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 (2015-2021,2022-2024e2025-2026). No bruto o arquivo édados_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,pessoaouveiculo).
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):LEVE871.721;ILESO771.006;NAO DISPONIVEL146.808;GRAVE101.325;FATAL65.229. - Sexo:
MASCULINO1.410.911;FEMININO532.988;NAO DISPONIVEL12.190. - 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 porano; 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.
anoé o ano do sinistro, lido dedata_sinistro(ou, se faltar, deano_sinistro), por linha; nunca deano_fab. Linha sem ano válido (fora de 1900 a 2100) iria para a partição de quarentenaano=__HIVE_DEFAULT_PARTITION__; na conversão conferida nenhuma linha foi para lá.- Como os arquivos de origem são divididos por faixa de anos e
anovem da data, a partiçãoano=2014traz 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 DISPONIVELe 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_registroe ano, versão do fetcher 0.2.0). - Quem aparece. Há uma linha por pessoa envolvida, inclusive ilesos (771.006 linhas
ILESO) eNAO DISPONIVEL(146.808). Para vítimas fatais usegravidade_lesao = FATAL(65.229 linhas na conversão); todas elas têmdata_obito, e só elas. - Identificadores.
id_pessoaé único em todo o ZIP coletado (1.956.089 linhas e valores distintos).id_veiculoé nulo em 384.389 linhas (pessoas sem veículo associado, por exemplo pedestres). - Campos pouco preenchidos.
grau_de_instrucaoé nulo em 1.542.749 de 1.956.089 linhas;modo_transporte_vitimaem 370.030;profissaoem 196.082;idadeem 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_obitopode cair em outro mês ou ano quedata_sinistro(até 30 dias, pelo dicionário); a partiçãoanoé a do sinistro. - Idade. Na conversão,
idadevaria de 0 a 102 anos. - Sinistros sem pessoas. Só 981.184 dos 1.450.961 sinistros de
sinistrostêm pessoas nesta tabela; todoid_sinistrodaqui consta emsinistros(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