| dc.description.abstract |
A população das grandes cidades e suas regiões metropolitanas têm crescido consideravelmente nos últimos anos. Com isso, a ocorrência de eventos de emergência também vem aumentando em proporção semelhante. Isso gera um grande desafio para as equipes de socorro. Assim, a possibilidade de antecipação de determinados eventos de emergência, prevendo locais e períodos de maior ocorrência, traria ganhos consideráveis no intuito de minimizar os impactos destes eventos, podendo inclusive salvar vidas. Assim, o objetivo deste trabalho é propor um método para antecipação de eventos de emergência com dados coletados das forças de segurança e salvamento, utilizando para isso uma abordagem com técnicas de aprendizado de máquina, para poder prever acuradamente os eventos e incidentes de emergências, proporcionando uma tomada de decisões melhor em relação aos recursos existentes. Os dados foram coletados do banco de dados do Corpo de Bombeiros de Santa Catarina e passaram pelo devido tratamento. Na sequência, foram selecionados eventos de emergência específicos da Cidade de Florianópolis e que tiveram maior gravidade, com necessidade de atendimento pré-hospitalar para as vítimas. Após, foi realizada a separação dados, em dados de treino, validação e teste, utilizando train-valid-teste, na sequência, os dados são treinados e validados, com diferentes janelas temporais e utilizando os seguintes modelos de regressão (Linear Regression, K-Nearest Neighbors e Random Forests) e avaliados por métricas de desempenho R2 e Mean Squared Error) Por fim, os resultados da etapa de teste apontam que Linear (Regression e Random Forests tiveram o melhor desempenho, alcançando um valor de R2 de aproximadamente 0,37, indicando que o modelo podem explicar cerca de 37\% da variância dos dados. Estes resultados, se mostraram bem superiores, a valores encontrados utilizando a técnica ARIMA, onde o melhor valor de R2 encontrado, foi de 0,07, indicando que o modelo conseguiu explicar apenas 7\% da variância dos dados. |
pt_BR |
