Análisis predictivo de accidentes de tráfico en la ciudad de Madrid

Abstract

Los accidentes de tráfico son un tema real que afecta a todos, no solo a conductores, sino también a los peatones. Cada día, aumentan más los tipos de vehículos y el volumen de tráfico provocando un mayor impacto en el día a día de las personas. Por ello, se ha planteado el desarrollo de un modelo analítico y predictivo basado en los accidentes de tráfico de la Ciudad de Madrid, con la idea de crear un servicio que impacte de manera positiva en la sociedad y ayuda de a contribuir a la reducción de accidentes. El desarrollo del proyecto se ha basado en el análisis de los principales factores que influyen en los accidentes: el perfil del conductor, tipo de vehículo, la meteorología, la vía/trayecto y el horario. Para ello, se han utilizado técnicas de Minería de Datos, análisis de probabilidad y técnicas de aprendizaje automático. El resultado se presenta a modo de prototipo web con un cuadro de mandos dinámico y la capacidad de analizar una calle o una ruta, obteniendo la probabilidad de accidentes y lesividad en los puntos del trayecto sobre mapas dinámicos y apoyado en gráficos. Tanto el resultado de los análisis efectuados como la propia aplicación web permiten conocer mejor los patrones y perfiles de accidentes, sirviendo de base a futuros proyectos y pudiendo ser utilizado para la prevención de estos.

Road accidents are a real issue that affects everyone, not only drivers, but also pedestrians. Every day, the types of vehicles and the volume of traffic are increasing, causing a greater impact on people's daily lives. For this reason, the development of an analytical and predictive model based on traffic accidents in the city of Madrid has been proposed, with the idea of creating a service that has a positive impact on society and helps to contribute to the reduction of accidents. The development of the project has been based on the analysis of the main factors that influence accidents: the driver's profile, type of vehicle, weather, road/trip and time of day. To this end, data mining techniques, probability analysis and machine learning techniques have been used. The result is presented as a web prototype with a dynamic dashboard and the ability to analyse a street or a route, obtaining the probability of accidents and injuries at points along the route on dynamic maps and supported by graphics. Both the results of the analyses carried out and the web application itself provide a better understanding of accident patterns and profiles, serving as a basis for future projects and can be used for accident prevention.

Els accidents de trànsit són un tema real que afecta a tots, no sols a conductors, sinó també als vianants. Cada dia, augmenten més els tipus de vehicles i el volum de trànsit provocant un major impacte en el dia a dia de les persones. Per això, s'ha plantejat el desenvolupament d'un model analític i predictiu basat en els accidents de trànsit de la Ciutat de Madrid, amb la idea de crear un servei que impacti de manera positiva en la societat i ajuda de contribuir a la reducció d'accidents. El desenvolupament del projecte s'ha basat en l'anàlisi dels principals factors que influeixen en els accidents: el perfil del conductor, tipus de vehicle, la meteorologia, la via/trajecte i l'horari. Per a això, s'han utilitzat tècniques de Mineria de Dades, anàlisis de probabilitat i tècniques d'aprenentatge automàtic. El resultat es presenta a manera de prototip web amb un quadre de comandaments dinàmic i la capacitat d'analitzar un carrer o una ruta, obtenint la probabilitat d'accidents i lesivitat en els punts del trajecte sobre mapes dinàmics i recolzat en gràfics. Tant el resultat de les anàlisis efectuades com la pròpia aplicació web permeten conèixer millor els patrons i perfils d'accidents, servint de base a futurs projectes i podent ser utilitzat per a la prevenció d'aquests.