Chiavegatto, A. D. P. (2019). Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho. Revista Brasileira de Saúde Ocupacional [online], 44.
Guerra, C. I. R. (2019). Uso de data analytics para avaliar a influência econômica e social em acidentes graves de trânsito nas rodovias federais e fatores de redução de ocorrências no norte fluminense. RDBU— Repositório Digital da Biblioteca da Unisinos, page 38.
IPEA, P. (2015). Acidentes de trânsito nas rodovias federais brasileiras caracterização, tendências e custos para a sociedade. Technical report, Instituto de Pesquisa Econômica Aplicada (IPEA).
Moosavi, S., Samavatian, M. H., Parthasarathy, S., Teodorescu, R., and Ramnath, R. (2019). Accident risk prediction based on heterogeneous sparse data: New dataset and insights. In Proceedings of the 27th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, SIGSPATIAL ’19, page 33–42, New York, NY, USA. Association for Computing Machinery.
Nogueira, F. d. S., Lee, L., and Rissino, S. d. D. (2018). Descoberta de conhecimento na base de dados aberta da polÍcia rodoviÁria federal: IdentificaÇÃo de pontos crÍticos na rodovia br 101 no municÍpio de sÃo mateus/es. Brazilian Journal of Production Engineering, 4(4):70–90.
Silva, J. T. M., Maia, L. C. G., and Reis, C. V. R. (2015). O uso da descoberta de conhecimento em banco de dados nos acidentes da br-381. XVI Encontro Nacional de Pesquisa em Ciência da Informação (XVI ENANCIB), page 22.
Vinícius Henrique de Mendonça, T. V. G. (2020). Sistema unificado de consulta e análise da acidentalidade em rodovias federais de pernambuco (sucaarf-pe). Revista Eletrônica de Gestão Organizacional, pages 184–197.
Published
2023-12-07
How to Cite
OLIVEIRA, Luis E.; BORGES, André P..
Comparison of classification models for accident categories on federal highways. In: REGIONAL SCHOOL ON INFORMATICS OF GOIÁS (ERI-GO), 11. , 2023, Goiânia/GO.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
DOI: https://doi.org/10.5753/erigo.2023.237309.
