Regras de associações entre as características dos acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina

Mostrar todas las versiones(2)

Acidentes de trânsito são considerados um sério problema de saúde pública que, somado ao expressivo número de mortos e feridos, evidencia a necessidade de uma análise mais profunda das causas de acidentes. O objetivo dessa pesquisa foi identificar regras de associações entre as causas de acidentes e...

Descripción completa

Detalles Bibliográficos
Autores principales: Araújo, Ramon, Porto , Marcelo, Baracho, Renata
Formato: Artículo publishedVersion
Lenguaje:Español
Publicado: Facultad de Filosofía y Letras, Universidad de Buenos Aires 2024
Materias:
Accidents. Road Safety. Association rules. Machine Learning. Algorithms.
Acidentes. Segurança Viária. Regras de Associação. Aprendizado de Máquina. Algoritmos.
Acceso en línea:http://revistascientificas.filo.uba.ar/index.php/rtt/article/view/11246
https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=transter&d=11246_oai
Aporte de:
Repositorio Digital de la Universidad de Buenos Aires (UBA) de Universidad de Buenos Aires
id I28-R145-11246_oai
record_format dspace
spelling I28-R145-11246_oai2024-12-11 Araújo, Ramon Porto , Marcelo Baracho, Renata 2024-12-09 Acidentes de trânsito são considerados um sério problema de saúde pública que, somado ao expressivo número de mortos e feridos, evidencia a necessidade de uma análise mais profunda das causas de acidentes. O objetivo dessa pesquisa foi identificar regras de associações entre as causas de acidentes e as características dos veículos, das estradas, dos usuários e do meio ambiente em rodovias federais brasileiras, comparando as técnicas de aprendizado de máquina Apriori, Eclat, FP-Growth e FP-Max. A metodologia propõe uma tabulação de dados de variáveis categóricas, utilizando-se de um método misto para coleta e transformação dos dados, por meio de um procedimento dentro de um contexto real em um estudo de caso. Através dos resultados foi possível realizar a comparação entre algoritmos e concluir que Apriori, FP-Growth e Eclat apresentam o mesmo desempenho, com índices de suporte e quantidade de características similares, já o FP-Max apresentou desfecho contrário, proporcionando resultado mais preciso. O estudo apresenta regras de associações como, por exemplo, um condutor do sexo masculino, dirigindo um veículo em um dia que não seja feriado, fora do horário de pico, em uma reta, está associado com acidentes onde a causa é não guardar distância de segurança. Traffic accidents are considered a serious public health problem and the significant number of deaths highlights the need for a deeper analysis of the causes of accidents. The objective of this research was to identify rules of association between the causes of accidents and the characteristics of vehicles, roads, users and the environment on Brazilian federal highways. The machine learning techniques Apriori, Eclat, FP-Growth and FP-Max were compared. The methodology proposes a data table of categorical variables, in a mixed method for data collection and transformation. A case study was carried out within a real context. The comparison between algorithms and conclude that Apriori, FP-Growth and Eclat present the same performance, with similar support indexes and amount of characteristics. The FP-Max in reverse, providing a more accurate result. The study presents association rules such as, for example, a male driver, driving who drives a vehicle on a non-holiday day, outside traffic hours, on a straight line, is associated with accidents where the cause is not keeping safety distance. application/pdf http://revistascientificas.filo.uba.ar/index.php/rtt/article/view/11246 10.34096/rtt.i31.11246 spa Facultad de Filosofía y Letras, Universidad de Buenos Aires http://revistascientificas.filo.uba.ar/index.php/rtt/article/view/11246/13660 Derechos de autor 2024 Revista Transporte y Territorio Revista Transporte y Territorio; Núm. 31 (2024): Los congresos latinoamericanos de transporte público y urbano: espacio de contribución teórico-práctica y de intercambios sobre movilidad sostenible y transporte urbano en América Latina 1984-2024; 163-204 1852-7175 Accidents. Road Safety. Association rules. Machine Learning. Algorithms. Acidentes. Segurança Viária. Regras de Associação. Aprendizado de Máquina. Algoritmos. Regras de associações entre as características dos acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=transter&d=11246_oai
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-145
collection Repositorio Digital de la Universidad de Buenos Aires (UBA)
language Español
orig_language_str_mv spa
topic Accidents. Road Safety. Association rules. Machine Learning. Algorithms.
Acidentes. Segurança Viária. Regras de Associação. Aprendizado de Máquina. Algoritmos.
spellingShingle Accidents. Road Safety. Association rules. Machine Learning. Algorithms.
Acidentes. Segurança Viária. Regras de Associação. Aprendizado de Máquina. Algoritmos.
Araújo, Ramon
Porto , Marcelo
Baracho, Renata
Regras de associações entre as características dos acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina
topic_facet Accidents. Road Safety. Association rules. Machine Learning. Algorithms.
Acidentes. Segurança Viária. Regras de Associação. Aprendizado de Máquina. Algoritmos.
description Acidentes de trânsito são considerados um sério problema de saúde pública que, somado ao expressivo número de mortos e feridos, evidencia a necessidade de uma análise mais profunda das causas de acidentes. O objetivo dessa pesquisa foi identificar regras de associações entre as causas de acidentes e as características dos veículos, das estradas, dos usuários e do meio ambiente em rodovias federais brasileiras, comparando as técnicas de aprendizado de máquina Apriori, Eclat, FP-Growth e FP-Max. A metodologia propõe uma tabulação de dados de variáveis categóricas, utilizando-se de um método misto para coleta e transformação dos dados, por meio de um procedimento dentro de um contexto real em um estudo de caso. Através dos resultados foi possível realizar a comparação entre algoritmos e concluir que Apriori, FP-Growth e Eclat apresentam o mesmo desempenho, com índices de suporte e quantidade de características similares, já o FP-Max apresentou desfecho contrário, proporcionando resultado mais preciso. O estudo apresenta regras de associações como, por exemplo, um condutor do sexo masculino, dirigindo um veículo em um dia que não seja feriado, fora do horário de pico, em uma reta, está associado com acidentes onde a causa é não guardar distância de segurança.
format Artículo
publishedVersion
author Araújo, Ramon
Porto , Marcelo
Baracho, Renata
author_facet Araújo, Ramon
Porto , Marcelo
Baracho, Renata
author_sort Araújo, Ramon
title Regras de associações entre as características dos acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina
title_short Regras de associações entre as características dos acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina
title_full Regras de associações entre as características dos acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina
title_fullStr Regras de associações entre as características dos acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina
title_full_unstemmed Regras de associações entre as características dos acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina
title_sort regras de associações entre as características dos acidentes de trânsito em rodovias federais brasileiras por meio de aprendizado de máquina
publisher Facultad de Filosofía y Letras, Universidad de Buenos Aires
publishDate 2024
url http://revistascientificas.filo.uba.ar/index.php/rtt/article/view/11246
https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=transter&d=11246_oai
work_keys_str_mv AT araujoramon regrasdeassociacoesentreascaracteristicasdosacidentesdetransitoemrodoviasfederaisbrasileiraspormeiodeaprendizadodemaquina
AT portomarcelo regrasdeassociacoesentreascaracteristicasdosacidentesdetransitoemrodoviasfederaisbrasileiraspormeiodeaprendizadodemaquina
AT barachorenata regrasdeassociacoesentreascaracteristicasdosacidentesdetransitoemrodoviasfederaisbrasileiraspormeiodeaprendizadodemaquina
_version_ 1824358671399780352

Ejemplares similares