Este projeto foi desenvolvido para a disciplina SDB2 (Sistemas de Banco de Dados 2) da Universidade de Brasília (UnB), com o objetivo de realizar uma análise exploratória e estatística dos dados de sinistralidade nas rodovias federais brasileiras, utilizando a arquitetura Medallion para processamento e análise de dados.
Para a análise, foram utilizados dados oficiais de sinistros rodoviários disponibilizados pela Polícia Rodoviária Federal (PRF), abrangendo os anos de 2024 e 2025, totalizando aproximadamente 980 mil registros. O projeto envolve desde o tratamento inicial dos dados brutos até a criação de um data warehouse em modelo star schema, além da visualização dos resultados por meio de dashboards interativos no Power BI.
É possível visualizar as etapas do projeto, desde a ingestão dos dados brutos (Bronze Layer), passando pela limpeza e transformação (Silver Layer), até a modelagem dimensional e análise final (Gold Layer).
Como resultado, temos:
- Mapa interativo dos sinistros do Centro-Oeste (O mapa completo está disponível em: /assets/mapa_sinistros.html)
- Dashboard no Power BI: Dashboard Power BI ou no repositório (baixar)
O projeto segue a arquitetura Medallion com três camadas principais:
SinistrosPRF/
├── data_layer/
│ ├── raw/ # Camada Bronze - Dados Brutos
│ │ ├── analytics.ipynb # Análise exploratória dos dados brutos
│ │ ├── acidentes2024_todas_causas_tipos.csv # Dados de 2024
│ │ ├── acidentes2025_todas_causas_tipos.csv # Dados de 2025
│ │ └── dicionario_de_dados.md # Dicionário de dados da camada raw
│ │
│ ├── silver/ # Camada Silver - Dados Tratados
│ │ ├── analytics.ipynb # Análises da camada silver
│ │ ├── ddl.sql # DDL do banco de dados Silver
│ │ └── mer_der_dld.md # Modelagem Silver (MER/DER/DLD)
│ │
│ └── gold/ # Camada Gold - Data Warehouse
│ ├── consultas.sql # Consultas analíticas
│ ├── ddl.sql # DDL do Data Warehouse (Star Schema)
│ ├── mapa.ipynb # Visualizações geográficas
│ └── mer_der_dld.md # Modelagem Gold (Star Schema)
│ ├── mer_der_dld.md # Modelagem Gold (MER/DER/DLD)
│ ├── mnemonico.pdf # Mnemônicos do modelo dimensional
│ └── mapa.ipynb # Visualizações e mapas interativos
│
├── transformer/
│ ├── etl_raw_to_silver.ipynb # ETL: Raw → Silver
│ └── etl_silver_to_gold.ipynb # ETL: Silver → Gold
│
├── assets/ # Arquivos estáticos (mapas HTML, etc.)
├── docker-compose.yml # Configuração Docker (PostgreSQL)
├── Dockerfile # Imagem Docker para o ambiente
├── requirements.txt # Dependências Python
└── README.md
- Dados originais da PRF sem processamento
- 2 arquivos CSV com ~980k registros (2024-2025)
- Dicionário de dados e análise exploratória inicial
- Dados limpos e normalizados
- PostgreSQL containerizado como banco de dados
- Modelagem relacional documentada (MER, DER, DLD)
- ETL automatizado via notebooks Jupyter
- Modelo Star Schema para análise dimensional
- Tabelas fato e dimensões otimizadas
- Consultas analíticas pré-definidas
- Visualizações e dashboards
- Análise Exploratória: Compreender os padrões de sinistros nas rodovias federais
- Tratamento de Dados: Implementar pipeline ETL automatizado
- Modelagem Dimensional: Criar data warehouse em star schema
- Visualização: Dashboards interativos no Power BI
- Insights: Extrair informações relevantes para políticas públicas de segurança viária
O projeto utiliza os dados oficiais de sinistros rodoviários disponibilizados pela Polícia Rodoviária Federal (PRF), contendo:
- Período: 2024-2025
- Registros: Aproximadamente 980k registros e 120k sinistros
- Variáveis: 37 colunas incluindo localização, horário, tipo de acidente, vítimas, condições meteorológicas, veículos envolvidos, etc.
