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

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

2. 2
MADRID
Un accidente cada hora

3. 3
PCATM

4. 4
PCATM

5. 5
La importancia del tiempo
¿Y si pudiésemos anticipar el despliegue de los servicios donde y cuando se
prediga su necesidad?

6. 6
Madrid: 21 distritos

7. 7
Objetivo
Clasificación de existencia de accidente
Clasificar la gravedad media de los mismos
Predicción del número de accidentes exacto

8. 8
Datasets
ACCIDENTES
Datos abiertos madrid
https://datos.madrid.es/portal/site/egob
METEOROLOGÍA
Aemet
http://www.aemet.es/en/datos_abiertos
TRAFICO
Datos abiertos madrid
https://datos.madrid.es/portal/site/egob
CALENDARIO

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

10. 10
Tráfico
ID
FECHA
TIPO_ELEM
INTENSIDAD
OCUPACION
CARGA
VMED
ERROR
PERIODO_INTEGRACION
Sensores localizados por latitud y longitud.
GeoPy como traductor de coordenas a distrito
Gran volumen de información (> 300k registros por
distrito, 7millones en total)

11. 11
Meteorología
ID
NOMBRE
MUNICIPIO
ALTURA
LONGITUD
LATITUD
FECHA
TMAX
HTMAX
TMIN
HTMIN
TMED
RACHA
HRACHA
VMAX
HVMAX
TPREC
PREC1
PREC2
PREC3
PREC4
4 estaciones meteorológicas en Madrid.
Interpolación de la información meteorológica.

12. 12
Calendario
FECHA
FESTIVO NACIONAL
FESTIVO REGIONAL
FESTIVO LOCAL
Festividades en Madrid a nivel nacional, regional y
local (distrito).

13. 13
Preprocessing
ACCIDENTES
METEOROLOGÍA
TRAFICO
 OUTLIERS:
-N/A
 MISSING VALUES:
- N/A
 OUTLIERS:
- N/A
 MISSING VALUES:
• MEAN(): Distorsiona.
• BOLTZMANNCLEAN: Desigual.
• KNN.
• Ventana móvil 365 días.
 OUTLIERS:
Precipitaciones. Se admiten
 MISSING VALUES:
• MEAN(): Distorsiona.
• BOLTZMANNCLEAN: Desigual.
• KNN
• Ventana manual ±3 días.

14. 14
Machine Learning
APRENDIZAJE SUPERVISADO
• Clasificamos la existencia de accidente o no
• Clasificamos la gravedad media de accidentes
CLASIFICACIÓN
REGRESIÓN
Número de accidentes

15. 15
Clasificación
1. Selección del algoritmo de clasificación óptimo

16. 16
Clasificación
2. Analizamos resultados:
• Variables influyentes:

17. 17
Clasificación
3. Revisamos el enfoque:
• Presencia de estacionalidad anual y semanal:

18. 18
Clasificación
4. XGBoost. Clasificación binaria de accidente:

19. 19
Clasificación
5. XGBoost:
Gravedades medias:
 Desbalanceado
 Falsos positivos
GRAVEDAD FREQ % FREQ ACUM % ACUM
LEVE 17.512 75,29 15.512 75,29
MODERADO 5.418 23,30 22.930 98,59
GRAVE 328 1,41 23.258 100,00
Tratamientos
 Oversamppling / Undersampling
 Matriz de pesos / Función de coste
 SMOTE-ENN (Synthetic Minority Oversampling via
EditedNN)
 Binarización

20. 20
Clasificación
6. XGBoost. Clasificación gravedad de accidente:
XGBoost Pre-balanceo XGBoost Post-balanceo

21. 21
Clasificación
6. Clasificación gravedad de accidente: Validación
XGBoost LRegressionRandomForest

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

23. 23
Regresión
7. Prophet:
Variable temperatura  Estacionalidad

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

25. 25
Producto
8. Bokeh: toda la información en una imagen
GRAVEDAD
NÚMERO
ACCIDENTES

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