En esta presentación se describe el proceso seguido, en el marco del método de la ciencia de datos, la implementación de algoritmos de aprendizaje supervisado con el objetivo de predecir, para cada distrito de la ciudad de Madrid, la probabilidad y número de accidentes de tráfico
diseño de una linea de produccion de jabon liquido.pptx
Predicción de accidentes en la ciudad de Madrid mediante técnicas machine learning
1. PCATM - Predicción y Clasificación de Accidentes de Tráfico de Madrid
4 de Abril 2019Big Data & AI for Social Good
Carlos López Sobrino | Germán Cabrera Martínez
9. 9
Accidentes
• Información a nivel geográfico.
• Nivel distrito.
• Información sobre los días que hay accidente pero
no de los días que no hay accidente.
FECHA
RANGO HORARIO
DIA SEMANA
DISTRITO
LUGAR ACCIDENTE
Nº
Cruce
Nº PARTE
CPFA Granizo
CPFA Hielo
CPFA Lluvia
CPFA Niebla
CPFA Seco
CPFA Nieve
CPSV Mojada
CPSV Aceite
CPSV Barro
CPSV Grava Suelta
CPSV Hielo
CPSV Seca Y Limpia
Nº VICTIMAS
TIPO ACCIDENTE
Tipo Vehiculo
TIPO PERSONA
SEXO
LESIVIDAD
Tramo Edad
14. 14
Machine Learning
APRENDIZAJE SUPERVISADO
• Clasificamos la existencia de accidente o no
• Clasificamos la gravedad media de accidentes
CLASIFICACIÓN
REGRESIÓN
Número de accidentes
22. 22
Modelo
Clasificamos la existencia de accidente o no
Categorizamos la gravedad media de accidentes
CLASIFICACIÓN
• Predecimos el número de accidentes por distrito
REGRESIÓN
APRENDIZAJE SUPERVISADO
24. Regresión
7. 1 modelo Prophet traducido para cada distrito:
Proporción aprox. constante de accidentes por distrito
Estimación número accidentes para un día:
errores por exceso y defecto
26. 26
PCATM
9. Next steps:
Incorporar datos de importancia: factor humano
Granularizar el conjunto de datos
Streaming analytics: IoT -> tiempo real & precisión
TARGET: Día/Distrito Hora/Barrio
27. ¡GRACIAS!
Germán Cabrera Martínez
Data Scientist - Minsait by Indra
Contacto
germanthro86@gmail.com
https://www.linkedin.com/in/german-cm/
https://github.com/GermanCM/
Carlos A. López Sobrino
Data Scientist - Minsait by Indra
Contacto
clopezsobrino@gmail.com
https://www.linkedin.com/in/carlos-lópez-sobrino/
https://github.com/carlosls90