1
Introdução
As infrações
de trânsito tem sido um fator presente na vida das pessoas. As estatísticas
apresentadas pelos órgãos de trânsito indicam que cometer infrações e
desrespeitar os preceitos da legislação são práticas muito frequentes entre os
motoristas brasileiros [1]. O
artigo 161 do Código de Trânsito Brasileiro [2] define infrações como a inobservância de qualquer
preceito deste código, da legislação complementar ou das resoluções do Conselho
Nacional de Trânsito (CONTRAN), sendo o infrator sujeito às penalidades e
medidas administrativas. Os artigos 162 a 255 destacam quais são as gravidades
e penalidades de acordo com cada infração.
No estudo
realizado por Rocha [3], é
exposto que as infrações cometidas no trânsito do Brasil resultam em milhares
de mortes, feridos e prejuízos materiais. É diante desse cenário que o Brasil
vem se destacando negativamente no ranking mundial de acidentes de trânsito. De
acordo com os dados mostrados, há em média 6,8 mortes para cada 10 mil veículos
[4].
Nesse
contexto, pesquisas [5, 6]
na literatura defendem que a educação é a principal ferramenta para alcançar
soluções referentes ao trânsito brasileiro. Disseminar a educação no trânsito,
segundo Macêdo e Souza [4],
refere-se a ensinar que evitar infrações, por exemplo, deve ser realizado
devido aos benefícios alcançados e não por ser uma forma ou instrumento para
evitar possíveis punições.
Diante desse
cenário, somente nos últimos anos, surgiu um crescente interesse entre
estudiosos para entendimento deste contexto envolto às infrações [3]. Portanto, a presente pesquisa tem
como foco o entendimento das infrações referentes a cidade de Recife no estado
de Pernambuco. De acordo com os dados apresentados pela empresa holandesa
TomTom Traffic [7] em
relação ao ano de 2019, a cidade do Recife ocupava a 15ª posição entre as
cidades com pior tráfego de automóveis do mundo. A mesma fonte aponta que em
2018 a situação era ainda mais preocupante, onde Recife ocupava a 10ª posição.
A fim de entender esse contexto e correlacionar com o índice crescente de
infrações, as bases de dados referentes aos anos de 2017 e 2018
disponibilizadas pela Autarquia de Trânsito e Transporte Urbano do Recife
(CTTU) [8] foram analisadas.
O objetivo é
aplicar técnicas e tarefas de Mineração de Dados (MD) com o auxílio de
tecnologias correlacionadas para a análise, visualização e previsão das
infrações referentes ao ano de 2019. Segundo Cardoso e Machado [9], mineração de dados é uma técnica ou
processo que extrai conhecimento de conjuntos de dados, capaz de revelar
conhecimentos implícitos pela grande quantidade de informações armazenadas.
Além disso, os autores apontam que as técnicas de MD possibilitam análise de
eventos, previsão de tendências e comportamentos futuros.
A metodologia
de Processo Padrão Inter-Indústrias para Mineração de Dados (CRISP-DM) [10] foi utilizada para guiar a mineração
e análise dos dados desta pesquisa. Isto foi possível com o auxílio de softwares
como o Orange Data Mining, GretL, Weka, Pentaho PDI e Python, que foram
utilizados em paralelo, tanto para análise, como para mineração dos dados e
previsões. O intuito é criar um modelo que possa ser adaptado conforme o passar
dos anos, através de previsões a respeito das multas por períodos do dia e mês
de cada ano. Através do modelo espera-se ofertar um feedback assertivo e útil
para que as autoridades responsáveis tomem as medidas de prevenção e
conscientização cabíveis para evitar tais infrações e prejuízos ocasionados.
O restante do
artigo está organizado da seguinte forma: A Seção 2 apresenta o referencial
teórico utilizado nesta pesquisa, a Seção 3 discorre sobre os materiais e
métodos utilizados e experimentos, na seção 4 são apresentados os resultados
obtidos e suas respectivas discussões e, por fim, na seção 5, relatamos as
considerações finais juntamente com as perspectivas de trabalhos futuros.
1.1.
Escopo
Negativo
A previsão
desenvolvida na presente pesquisa será referente ao ano de 2019, a ideia
inicial do projeto era desenvolver referente ao ano atual, 2020. Entretanto,
diante dos impasses provocados e ocasionados pela pandemia de Covid-19, os
pesquisadores acreditam que as infrações de 2020 podem ser influenciadas, o que
afetaria diretamente nos resultados e na previsão realizada neste estudo. Além
disso, como é exposto na subseção 2.2.1, dentre as etapas do CRISP-DM, esta
pesquisa não contempla a 6ª etapa, pois diante dos impasses e do contexto remoto,
fica inviável aplicar a solução neste momento em um contexto real.
2
Fundamentação
Teórica
Nesta seção,
apresentamos de forma objetiva as principais tecnologias e abordagens para
realização deste projeto, com ênfase em mineração de dados e na metodologia
CRISP-DM, além dos trabalhos motivadores desta pesquisa.
