Determinantes da gravidade dos sinistros de trânsito em rodovias federais utilizando regressão logística binária

Abstract

Reconhecendo a necessidade de reduzir a gravidade dos sinistros de trânsito, especialmente considerando que no Brasil esses sinistros são a oitava maior causa de mortes, este trabalho busca identificar os principais fatores que levam à ocorrência de vítimas graves ou fatais nas rodovias federais brasileiras, focando nos estados de Minas Gerais, São Paulo, Paraná e Santa Catarina. Para isso, realizou-se uma análise sistemática da literatura, que fundamentou a escolha do modelo de regressão logística binária para analisar a gravidade dos sinistros, considerando exclusivamente vítimas moderadas, graves e fatais em veículos automotores. As variáveis analisadas incluíram características das vítimas, dos veículos, das vias e das condições climáticas. Adicionalmente, uma variável de agrupamento utilizando o método DBSCAN foi incluída para identificar áreas críticas de sinistros. As análises revelaram que a gravidade dos sinistros tende a aumentar quando o condutor é do gênero feminino, em condições de pista molhada, em áreas urbanas, em regiões classificadas como pontos críticos e em curvas acentuadas com pista molhada. Em contrapartida, a gravidade dos sinistros diminui durante período noturno, inverno, em declives, quando há envolvimento de veículos pesados ou veículos de passageiros e com o aumento do volume de tráfego. Além disso, sinistros envolvendo mais de um veículo e um deles é veículo leve ou pesado também mostram uma menor gravidade.

Abstract: Recognizing the urgent need to reduce the severity of traffic accidents, especially considering that in Brazil these accidents are the eighth leading cause of death, this study aims to identify the main factors that lead to severe or fatal injuries on federal highways in Brazil, focusing on the states of Minas Gerais, São Paulo, Paraná, and Santa Catarina. To achieve this, a systematic literature review was conducted, which supported the selection of the binary logistic regression model to analyze the severity of accidents, focusing exclusively on moderate, severe, and fatal victims in motor vehicles. The variables analyzed included characteristics of the victims, vehicles, roads, and weather conditions. Additionally, a clustering variable using the DBSCAN method was included to identify critical areas for accidents. The analysis revealed that the severity of accidents tends to increase when the driver is female, under wet road conditions, in urban areas, in regions classified as critical areas, and on sharp curves with wet roads. Conversely, the severity of accidents decreases during the night, in winter, on downhill slopes, when heavy vehicles or cars are involved, and with increased traffic volume. Furthermore, accidents involving more than one vehicle, where one is a car or heavy vehicle, also show reduced severity.