💻 computer science

Classification of High-Risk Paratransit Drivers Using Ensemble Machine Learning

Este estudo utiliza um conjunto de algoritmos de aprendizado de máquina, com a Regressão Logística emergindo como o modelo mais eficaz, para classificar motoristas de paratransporte de alto risco em Gazipur, Bangladesh, baseando-se em fatores socioeconômicos e operacionais, oferecendo assim às autoridades de transporte uma ferramenta baseada em dados para intervenções de segurança direcionadas.

Autores originais: Md Sifat Bin Siraj, Shumaila Noor, Md Emon Miah, Md Jubayadul Islam, Saifullah Mahmud, Jannatul Ferdous, Sk. Md. Ahaduz

Publicado 2026-08-13

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Md Sifat Bin Siraj, Shumaila Noor, Md Emon Miah, Md Jubayadul Islam, Saifullah Mahmud, Jannatul Ferdous, Sk. Md. Ahaduz

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine uma cidade como um organismo gigante e vivo. Em muitas cidades em desenvolvimento, o sistema de transporte "formal" — como grandes ônibus com horários fixos — é frequentemente o esqueleto, mas faltam algumas ossadas. Quando o esqueleto não consegue alcançar cada canto, uma camada informal e flexível de pequenos veículos (riquixás, triciclos motorizados e easy bikes) entra em cena para preencher as lacunas. Esta camada informal é o sistema imunológico da cidade e sua equipe de resposta de emergência, tudo em um só. Ela mantém as pessoas em movimento mesmo quando ocorrem inundações, greves ou falta de combustível. Mas, assim como qualquer sistema imunológico, ela possui pontos fracos. A maior variável neste sistema não é a estrada ou o clima; é o motorista. Por décadas, especialistas em segurança tentaram entender quem tem probabilidade de sofrer acidentes usando a matemática convencional, que conta acidentes como se fossem marcas de contagem na parede. Mas contar acidentes passados é como tentar prever uma tempestade olhando para as poças de água depois que a chuva já caiu. O verdadeiro desafio é detectar as "nuvens de tempestade" antes que a primeira gota caia. É aqui que um novo ramo da ciência chamado aprendizado de máquina entra em cena. Pense no aprendizado de máquina não como uma bola de cristal, mas como um detetive superinteligente que analisa toda a história de vida de um motorista — sua renda, seu veículo, seus hábitos — para adivinhar quem poderá estar em apuros amanhã, em vez de apenas puni-lo pelo que aconteceu ontem.

Este artigo é sobre esse trabalho de detetive. Uma equipe de pesquisadores foi a Gazipur, Bangladesh, uma cidade industrial movimentada onde milhares desses motoristas informais trabalham, para ver se conseguiam construir um melhor "radar de risco". Eles entrevistaram 507 motoristas, perguntando sobre suas vidas diárias, seus ganhos, seus veículos e seu histórico de acidentes. Em vez de apenas contar quantas vezes alguém sofreu um acidente, eles usaram cinco algoritmos diferentes de aprendizado de máquina (padrões de cérebro digital) para classificar esses motoristas em dois grupos: "Seguros" e "Alto Risco". Eles queriam ver se esses detetives digitais conseguiam identificar os motoristas perigosos melhor do que os métodos matemáticos tradicionais.

Os resultados foram um pouco surpreendentes e muito práticos. Os pesquisadores descobriram que a ferramenta mais simples de seu kit, um modelo chamado Regressão Logística, foi a que melhor desempenhou o papel. Ele conseguiu identificar corretamente cerca de 57% dos motoristas verdadeiramente arriscados, o que foi um enorme avanço — cerca de 40% melhor em capturá-los — em comparação com os métodos tradicionais de contagem. Os métodos antigos eram tão focados em ser precisos que perdiam muitos dos verdadeiros problemáticos. O novo modelo, porém, foi melhor em detectar potenciais perigos, mesmo que ocasionalmente sinalizasse um motorista seguro por engano (o que os pesquisadores decidiram ser uma troca mais segura do que deixar de detectar um perigoso).