2.1
Mineração
de Dados
A área de
mineração de dados (do inglês, data mining) surge como um processo não trivial
e com o objetivo de identificar em conjuntos de dados (do inglês, dataset)
padrões válidos, novos, compreensíveis e potencialmente úteis [11] para geração de conhecimentos e
auxílio na tomada de decisões. Resumidamente, mineração de dados é um processo
altamente cooperativo entre seres humanos e máquinas que visa a exploração de
grandes bancos de dados com o objetivo de extrair conhecimentos através de
reconhecimento de padrões e relacionamento entre variáveis [12].
Dessa
maneira, para gerar conhecimentos úteis, utiliza-se técnicas de inteligência
artificial, métodos estatísticos e ferramentas de visualização e mineração [11] (Exemplo: Weka, RapidMiner [13], Orange canvas [14], R e Tanagra [15]). É válido mencionar que a mineração
de dados é uma área abrangente e possui aplicação em diversos contextos, como
educação, indústrias, empresas, medicina, finanças e dentre outras [16].
É importante
observar que para alcançar o objetivo desta pesquisa, séries temporais foram
utilizadas para realizar as previsões. Segundo Antunes e Cardoso [17], as séries temporais podem ser
compreendidas como uma sequência de dados quantitativos, relativos a momentos
ou períodos específicos que estão organizados e distribuídos no tempo. Já as
previsões, podem ser encaradas como informações críticas que auxiliam na tomada
de decisão de negócios [18].
Ambas, utilizadas em conjunto, possuem aplicabilidade em diversos contextos e
áreas do conhecimento.
Para
guiar o processo de mineração de dados de forma organizacional, metodologias
foram desenvolvidas, exemplos disso é a metodologia KDD (Knowledge Discovery in
Databases) e SEMMA (Sample, Explore, Modify, Model, Assess) [19]. A subseção a seguir apresenta a
metodologia utilizada na presente pesquisa.
2.1.1
CRISP-DM
Dentre as
metodologias disponíveis para guiar o processo de mineração de dados em
projetos, destaca-se a Cross Industry Standard Process for Data Mining
(CRISP-DM), apontada por Martínez-Plumed et al. [10] como a metodologia analítica mais
completa e utilizada em projetos industriais que visam a descoberta de
conhecimentos ou informações úteis. O CRISP-DM é uma metodologia que foca nas
necessidades dos gestores e na resolução dos seus problemas de gestão [20].
A metodologia
CRISP-DM tem adesão e preferência de 42% dos profissionais [21]. Isso ocorre pelo fato desta
metodologia proporcionar ao pesquisador, através de sua estrutura
organizacional, uma visão ampla que contempla desde o entendimento do negócio
até a apresentação dos resultados obtidos pela mineração dos dados [10]. Segundo Mattozo [19], isto é possível através das seis
etapas que compõem o ciclo de vida deste modelo, conforme apresenta o Quadro 1,
baseado no estudo de Chapman et al. [22].
Quadro 1: Etapas do CRISP-DM.
|
Etapas Definição
|
|
Business Understanding
|
Responsável pelo entendimento dos objetivos, requisitos, definição de
problema e elaboração do planejamento.
|
|
Data
Understanding
|
Fase de coleta inicial dos dados para entendimento e familiarização com
os mesmos a fim de identificar problemas e níveis de qualidade.
|
|
Data Preparation
|
Abrange as atividades necessárias para construir o conjunto de dados
final. Ou seja, são realizadas as tarefas de seleção, normalização,
integração e limpeza.
|
|
Modeling
|
Seleção e aplicação de técnicas de modelagem, além da calibração e
configuração dos parâmetros para valores ideais e aplicáveis.
|
|
Evaluation
|
Avaliar e revisar as etapas executadas do modelo para garantir que o
mesmo atinja os objetivos.
|
|
Deployment
|
Aplicar os modelos criados em contexto real.
|
Por fim, esta
metodologia é considerada mais completa e documentada em relação a outras, como
KKD e SEMMA [17], pelo fato de concentrar benefícios
na avaliação da qualidade dos dados, bem como na sua interpretação dos achados
no processo de Mineração de dados, além de contribuir fortemente no
entendimento do negócio [21].
2.2
Trabalhos
Relacionados
A pesquisa
realizada por Amiruzzaman [24] teve como objetivo prever violações de tráfego com base em incidentes
passados. Para isso, algoritmos (J48, Árvore de decisão e Naive Bayes) de
mineração de dados foram utilizados com auxílio de ferramentas (SPSS e WEKA).
Os resultados da mineração de dados apontam que é perigoso sair por volta de
uma da manhã, pois a maioria dos danos materiais e lesões corporais ocorreu
devido a motoristas bêbados que circulavam entre as onze horas e uma da manhã.
