Details

Тема выпускной квалификационной работы: «Исследование и разработка программного модуля предсказательной аналитики для предотвращения тяжелых последствий ДТП». Целью данной работы является создание программного модуля прогнозирования возникновения дорожно-транспортных происшествий разной степени тяжести для предотвращения тяжелых последствий ДТП. Апробация разработанного модуля осуществлялась на данных о дорожно-транспортных происшествий с участием грузовых автомобилей в г. Санкт-Петербург. Для достижения поставленной цели был использован набор данных, полученный с сайта ГИБДД, содержащий в себе исчерпывающее количество информации о дорожно-транспортных происшествиях. В ходе работы была выполнена предварительная обработка данных, включающая в себя кодирование категориальных переменных, масштабирование данных и уменьшение размерности набора данных для того, чтобы алгоритмы машинного обучения могли легко интерпретировать данные и выдать качественный результат. Проведена настройка гиперпараметров моделей бля обеспечения оптимального решения задачи мультиклассовой классификации, выполнено сравнение полученных моделей с использованием набора метрик. Результатом работы является программный модуль, реализующий прогнозирование степени тяжести дорожно-транспортных происшествий.

The topic of the graduate qualification work is "Research and development of a predictive analytics software module to prevent severe consequences of accident". The purpose of this work is to create a software module for predicting the occurrence of traffic accidents of varying severity to prevent severe consequences of an accident. Approbation of the developed module was carried out on data on traffic accidents involving trucks in St. Petersburg. To achieve this goal, a data set was used, obtained from the traffic police website, containing an exhaustive amount of information about traffic accidents. In the course of the work, data pre-processing was performed, including categorical variable coding, data scaling, and data set dimension reduction so that machine learning algorithms could easily interpret the data and produce a qualitative result. The hyperparameters of the models were tuned to provide an optimal solution to the problem of multiclass classification, and the obtained models were compared using a set of metrics. The result of the work is a software module that implements the prediction of the severity of traffic accidents.