تحليل بيانات الحوادث وتطوير نموذج Machine Learning للتنبؤ بالحوادث

قمت بتطوير مشروع لتحليل بيانات حوادث الطرق باستخدام تقنيات Machine Learning بهدف استخراج الأنماط المهمة والتنبؤ بشدة الحوادث بناءً على مجموعة كبيرة من المتغيرات المرتبطة بالسائق والمركبة والطريق والظروف البيئية.

تضمنت البيانات معلومات تفصيلية مثل الموقع الجغرافي للحادث (Longitude, Latitude)، سرعة الطريق (Speed_limit)، حالة الطقس (Weather_Conditions)، حالة الطريق (Road_Surface_Conditions)، ظروف الإضاءة (Light_Conditions)، بالإضافة إلى معلومات عن السائق مثل العمر (Age_of_Driver)، الجنس (Sex_of_Driver)، ونوع المركبة (Vehicle_Type)، وكذلك عدد المركبات والمصابين (Number_of_Vehicles, Number_of_Casualties).

قمت بتنفيذ مراحل تحليل البيانات ومعالجتها والتي شملت:

تنظيف البيانات ومعالجة القيم المفقودة

تحليل البيانات استكشافيًا (Exploratory Data Analysis)

تحويل البيانات وتجهيزها لتناسب نماذج Machine Learning

اختيار أهم الميزات المؤثرة على شدة الحوادث

تدريب نموذج Machine Learning للتنبؤ بشدة الحادث (Accident Severity)

تقييم أداء النموذج باستخدام مقاييس دقيقة

تم تنفيذ المشروع باستخدام لغة Python ومكتبات متخصصة مثل Pandas و NumPy و Scikit-learn، مما ساعد على بناء نموذج قادر على تحليل البيانات والتنبؤ بالنتائج بدقة جيدة.

يساعد هذا النوع من المشاريع في فهم العوامل المؤثرة على الحوادث ويمكن استخدامه لتحسين السلامة المرورية واتخاذ قرارات مبنية على البيانات.