O trabalho possui potencial para ajudar a evitar violações de tráfego ou
reduzir a chance de ocorrência, além de ofertar orientações de cuidados.
No trabalho de
Shiau et al. [25] é
apresentada uma aplicação de mineração de dados para prever acidentes de
trânsitos e quais causas/infrações cometidas. Os pesquisadores analisaram 2.471
acidentes de trânsito no centro de Taiwan utilizando variados métodos (Fuzzy
Robust, FRPCA, Neural Network e LR). Os resultados apontam taxas de acurácias
acima de 84,37% em todos os classificadores testados. A análise estatística
reforça que o modelo criado pode ser utilizado pela polícia ou autoridades
reguladoras para projetar, planejar e melhorar a segurança do tráfego,
diminuindo os acidentes e perda de vidas naquela região.
Cuenca et
al. [26] apresenta um protótipo de um sistema
de visualização e avisos de pontos de acesso de tráfego através de informações
geográficas da área metropolitana de Madri. O objetivo é alertar os motoristas
ao se aproximarem de pontos de situações incomuns. Para isso, o processo de
mineração de dados é utilizado para geração do conjunto de dados necessários e
assertivos para a alimentação do sistema. Isso foi possível com o auxílio da
ferramenta Pentaho Data Integration (PDI) e Carto-API.
Diante
dos trabalhos apresentados nesta seção, fica evidente o potencial da área de
mineração de dados aplicada a contextos com objetivos diversos. Diferentemente
dos estudos apresentados, esta pesquisa tem como diferencial prever as
infrações de trânsito na cidade do Recife/PE, utilizando em conjunto
tecnologias como Orange Data Mining, WEKA, Python e Pentaho PDI. Além disso,
propomos visualizações que sejam entendíveis para quaisquer públicos que tenham
interesse em acessar e entender as infrações e suas respectivas correlações.
3
Materiais
e Métodos
Esta seção com
suas respectivas subseções é responsável por apresentar os materiais,
ferramentas e métodos utilizados no decorrer deste projeto, bem como a
aplicação da metodologia CRISP-DM.
3.1
Descrição
da Base de Dados
A base de
dados utilizada para realização deste projeto foi adquirida através de duas
fontes. A primeira refere-se ao portal de dados abertos da CTTU [8] da cidade do Recife, onde o dataset
obtido faz referência ao ano de 2017 e 2018 e, possuem oito atributos. A
segunda fonte foi adquirida pela Associação Brasileira das Entidades dos
Mercados Financeiro e de Capitais (ANBIMA) [23] e pela prefeitura da cidade do Recife [27] e, possui três atributos. O Quadro 2
apresenta os onze atributos.
Quadro 2: Atributos do dataset.
|
Atributos Descrição
|
|
Data de Infração
|
Este atributo é do tipo timestamp e contém as datas que as
infrações foram cometidas.
|
|
Hora da Infração
|
Atributo do tipo text e possui informações sobre o horário que
aconteceu as infrações.
|
|
Data de Implementação
|
Atributo timestamp, contém as datas que as infrações foram
realmente implementadas.
|
|
Agente Equipamento
|
Atributo do tipo text, contém informações sobre qual equipamento
registrou a infração.
|
|
Infração
|
Atributo numeric, composto pelos códigos referentes a cada
infração cometida.
|
|
Descrição da infração
|
Atributo do tipo text, composto pela descrição dos detalhes
sobre a infração.
|
|
Amparo legal
|
Atributo text, contém os artigos do Código de Trânsito
Brasileiro violado.
|
|
Local
|
Atributo do tipo text, contém detalhes sobre o local que a
infração ocorreu.
|
|
Data de evento cultural
|
Este atributo é do tipo text e contém datas de eventos culturais
e feriados.
|
|
Desc. de evento cultural
|
Atributo text com detalhes sobre o feriado ou evento cultural.
|
|
Dia de evento cultural
|
Este atributo é numeric e identifica se o dia que a infração foi
cometida é um dia de evento cultural (0) ou, um dia comum (1).
|
É válido
destacar que foi realizada a junção de atributos de fontes distintas para
encontrar relação entre o aumento de infrações com o período de eventos
culturais (ex: Carnaval, São João, Feriados e dentre outros). É importante
enfatizar que na etapa de pré-processamento dos dados (Subseção 3.2) estes onze
atributos foram adaptados para atender os objetivos do projeto.
3.2 Pré-processamento dos Dados
A ferramenta
utilizada para realizar o pré-processamento dos dados foi o Pentaho PDI. Com
isso, inicialmente, foi realizada a junção da base de dados referente ao ano de
2017 com a de 2018.
Após realizar
a junção de bases, foi realizada a leitura do arquivo CSV. Em seguida, foi
feito a substituição de “/” por “-” no atributo "datainfracao", pois
foi identificado que existiam períodos com formatações divergentes, ou seja,
algumas estavam com padrões de "dd/mm/aaaa" e outras com
"dd-mm-aaaa". Tendo em vista que a maioria dos dados estavam com o
padrão "dd-mm-aaaa", optou-se por substituir apenas as datas que
estavam no padrão "dd/mm/aaaa", visando a economia de processamento
computacional.
