Pular para conteúdo

Pessoas envolvidas em sinistros de trânsito de São Paulo (Infosiga.SP)

Resumo

Uma linha por pessoa envolvida em um sinistro de trânsito no estado de São Paulo, como o Infosiga.SP (sistema do Detran-SP) a publica: posição da vítima (condutor, passageiro, pedestre), modo de transporte, sexo, idade e faixas etárias, gravidade da lesão, escolaridade, profissão, nacionalidade e dados do óbito quando houve. Serve para estudos de mortalidade e lesões no trânsito.

Ficha técnica

Campo Valor
Dataset infosiga/pessoas
Órgão Departamento Estadual de Trânsito de São Paulo (Detran-SP), Infosiga.SP
Página oficial https://infosiga.detran.sp.gov.br/
Licença não informado pela fonte; o portal consultado não traz licença nem termo de uso legíveis (conferido em 2026-11-09)
Periodicidade não informada pela fonte; em 2026-11-09 o painel indicava dados de 2015-01-01 a 2026-09-30 (endpoint minMaxDates) e o dicionário vigente é a versão 1.8 de 15/10/2026
Cobertura 2014-12 a em-curso
Unidade (uma linha) uma pessoa envolvida em um sinistro
Granularidade espacial: município; temporal: dia
Formato bruto CSV dentro do ZIP dados_infosiga.zip, cp1252, separador ponto e vírgula, um arquivo por faixa de anos (pessoas_2015-2021, pessoas_2022-2024 e pessoas_2025-2026)
Estado no lake convertido
Partições ano
Chave id_pessoa
Colunas 31
Unidades de medida —
Dados pessoais sexo (sexo da vítima (dado sensível quando combinado com os demais)); idade (idade da vítima); profissao (profissão da vítima, texto livre); grau_de_instrucao (grau de instrução); nacionalidade (nacionalidade, texto livre); data_obito (data do óbito)
Eras 2019-01: Até 2018 só constam pessoas de sinistros fatais; desde 2019-01 também as de sinistros não fatais e notificações (conferido pelo número de linhas por ano)
Revisado em 2026-11-09
Versão do fetcher 0.2.0

Origem e coleta

  • O fetcher baixa https://infosiga.detran.sp.gov.br/painel/download/file/dados_infosiga.zip, um único ZIP que traz as três tabelas (sinistros, pessoas e veículos) em nove CSV: um por tabela e faixa de anos (2015-2021, 2022-2024 e 2025-2026). No bruto o arquivo é dados_infosiga.zip, com a data da coleta nas cópias de cada versão.
  • O dicionário de dados oficial é publicado à parte (Infosiga_dicionario_dados.zip, três PDF, um por tabela) e é guardado no bruto, sem conversão.
  • O ZIP é o mesmo para as três tabelas; cada dataset do lake converte os arquivos cujo nome traz a tabela (sinistro, pessoa ou veiculo).

Conteúdo

  • Uma linha por pessoa envolvida. Conferido no ZIP coletado, versão do fetcher 0.2.0: 1.956.089 linhas de 981.184 sinistros distintos, de 2014-12-21 a 2026-09-30. Por ano: 2015 7.589; 2016 7.027; 2017 6.591; 2018 6.426; 2019 245.107; 2020 230.557; 2021 260.886; 2022 266.128; 2023 279.963; 2024 273.875; 2025 211.908; 2026 160.019 (até 30/09); 2014 (21 a 31/12): 13.
  • Gravidade (gravidade_lesao): LEVE 871.721; ILESO 771.006; NAO DISPONIVEL 146.808; GRAVE 101.325; FATAL 65.229.
  • Sexo: MASCULINO 1.410.911; FEMININO 532.988; NAO DISPONIVEL 12.190.
  • O dicionário oficial vigente é a versão 1.8, de 15/10/2026.

Variáveis

As descrições vêm do Dicionário de dados oficial v1.8 (15/10/2026) da tabela pessoas. "Fonte do dado" no dicionário: DETRAN-SP, PC, PM e PRF (siglas do dicionário) ou IBGE, por variável. A coluna "Tipo" mostra o tipo que o dicionário declara; no lake todas as colunas são texto.

