Predicciones de siniestros viales en C.A.B.A.
La seguridad vial constituye un ámbito de relevante importancia a nivel internacional, y sobre el cual se trabaja de manera continua con el objetivo de disminuir el número de siniestros viales. En este sentido, el presente trabajo se plantea como objetivo general el uso de técnicas analíticas pa...
Guardado en:
Autor principal: | |
---|---|
Otros Autores: | |
Formato: | Tesis de maestría acceptedVersion |
Lenguaje: | Español |
Publicado: |
Universidad Torcuato Di Tella
2023
|
Materias: | |
Acceso en línea: | https://repositorio.utdt.edu/handle/20.500.13098/11862 |
Aporte de: |
id |
I57-R163-20.500.13098-11862 |
---|---|
record_format |
dspace |
spelling |
I57-R163-20.500.13098-118622023-06-06T07:36:38Z Predicciones de siniestros viales en C.A.B.A. Mercy Novello, Jennifer Ruz, Cecilia Seguridad del transporte Predicción tecnológica Análisis de datos Random Forest La seguridad vial constituye un ámbito de relevante importancia a nivel internacional, y sobre el cual se trabaja de manera continua con el objetivo de disminuir el número de siniestros viales. En este sentido, el presente trabajo se plantea como objetivo general el uso de técnicas analíticas para explotar masivamente la información y extraer conocimiento sobre los siniestros viales que sucedieron en la Ciudad Autónoma de Buenos Aires entre 2015 y 2018, para así analizar acciones concretas para prevenir siniestros viales. Para la consecución del objetivo propuesto de esta tesis, en primer lugar, se busca encontrar características y factores (climáticos, demográficos, estacionales) que pueden ser determinantes para que ocurra un siniestro vial. En la fase de modelado, se busca analizar y predecir mediante el empleo de un modelo Random Forest (Bosque Aleatorio), una de las técnicas supervisadas de aprendizaje automático, la cantidad de siniestros por día, hora, mes. Obteniendo resultados que son de utilidad para la generación de políticas y planes de acción para la prevención de siniestros viales. 2023-06-05T21:53:59Z 2023-06-05T21:53:59Z 2022 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/11862 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 73 p, application/pdf application/pdf Ciudad Autónoma de Buenos Aires Universidad Torcuato Di Tella |
institution |
Universidad Torcuato Di Tella |
institution_str |
I-57 |
repository_str |
R-163 |
collection |
Repositorio Digital Universidad Torcuato Di Tella |
language |
Español |
orig_language_str_mv |
spa |
topic |
Seguridad del transporte Predicción tecnológica Análisis de datos Random Forest |
spellingShingle |
Seguridad del transporte Predicción tecnológica Análisis de datos Random Forest Mercy Novello, Jennifer Predicciones de siniestros viales en C.A.B.A. |
topic_facet |
Seguridad del transporte Predicción tecnológica Análisis de datos Random Forest |
description |
La seguridad vial constituye un ámbito de relevante importancia a nivel internacional, y
sobre el cual se trabaja de manera continua con el objetivo de disminuir el número de
siniestros viales.
En este sentido, el presente trabajo se plantea como objetivo general el uso de técnicas
analíticas para explotar masivamente la información y extraer conocimiento sobre los
siniestros viales que sucedieron en la Ciudad Autónoma de Buenos Aires entre 2015 y
2018, para así analizar acciones concretas para prevenir siniestros viales.
Para la consecución del objetivo propuesto de esta tesis, en primer lugar, se busca
encontrar características y factores (climáticos, demográficos, estacionales) que pueden
ser determinantes para que ocurra un siniestro vial.
En la fase de modelado, se busca analizar y predecir mediante el empleo de un modelo
Random Forest (Bosque Aleatorio), una de las técnicas supervisadas de aprendizaje
automático, la cantidad de siniestros por día, hora, mes. Obteniendo resultados que son
de utilidad para la generación de políticas y planes de acción para la prevención de
siniestros viales. |
author2 |
Ruz, Cecilia |
author_facet |
Ruz, Cecilia Mercy Novello, Jennifer |
format |
Tesis de maestría Tesis de maestría acceptedVersion |
author |
Mercy Novello, Jennifer |
author_sort |
Mercy Novello, Jennifer |
title |
Predicciones de siniestros viales en C.A.B.A. |
title_short |
Predicciones de siniestros viales en C.A.B.A. |
title_full |
Predicciones de siniestros viales en C.A.B.A. |
title_fullStr |
Predicciones de siniestros viales en C.A.B.A. |
title_full_unstemmed |
Predicciones de siniestros viales en C.A.B.A. |
title_sort |
predicciones de siniestros viales en c.a.b.a. |
publisher |
Universidad Torcuato Di Tella |
publishDate |
2023 |
url |
https://repositorio.utdt.edu/handle/20.500.13098/11862 |
work_keys_str_mv |
AT mercynovellojennifer prediccionesdesiniestrosvialesencaba |
_version_ |
1768086693900976128 |