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...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Mercy Novello, Jennifer
Otros Autores: Ruz, Cecilia
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Publicado: Universidad Torcuato Di Tella 2023
Materias:
Seguridad del transporte
Predicción tecnológica
Análisis de datos
Random Forest
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/11862
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
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

Ejemplares similares