Com a urbanização das cidades brasileiras, a locomoçãoautomobilísticase tornoualgo indispensável, assim a área de mobilidade urbana aumentou em escala exponencial, acarretando emum crescimento daviolência no trânsito, seja causada por engarrafamentos, problemas de viés humano ou de infraestrutura. Esse trabalho propõeuma solução que prevêlocais de acidentesdentro de zonas urbanas com base em dados temporais(data e hora)deacidentes.Utilizao algoritmo K-Meanspara agrupar e KNN Regressorpara prever, dentro da amostra de dados de acidentes da cidade de São Paulo coletados entre 2019 e 2021, obteve-se um modelo preditivo com precisão de 96.04% dentro de uma tolerância de 500m.
With the urbanization of Brazilian cities, automobile locomotion has become indispensable, so the area of urban mobility has increased on an exponential scale, resulting in an increase in traffic violence, whether caused by traffic jams, human bias or infrastructure problems. This work proposes a solution that predicts accident locations within urban areas based on temporal data (date and time) of accidents. It uses the K-Means algorithm to group and KNN Regressor to predict, within the sample of accident data from the city of São Paulo collected between 2019 and 2021, a predictive model with an accuracy of 96.04% within a tolerance of 500m was obtained.