Dando
continuidade, substituiu-se o apóstrofo nos atributos
"agenteequipamento" e "localcometimento" por um caractere
vazio "", pois os arquivos do tipo Comma-Separated Values (CSV) para
leitura em softwares de predição e visualização dos dados possuíam erros devido
ao padrão do CSV e delimitadores utilizados.
Posteriormente,
foi realizada também a aplicação de expressão regular para extração do código
do equipamento da infração na variável "agenteequipamento", pois ora
estava como um código categórico, ora estava com um código categórico
concatenado com um texto (exemplo: "8" e "8 - Talão").
Em seguida,
fez-se a junção da base de dados da primeira fonte com a segunda (referente aos
três atributos de eventos culturais). A Figura 1 ilustra a estrutura de
pré-processamento no Pentaho PDI.
Figura 1. Primeira etapa Pré-Processamento.
A segunda
etapa do pré-processamento teve como objetivo preparar a base de dados para
predição. Para isso, o dia, mês e ano foram separados em campos distintos. Em
seguida, a hora foi segregada para captar apenas o momento exato do
acontecimento da infração. Para isso, 4 variáveis de hora foram criadas
juntamente com 4 expressões regulares para que cada variável (coluna) fosse
preenchida com a finalidade de visualização dos dados, sendo: i) Maturno (de
00:00 às 05:59); ii) Matutino (de 06:00 às 11:59); iii) Vespertino (de 12:00 às
17:59) e, por fim, iv) Noturno (de 18:00 às 23:59).
Foram
concatenadas, ainda, as quatro colunas de turno, bem como o ano e o mês. Com a
concatenação das variáveis dos turnos, ficaram misturadas as informações de
horas com os turnos. Por isso, foi criada mais uma expressão regular que
extraísse dessa coluna os nomes dos turnos da infração mencionados
anteriormente. Adiante, foi realizada uma operação de agrupamento com contagem
de valores, ou seja, o número de infrações por mês/ano e por turno. Foram
ordenados os valores por mês/ano, turno e quantidade de infrações de maneira
ascendente. Em seguida, substituiu-se os turnos maturno, matutino, vespertino e
noturno por códigos, sendo respectivamente 0, 1, 2, 3 com a finalidade de predição.
A Figura 2 ilustra a dinâmica utilizada no Pentaho para a segunda etapa do
pré-processamento.
Figura
2. Segunda etapa do Pré-Processamento.
A expressão
regular foi executada para extrair apenas os números categóricos dos turnos e,
por fim, foi escrito em um arquivo do tipo CSV os resultados da base para
predição.
3.3 Metodologia
Experimental
Para a
metodologia do experimento, foram utilizadas ferramentas de software e
algoritmos desenvolvidos para analisar e verificar qual o modelo com melhor
desempenho para a predição das séries temporais utilizando a base de infrações
de 2017 e 2018. Inicialmente, a hipótese deste trabalho foi realizar a predição
referente aos doze meses de 2019. Porém, com o treinamento dos modelos
computacionais, os pesquisadores verificaram que alguns modelos apresentavam
overfitting. Por este motivo, foram também testadas predições utilizando a
frequência diária dos dados, frequência mensal e frequência anual para prever
um dia e um mês referente ao ano de 2019 e prever com base nos dados do ano de
2017 o ano de 2018.
Com
isso, as bases foram divididas em oito datasets de acordo com cada frequência
da série temporal e considerando seus respectivos turnos (Conforme apresenta a
Quadro 3).
Quadro 3: Informações sobre a divisão dos
datasets.
|
Datasets Descrição
|
|
dataset_2017
_mensal
|
Quatro datasets referente aos turnos (maturno, matutino, vespertino e
noturno) foram criados separadamente para predição mensal do ano de 2018.
|
|
dataset_20172018
_mensal
|
Quatro datasets referente aos turnos (maturno, matutino, vespertino e
noturno) foram criados separadamente para predição mensal.
|
|
dataset_20172018
_diario
|
Quatro datasets referente aos turnos (maturno, matutino,
vespertino e noturno) foram criados separadamente para predição diária,
referente ao dia 01 de Janeiro.
|
A pesquisa foi
dividida em quatro experimentos visando obter o melhor resultado para o modelo
e a melhor configuração através da avaliação do acerto da predição com relação
aos dados reais já existentes referentes ao primeiro dia de 2019 e ao mês de
janeiro de 2019, bem como referente ao ano de 2018 através dos dados de 2017
para fins de definição do melhor modelo computacional a ser utilizado para
predições de infrações usando estas bases de dados. Destacam-se os três
experimentos:
1. Primeiro experimento: Foram utilizados os datasets
por periodicidade diária mencionados no Quadro 3, com o software Weka. Com
isso, os dados foram carregados na ferramenta e, em seguida, foi realizado o
teste dos seguintes modelos computacionais para predição: Linear Regression
(LR), Multi Layer Perceptron (MLP), HoltWinters (HW), Random
Forest (RF) e um modelo Ensemble com a combinação de todos os
modelos anteriormente mencionados.
