OBJETIVO GENERAL

Desarrollar modelos de machine learning para predecir el nivel de riesgo de accidentes de tráfico utilizando como entradas datos referentes a condiciones de las vías dentro de la ciudad de Quito y su periferia, información de los conductores y su forma de manejo, datos sobre el clima y registros de accidentes ocurridos en las diferentes ubicaciones y aplicar dichos modelos en un sistema seguro de alertas a través de dispositivos móviles.

OBJETIVOS ESPECÍFICOS

• Construir un dataset de eventos de conducción, desarrollado dentro y en la periferia de la ciudadde Quito, que contenga diferentes fuentes de información; tales como: datos y forma de manejo del conductor, ubicación y datos metereológicos de la ruta de conducción, registros históricos de accidentes, entre otros.
• Desarrollar modelos para la evaluación del nivel de riesgo de accidentes de tráfico de un conductor en condiciones específicas, utilizando técnicas de redes neuronales, tales como Radial Basis Function y Deep Learning y algoritmos tipo ensemble como Random Forest, XGBoost y Optimal Classification Trees aplicadas al dataset de eventos de conducción.
• Evaluar el nivel de riesgo de accidentabilidad aplicando los modelos desarrollados a datos de prueba, correspondientes a nuevos eventos de conducción.
• Comparar los rendimientos de los modelos obtenidos con los diferentes algoritmos y configuraciones, de modo que se puedan realizar recomendaciones para su aplicación en la predicción de niveles de accidentabilidad.
• Desarrollar un sistema seguro de alertas que permita presentar los resultados al conductor en forma de reportes emitidos en su dispositivo móvil con el fin que se tomen las medidas pertinentes para contrarrestar los factores que pueden ocasionar accidentes.