توقع حوادث السيارات على الطرق باستخدام تحليل البيانات المدعوم بتعلم الآلة

أصبحت حوادث المرور تشكل مخاطر شديدة حيث أنها واحدة من أسباب وفاة عدد هائل من الناس في جميع أنحاء العالم. يعد تقليل عدد الحوادث أمرًا حيويًا لإنقاذ الأرواح وتحقيق مدن ومجتمعات مستدامة. تفسر تقنيات تعلم الآلة وتحليل البيانات الأسباب وراء حوادث السيارات وتقترح حلولًا لتقليلها. ومع ذلك، فإن ذلك يحتاج إلى الاستفادة من حلول البيانات الكبيرة حيث أن حجم وسرعة بيانات حوادث المرور تزداد بشكل كبير وسريع. تستكشف هذه الورقة أنماط بيانات حوادث السيارات على الطرق وتقترح نموذجًا تنبئيًا من خلال التحقيق في ميزات البيانات ذات المعنى، مثل شدة الحوادث، وعدد الضحايا، وعدد المركبات. لذلك، تم تصميم نموذج معالجة مسبقة لتحويل البيانات الخام باستخدام إزالة الميزات المفقودة وغير المعنوية، وتعميم سمات البيانات، وإزالة القيم الشاذة باستخدام الإبعاد الربعي. تم استخدام أربعة طرق تصنيف، بما في ذلك أشجار القرار، والغابة العشوائية، والانحدار اللوجستي المتعدد الحدود، وبايز الساذج، وتم تقييمها لدراسة أداء توقع حوادث الطرق. تتناول النتائج مستويات مقبولة من الدقة لتوقع حوادث السيارات باستثناء بايز الساذج. يتم مناقشة النتائج من خلال نهج مدفوع بالبيانات لفهم العوامل التي تؤثر على حوادث السيارات على الطرق وتسليط الضوء على العوامل الرئيسية لاقتراح حلول منع الحوادث. أخيرًا، تم تقديم بعض الاستراتيجيات لتحقيق مدن صحية وصديقة للمجتمع.