IA na pista: tecnologia aplicada ao trânsito pode reduzir acidentes

Um estudo desenvolvido pelo Programa de Pós-Graduação em Gestão Urbana (PPGTU) da Pontifícia Universidade Católica do Paraná (PUCPR), em parceria com a Universidade Tecnológica Federal do Paraná (UTFPR), examinou padrões ocultos nos acidentes de trânsito. A partir da análise de centenas de milhares de registros fornecidos pelo Departamento de Estradas de Rodagem do Paraná (DER/PR), os pesquisadores criaram modelos computacionais capazes de prever sinistros com até 94% de precisão.

Segundo dados da Organização Mundial da Saúde (OMS), mais de 3,5 mil pessoas morrem todos os dias em acidentes de trânsito ao redor do mundo. No Brasil, apenas em 2024, foram mais de 6 mil mortes registradas nas rodovias federais, de acordo com a Polícia Rodoviária Federal (PRF). Muitas vezes tratados como "fatalidades", acidentes de trânsito são, na verdade, um grave problema de saúde pública - e, agora, a pesquisa paranaense mostra que eles podem ser previstos com a ajuda da inteligência artificial.

• Uso de antidepressivo e analgésico pode provocar acidentes de trânsito, alerta associação médica
  

O segredo está na combinação de mineração de dados, estatística avançada e algoritmos de inteligência artificial. A pesquisa foi recentemente publicada na Revista de Gestão Social e Ambiental com o título: "A Data Mining Approach for Evaluating Factors Associated with the Occurrence and Severity of Road Traffic Accidents".

Uma ideia que nasceu em sala de aula

A iniciativa começou em uma disciplina eletiva chamada Modelagem em Sistemas Urbanos, ofertada pela PUC-PR. O hoje doutorando Gabriel Troyan Rodrigues (32), um dos principais responsáveis pelo estudo, relata que o projeto surgiu em meio às aulas, com a colaboração de colegas de diferentes áreas.

"Minha colega Amanda, engenheira civil, já tinha experiência com planos de mobilidade e trouxe uma base robusta de dados do DER/PR. A ideia era clara: usar essas informações para entender o que leva aos acidentes e, principalmente, como podemos evitá-los", conta Gabriel.

• Quase metade dos acidentes de trânsito em MG foi causado por desatenção

Um olhar sobre os dados: o que causa os acidentes?

O estudo analisou dois períodos distintos: de 2004 a 2013 e de 2019 a 2024. Com esses dados, a equipe aplicou quatro técnicas de mineração, destacando o uso do software CBA (Classification Based on Associations), que classifica a partir de variáveis como tipo de via, velocidade, clima, iluminação e presença de perímetros urbanos.

Entre os principais achados, destaca-se a influência do ambiente urbano. A presença de perímetro urbano esteve associada a um aumento de até 90% na ocorrência de acidentes e a 93,5% dos casos mais graves. Outros fatores que apareceram com frequência nos sinistros analisados incluem:

• Presença de segunda ou terceira faixa (65,8%);

• Sinuosidade do terreno (62,2%);

• Áreas de ultrapassagem com sinalização por linha tracejada (56,3%);

• Presença de acostamento (53,9%);

• Iluminação insuficiente (48,2%);

• Velocidade elevada nas vias (44,5%).

Esses dados revelam que a combinação de variáveis ambientais, estruturais e humanas tem peso decisivo na ocorrência de acidentes, e que essas relações podem ser mapeadas de forma preditiva.

• Celular no trânsito? Entenda por que ele aumenta o risco de atropelamentos

"A IA começou a entender sozinha quais condições estavam mais associadas a acidentes fatais. Isso nos permitiu criar regras e propor intervenções concretas, como melhorias na drenagem, implantação de redutores de velocidade ou reconfiguração da sinalização", explica o doutorando.

Da teoria à prática: o impacto em políticas públicas

Com a identificação dos padrões, os pesquisadores acreditam que a ferramenta pode ser utilizada por gestores públicos para implementar políticas mais eficazes - baseadas em evidências, não em suposições.

"O modelo mostra, por exemplo, que locais com radares, lombadas, sinalização adequada e redutores de velocidade tendem a ter acidentes menos graves, mesmo quando eles ainda acontecem. Já em rodovias de pista simples, sem controle de velocidade, os acidentes são menos frequentes, mas muito mais letais", afirma.

Outro ponto importante é que a metodologia criada pode ser aplicada em qualquer região - desde que haja dados. O modelo tem limitações, sobretudo quando os registros são incompletos ou inconsistentes, como ainda ocorre em muitas partes do Brasil.

"Sem padronização nos registros de acidentes, fica difícil ampliar esse modelo para todo o país. Hoje, um acidente registrado em Porto Alegre pode ter critérios diferentes de um em Natal. Para um sistema nacional funcionar, seria necessário padronizar essas informações", alerta Gabriel.

Superando os desafios

Trabalhar com mais de 300 mil registros exigiu um esforço considerável da equipe, especialmente na compatibilização das variáveis entre os dois períodos analisados. O desafio também se estendeu à calibração do modelo de IA, que precisou de ajustes finos para garantir resultados confiáveis.

Mesmo assim, os modelos apresentaram taxas de acerto impressionantes: mais de 94% para o primeiro período analisado, e entre 86% e 89% para o segundo. Segundo eles, isso já é suficiente para considerar a ferramenta como uma aliada no planejamento urbano e na prevenção de tragédias.

Siga nosso canal no WhatsApp e receba notícias relevantes para o seu dia

Equipe responsável pela pesquisa:

• Gabriel Troyan Rodrigues - doutorando em Gestão Urbana (PUCPR)

• Prof. Dr. Fabio Teodoro de Souza - PUCPR

• Amanda Christine Gallucci Silva - UTFPR

• Tatiana Maria Cecy Gadda - UTFPR

Artigo completo disponível em: Revista de Gestão Social e Ambiental (junho/2025)

Título original: A Data Mining Approach for Evaluating Factors Associated with the Occurrence and Severity of Road Traffic Accidents

*Estagiária sob supervisão da subeditora Juliana Lima