ANÁLISE ESPACIAL E TEMPORAL DOS SINISTROS DE TRÂNSITO NO SISTEMA RODOVIÁRIO DO DISTRITO FEDERAL, BRASIL (2014–2023)
DOI:
https://doi.org/10.14393/RCG2778709Palavras-chave:
Análise espacial, Segurança viária, Regressão Ponderada GeograficamenteResumo
Este estudo tem como objetivo analisar os padrões espaciais e temporais dos sinistros de trânsito no Sistema Rodoviário do Distrito Federal, Brasil, no período de 2014 a 2023, com base em 16.865 registros georreferenciados. A metodologia integra técnicas estatísticas inferenciais e ferramentas de análise espacial por meio de Sistemas de Informação Geográfica. Foram aplicadas a Análise de Variância (ANOVA) e o teste de Tukey para avaliar a influência de variáveis temporais, como o horário do dia e o dia da semana, na gravidade dos sinistros. A aglomeração espacial foi examinada por meio da Análise de Hot Spots, utilizando o índice Getis-Ord Gi*, a fim de identificar áreas de alta e baixa concentração de sinistros. Adicionalmente, foi empregada a Regressão Ponderada Geograficamente para modelar os efeitos localizados de variáveis explicativas, incluindo altimetria, renda per capita e tráfego médio diário. Os resultados revelam padrões espaciais estatisticamente significativos e diferenças temporais relevantes, evidenciando a importância das abordagens geoespaciais para o planejamento da segurança viária com base em evidências e para a gestão territorial.
Downloads
Referências
BATTY, M. et al. Smart cities of the future. The European Physical Journal Special Topics, v. 214, p. 481-518, 2012. https://doi.org/10.1140/epjst/e2012-01703-3
BLAZQUEZ, C. A.; CELIS, M. S. A. Spatial and temporal analysis of child pedestrian crashes in Santiago, Chile. Accident Analysis & Prevention, v. 50, p. 304-311, 2013. https://doi.org/10.1016/j.aap.2012.05.001
CHANG, L.-Y.; WANG, H.-W. Analysis of traffic injury severity: an application of non-parametric classification tree techniques. Accident Analysis & Prevention, v. 38, n. 5, p. 1019–1027, 2006. https://doi.org/10.1016/j.aap.2006.04.009
DENATRAN - Departamento Nacional de Trânsito. Anexo I – Indicadores e metas do PNATRANS: Plano Nacional de Redução de Mortes e Lesões no Trânsito. Brasília, DF: DENATRAN, 2021. Disponível em: https://www.gov.br/infraestrutura/pt-br/assuntos/transito/pnatrans. Acesso em: 23 abr. 2025.
DISTRITO FEDERAL. Departamento de Estradas de Rodagem. Sistema Rodoviário do Distrito Federal – SRDF 2023. Brasília, DF: DER-DF, 2023. Disponível em: https://www.der.df.gov.br/wp-content/uploads/2023/12/SRDF-2023.pdf. Acesso em: 23 abr. 2025.
ESRI. ArcGIS Pro: GIS software for professional mapping. Version 3.2. Redlands, CA: Environmental Systems Research Institute, 2024. Disponível em: https://www.esri.com/en-us/arcgis/products/arcgis-pro/overview. Acesso em: 10 mar. 2025.
ERDOGAN, S.; YILMAZ, I.; BAYBURA, T.; GULLU, M. Geographical information systems aided traffic accident analysis system: case study: city of Afyonkarahisar. Accident Analysis & Prevention, v. 40, n. 1, p. 174–181, 2008. https://doi.org/10.1016/j.aap.2007.05.004
HADAYEGHI, A.; SHALABY, A. S.; PERSAUD, B. N. Macro-level accident prediction models for evaluating the safety of urban transportation systems. Accident Analysis & Prevention, v. 35, p. 181–193, 2003. https://doi.org/10.1016/S0001-4575(02)00008-2
HISAM, F. N. S. A. et al. GIS Analysis on Road Accident and Road Safety: A Case Study of Road Geometry in Kajang, Selangor. International Journal of Geoinformatics, v. 18, n. 4, 2022. https://doi.org/10.52939/ijg.v18i4.2257
IBGE - Instituto Brasileiro de Geografia e Estatística. Anuário Estatístico do Brasil 2023: transportes. Rio de Janeiro: IBGE, 2023. Disponível em: https://anuario.ibge.gov.br/2023/servicos/transportes.html. Acesso em: 23 abr. 2025.
