Car accidents: How much is due to external factors and conditions? A data science approach for the Portuguese road network

Abstract

The main objective of this research is to find out which and what weight external factors have in accidents and victims resulting from them. Within the variable accidents, all accidents that happened in Mainland Portugal in 2018 are counted, according to INE, as the victims include all victims, in Mainland Portugal in 2018 resulting from an accident. The data used was taken from several sources, namely, PORDATA, IPMA, INE, DGTerritório and Here. After collecting the data, the data was thoroughly analyzed and new variables were created with the help of QGIS and SPSS Statistics software, all of them organized by municipalities belonging to the country under study. After all the analysis and selection of variables with the Geoda software and the literature, different models were performed in order to draw conclusions about the selected variables. For this study, two different models were made, for accidents and victims (per 1000 meters and per 1000 inhabitants respectively), because these two variables (targets) didn’t have a strong linear correlation, presenting a value of 0.036 (Pearson correlation) since there was no relationship between the variables. In order to generalize to Portuguese road structures and to other countries with similar characteristics to Portugal, the bootstrap method was used as a simulation strategy, thus generating 300,000 new data. After evaluation the data, it was found that the external factors used in these models have an explanatory capacity of less than 50%, but spatial dependence is a key and very important factor in geospatial problems.

O principal objetivo desta pesquisa é encontrar quais e qual o peso dos fatores externos nos acidentes e das vítimas que resultam do mesmo. A variável dos acidentes contém todos os acidentes que aconteceram em Portugal Continental em 2018, de acordo com o INE e a variável das vítimas contém todas as vítimas desde ligeiras, graves e mortais em Portugal Continental em 2018 resultantes de acidentes. Os dados foram retirados de fontes como a IPMA, PORDATA, INE e Here (rede viária de Portugal). Após a recolha dos dados, a análise dos mesmos e a criação de novas variáveis, com a ajuda dos softwares QGIS e SPSS Statistics, foram todas organizas por município pertencentes ao país em estudo. Após toda a seleção das variáveis, de acordo com a literatura, foram criados diferentes modelos de forma a retirar conclusões sobre as varáveis (fatores externos). Para este estudo foram criados dois modelos diferentes, para acidentes e vítimas pois estas duas variáveis (targets) não tinham uma forte correlação linear apresentando um valor de Sig de 0,554. De modo a generalizar para as estruturas rodoviárias portuguesas e para outros países com características semelhantes a Portugal, foi utilizado o método de bootstrap como uma estratégia de simulação, deste modo gerou-se 300000 novos dados. Após a avaliação dos dados verificou-se que os fatores externos, utilizados nestes modelos têm uma capacidade explicativa inferior a 50%, mas a dependência espacial é um fator chave e muito importante em problemas geo-espaciais.