As configurações utilizadas no experimento para cada
modelo foram as seguintes:
● LR: batchSize: 100; método M5
de seleção de atributos;
● MLP: batchSize: 100; camadas
ocultas automáticas, ou seja, o Weka encontra qual a melhor configuração de
camadas; taxa de aprendizagem: 0,3;
● HW: batchSize: 100; duração do
ciclo da temporada 12; duração fator de suavização sazonal (smoothing) 0,2;
● RF: batchSize: 100; percentual
do tamanho do batchSize 100;
● Ensemble: modelo meta Stacking
combinando LR + MLP + HW + RF.
2. Segundo experimento: Foram utilizados os datasets
por periodicidade mensal mencionados no Quadro 3, com o software Weka. Com
isso, foi realizado o mesmo que no primeiro experimento. Entretanto, a
periodicidade da série temporal foi mensal, alterando apenas o arquivo
importado para que o software Weka pudesse considerar os datasets
mensais com as mesmas configurações do experimento anterior;
3. Terceiro experimento: Para o terceiro experimento, foi
utilizado o software Gretl [28], onde foram importados somente os datasets mensais para se obter a
predição do modelo ARIMA [29]. Neste modelo, as séries temporais univariadas foram utilizadas,
considerando como variável dependente a quantidade de infrações, sem
regressores, com a série temporal não-sazonal, utilizando a matriz de
covariância por Hessiana, e com Máxima Verossimilhança Exata;
4. Quarto experimento: Foram utilizados os datasets por
periodicidade anual mencionados no Quadro 3, com o software Weka. Com isso, foi
realizado o mesmo que no primeiro experimento. A periodicidade da série
temporal foi mensal, prevendo os 12 meses de 2018 através dos dados de 2017,
alterando apenas o arquivo importado para que o software Weka pudesse
considerar os datasets mensais com as mesmas configurações do experimento
anterior.
4 Análise e Discussão dos
Resultados
Nesta seção,
apresentamos os resultados obtidos através dos softwares e algoritmos que foram
utilizados em conjunto e aplicados às bases de dados apresentadas na subseção
3.3.
4.1 Resultados
A fase
relacionada à etapa de mineração de dados foi de grande relevância, pois este
processo permitiu a extração e melhor visualização das informações úteis e não
triviais relacionadas aos aspectos que envolvem as infrações. Um exemplo dos
resultados desta etapa pode ser visualizado na Figura 3, através do gráfico box
plot, onde o atributo de feriados foi criado e associado com a frequência
relativa dos agentes e equipamentos, permitindo a observação de informações
previamente desconhecidas vinculadas a estes eventos culturais. Os
agentes/equipamentos associados a cada cor são: Azul - lombada eletrônica;
Vermelho - fotossensor; Verde - Zona Azul; Laranja - Talão eletrônico e Amarelo
- Faixa Azul.
Figura
3. Frequência de infrações por
agente/equipamento e feriados.
Com
a finalidade de atender aos stakeholders do projeto foi gerado o gráfico
de dispersão apresentado na Figura 4, contendo as quantidades de infrações dos
anos de 2017 e 2018 por turnos do dia. Sendo codificado da seguinte forma: 1 –
domingo, 2 – segunda, 3 – terça, 4 – quarta, 5 – quinta, 6 – sexta e 7 –
sábado.
Figura
4. Dispersão – Quantidade de infrações
por dias da semana dos anos de 2012 e 2018.
Diante do que
já foi descrito na subseção 3.4 sobre os experimentos referente às etapas de
previsões, a Figura 5 apresenta um comparativo entre os resultados obtidos com
os modelos Linear Regression (LR), Multi Layer Perceptron (MLP), HoltWinters
(HW), Random Forest (RF) e ARIMA combinados no Ensemble e os
dados reais por turnos no mês de janeiro do ano de 2019.
Figura
5. Previsão da qualidade de infrações
para janeiro de 2019.
Para melhor
visualização e entendimento numérico, a Tabela 1 expõe de forma organizada e
quantificável os resultados obtidos.
Tabela
1: Resultado da predição de infrações
para janeiro de 2019 na cidade do Recife.
|
Turno
|
Ens
|
LR
|
MLP
|
HW
|
RF
|
ARIMA
|
Qtd.Real
|
|
Maturno
|
428
|
313
|
608
|
753
|
376
|
350
|
542
|
|
Matutino
|
35.937
|
33.100
|
32.182
|
35.389
|
30.795
|
36.038
|
23.569
|
|
Vespertino
|
22.656
|
40.755
|
29.955
|
35.223
|
31.458
|
34.815
|
34.474
|
|
Noturno
|
8.464
|
7.895
|
7.332
|
10.040
|
8.343
|
8.273
|
7.739
|
O mesmo
procedimento de previsão foi realizado com uma menor granularidade, prevendo o
número de infrações apenas para o primeiro dia de janeiro de 2019, conforme
apresenta a Figura 6.