Coluna no lake Na fonte Tipo Descrição Unidade / códigos Período
id_sinistro id_sinistro texto (fonte: int64) Identificador do sinistro (chave estrangeira para sinistros); pode haver mais de uma pessoa por sinistro 7 dígitos todo
id_pessoa id_pessoa texto (fonte: int64) Identificador da pessoa no sinistro, sequencial gerado para cada pessoa envolvida 1 a 9999999 todo
id_veiculo id_veiculo texto (fonte: int64) Identificador do veículo (chave estrangeira para veiculos); pode ser nulo; pode haver mais de uma pessoa por veículo 1 a 9999999 todo
cod_ibge cod_ibge texto (fonte: int64) Código do município no IBGE 7 dígitos todo
municipio municipio texto (fonte: string) Município onde ocorreu o sinistro 645 municípios do estado, em caixa alta e sem acento todo
regiao_administrativa regiao_administrativa texto (fonte: string) Região administrativa onde ocorreu o sinistro 16 valores todo
tipo_via tipo_via texto (fonte: string) Tipo da via onde ocorreu o sinistro ESTRADAS E RODOVIAS, VIAS URBANAS, NAO DISPONIVEL todo
tipo_veiculo_vitima tipo_veiculo_vitima texto (fonte: string) Veículo de locomoção da vítima; pode ser nulo AUTOMOVEL, BICICLETA, CAMINHAO, MOTOCICLETA, ONIBUS, OUTROS, NAO DISPONIVEL todo
tipo_de_vitima tipo_de_vitima texto (fonte: string) Posição da vítima no sinistro CONDUTOR, PASSAGEIRO, PEDESTRE, NAO DISPONIVEL todo
modo_transporte_vitima modo_transporte_vitima texto (fonte: string) Modo de transporte da vítima; criada para agrupar tipo_de_vitima = PEDESTRE aos demais modos vindos de tipo_veiculo_vitima; pode ser nulo PEDESTRE, BICICLETA, MOTOCICLETA, AUTOMOVEL, ONIBUS, CAMINHAO, OUTROS, NAO DISPONIVEL todo
sexo sexo texto (fonte: string) Sexo da vítima FEMININO, MASCULINO, NAO DISPONIVEL todo
idade idade texto (fonte: int64) Idade da vítima na data do sinistro; pode ser nula anos, maior ou igual a 0 todo
gravidade_lesao gravidade_lesao texto (fonte: string) Gravidade da lesão classificada pelo agente que registrou a ocorrência; pode ser atualizada com boletins de ocorrência registrados depois FATAL, GRAVE, LEVE, ILESO, NAO DISPONIVEL todo
faixa_etaria_demografica faixa_etaria_demografica texto (fonte: string) Classificação etária da vítima para análise populacional, nas classes do IBGE 00 a 04, 05 a 09, ... 85 a 89, 90 e +, NAO DISPONIVEL todo
faixa_etaria_legal faixa_etaria_legal texto (fonte: string) Classificação etária pela legislação: 0-17 anos para menores, acima de 60 anos para idosos 0-17, 18-24, ... 75-79, 80 ou mais, NAO DISPONIVEL todo
profissao profissao texto (fonte: string) Profissão da vítima; texto livre; pode ser nula livre todo
grau_de_instrucao grau_de_instrucao texto (fonte: string) Grau de instrução da vítima; pode ser nulo BÁSICO, MÉDIO, SUPERIOR todo
nacionalidade nacionalidade texto (fonte: string) Nacionalidade da vítima; texto livre; pode ser nula livre todo
data_sinistro data_sinistro texto (fonte: date) Data do sinistro, dd/mm/aaaa (texto no lake) a partir de 21/12/2014 todo
ano_sinistro ano_sinistro texto (fonte: int64) Ano do sinistro a partir de 2014 todo
mes_sinistro mes_sinistro texto (fonte: int64) Mês do sinistro 1 a 12 todo
dia_sinistro dia_sinistro texto (fonte: int64) Dia do sinistro 1 a 31 todo
ano_mes_sinistro ano_mes_sinistro texto (fonte: string) Agrupamento de ano e mês do sinistro; o dicionário diz mm/aaaa, mas os arquivos trazem aaaa/mm a partir de 2014/12 todo
data_obito data_obito texto (fonte: date) Data do óbito, se aplicável; dd/mm/aaaa (texto no lake); nula quando não há óbito registrado a partir de 01/01/2015 todo
ano_obito ano_obito texto (fonte: int64) Ano do óbito, se aplicável a partir de 2015 todo
mes_obito mes_obito texto (fonte: int64) Mês do óbito, se aplicável 1 a 12 todo
dia_obito dia_obito texto (fonte: int64) Dia do óbito, se aplicável 1 a 31 todo
ano_mes_obito ano_mes_obito texto (fonte: string) Agrupamento de ano e mês do óbito, se aplicável a partir de 2015/01 todo
local_obito local_obito texto (fonte: string) Tipo de local onde ocorreu o óbito; pode ser nulo VIA, ESTABELECIMENTO SAUDE (nos arquivos, ESTABELECIMENTO DE SAUDE), OUTROS, NAO DISPONIVEL todo
local_via local_via texto (fonte: string) Tipo de jurisdição onde ocorreu o óbito (o dicionário usa este nome com o título "Tipo de local"); pode ser nulo PUBLICO, PRIVADO, NAO DISPONIVEL todo
tempo_sinistro_obito tempo_sinistro_obito texto (fonte: int64) Tempo em dias entre o sinistro e o óbito; pode ser nulo dias, 0 a 30 todo
ano data_sinistro (ano) inteiro Ano do sinistro, extraído de data_sinistro (ou de ano_sinistro); é a partição do lake — todo

