Anomaly Detection in Spatiotemporal Patterns

O artigo “Anomaly Detection in Spatiotemporal Patterns: A Case Study of Brazilian Traffic Accidents During the COVID-19 Lockdown” acaba de ser aceito para publicação na 35ª Brazilian Conference on Intelligent Systems (BRACIS). O trabalho é de autoria de Gabriel Cesar Silveira, Benjamin G. Moreira, Diogo Nardelli Siebert e Ricardo J. Pfitscher.

O estudo investiga como o perfil dos acidentes de trânsito mudou no Brasil devido ao lockdown da pandemia de COVID-19, analisando separadamente diferentes categorias de ocorrências. O método utiliza majoritariamente dados públicos de incidentes rodoviários e aplica modelos de correlação espacial e regressão linear. O indicador combinado de dissimilaridade e autocorrelação espaço-temporal identifica anomalias regionais quando confrontado com dados de antes e durante a pandemia.

A metodologia revelou que o lockdown afetou as características dos acidentes de forma distinta entre os estados, resultando em mudanças nas taxas estaduais e regionais que poderiam passar despercebidas em análises exploratórias ou ao negligenciar as relações espaciais. Este estudo de caso pode servir de base para políticas públicas de prevenção de acidentes e guiar pesquisas futuras sobre os impactos de períodos de isolamento no comportamento humano.

Conforme detalhado no site da conferência: “O BRACIS é um dos eventos mais importantes do Brasil para pesquisadores que buscam publicar resultados significativos e inéditos nas áreas de Inteligência Artificial (IA) e Inteligência Computacional (IC). O evento foi estabelecido através da fusão dos dois encontros científicos mais proeminentes do Brasil dedicados à IA (SBIA) e à IC (SBRN).”