Figura
6. Previsão da quantidade de infrações
para 01 de janeiro de 2019.
É possível
identificar pela análise da Figura 6, que os resultados apresentam uma
distância maior em relação a quantidade real de infrações registradas nesta
data. Este fato fica ainda mais evidente com os dados numéricos apresentados pela
Tabela 2.
Tabela
2: Resultado da predição de infrações
para 01 de janeiro de 2019 na cidade do Recife.
|
Turno
|
Ens
|
LR
|
MLP
|
HW
|
RF
|
Qtd.Real
|
|
Maturno
|
0
|
80
|
22
|
5
|
23
|
100
|
|
Matutino
|
1.092
|
1.205
|
1.030
|
1.187
|
1.122
|
1.867
|
|
Vespertino
|
1.128
|
1.186
|
980
|
1.127
|
1.064
|
2.179
|
|
Noturno
|
278
|
324
|
255
|
282
|
271
|
258
|
É válido
enfatizar que essa mesma previsão foi realizada referente a outros dias de
janeiro de 2019, mas, mesmo assim, a taxa de overfitting é
significativamente alta. Esse teste também foi realizado com um espaço temporal
maior, considerando os dados de 2006 a 2018, mas a previsão diária continuou
obtendo resultados discrepantes.
Para avaliar o
resultado das predições, os autores utilizaram a taxa de erro real, ou seja, o
percentual de variação entre o número previsto e o número real que ocorreu no
mês em questão, tendo em vista que o objetivo do trabalho era predizer a
quantidade de infrações por turno. A Tabela 3 apresenta os resultados obtidos.
Tabela
3: Taxa de erro real dos modelos por
turno.
|
Turno
|
Ens
|
LR
|
MLP
|
HW
|
RF
|
ARIMA
|
|
Maturno
|
27%
|
73%
|
11%
|
28%
|
44%
|
55%
|
|
Matutino
|
9%
|
2%
|
1%
|
8%
|
6%
|
10%
|
|
Vespertino
|
52%
|
15%
|
15%
|
2%
|
10%
|
1%
|
|
Noturno
|
9%
|
3%
|
6%
|
23%
|
7%
|
6%
|
Com a
finalidade de validar qual o melhor modelo indicado para previsão de séries
temporais com relação a base da CTTU, o experimento 4 foi realizado utilizando
a base de dados de 2017 para prever os próximos dozes meses de 2018. Os
resultados estão apresentados na Figura 7.
Figura
6. Previsão da quantidade de infrações
para o ano de 2018 utilizando o ano de 2017.
As demais métricas que os autores deste trabalho utilizaram
foram as técnicas do Erro Médio Absoluto (do inglês, MAE), e a técnica raiz
média do erro médio quadrático (do inglês, RMSE).
4.2 Discussões
Na análise dos
dados exposto na Figura 3, é possível verificar que há um aumento das infrações
registradas por lombadas eletrônicas de trânsito em dias de feriados com
relação aos dias comuns. Também é notório que o maior número de infrações está
concentrado nos agentes de talão eletrônico e nas lombadas eletrônicas. O
feriado com o maior número de infrações registradas é a Sexta-feira Santa, com
87% das infrações de trânsito registradas nesse dia no agente denominado
Lombada Eletrônica. Já o feriado com o maior número de infrações no agente de
Talão Eletrônico, é no Corpus Christi, com 50% das infrações registradas neste
equipamento. Com relação ao agente Fotossensor, teve o número mais elevado de
infrações nos feriados de Ano Novo e na Revolução Pernambucana. O agente Zona
Azul representou 10% no feriado de Corpus Christi, sendo o seu maior pico. Em
continuidade, o agente Faixa Azul apresentou 4% no feriado de Nossa Senhora
Aparecida.
Com relação a
quantidade de infrações, registradas por turno, referentes aos dias da semana
apresentados na Figura 4 é possível notar que o dia com maior registro de
infrações é o domingo, seguido da sexta-feira. E o dia com menor número de
infrações é o sábado. Todos os dias apresentam um padrão de comportamento com
relação ao número de infrações, sendo um número menor com relação ao turno
maturno e noturno, e registrando picos de infrações nos períodos matutino e
vespertino.
A predição das
séries temporais ocorreu através dos experimentos mencionados na seção 3.4 e
4.1 deste trabalho. De acordo com a Figura 5, percebe-se que os modelos Holt
Winters e o ARIMA foram os que mais se aproximaram com relação aos valores
previstos para o mês de janeiro de 2019, por turno. É importante lembrar, que
as bases de dados utilizadas na predição das séries temporais foram segregadas
por turnos. Por este motivo, é possível indicar mais de um modelo de predição,
de acordo com cada período do dia em que o modelo representou um melhor acerto
com relação ao número de infrações.
