Pesquisadores do Programa de Pós-Graduação em Gestão Urbana da Pontifícia Universidade Católica do Paraná (PUC-PR), em parceria com a Universidade Tecnológica Federal do Paraná (UTFPR), empregaram técnicas de mineração de dados e inteligência artificial para identificar padrões ligados à ocorrência e à severidade de acidentes nas rodovias estaduais. O grupo analisou dois conjuntos de registros do Departamento de Estradas de Rodagem do Paraná (DER/PR): um referente ao período de 2004 a 2013 e outro que abrange de 2019 a 2024.
Com o uso de quatro métodos de mineração de dados — entre eles o software CBA (Classification Based on Associations) —, foram gerados modelos capazes de prever acidentes com elevado grau de precisão. A taxa de acerto superou 94% para o primeiro intervalo analisado e variou de 86% a 89% para o mais recente. Os algoritmos foram alimentados com variáveis que incluem perfil dos usuários, características da infraestrutura viária, condições ambientais e tipos de transporte envolvidos.
A presença de perímetro urbano destacou-se como principal fator associado ao aumento da frequência de acidentes, elevando em 90% a probabilidade de ocorrência. Outros elementos identificados como significativamente capazes de influenciar os sinistros foram:
- segunda ou terceira faixa na via, com impacto de 65,8%;
- sinuosidade acentuada do terreno, 62,2%;
- trechos de ultrapassagem sinalizados por linha tracejada, 56,3%;
- existência de acostamento, 53,9%;
- iluminação insuficiente, 48,2%.
Em relação à gravidade dos acidentes, a correlação mais forte também recaiu sobre trechos urbanos, que contribuíram para um incremento de 93,5% nos registros de ocorrências mais severas. Na sequência aparecem maior sinuosidade do terreno (66,8%), iluminação deficiente (62,1%), áreas de ultrapassagem (59,7%) e limites de velocidade mais elevados (44,5%).
De acordo com a equipe responsável, a metodologia elaborada permite extrair regras de associação que evidenciam fatores recorrentes nos sinistros. Com esse mapeamento, órgãos de gestão pública podem direcionar intervenções de forma precisa, adotando soluções como vias de contorno, passagens em desnível, instalação de radares, lombadas eletrônicas, reforço de sinalização vertical e implantação de semáforos nos trechos críticos.
Os resultados também indicam a possibilidade de ajustes pontuais, como redução de velocidade em segmentos específicos, melhoria da iluminação e adequação da drenagem, medidas que tendem a diminuir tanto a frequência quanto a severidade das colisões. Para os pesquisadores, a combinação de bancos de dados históricos com algoritmos de classificação reforça o potencial da inteligência artificial na formulação de políticas públicas baseadas em evidências concretas.
O panorama apresentado pelo estudo encontra paralelo nas estatísticas globais. Estimativas da Organização Mundial da Saúde (OMS) apontam que mais de 3,5 mil pessoas perdem a vida todos os dias em acidentes de trânsito, totalizando aproximadamente 1,3 milhão de mortes ao ano. No Brasil, dados da Polícia Rodoviária Federal indicam que, somente em 2024, mais de 6 mil vítimas fatais foram registradas em sinistros ocorridos nas rodovias federais.
Para os autores da pesquisa, a previsão de risco com base em dados confiáveis facilita a definição de prioridades e permite que investimentos em obras e equipamentos de segurança sejam direcionados aos pontos com maior potencial de redução de acidentes. O estudo reforça ainda a necessidade de atualização constante dos registros de tráfego, condição considerada essencial para que os modelos de inteligência artificial mantenham elevado grau de precisão ao longo do tempo.
O trabalho desenvolvido pelas duas universidades demonstra que a avaliação sistemática de fatores como tipo de via, presença de perímetro urbano, sinalização, velocidade e qualidade da iluminação pode servir de subsídio para políticas integradas de segurança viária. Segundo os pesquisadores, a estratégia de mineração de dados aplicada à gestão de tráfego oferece uma alternativa de baixo custo em comparação a inspeções de campo extensivas, além de agilizar a identificação de tendências que normalmente permaneceriam ocultas em grandes volumes de informação.
Com a consolidação dos resultados, o grupo planeja ampliar a base de dados para incluir rodovias de outros estados, a fim de verificar se os padrões observados no Paraná se repetem em diferentes contextos. A expectativa é de que a abordagem contribua para reduzir o número de vítimas no trânsito, respondendo a metas nacionais e internacionais de segurança viária.
