Road-Accidents-Classification

تحليل وتصنيف مخاطر الطرق باستخدام تقنيات علوم البيانات

يهدف هذا المشروع إلى تحليل وتصنيف الطرق من حيث خطورتها باستخدام بيانات الحوادث المرورية من 49 ولاية في الولايات المتحدة، تم جمعها بين عامي 2016 و2022 من خلال واجهات برمجية (APIs) توفر بيانات لحظية عن الحوادث المرورية.

أهمية المشروع:

تحديد العوامل المؤثرة في الحوادث مثل الوقت، الطقس، والبنية التحتية.

تصنيف الطرق وفقًا لدرجة خطورتها باستخدام تحليل البيانات وتقنيات التعلم الآلي.

المساعدة في وضع سياسات مرورية أكثر أمانًا وتقليل الحوادث.

منهجية العمل:

تنظيف البيانات ومعالجة القيم الناقصة: تم استبعاد أو تعويض القيم الفارغة باستخدام طرق تحليلية متقدمة.

تحليل البيانات واستخراج الأنماط: دراسة تأثير العوامل الزمنية، الجوية، والبنية التحتية على الحوادث.

التصور البياني: تم إنشاء لوحات بيانات ورسوم بيانية لفهم أنماط الحوادث بشكل مرئي.

تطبيق خوارزميات التعلم الآلي:

Logistic Regression: دقة تدريب 50% ودقة اختبار 48%.

Decision Tree: دقة تدريب 95.3% ودقة اختبار 77.5%.

Random Forest: تم استخدامه لتحسين الدقة.

تطوير تطبيق تفاعلي باستخدام Streamlit: لعرض النتائج وتحليل المخاطر بناءً على البيانات المدخلة.

النتائج والتوصيات:

تحديد الأوقات والأماكن الأكثر عرضة للحوادث (مثل زيادة الحوادث في الصيف وعند غياب إشارات المرور).

تصنيف الطرق إلى 4 مستويات خطورة لمساعدة الجهات المعنية في اتخاذ قرارات مرورية أكثر دقة.

تحسين دقة النماذج باستخدام خوارزميات تعلم آلي متقدمة.