Uso de técnicas de aprendizado de máquina na modelagem da segurança viária: mapeamento sistemático
Engineering and Science
Uso de técnicas de aprendizado de máquina na modelagem da segurança viária: mapeamento sistemático
Autor Correspondente: Philippe Barbosa Silva | [email protected]
Palavras-chave: Acidentes de trânsito. Segurança viária. Previsão de acidentes. Aprendizado de máquina. Mapeamento sistemático.
Resumos Cadastrados
Resumo Português:
A modelagem da segurança viária se coloca como importante alternativa na otimização de recursos e esforços para promoção de mobilidade segura. Este trabalho apresenta o mapeamento sistemático de artigos que tratam do desenvolvimento de modelos de previsão de acidentes, especialmente em rodovias, com uso de técnicas de aprendizado de máquina (AM). Para tanto, foi aplicado um protocolo de condução da revisão, utilizando como bases de dados o Portal de Periódicos Capes e Google Acadêmico. Inicialmente alguns aspectos bibliométricos foram apresentados, seguido de uma análise qualitativa. Como resultados fez-se a identificação das principais abordagens metodológicas e suas características, desempenho dos modelos e variáveis explicativas. Desta forma, o mapeamento foi importante para traçar o panorama da área de pesquisa, apontar limitações e oportunidades de investigação e ainda, evidenciar o potencial de utilização de AM para análise de acidentes de trânsito.
Resumo Inglês:
The road safety modeling is an important alternative in the optimization of resources and efforts to promote safe mobility. This paper presents the mapping study of papers about the development of accident prediction models, especially on highways, using machine learning (ML) techniques. For this purpose, a revision management protocol was applied, using the Portal of Periodicals Capes and Google Scholar as databases. Initially some bibliometric aspects were presented, followed by a qualitative analysis. As a result, the main methodological approaches and their characteristics, model performance and explanatory variables were identified. In this way, the mapping was important to draw the panorama of the area of research, to point out limitations and opportunities of investigation and also, to highlight the potential of the use of ML for analysis of crash accidents.
