Diseño, construcción e implementación de un visualizador basado en modelos de clasificación y predicción relacionado con las siniestralidades viales para algunas ciudades de Colombia
Trabajo de grado - Maestría
2023
Escuela Colombiana de Ingeniería
La accidentalidad vial es una constante de todas las ciudades del mundo. En Colombia, por ejemplo,
se registraron 618 accidentes en el primer mes del año 2023, lo que agrava la tasa de mortalidad en
el país, una tendencia que según la agencia nacional de seguridad vial va en aumento año tras año.
Adicionalmente cada accidente genera repercusiones en la movilidad de la ciudad, y repercusiones
económicas para el gobierno, los accidentados y las aseguradoras. Dada la situación se vuelve
necesario analizar todas las variables sobre los accidentes para así encontrar los patrones más
comunes y determinar las mejores acciones a seguir.
El proyecto aborda esta problemática mediante el tratamiento de datos utilizando la metodología
KDD. A través de un dashboard se hace un seguimiento detallado de las causas de los accidentes
viales, tanto los actores, características de los accidentes y dando así también un panorama general
de las tendencias de los accidentes en las ciudades analizadas.
Adicionalmente, mediante técnicas de clusterización y análisis de minería de datos se obtienen
resultados sobre las hipótesis sobre cómo se comportan los accidentes, para así hacer uso de
modelos de aprendizaje automático para obtener las proyecciones de cuantos accidentes ocurren en
cada una de las zonas. Esto genera herramientas con las que se podrían generar procesos de toma
de decisiones sobre las zonas más accidentadas. Road accidents are a constant in all cities of the world, in Colombia for example, 618 accidents were
generated in the first month of the year 2023, this becomes one more cause of mortality in the
country since it increases year by year according to the national road safety agency, additionally
each accident generates repercussions in the mobility of the city, and economic repercussions for the
government, the injured and insurers. Given the situation, it becomes necessary to analyze all the
variables on accidents in order to find the most common patterns and follow up on the best actions.
The project uses KDD methodology for data processing, and thus, through a dashboard, a detailed
follow-up of the causes of road accidents, the actors, the characteristics of the accidents and also
giving a general overview of where accidents occur in the cities analyzed.
Additionally, through clustering and data mining analysis techniques, results are obtained on the
hypotheses about how accidents behave, in order to make use of machine learning models to obtain
projections of how many accidents occur in each of the areas. This generates tools that could be
used to generate decision-making processes on the most accident-prone areas.
Descripción:
FIRMADO-Proyecto de grado -Siniestralidad vial -Version Final_wega.pdf
Título: FIRMADO-Proyecto de grado -Siniestralidad vial -Version Final_wega.pdf
Tamaño: 4.295Mb
PDF![Open Access](/themes/Mirage2/images/openaccess1.png)
LEER EN FLIP
Descripción: Autorización de Publicación
Título: Autorizacion.pdf
Tamaño: 203.8Kb
PDF
Título: FIRMADO-Proyecto de grado -Siniestralidad vial -Version Final_wega.pdf
Tamaño: 4.295Mb
![Unicordoba Logo](/themes/Mirage2/images/pdf-logo.png)
![Open Access](/themes/Mirage2/images/openaccess1.png)
![FLIP](/themes/Mirage2/images/flip.png)
Descripción: Autorización de Publicación
Título: Autorizacion.pdf
Tamaño: 203.8Kb
![Unicordoba Logo](/themes/Mirage2/images/pdf-logo.png)
![Closed Access](/themes/Mirage2/images/closedaccess.png)