Eventos de frenagem brusca como indicador de risco de acidentes por trecho viário

• Foi confirmado que os eventos de frenagem brusca (HBE) apresentam uma correlação positiva estatisticamente significativa com a taxa de ocorrência de acidentes em trechos reais de vias
• As tradicionais estatísticas de acidentes reportados pela polícia são indicadores esparsos e defasados, enquanto os HBE fornecem dados contínuos e de alta densidade
• A análise de 10 anos de dados da Califórnia e da Virgínia mostrou que o número de trechos viários onde HBEs foram observados é 18 vezes maior do que o de trechos com acidentes reportados
• Por meio de análise de regressão, foi comprovada uma correlação consistente entre a frequência de HBEs e a taxa de acidentes, mesmo controlando variáveis como volume de tráfego, tipo de via, inclinação e mudanças no número de faixas
• Este estudo foi conduzido pela equipe Mobility AI do Google Research e os dados de HBE foram integrados ao Roads Management Insights do Google Maps Platform para uso em gestão proativa da segurança viária

---

Limitações da avaliação tradicional de segurança viária

• A avaliação da segurança viária tradicionalmente depende das estatísticas de acidentes reportados pela polícia
  • Esses dados são considerados o “padrão-ouro” por estarem diretamente relacionados a mortes, ferimentos e danos materiais
• No entanto, os dados de acidentes são indicadores esparsos e defasados, o que limita a modelagem preditiva
  • Os critérios de reporte variam por região e, em algumas vias, acidentes ocorrem apenas uma vez a cada vários anos
• Por isso, há necessidade de um “indicador antecedente” que ocorra com mais frequência do que acidentes, mas ainda esteja correlacionado à segurança

Definição e uso de eventos de frenagem brusca (HBE)

• HBE é definido como uma manobra evasiva que ocorre quando a desaceleração longitudinal do veículo é de -3 m/s² ou mais
• Como os HBE são coletados com base em dados de veículos conectados, eles têm maior escalabilidade do que indicadores baseados em proximidade que exigem sensores fixos
• Os pesquisadores usaram dados de HBE anonimizados e agregados da plataforma Android Auto e os combinaram com dados públicos de acidentes da Virgínia e da Califórnia para realizar a análise
• Como resultado, foi confirmada uma correlação positiva significativa entre a frequência de HBE e a taxa de acidentes em todos os níveis de gravidade

Análise da densidade de dados

• A comparação de 10 anos de dados públicos de acidentes com dados de HBE mostrou que o número de trechos viários com HBE observados é 18 vezes maior do que o de trechos com acidentes reportados
• Enquanto observar um único acidente pode levar anos em algumas regiões, os HBE fornecem um fluxo de dados contínuo e de alta densidade
• Isso ajuda a preencher lacunas de dados nos mapas de segurança viária

Validação estatística

• Os pesquisadores usaram um modelo de regressão binomial negativa (Negative Binomial Regression) para verificar a relação entre a frequência de HBE e a taxa de acidentes
  • Esse método é a abordagem padrão usada no Highway Safety Manual (HSM)
• O modelo controlou fatores de confusão como volume de tráfego, extensão da via, tipo de via, inclinação, presença de rampas e mudanças no número de faixas
• Como resultado, foi confirmado em ambos os estados que quanto maior a frequência de HBE em um trecho viário, maior a taxa de acidentes
• Em especial, trechos com rampas apresentaram maior risco de acidentes nas duas regiões

Estudo de caso: trecho de convergência de alto risco

• Foi analisado o trecho de convergência que conecta a Highway 101 e a 880, na Califórnia
  • Nesse trecho, a taxa de ocorrência de HBE é 70 vezes maior do que a média das rodovias, e há um acidente a cada 6 semanas
• Esse trecho está entre o 1% superior em frequência de HBE e pode ser identificado como área de risco mesmo sem 10 anos de registros de acidentes
• Isso demonstra que os HBE são um indicador substituto confiável para detectar precocemente trechos de alto risco, mesmo sem dados históricos de acidentes de longo prazo

Aplicação prática e expansão

• A validação dos HBE permite que dados de sensores sejam transformados em uma ferramenta confiável de segurança viária
• A equipe Mobility AI do Google Research integrou esses dados ao Roads Management Insights do Google Maps Platform
  • Com isso, órgãos de trânsito podem usar dados anonimizados e de alta densidade para fazer avaliações de segurança viária mais rápidas e abrangentes
• Essa abordagem permite identificar trechos de risco com base em indicadores antecedentes, sem depender de registros de acidentes

