Veículos envolvidos em sinistros de trânsito de São Paulo (Infosiga.SP)¶
Resumo¶
Uma linha por veículo envolvido em um sinistro de trânsito no estado de São Paulo, como o Infosiga.SP (sistema do Detran-SP) o publica: tipo de veículo, marca e modelo, cor, anos de fabricação e do modelo e a data do sinistro. Serve para analisar o perfil da frota envolvida em sinistros.
Ficha técnica¶
| Campo | Valor |
|---|---|
| Dataset | infosiga/veiculos |
| 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) | um veículo envolvido em um sinistro |
| Granularidade | espacial: estado de São Paulo (sem município na tabela; vem de sinistros por id_sinistro); temporal: dia |
| Formato bruto | CSV dentro do ZIP dados_infosiga.zip, cp1252, separador ponto e vírgula, um arquivo por faixa de anos (veiculos_2015-2021, veiculos_2022-2024 e veiculos_2025-2026) |
| Estado no lake | convertido |
| Partições | ano |
| Chave | id_veiculo |
| Colunas | 12 |
| Unidades de medida | — |
| Dados pessoais | nenhum |
| Eras | 2019-01: Até 2018 só constam veículos de sinistros fatais; desde 2019-01 também os 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 veículo envolvido. Conferido no ZIP coletado, versão do fetcher 0.2.0: 1.704.283 linhas de 969.834 sinistros distintos, de 2014-12-21 a 2026-09-30. Por ano: 2015 10.655; 2016 9.762; 2017 9.844; 2018 6.943; 2019 212.290; 2020 199.570; 2021 223.778; 2022 229.139; 2023 245.988; 2024 236.657; 2025 181.664; 2026 137.982 (até 30/09); 2014 (21 a 31/12): 11.
- Tipos (
tipo_veiculo):AUTOMOVEL717.498;MOTOCICLETA617.007;NAO DISPONIVEL182.607;CAMINHAO65.341;OUTROS47.792;ONIBUS37.058;BICICLETA36.980. - 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 veiculos. "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 um veículo por sinistro |
7 dígitos | todo |
id_veiculo |
id_veiculo |
texto (fonte: int64) | Identificador do veículo envolvido no sinistro, sequencial | 1 a 9999999 | todo |
marca_modelo |
marca_modelo |
texto (fonte: string) | Marca e modelo do veículo envolvido; texto livre; pode ser nulo | livre | todo |
ano_fab |
ano_fab |
texto (fonte: int64) | Ano de fabricação do veículo; pode ser nulo | 1956 até o ano do sinistro | todo |
ano_modelo |
ano_modelo |
texto (fonte: int64) | Ano do modelo do veículo; pode ser nulo | 1956 até o ano do sinistro mais 1 | todo |
cor_veiculo |
cor_veiculo |
texto (fonte: string) | Cor do veículo envolvido; texto livre; pode ser nula | livre | todo |
tipo_veiculo |
tipo_veiculo |
texto (fonte: string) | Tipo de veículo envolvido no sinistro | AUTOMOVEL, BICICLETA, CAMINHAO, MOTOCICLETA, ONIBUS, OUTROS, NAO DISPONIVEL |
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, aaaa/mm |
a partir de 2014/12 |
todo |
ano |
data_sinistro (ano) |
inteiro | Ano do sinistro, extraído de data_sinistro (ou de ano_sinistro); é a partição do lake, nunca o ano de fabricação |
— | todo |
No lake¶
- Dataset
infosiga/veiculos, 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). - Sem município nesta tabela. Para localizar o veículo, junte com
sinistrosporid_sinistro(todoid_sinistrodesta tabela consta emsinistros; conferido). - Identificadores.
id_veiculoé único em todo o ZIP coletado (1.704.283 linhas e valores distintos), embora o dicionário diga que o identificador é sequencial por veículo no sinistro; não confie nisso em outras coletas sem checar. - Anos de fabricação e modelo.
ano_fabé nulo em 318.944 linhas eano_modeloem 324.792; na conversão,ano_fabvai de 1917 a 2025 e o dicionário diz 1956 como piso do intervalo permitido.marca_modeloé nulo em 134.694 linhas ecor_veiculoem 290.628. NAO DISPONIVEL.tipo_veiculotem 182.607 linhasNAO DISPONIVEL; as colunasqtd_*desinistrose esta tabela podem não coincidir por esse motivo (não conferido linha a linha).
Exemplos¶
Veículos envolvidos por tipo e idade aproximada da frota (ano do sinistro menos ano de fabricação) em 2024:
import polars as pl
v = pl.scan_parquet("lake/infosiga/veiculos/**/*.parquet", hive_partitioning=True)
idade_frota = (
v.filter((pl.col("ano") == 2024) & pl.col("ano_fab").is_not_null())
.with_columns((pl.col("ano_sinistro").cast(pl.Int64) - pl.col("ano_fab").cast(pl.Int64)).alias("idade_veiculo"))
.filter(pl.col("idade_veiculo") >= 0)
.group_by("tipo_veiculo")
.agg(pl.len().alias("veiculos"), pl.col("idade_veiculo").median().alias("mediana_idade"))
.sort("veiculos", 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