Desta forma, é
possível indicar um modelo para cada turno conforme a taxa de acerto real da
predição. Com relação ao turno maturno, a técnica com menor taxa de erro real é
de 11% para a MLP. Já com relação ao turno matutino o melhor modelo seria o MLP
com 1% de taxa de erro real. O turno vespertino apresenta um melhor desempenho
no modelo ARIMA com 1% de taxa de erro real. Por conseguinte, o turno noturno
apresenta um melhor resultado no modelo MLP. Então, em caso de escolha de um
modelo pela taxa de assertividade das previsões reais, ou seja, que ocorreram
de fato em janeiro de 2019, o melhor modelo para predição pela média geral
seria o modelo de MLP.
Como apresenta
a Figura 6 em relação a periodicidade diária, fica nítido que a previsão de um
dia de infração, tem valores muito distantes dos valores reais registrados em
01 janeiro de 2019. Isso pode ter ocorrido, devido a um aumento significativo
de infrações registrados neste dia, por ser um feriado prolongado. Por este
motivo, o experimento 2 foi realizado, utilizando a granularidade mensal ao
invés de diária, e este obteve um melhor resultado conforme já descrito.
Por fim,
diante do percentual exposto na Tabela 3, é possível identificar que o modelo
que mais obteve destaque para predizer os turnos, de forma geral, foi o MLP,
seguido pelo HW. Entretanto, para o experimento 4 apresentado nos resultados da
Figura 7, é possível notar que os modelos que mais se aproximaram das
quantidades reais para o ano de 2018 foram os RF seguido pelo modelo ARIMA.
É válido
enfatizar que utilizar em conjunto softwares como Weka, Orange data Mining,
Python e GretL foi de grande importância para identificar a relação entre os
atributos de forma abrangente e assertiva. Assim como também foi de grande
importância utilizar figuras e tabelas em conjunto para verificar e analisar de
forma visual e quantificável os resultados obtidos em cada modelo e situação
pesquisada.
5.
Conclusões
e Trabalhos Futuros
O principal objetivo deste trabalho foi
aplicar técnicas de predição para a extração de conhecimento de uma base de
dados bruta relacionada as infrações de trânsito da cidade do Recife. Em
continuidade, foi importante calibrar os modelos de séries temporais para que
os mesmos possam ser utilizados futuramente, por exemplo, para investir um
maior número de determinados agentes em alguns períodos do dia.
Os modelos criados podem ser utilizados
pelos órgãos responsáveis de forma adaptada, com o passar dos anos, para
previsões a respeito das multas por períodos do dia e mês de cada ano. Com
isso, é possível que estes órgãos tenham feedbacks assertivos para, por
exemplo, tomar medidas de prevenção e conscientização cabíveis para evitar tais
infrações e respectivos prejuízos. Entretanto, esta pesquisa a concluir também
que o melhor modelo para predição de séries temporais de infrações de trânsito
da base de dados CTTU, Recife, depende da granularidade da série temporal, ou
seja, a depender do objetivo da predição, seja ela diária, mensal ou anual,
cada modelo apresenta melhores repostas para cada situação em particular.
Como perspectivas de trabalhos futuros,
pretende-se analisar e prever o número de infrações considerando os bairros.
Além disso, outro objetivo é analisar e identificar possíveis influências e
relações de fatores temporais, como por exemplo, dias chuvosos no aumento de
infrações. Também pretende-se treinar os modelos com um período maior de dados,
entre 2006 e 2019.
Referências
[1] NETO, I. L., IGLESIAS, F. &
GÜNTHER, H. Uma Medida de Justificativas de Motoristas para Infrações de
Trânsito, Psico, Porto Alegre, PUCRS, v. 43, n. 1, pp. 7-13, 2012.
[2] BRASIL. Código de trânsito brasileiro. Brasília: Senado Federa. 1998.
[3] ROCHA,
J. B. A. Infrações no trânsito: uma necessária distinção entre erros e
violações. Interação em Psicologia, 9 (1), p. 177-184
1; 2005.
[4]
MACÊDO, A. P. B.; SOUZA, P. R. P. Traffic education: a study on human behavior.
Brazilian Journal of Development Braz. J. of Develop., Curitiba, v. 6, n. 7, p.
44548-44566, Jul. 2020.
[5] PEREIRA, L. B. F. ET
AL. Educação para o trânsito no ensino básico. Congresso de Pesquisa e
Ensino em Transporte da ANPET, 2019.
[6] JUNIOR, D. G. A.
Educação de trânsito: a necessidade premente de um trânsito mais altruísta.
Gestão de Trânsito - Unisul Virtual, 2019.