A parte mais interessante da história é o que o modelo descobriu sobre o porquê de os motoristas serem arriscados. Os dados destruíram uma suposição comum: a de que, quanto mais experiência um motorista tem, mais seguro ele é. Neste estudo, o grupo de "Alto Risco" tinha, na verdade, mais experiência de direção (média de 8,6 anos) do que o grupo "Seguro" (média de 6,2 anos). Os pesquisadores sugerem que isso pode ocorrer porque motoristas experientes tornam-se excessivamente confiantes ou complacentes, pensando que conhecem as estradas bem demais para cometer erros. É como um jogador veterano que para de checar os cantos porque acha que já viu de tudo.

Outro sinal de alerta enorme foi o tipo de veículo. Motoristas que operam triciclos motorizados (como os auto-riquixás CNG) eram aproximadamente três vezes mais propensos a serem de alto risco do que aqueles que dirigem riquixás não motorizados ou easy bikes. O modelo de aprendizado de máquina tratou o tipo de veículo como a pista mais importante, mais importante do que idade ou educação. Acontece que a velocidade e a potência dos veículos motorizados, combinadas com a pressão para ganhar mais dinheiro, criam a tempestade perfeita para acidentes.

Então, o que isso significa para o mundo real? O artigo sugere que os oficiais da cidade não devem apenas esperar que os acidentes aconteçam para depois punir os motoristas. Em vez disso, eles podem usar este "radar de risco" para verificar os motoristas antes de renovarem suas licenças. Se um motorista possui um veículo motorizado, alta renda diária (o que pode significar que ele está correndo) e muita experiência, o sistema pode sinalizá-lo para um curso de atualização ou uma verificação de segurança. Os pesquisadores argumentam que essa abordagem transforma uma lista administrativa chata de detentores de licenças em um mapa de segurança vivo. Não requer câmeras ou sensores caros; apenas utiliza as informações que a cidade já possui. Ao focar na mistura específica de tipo de veículo, experiência e pressão econômica, as cidades podem proteger sua camada de transporte mais vulnerável, mantendo o "sistema imunológico" da cidade forte e pronto para lidar com o que vier a seguir.

Resumo Técnico: Classificação de Condutores de Paratransporte de Alto Risco Utilizando Aprendizado de Máquina de Conjunto (Ensemble)

Definição do Problema
Em centros urbanos em desenvolvimento como Gazipur, Bangladesh, os sistemas de paratransporte (ex: auto-rickshaws, easy bikes) servem como um tampão crítico para a resiliência do transporte urbano, absorvendo a demanda que as redes formais não conseguem atender. No entanto, a segurança desta frota informal é mal caracterizada. Os sistemas regulatórios convencionais têm dificuldade em abordar questões de segurança porque o risco ao nível do condutor é frequentemente avaliado por meio de métodos estatísticos tradicionais (ex: regressão de Poisson ou Binomial Negativa) que modelam a frequência de acidentes, em vez de prever categorias de risco individuais. Esses modelos lineares falham em capturar interações não lineares entre o comportamento do condutor, fatores socioeconômicos e tipos de veículos, limitando a capacidade das autoridades de identificar proativamente condutores de alto risco para intervenções direcionadas. Além disso, os dados de acidentes neste setor são inerentemente desbalanceados, com condutores seguros superando vastamente aqueles com históricos de acidentes, o que complica o treinamento de modelos preditivos.

Metodologia
O estudo utilizou um conjunto de dados de 507 condutores de paratransporte em Gazipur, coletados via entrevistas estruturadas face a face entre julho e dezembro de 2021. Os condutores foram categorizados em dois grupos com base no histórico de acidentes autorreportado: "Seguros" (um acidente, $n=386$ ) e "De Risco" (dois ou mais acidentes, $n=121$ ).

A pesquisa empregou uma abordagem de aprendizado de máquina comparativa envolvendo cinco algoritmos de classificação:

Regressão Logística: Um modelo interpretável de linha de base com regularização L2.
Random Forest: Um conjunto de 200 árvores de decisão usando bootstrap aggregating.
XGBoost: Um algoritmo de gradient boosting sequencial com regularização.
Gradient Boosting: Uma abordagem de ajuste de árvores sequencial.
Stacking Ensemble: Um meta-aprendiz combinando Regressão Logística, Random Forest e XGBoost.

Para lidar com o desbalanceamento de classes (76% seguros vs. 24% de risco), a Técnica de Sobreamostragem de Minorias Sintéticas (SMOTE) foi aplicada exclusivamente ao conjunto de treinamento para gerar exemplos sintéticos de risco, equilibrando os dados de treinamento para uma proporção de 270:270. O conjunto de dados foi dividido em 70% para treinamento e 30% para teste usando amostragem estratificada.

