Mostrar el registro sencillo del ítem
Modelos predictivos de accidentes de tráfico en Madrid
dc.contributor.author | Cruz-Bellas, Luis | |
dc.date | 2017-09 | |
dc.date.accessioned | 2018-05-08T16:17:31Z | |
dc.date.available | 2018-05-08T16:17:31Z | |
dc.identifier.uri | https://reunir.unir.net/handle/123456789/6472 | |
dc.description | The objective of this publication is to build predictive models that help to estimate the probability of traffic accidents in some areas from Madrid, Spain. These models are built using meteorology variables, vacation days, time intervals, etc. Linear regression and neural networks are used to build the models. With the results, we can observe that predictor variables do not explain accurately the behaviour of the dependent variable. Thus, it is mandatory to explore other ways both in choosing the predictor variables and methods used to build models. | es_ES |
dc.description.abstract | El objetivo de este trabajo es construir modelos predictivos que ayuden a estimar la probabilidad de ocurrencia de accidentes de tráfico en determinadas áreas de Madrid, España. Los modelos se construyen a partir de variables meteorológicas, festivos, franjas horarias y épocas del año entre otras. Para construir los modelos se aplican regresiones lineales y redes neuronales. Tras obtener los resultados, se puede observar que las variables predictoras elegidas no son capaces de explicar con exactitud el comportamiento de la variable dependiente. Por tanto, se deben explorar otras opciones tanto en las variables predictoras como en los métodos utilizados para la construcción de modelos. | es_ES |
dc.language.iso | spa | es_ES |
dc.rights | openAccess | es_ES |
dc.subject | accidentes | es_ES |
dc.subject | tráfico | es_ES |
dc.subject | modelo predictivo | es_ES |
dc.subject | inteligencia artificial | es_ES |
dc.subject | Máster en Visual Analytics y Big Data | es_ES |
dc.title | Modelos predictivos de accidentes de tráfico en Madrid | es_ES |
dc.type | masterThesis | es_ES |
reunir.tag | ~MAVDM | es_ES |