"Diante do complexo cenário da segurança viária no Brasil, marcado pelo desafi o de reduzir as mortes no trânsito diante das metas estabelecidas pela ONU, torna-se essencial aumentar a eficiência das instituições responsáveis pela segurança viária. Para isso, a utilização de mecanismos de análise de dados, que forneçam informações precisas para apoiar a tomada de decisão, é crucial. Nesse contexto, os modelos de previsão de Indicadores-Chave de Resultado (KRIs) ganham destaque, pois permitem criar cenários e avaliar o desempenho organizacional em relação aos objetivos estratégicos, refletindo a efi cácia das políticas e intervenções de segurança implementadas. Este trabalho utiliza séries temporais e séries temporais hierárquicas para prever o KRI de mortes por sinistros de trânsito na Polícia Rodoviária Federal (PRF), no intuito de contribuir propondo uma abordagem que produza previsões com melhor acurária para todos os níveis da instituição, permitindo identifi car a real contribuição de cada unidade no desempenho orgazanizacional. Dados reais de acidentes de trânsito nas rodovias federais brasileiras foram coletados e organizados em uma estrutura hierárquica. Modelos estatísticos como Holt-Winters, ARIMA/SARIMA, e técnicas de inteligência computacional, incluindo Redes Neurais e Regressão com Vetores de Suporte, Random Forest Regressor e XGBoost Regressor , foram empregados para a previsão dos KRIs. As previsões foram ajustadas utilizando técnicas de reconciliação hierárquica para garantir consistência em diferentes níveis hierárquicos. A avaliação dos modelos foi realizada com métricas como RMSE e MAPE, destacando a acurácia e a consistência das previsões reconcilidadas. Os resultados deste estudo fornecem valiosas abordagens para a segurança viária e a gestão operacional das entidades responsáveis pelo trânsito seguro."