Direções para pesquisas futuras

• Embora tenha sido confirmado que os HBE são um forte indicador antecedente do risco de acidentes, a intenção é refinar ainda mais o sinal por meio de redução da escassez de dados e clusterização espacial
• No futuro, o objetivo é avançar para intervenções concretas de infraestrutura, como ajuste do tempo dos semáforos, melhoria da sinalização e mudanças no projeto de faixas de convergência

Pesquisa conjunta e agradecimentos

• Este estudo foi realizado como um trabalho conjunto entre pesquisadores do Google e da Virginia Tech
• Participaram da pesquisa Shantanu Shahane, Shoshana Vasserman, Carolina Osorio, Yi-fan Chen, Ivan Kuznetsov, Kristin White, Justyna Swiatkowska e Feng Guo, entre outros
• Aurora Cheung, Andrew Stober, Reymund Dumlao e Nick Kan contribuíram para a etapa de aplicação prática da pesquisa

[GN⁺]

Comentários do Hacker News

• Usei um dongle de rastreamento de hábitos de direção para a porta OBD2 fornecido pela seguradora
  No começo, o alerta de “frenagem brusca” tocava com frequência e eu não entendia por quê, mas no fim percebi que aquele dispositivo acabou me treinando
  O problema não era a velocidade, e sim a distância insuficiente para o carro da frente. Como eu seguia o carro da frente de muito perto, acabava freando bruscamente com frequência
  Enquanto usei o dispositivo, acabei naturalmente criando o hábito de manter distância, e o conforto da viagem também melhorou. O valor do seguro continuou o mesmo, mas imagino que a probabilidade de acidente tenha diminuído

  • Em rodovias movimentadas, é realmente difícil manter uma distância segura
    Quando um carro entra na sua frente, você reduz a velocidade, aí outro carro entra naquele espaço... e isso se repete durante todo o trajeto de ida e volta ao trabalho
    Em vias urbanas é diferente, mas o problema é a densidade das rodovias
  • Eu também tinha acabado de comprar um carro novo e estava dirigindo com mais distância do que o normal, quando houve um engavetamento de quatro carros logo à minha frente
    Graças a isso, tive tempo suficiente para desacelerar e consegui evitar o acidente
  • Isso não reduz apenas a minha probabilidade de acidente, mas também a possibilidade de acidentes nos vários carros que vêm atrás
    Depois de ver este diagrama, minha forma de pensar sobre manter distância mudou completamente
  • Usei um dispositivo parecido quando era mais jovem, mas mesmo com apenas algumas frenagens bruscas quase não havia desconto no seguro
    No fim, passei a me arrepender de ter fornecido meus dados de direção
  • É impressionante ver alguém compartilhar esse tipo de experiência publicamente. Acho que é um bom exemplo de autoconsciência e melhoria

• Pesquisas sobre acidentes de trânsito são muito valiosas, mas raras
  Normalmente vemos acidentes de trânsito apenas como culpa individual, enquanto acidentes aéreos são abordados buscando causas sistêmicas
  Até erros de piloto são analisados para entender por que aquele erro aconteceu. Já nas estradas, mesmo quando o mesmo acidente se repete, o ambiente continua igual

  • Na aviação, isso é possível porque, em essência, inexperientes ou descuidados são filtrados antes
    Nos acidentes de trânsito, na maioria dos casos a causa é uma única pessoa violando as regras
  • Também há uma simples diferença de escala. Se há 100 mil voos por dia e 1 bilhão de deslocamentos de carro, é inevitável que acidentes de trânsito sejam muito mais numerosos
    Ainda assim, o NTSB às vezes também investiga acidentes automobilísticos sob uma perspectiva sistêmica

• O que percebi ao passar uma hora e meia por dia no deslocamento é que é importante manter a estrada suave como um fluxo “laminar”
  Frenagens bruscas transformam energia em calor e criam uma onda de caos que afeta até os carros de trás
  Por isso, tento ajustar a velocidade da forma mais suave possível

  • Mas alguns motoristas acham que esse tipo de “direção suave” na verdade deixa o fluxo do trânsito mais lento
    Na visão deles, você só ocupa espaço e reduz a velocidade geral
  • Eu também dirijo pensando assim. Acho que ajudaria muito se o carro mostrasse a velocidade relativa em relação ao veículo da frente
  • Este vídeo mostra bem a reação em cadeia que acontece quando as pessoas pisam no freio
    Na prática, congestionamentos surgem do acúmulo de pequenos erros
  • Claro que frenagens bruscas criam ondas, mas acho que esse efeito é exagerado
    A capacidade máxima da via é determinada pelo espaçamento entre carros (em tempo). Se o intervalo é de 2 segundos, passam 0,5 carro por segundo; se o intervalo aumenta, a capacidade cai
  • Se você olhar bem à frente e perceber com antecedência que o trânsito está se comprimindo, pode reduzir a velocidade aos poucos, e isso também ajuda quem vem atrás