JIA, R.; KHADKA, A.; KIM, I. Traffic crash analysis with point-of-interest spatial clustering. Accident Analysis & Prevention, v. 121, p. 223-230, 2018. https://doi.org/10.1016/j.aap.2018.09.018
KIM, K.; BRUNNER, I. M.; YAMASHITA, E. Y. Influence of land use, population, employment, and economic activity on accidents. Transportation Research Record: Journal of the Transportation Research Board, n. 1953, p. 56–64, 2006. https://doi.org/10.3141/1953-07.
MA, Z.; MEI, G.; CUOMO, S. An analytic framework using deep learning for prediction of traffic accident injury severity based on contributing factors. Accident Analysis & Prevention, v. 160, p. 106322, 2021. https://doi.org/10.1016/j.aap.2021.106322
QUDDUS, M. A. Modelling area-wide count outcomes with spatial correlation and heterogeneity: An analysis of London crash data. Accident Analysis & Prevention, v. 40, n. 4, p. 1486-1497, 2008. https://doi.org/10.1016/j.aap.2008.03.009.
QURESHI, A. I. et al. Mandated societal lockdown and road traffic accidents. Accident Analysis & Prevention, v. 146, p. 105747, 2020. https://doi.org/10.1016/j.aap.2020.105747.
SALADIÉ, Ò.; BUSTAMANTE, E.; GUTIÉRREZ, A. COVID-19 lockdown and reduction of traffic accidents in Tarragona province, Spain. Transportation Research Interdisciplinary Perspectives, v. 8, p. 100218, 2020. https://doi.org/10.1016/j.trip.2020.100218.
SANTOS, J. P. et al. DERGeo: Geographic information GeoViewer for Brazil’s Federal District Road System Administration. Revista Brasileira de Transportes (RBT), v. 1, n. 2, p. 62–85, 2023. https://doi.org/10.12660/rbt.v3n1.2023.89030
SHAFABAKHSH, G. A.; FAMILI, A.; BAHADORI, M.S. GIS-based spatial analysis of urban traffic accidents: Case study in Mashhad, Iran. Journal of traffic and transportation engineering (English edition), v. 4, n. 3, p. 290-299, 2017. https://doi.org/10.1016/j.jtte.2017.05.005
SILVA, J. et al. Algorithms for the control of key performance indicators for smart cities. Procedia Computer Science, v. 170, p. 971-976, 2020. https://doi.org/10.1016/j.procs.2020.03.099
TOWNSEND, A. M. Smart cities: big data, civic hackers, and the quest for a new utopia. New York: W. W. Norton & Company, 2013.
TRUONG, L. T.; SOMENAHALLI, S. V. Using GIS to identify pedestrian-vehicle crash hot spots and unsafe bus stops. Journal of Public Transportation, v. 14, n. 1, p. 99-114, 2011. https://doi.org/10.5038/2375-0901.14.1.6
WANG, X. et al. Incorporating accident liability into crash risk analysis: A multidimensional risk source approach. Accident Analysis & Prevention, v. 153, p. 106035, 2021. https://doi.org/10.1016/j.aap.2021.106035
WORLD HEALTH ORGANIZATION. Global status report on road safety 2018. World Health Organization, 2019.
ZANELLA, A. et al. Internet of things for smart cities. IEEE Internet of Things journal, v. 1, n. 1, p. 22-32, 2014. https://doi.org/10.1109/jiot.2014.2306328
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Janduhy Pereira dos Santos, Valdir Adilson Steinke, Maurício Theodósio Mattos Marques, Ricardo Shameshima Taba, Andrea Amaziles Antunes Alves de Carvalho Lousada, Bruno Maia Soriano Lousada, Jesus Mauro Vieira de Oliveira, Caroline Ribeiro Chahini

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos: a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho licenciado sob a Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. b) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal), já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado. c) Em virtude de aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.





