Tesis doctorales: TESEO

Ayuda Salir

Ficha de Tesis

Imprimir

Ministerio de Universidades - Gobierno de España

Título: PREDICCIÓN DE LA SEVERIDAD DE ACCIDENTES DE TRÁFICO EN LA RED DE CARRETERAS DE ESPAÑA Y REINO UNIDO MEDIANTE MODELOS ESTADÍSTICOS BASADOS EN RANDOM FOREST Y REGRESIÓN LOGÍSTICA
Autor: Úbeda González, David
Universidad: Universidad Miguel Hernández de Elche
Departamento: Ingeniería de sistemas y automática
Fecha de Lectura: 15/09/2017
Programa de doctorado: Programa de Doctorado en Tecnologías Industriales y de Telecomunicación por la Universidad Miguel Hernández de Elche
Dirección:
- GIL APARICIO, ARTURO (DIRECTOR)
- Pérez Martín, Agustín (CODIRECTOR)
Tribunal:
- SEBASTIÁN Y ZÚÑIGA, JOSÉ MARÍA (PRESIDENTE)
- MARÍN LÓPEZ, JOSÉ MARÍA (SECRETARIO)
- TORRES MEDINA, FERNANDO (VOCAL)
- Amorós Espí, Francisco Javier (VOCAL)
- Jiménez García, Luis Miguel (VOCAL)
Descriptores:
- INGENIERIA DEL TRAFICO
- TECNICAS DE PREDICCION ESTADISTICA
- COMPUTACION EN ESTADISTICA
Localización: BIBLIOTECA DE LA UNIVERSIDAD MIGUEL HERNÁNDEZ DE ELCHE

376557_1017788.pdf

Marcador: https://www.educacion.gob.es/teseo/mostrarRef.do?ref=1526682Añadir a favoritos.
Resumen:
En este trabajo se propone una nueva técnica de predicción, basada en dos modelos de clasificación y regresión, destinada a guiar al usuario en su comportamiento al volante a través de la dotación de inteligencia vial colectiva al vehículo y a los dispositivos que se usen en él. En base al análisis previo de las características que envuelven a los accidentes de tráfico y mediante sistemas que sean capaces de aprender de forma autónoma en base a nuevas incidencias, este trabajo será de posible aplicación para evitar situaciones futuras no deseadas. Se propone para ello un modelo probabilístico de clasificación que permite predecir la severidad de un accidente de tráfico para cada uno de los ocupantes de un vehículo, en caso de que éste ocurriera. A lo largo del documento se presentarán resultados comparando diferentes técnicas de selección de predictores de entre un gran conjunto de variables disponibles, que se aplican sobre un conjunto de datos masivos de accidentes de tráfico. Finalmente, el modelo de clasificación propuesto, basado conjuntamente en Random Forest y BayesGLM, permitirá inferir las relaciones entre accidentes y sus factores contribuyentes, con el fin de reconocer las causas que determinan los daños asociados a cada víctima, permitiendo así extraer información que puede resultar de suma importancia en la planificación de políticas de reducción de accidentes de tráfico válidas para los gobiernos, pero también y quizás más importante sea la posibilidad de dotar a los vehículos de inteligencia en seguridad vial para obtener rutas más seguras. Las aportaciones de este trabajo se han aplicado a dos casos prácticos con resultados muy satisfactorios. En ellos se estudió la predicción de daños a los ocupantes de los vehículos mediante el análisis de los accidentes de tráfico ocurridos durante los periodos de 2011 a 2015 en España y entre 2009 a 2014 en Reino Unido. En él se demuestra científicamente que el sistema es capaz de aprender a partir de una serie de datos recogidos sobre accidentes de tráfico y de encontrar tendencias en ellos estadísticamente demostrables y probables a través de escoger correctamente la información y clasificarla mediante técnicas basadas en la supervisión entre algoritmos de regresión o de clasificación.

Imprimir

Modificar Consulta Nueva Consulta

Versión 4.4