• No setor de seguros, já se sabe que frenagem brusca é um forte indicador de risco de acidente
  Na Cambridge Mobile Telematics, foi desenvolvido um app que emite um alerta sonoro quando há frenagem brusca durante a condução. Só o alerta em si já provoca mudança de comportamento

  • É interessante que as seguradoras vejam a frenagem brusca como um sinal de risco do motorista, enquanto o Google a vê como um sinal de risco do desenho da via
    As causas são diferentes, mas os dois usos são válidos
  • Minha mãe também instalou um dispositivo para obter desconto no seguro, e na maioria das vezes as frenagens bruscas aconteciam por causa de ações perigosas de outros motoristas
  • Fico curioso se só um alerta simples já muda mesmo o comportamento. Na prática, incentivos financeiros talvez sejam um fator maior
  • Também fico curioso se reduzir o comportamento de frenagem brusca melhora os hábitos de direção como um todo
    No fim, talvez o principal seja desenvolver hábitos gerais de direção defensiva
  • Mas também me pergunto se um dispositivo realmente precisa avisar que você fez uma frenagem brusca. O sinal que o próprio corpo sente já parece mais claro

• O interessante desta pesquisa do Google é que ela representa uma mudança de dados centrados no motorista para dados centrados na infraestrutura
  É inovador tratar a frenagem brusca não como indicador de risco individual, mas como indicador de risco da via

  • Talvez, quando houver carros autônomos em quantidade suficiente, esse tipo de dado possa ser usado para pressionar governos a melhorar as estradas
  • Também seria ótimo se esses dados fossem oferecidos como uma camada pública no mapa

• Continuo achando que o Google Maps é um dos produtos de big tech mais impressionantes tecnicamente
  Ele consegue extrair dos dados dos usuários insights pouco intuitivos, como densidade de multidões ou risco em vias

  • Nesse tipo de uso de dados, eu valorizo mais o interesse público do que a privacidade
    Acho que o Google é um bom exemplo de uso responsável de dados
  • Se esses dados fossem usados em pesquisa pública, o valor social seria enorme
    Empresas como o Google já ganharam dinheiro suficiente; seria bom que abrissem esses dados e contribuíssem para a sociedade

• Algumas pessoas acham que esta pesquisa na verdade não traz um insight novo
  Por exemplo, o entroncamento 880/101 em San Jose já era apontado pelos moradores locais como o pior entroncamento da região
  O problema não é falta de dados, mas limitações físicas e administrativas
  Acham que o Google chamar isso de machine learning é, na prática, mais marketing do que outra coisa
  Artigo relacionado e links de fornecedores de dados já existentes: Mercury News, TomTom, Inrix, StreetLight

  • Mas, segundo a matéria, o importante é que dá para identificar trechos perigosos antes que acidentes aconteçam
    Dados de frenagem brusca são muito mais abundantes e imediatos do que dados de acidentes
  • Esses dados também poderiam ser usados para a percepção de risco de carros autônomos
    Por exemplo, fazer o sistema ter mais cautela em cruzamentos onde destroços de acidentes aparecem com frequência
  • Google e Apple já estão coletando dados de praticamente todos os veículos nos EUA, então fornecedores existentes podem acabar ameaçados
  • A Caltrans já poderia melhorar a situação simplesmente reduzindo limites de velocidade e aplicando projetos de acalmamento de tráfego
  • Na prática, isso parece menos machine learning e mais uma análise de correlação entre frenagem brusca e taxa de acidentes

• Fiquei curioso sobre por que os dados das rodovias da Virginia apareceram diferentes dos de outros estados
  Pode ser por diferenças culturais ou fatores de política pública, ou até porque os próprios dados foram exibidos de forma incorreta

• Seria bom se um mapa de calor de risco aparecesse no HUD enquanto se dirige
  Algo como ficar verde normalmente e mudar para vermelho em trechos perigosos

  • O Waze antigo também mostrava perigos temporários, como carro quebrado ou buraco, e agora isso também existe no Google Maps
    Já perigos fixos exigem placas físicas ou melhoria na via
  • Se esse recurso fosse integrado à navegação, acho que seria mais útil do que alertas de radar de velocidade

• Se realmente existisse um mapa com indicadores de trechos perigosos, eu com certeza o usaria ao dirigir em lugares desconhecidos
  Em caminhos que faço com frequência eu já conheço os trechos perigosos, mas em estradas novas uma dica visual ajudaria muito