No lake

  • Dataset infosiga/pessoas, particionado por ano; um Parquet por arquivo CSV de origem e ano.
  • Todas as colunas são texto. O conversor lê tudo como texto (convenção do lake), sem converter datas, inteiros nem coordenadas; os tipos da coluna "Tipo" são os que o dicionário oficial declara para a fonte.
  • Nomes de coluna normalizados (minúsculas, sem acento, _ no lugar de símbolos); na amostra conferida eles coincidem com as variáveis do dicionário oficial.
  • Codificação cp1252; os poucos bytes que o cp1252 deixa indefinidos viram o caractere de controle de mesmo código, sem perda e sem U+FFFD.
  • ano é o ano do sinistro, lido de data_sinistro (ou, se faltar, de ano_sinistro), por linha; nunca de ano_fab. Linha sem ano válido (fora de 1900 a 2100) iria para a partição de quarentena ano=__HIVE_DEFAULT_PARTITION__; na conversão conferida nenhuma linha foi para lá.
  • Como os arquivos de origem são divididos por faixa de anos e ano vem da data, a partição ano=2014 traz as linhas de 21 a 31/12/2014 do primeiro arquivo.

Cuidados de uso

  • Todas as colunas chegam como texto. Converta datas (dd/mm/aaaa), inteiros e coordenadas antes de calcular. As coordenadas usam vírgula decimal (-24,013509599); troque por ponto antes de converter.
  • Valores NAO DISPONIVEL e nulos são coisas diferentes no dicionário: o primeiro é um código de classe da fonte, o segundo é campo sem valor. Trate os dois antes de somar ou agrupar.
  • Dados recentes são atualizáveis. O dicionário diz que a gravidade da lesão e a contagem de vítimas fatais são atualizadas quando novos boletins de ocorrência chegam, e o óbito vale até 30 dias após o sinistro; os últimos meses mudam entre uma coleta e a seguinte.
  • Cobertura temporal. Os arquivos trazem sinistros de 2014-12-21 a 2026-09-30 (conferido em 2026-11-09, no ZIP coletado); o painel anuncia o período de 2015-01-01 a 2026-09-30.
  • 2015 a 2018 só têm sinistros fatais. A partir de 2019-01 os arquivos incluem sinistros não fatais e notificações; séries por ano que cruzam 2018/2019 mudam de composição, não de tamanho real do fenômeno (conferido pela contagem por tipo_registro e ano, versão do fetcher 0.2.0).
  • Quem aparece. Há uma linha por pessoa envolvida, inclusive ilesos (771.006 linhas ILESO) e NAO DISPONIVEL (146.808). Para vítimas fatais use gravidade_lesao = FATAL (65.229 linhas na conversão); todas elas têm data_obito, e só elas.
  • Identificadores. id_pessoa é único em todo o ZIP coletado (1.956.089 linhas e valores distintos). id_veiculo é nulo em 384.389 linhas (pessoas sem veículo associado, por exemplo pedestres).
  • Campos pouco preenchidos. grau_de_instrucao é nulo em 1.542.749 de 1.956.089 linhas; modo_transporte_vitima em 370.030; profissao em 196.082; idade em 17.881; as colunas de óbito (data_obito, ano_obito, mes_obito, dia_obito, ano_mes_obito, local_obito, tempo_sinistro_obito) em 1.890.860, o que equivale às pessoas sem óbito registrado.
  • Mês do óbito pode ser posterior ao do sinistro. data_obito pode cair em outro mês ou ano que data_sinistro (até 30 dias, pelo dicionário); a partição ano é a do sinistro.
  • Idade. Na conversão, idade varia de 0 a 102 anos.
  • Sinistros sem pessoas. Só 981.184 dos 1.450.961 sinistros de sinistros têm pessoas nesta tabela; todo id_sinistro daqui consta em sinistros (conferido).

Exemplos

Vítimas fatais por modo de transporte e faixa etária legal em 2024:

import polars as pl

p = pl.scan_parquet("lake/infosiga/pessoas/**/*.parquet", hive_partitioning=True)
mortes = (
    p.filter((pl.col("ano") == 2024) & (pl.col("gravidade_lesao") == "FATAL"))
    .group_by("modo_transporte_vitima", "faixa_etaria_legal")
    .len()
    .sort("len", descending=True)
    .collect()
)

Referências

  • Painel Infosiga.SP (Detran-SP): https://infosiga.detran.sp.gov.br/
  • Dicionários de dados oficiais (PDF, v1.8): https://infosiga.detran.sp.gov.br/painel/download/file/Infosiga_dicionario_dados.zip
  • Período disponível no painel (JSON): https://infosiga.detran.sp.gov.br/painel/minMaxDates