نظام ذكي للتنبؤ بمدة رحلات التاكسي (Regression Analysis)

هل تخيلت يوماً كيف يمكن لبيانات 1.5 مليون رحلة أن تساعدك في تخطيط وقتك بدقة؟

قمت ببناء نموذج تعلم آلي (Machine Learning) متطور لتحليل وتنبؤ مدة رحلات التاكسي في مدينة نيويورك. التحدي لم يكن فقط في حجم البيانات، بل في فهم سلوك الزحام والأنماط الزمنية والمكانية للمدينة.

ماذا قدمت في هذا المشروع؟

تحليل هندسي مكاني (Geospatial Engineering): استخدمت معادلة Haversine لحساب المسافات الحقيقية بين الإحداثيات، مع معالجة الوقت بشكل دوري (Cyclic Encoding) لفهم تأثير ساعات الذروة.

دقة عالية: نجحت في الوصول لـ R² score 0.78، مما يعني تقليل نسبة الخطأ بنسبة 25% مقارنة بالنماذج التقليدية.

تطبيق تفاعلي: لم يقتصر العمل على "كود" فقط، بل قمت بعمل Deployment للتطبيق باستخدام Streamlit ليتمكن أي مستخدم من إدخال نقطة البداية والنهاية والحصول على تنبؤ فوري.