O estudo comparou esses classificadores de aprendizado de máquina contra um modelo de regressão de Poisson tradicional (convertido para classificação binária para fins de comparação). O desempenho do modelo foi avaliado por Acurácia, Precisão, Recall, F1-Score, AUC-ROC e o Coeficiente de Correlação de Matthews (MCC), com o F1-Score designado como a métrica primária devido à importância de equilibrar falsos positivos e falsos negativos em contextos de segurança. A importância das variáveis foi analisada usando importância de Gini, importância de ganho e coeficientes de regressão padronizados.

Principais Resultados

Desempenho do Modelo: A Regressão Logística emergiu como o melhor modelo, atingindo um F1-score de 0,483 e um Recall de 0,568. Isso superou todos os métodos de ensemble (Random Forest F1=0,406, Stacking F1=0,394, XGBoost F1=0,369).
Comparação com Métodos Tradicionais: O modelo de Regressão Logística demonstrou uma melhoria de 12,6% no F1-score e uma melhoria de 40% no Recall em comparação com o modelo de regressão de Poisson tradicional. Embora a regressão de Poisson tenha mostrado uma precisão ligeiramente superior, seu recall significativamente menor (0,405) significou que ela falhou em identificar uma parte substancial de condutores de alto risco, uma falha crítica para a gestão de segurança proativa.
Importância das Variáveis:
- Tipo de Veículo: A operação de veículos de três rodas motorizados (CNG/leguna/tempo) foi identificada como o preditor mais dominante de status de risco, associado a aproximadamente três vezes o risco de acidentes em comparação com modos não motorizados.
- Experiência: Contrariando as suposições convencionais de segurança, a experiência de condução foi positivamente correlacionada com o risco. Condutores de risco possuíam significativamente mais anos de experiência (8,6 anos) do que condutores seguros (6,2 anos), sugerindo que a experiência acumulada pode levar à complacência ou excesso de confiança em vez de aumentar a segurança.
- Fatores Socioeconômicos: A renda diária mais alta e a velocidade de condução também foram preditores significativos de risco.
Calibração: Embora o Stacking Ensemble tenha apresentado a melhor calibração (menor escore de Brier), a Regressão Logística proporcionou um equilíbrio superior entre discriminação e interpretabilidade.

Significância e Contribuições
O artigo reivindica três contribuições primárias para a literatura de segurança no transporte:

Avanço Metodológico: Valida que modelos de classificação de aprendizado de máquina, particularmente os interpretáveis como a Regressão Logística, superam os modelos tradicionais de regressão de contagem para o objetivo de política específico de identificar indivíduos de alto risco. O estudo demonstra que estruturas de classificação são mais adequadas para decisões políticas binárias (ex: "retreinar este condutor") do que modelos baseados em frequência.
Tratamento de Desbalanceamento de Dados: O estudo aplica com sucesso o SMOTE aos dados de segurança de condutores, permitindo um treinamento de modelo robusto apesar da escassez de registros de acidentes no setor informal.
Insights Relevantes para Políticas Públicas: A pesquisa desafia a suposição de que a experiência equivale à segurança, revelando que condutores experientes no setor de paratransporte podem representar riscos maiores. Destaca ainda que o tipo de veículo é um fator de risco mais significativo do que a demografia individual do condutor.

Significância para a Governança
Os autores argumentam que esta estrutura de classificação fornece às autoridades de transporte uma ferramenta acionável para intervenções de segurança direcionadas. Ao utilizar dados administrativos existentes (tipo de veículo, renda, experiência), as autoridades podem gerar pontuações de risco para priorizar recursos para condutores de alto risco sem a necessidade de telemática cara ou nova infraestrutura. O estudo sugere que a integração da triagem de risco no ciclo de renovação de licenças pode transformar dados administrativos rotineiros em um indicador constante de resiliência do transporte urbano, apoiando os Objetivos de Desenvolvimento Sustentável (ODS) 9 e 11.2 ao melhorar a confiabilidade da camada de transporte informal da qual as cidades dependem durante interrupções.

Resumo Técnico: Classificação de Condutores de Paratransporte de Alto Risco Utilizando Aprendizado de Máquina de Conjunto (Ensemble)

Mais como este