IDENTIFICAÇÃO DE OUTLIERS EM DADOS DE ACIDENTES DE TRÂNSITO NO BRASIL: ANÁLISE DE CLUSTER VERSUS MÉTODOS ESTATÍSTICOS

Abstract

A avaliação e tratamento inicial dos dados é fundamental em qualquer análise de acidentes de trânsito e desenvolvimento de modelos. Um dos aspectos que pode induzir ao enviesamento dos resultados é a não identificação ou tratamento de valores discrepantes, os outliers. Neste trabalho investigou-se o potencial do uso de análise de cluster para detecção de outliers frente às técnicas estatísticas tradicionalmente utilizada para tal finalidade.  Foram utilizados 28.034 registros de acidentes, acumulados de 2011 a 2016 num trecho de 170 km da BR-116/RJ. Dentre as técnicas estatísticas, o método do desvio-padrão apresentou razoabilidade nos resultados, mas dificuldade na aplicação conjunta dos limites univariados de valores discrepantes. Já os métodos Boxplot e MAD se revelaram inadequados para a detecção de outliers na base de dados analisada, uma vez que conduziram a resultados incoerentes e sem consistência prática. A análise de cluster (algoritmo k-means), doutro lado, demonstrou ter potencial para aplicação a este tipo de problema, tendo identificado conjuntos coerentes de outliers para a base de dados. O método não tem rígidas limitações a pressupostos estatísticos, é adequado a grandes bases de dados, permite a avaliação multivariada dos dados e ainda, a análise combinada de dados categóricos e numéricos. Ainda assim, o emprego do método deve ser feito de forma a tirar proveito dos pontos fortes da técnica e minimizar suas limitações.