- Referência: Dados Abertos da PRF (Agrupados por pessoa - Todas as causas e tipos de sinistros). Acessado em: 13/09/2025
Veja a estrutura completa na seção 🏗️ Arquitetura do Projeto acima.
- Python 3.11+ - Linguagem principal
- Jupyter Notebook - Ambiente de desenvolvimento interativo e execução de ETLs
- Visual Studio Code - IDE principal com extensões para Jupyter
- PostgreSQL 15 - Banco de dados relacional (schemas Silver e Gold)
- Docker & Docker Compose - Containerização do banco de dados
- SQLAlchemy 2.0 - ORM e engine para PostgreSQL
- Psycopg2 - Driver PostgreSQL para Python
- Pandas 2.3+ - Manipulação e transformação de dados
- NumPy - Operações numéricas e tratamento de arrays
- Python-dotenv - Gerenciamento de variáveis de ambiente
- Camada Raw: Arquivos CSV (~980k registros)
- Camada Silver: PostgreSQL - Dados normalizados e limpos
- Camada Gold: PostgreSQL - Star Schema (6 dimensões + 1 fato)
- Matplotlib & Seaborn - Gráficos e visualizações estatísticas
- Folium - Mapas interativos georreferenciados
- Power BI - Dashboards e relatórios executivos (em desenvolvimento)
- NumPy - Operações numéricas
- Matplotlib & Seaborn - Visualização estatística
- TQDM - Barra de progresso para scripts
- Folium & Branca - Mapas interativos
├── PostgreSQL # Banco relacional (Silver)
├── Star Schema # Modelagem dimensional (Gold)
├── MER/DER/DLD # Documentação de modelagem
└── DDL Scripts # Scripts de criação- Docker e Docker Compose instalados
- Python 3.11+ instalado
- Jupyter Notebook/Lab ou VS Code com extensão Python
- Clone o repositório
git clone https://github.com/Yagoas/SinistrosPRF.git
cd SinistrosPRF- Suba o banco de dados PostgreSQL
docker-compose up -d --buildIsso irá:
- Construir a imagem Docker customizada (PostgreSQL + init_db.sql)
- Subir o container na porta 5432
- Executar automaticamente o init_db.sql
- Criar schemas
dledwcom todas as tabelas
- Instale as dependências Python
pip install -r requirements.txt- Execute os notebooks ETL na ordem
transformer/etl_raw_to_silver.ipynb- Carrega CSVs e popula schema Silver (~980k registros)transformer/etl_silver_to_gold.ipynb- Cria Star Schema na Gold Layer (6 dims + 1 fato)
- Explore os dados
data_layer/raw/analytics.ipynb- Análise exploratória dos dados brutosdata_layer/silver/analytics.ipynb- Análise dos dados normalizadosdata_layer/gold/mapa.ipynb- Visualizações geográficas interativasdata_layer/gold/consultas.sql- Queries analíticas prontas
Dados PRF (CSV 2024 + 2025)
↓
┌─────────────────────────┐
│ Raw Layer │ ← Dados brutos (~980k registros)
│ analytics.ipynb │
└─────────────────────────┘
↓ ETL (etl_raw_to_silver.ipynb)
┌─────────────────────────┐
│ Silver Layer │ ← PostgreSQL - Dados limpos e normalizados
│ analytics.ipynb │ (tb_sinistros_silver)
└─────────────────────────┘
↓ ETL (etl_silver_to_gold.ipynb)
┌─────────────────────────┐
│ Gold Layer │ ← PostgreSQL - Star Schema
│ mapa.ipynb │ (6 dimensões + fato_sinistro)
│ visualizações │
└─────────────────────────┘
↓
Power BI / Mapas
Disciplina: SDB2 - Sistemas de Banco de Dados 2
Instituição: Universidade de Brasília (UnB)
Período: 2º Semestre de 2025
Integrantes:
Jésus Gabriel Carvalho Ventura (21/1062956) |
Joel Soares Rangel (21/1039546) |
Valderson Pontes da Silva Junior (19/0020521) |
Yago Amin Santos (19/0101091) |
Este projeto foi desenvolvido para fins acadêmicos na UnB e sua replicação deve ser devidamente referenciada.