[7] TOMTOM TRAFFIC. Full Ranking, 2019.
[8] AUTARQUIA DE
TRÂNSITO E TRANSPORTE URBANO DO RECIFE (CTTU). Registro de Infrações Trânsito,
2020.
[9] CARDOSO, O. N. P.;
MACHADO, R. T. M. Gestão do conhecimento usando data mining: estudo de caso na
Universidade Federal de Lavras. RAP – Rio de Janeiro 42(3):495-528; 2008.
[10] MARTINEZ-PLUMED ET
AL. CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science
Trajectories. IEEE Transactions on Knowledge and Data Engineering, 1–1; 2019.
[11] GALVÃO, N. D.;
MARIN, H. F. Técnica de mineração de dados: uma revisão da literatura. Acta
Paul Enferm - 22(5):686-90; 2009.
[12] CÔRTES, S. C.;
PORCARO, R. M.; LIFSCHITZ, S. Mineração de dados - funcionalidades, técnicas e
abordagens. PUC – RioInf.MCC10/02; 2002.
[13] ROSSINI, L. A. S. ET
AL. DATA MINING: conceitos e consequências. Revista Interface Tecnológica,
V. 15 N. 2; 2018.
[14] ANTUNES, R. R.;
BIAS, E. D.; BRITES, R. S.; COSTA, G. A. O. P. Análise de Integração de
Mineradores de Dados com a Plataforma InterIMAGE – Qual a Melhor Solução?. Rev.
Bras. Cartogr. v. 70 n. 4; 2018.
[15] KUCHINISKI, B. C.
T. Aplicação de Métodos de Mineração de Dados em Bases de Dados de Crédito e
Seguro de Clientes. 57p. Trabalho de Conclusão de Curso (Bacharelado em
Engenharia de Produção) - Universidade Tecnológica Federal do Paraná; 2018.
[16] AMARAL, F. Introdução
à Ciência de Dados: mineração de dados e big data. Rio de Janeiro: Alta Books;
2016.
[17] ANTUNES, J. L. F.;
CARDOSO, M. R. A. Uso da análise de séries temporais em estudos
epidemiológicos. Epidemiol. Serv. Saúde, Brasília, 24(3):565-576, 2015.
[18] SCHMIDT, C. A. P.;
TAYANO, P. D.; SANTOS, J. A. A.; MARUJO, L.; PROENÇA, G. G. Previsões
Estatísticas com base em Séries Temporais da Cultura da Soja no Brasil. Revista
Técnico-Científica do CREA-PR - 24ª edição, 2020.
[19] MATTOZO, T. C.
Análise de desempenho de vendas em telecomunicações utilizando técnicas de
mineração de dados. Dissertação de Mestrado. UFRN, Natal; 2007.
[20] LAUREANO, R. M. S.;
CAETANO, M.; CORTEZ, P. Previsão de tempos de internamento num hospital
português: aplicação da metodologia CRISP-DM. RISTI, Nº 13, 06; 2014.
[21] PÁDUA, A. F. L. O.;
SOUSA, F. A. Metodologia CRISP-DM: Potencialidades na Descoberta do
Conhecimento em Dados Educacionais. XVI Congresso Internacional de Tecnologia
na Educação; 2018.
[22] CHAPMAN, P. ET
AL. CRISP-DM 1.0: Step -by-step data mining
guide; 2000.
[23] AMBIMA. Feriados
nacionais. Acesso em 20 de julho de 2020. Disponível em:
https://www.anbima.com.br/feriados/fer_nacionais/2018.asp.
[24]
AMIRUZZAMAN, M. Prediction of Traffic-Violation Using
Data Mining Techniques. Advances in Intelligent Systems and Computing, 283–297;
2018.
[25]
SHIAU ET AL. The Application of Data Mining
Technology to Build a Forecasting Model for Classification of Road Traffic
Accidents. Journal Mathematical Problems in Engineering, 2015.
[26]
CUENCA, L. G., ALIANE, N., PUERTAS, E., & ANDRES,
J. F. Traffic Hotspots Visualization and Warning System. IEEE International
Conference on Vehicular Electronics and Safety (ICVES), 2018.
[27]
PREFEITURA DO RECIFE. Feriados municipais. Acesso em 20 de julho
de 2020. Disponível:www2.recife.pe.gov.br/servico/feriadosmunicipais.
[28]
GRETL. Gnu Regression, Econometrics And Time-Series Library. Acesso
em 15 de ago. 2020. Disponível em: http://gretl.sourceforge.net.
[29] SATO, RENATO CESAR.
Gerenciamento de doenças utilizando séries temporais com o modelo ARIMA. Einstein
(São Paulo), 11(1), 128-131; 2013.
[30]
WIEMER, H.; DROWATZKY, L.; IHLENFELDT, S. Data Mining Methodology for
Engineering Applications (DMME) — A Holistic Extension to the CRISP-DM Model. Appl.
Sci. 9(12), 2407; 2019.