RT info:eu-repo/semantics/bachelorThesis T1 Aplicación de técnicas Machine Learning al estudio de la accidentalidad grave en carretera, en población de edad avanzada A1 Cestero Honrado, César K1 Aprendizaje automático K1 Tráfico K1 Predicción K1 Análisis de datos K1 Accidentalidad K1 Prevención K1 Machine learning K1 Traffic K1 Prediction K1 Data analysis K1 Accident rate K1 Prevention K1 Robótica e Informática Industrial K1 Robotics AB 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. YR 2020 FD 2020 LK http://hdl.handle.net/10017/44187 UL http://hdl.handle.net/10017/44187 LA spa DS MINDS@UW RD 28-mar-2024