![\"\"](\"http:\/\/www.carlos-souza.com\/wp-content\/uploads\/2026\/02\/1_ptaGh7poQ9O_Tgx5NSGGfA.png\")
Para quantificar esse cen\u00e1rio, o IPEA e o DENATRAN desenvolveram metodologias que transformam esses eventos em indicadores financeiros, servindo de base para a formula\u00e7\u00e3o de estrat\u00e9gias preventivas. \u00c9 nesse contexto, entre a necessidade de efici\u00eancia administrativa e a preserva\u00e7\u00e3o da vida, que desenvolvi um projeto de Ci\u00eancia de Dados voltado \u00e0 gest\u00e3o p\u00fablica.<\/p>\n\n\n
![\"\"](\"http:\/\/www.carlos-souza.com\/wp-content\/uploads\/2026\/02\/1_-PWTLhf4mL-a-JSbLTvlMg-1024x456.png\")
O Projeto: Preditividade como Ferramenta de Gest\u00e3o<\/h2>\n\n\n\n
Utilizando dados da Pol\u00edcia Rodovi\u00e1ria Federal (PRF) entre 2017 e meados de 2020, criei um modelo de intelig\u00eancia artificial capaz de prever o desfecho de um acidente. O objetivo \u00e9 antecipar se uma ocorr\u00eancia resultar\u00e1 em v\u00edtimas fatais, feridos ou apenas danos materiais, baseando-se em vari\u00e1veis como condi\u00e7\u00f5es clim\u00e1ticas, tipo de pista, hor\u00e1rio e fluxo de ve\u00edculos.<\/p>\n\n\n\n
A relev\u00e2ncia estrat\u00e9gica dessa ferramenta \u00e9 clara: embora os acidentes com v\u00edtimas fatais sejam numericamente menores que aqueles com feridos (na propor\u00e7\u00e3o de 1 para 10), o custo econ\u00f4mico de um \u00f3bito para o Estado \u00e9 quase quatro vezes superior. Se um gestor puder prever a gravidade de um incidente com confian\u00e7a, ele conseguir\u00e1 otimizar a distribui\u00e7\u00e3o de equipes de resgate, posicionar pontos de fiscaliza\u00e7\u00e3o de forma inteligente e emitir alertas preventivos em tempo real.<\/p>\n\n\n\n
Raio-X das Rodovias Brasileiras<\/h2>\n\n\n\n
A an\u00e1lise explorat\u00f3ria de quase 246 mil registros revelou padr\u00f5es geogr\u00e1ficos e temporais essenciais para o planejamento estatal:<\/p>\n\n\n\n
- \n
- Geografia do Risco:<\/strong>\u00a0Estados como Minas Gerais, Santa Catarina e Paran\u00e1 concentram o maior volume de ocorr\u00eancias. Rodovias como a BR-101 e a BR-116 permanecem como os eixos mais cr\u00edticos.<\/li>\n\n\n\n
- Fator Humano e Temporal:<\/strong>\u00a0A “falta de aten\u00e7\u00e3o” \u00e9 a causa predominante, e os finais de semana, especialmente nos meses de f\u00e9rias (dezembro e janeiro), registram os picos de acidentes.<\/li>\n\n\n\n
- Din\u00e2mica dos Sinistros:<\/strong>\u00a0A colis\u00e3o traseira \u00e9 o tipo mais frequente, ocorrendo majoritariamente em condi\u00e7\u00f5es de tempo bom, o que refor\u00e7a a hip\u00f3tese de falha humana ou excesso de velocidade.<\/li>\n<\/ul>\n\n\n\n
Do Prot\u00f3tipo \u00e0 Escala Industrial com Amazon SageMaker<\/h2>\n\n\n\n
Para elevar o projeto de uma an\u00e1lise acad\u00eamica para um produto de dados robusto, utilizei o Amazon SageMaker<\/strong>. Enquanto ferramentas comuns permitem o processamento local, o SageMaker oferece um ecossistema para treinar, ajustar e colocar modelos em opera\u00e7\u00e3o (produ\u00e7\u00e3o) de forma escal\u00e1vel.<\/p>\n\n\n\n
Iniciei com um modelo de refer\u00eancia (LinearLearner) que atingiu uma precis\u00e3o de 0,62. Para um par\u00e2metro de compara\u00e7\u00e3o, estudos utilizando redes neurais complexas alcan\u00e7aram resultados similares (0,60), o que validou a efic\u00e1cia da nossa abordagem inicial.<\/p>\n\n\n\n
Contudo, para buscar maior rigor, implementamos o algoritmo XGBoost<\/strong>. O resultado foi um salto significativo na precis\u00e3o, chegando a 0,77<\/strong>. Ap\u00f3s o ajuste fino de par\u00e2metros, alcan\u00e7amos o \u00edndice de 0,797<\/strong>.<\/p>\n\n\n\n
Conclus\u00e3o: A Generaliza\u00e7\u00e3o no Mundo Real<\/h2>\n\n\n\n
Para testar a resili\u00eancia da IA, aplicamos o modelo a dados in\u00e9ditos de 2020, simulando o ambiente real de uma rodovia. Mesmo diante de dados n\u00e3o balanceados, a precis\u00e3o manteve-se em 0,71<\/strong>, demonstrando uma capacidade s\u00f3lida de generaliza\u00e7\u00e3o.<\/p>\n\n\n\n
Em suma, este projeto prova que a integra\u00e7\u00e3o entre Ci\u00eancia Pol\u00edtica, Gest\u00e3o P\u00fablica e Intelig\u00eancia Artificial n\u00e3o \u00e9 apenas poss\u00edvel, mas necess\u00e1ria. Ao antecipar a gravidade dos acidentes, o Estado deixa de ser apenas reativo e passa a atuar de forma cir\u00fargica na preserva\u00e7\u00e3o do seu bem mais valioso: a vida dos cidad\u00e3os.<\/p>\n\n\n\n
Nota editorial:<\/strong> Este artigo foi originalmente publicado em 15\/12\/2021 no Medium<\/a>.<\/p>\n\n\n\n
- Fator Humano e Temporal:<\/strong>\u00a0A “falta de aten\u00e7\u00e3o” \u00e9 a causa predominante, e os finais de semana, especialmente nos meses de f\u00e9rias (dezembro e janeiro), registram os picos de acidentes.<\/li>\n\n\n\n