Pular para conteúdo

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, 2022-2024 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 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): AUTOMOVEL 717.498; MOTOCICLETA 617.007; NAO DISPONIVEL 182.607; CAMINHAO 65.341; OUTROS 47.792; ONIBUS 37.058; BICICLETA 36.980.
  • 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 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).
  • Sem município nesta tabela. Para localizar o veículo, junte com sinistros por id_sinistro (todo id_sinistro desta tabela consta em sinistros; conferido).
  • Identificadores. id_veiculo é 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_fab é nulo em 318.944 linhas e ano_modelo em 324.792; na conversão, ano_fab vai de 1917 a 2025 e o dicionário diz 1956 como piso do intervalo permitido. marca_modelo é nulo em 134.694 linhas e cor_veiculo em 290.628.
  • NAO DISPONIVEL. tipo_veiculo tem 182.607 linhas NAO DISPONIVEL; as colunas qtd_* de sinistros e 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