Aplicación de técnicas Machine Learning al estudio de la accidentalidad grave en carretera, en población de edad avanzada

Abstract

Los accidentes de tráfico en España suponen una de las principales causas de muerte en la población adulta. Aparecen distintos factores, muchas veces repetitivos, que influyen de forma directa en la letalidad de los accidentes de tráfico. Este proyecto se desarrolla con el fin de aplicar técnicas de aprendizaje automático para detectar patrones, capaces de aportar información relevante sobre los accidentes de tráfico, y de este modo poder reducir, tanto el número de accidentes graves, como el de personas fallecidas en las carreteras de nuestro país. El análisis de los datos ha permitido estudiar los accidentes de tráfico con el fin de identificar las situaciones propensas que están presentes en los accidentes, permitiendo comprenderlos, predecirlos y, en consecuencia, prevenirlos. Para la realización de este proyecto se utilizan algoritmos de aprendizaje automático, todos ellos pertenecientes a la rama de aprendizaje supervisado, con los cuales se entrenan distintos modelos sobre un conjunto de datos. Gracias a esta fase de entrenamiento, los modelos habrán aprendido a comportarse por sí solos, es decir, sin necesidad de conocer el resultado de salida, serán capaces de hacer predicciones futuras sobre datos nuevos. A través de evaluaciones de los modelos, se puede comprobar cómo de bueno está siendo el modelo entrenado, y por lo tanto seleccionarlo para hacer las futuras predicciones. El estudio de las distintas métricas de rendimiento de los modelos presenta una parte importante de este proyecto, ya que, a través de un buen análisis e interpretación de las gráficas, así como de los distintos parámetros asociados a éstas, se consigue elegir el modelo que más se acerca a cumplir los objetivos, y, por lo tanto, sea capaz de proporcionar las mejores predicciones. Para la realización de este Trabajo de Fin de Grado se ha contado con la ayuda de la herramienta BigML, la cual ayuda a mostrar de una forma intuitiva, los factores más frecuentes en los accidentes de tráfico, y cuáles de ellos pueden ser información relevante para prevenir lesiones con consecuencias leves, algo más graves, o fatales como puede ser el fallecimiento de la persona.

Traffic accidents in Spain are one of the main causes of death in the adult population . Different factors appear, often repetitive, that directly influence the fatality of traffic accicents. This project is developed in order to apply machine learning techniques to detect patterns, capable of providing relevant information on traffic accidents, and in this way, being able to reduce the number, both of serious accidents, and of people killed on the roads of our country. The analysis of the data has made it possible to study traffic accidents in order to identify the prone situations that are present in accidents, allowing to understand them, to predict them and, consequently, to prevent them. Machine learning algorithms are used to carry out this project, all of them belonging to the supervised learning branch, with which different models are trained on a data set. Thanks to this training phase, the models will have learned to behave on their own, that is, without needing to know the output result, they will be able to make future predictions about new data. Through model evaluations, you can see how good the model is being trained, and therefore select it to make future predictions. The study of the different performance metrics of the models presents an important part of this project, because through a good analysis and interpretation of the graphs, as well as the different parameters associated with them, it is possible to choose the model that the closer you are to meeting your goals, and therefore be able to provide the best predictions. For the completion of this Final Degree Project, the help of the BigML tool has been used, which helps to intuitively show the most frequent factors in traffic accidents, and which of them may be relevant information to prevent injuries with minor, somewhat more serious, or fatal consequences such as the death of the person.