Modelos de aprendizaje computacional para la predicci´on de siniestralidad vial en Bogotá D.C

Currently road accidents are a problem that negatively worsens the socioeconomic environment of any country or city, which is why all governments seek feasible solutions that allow them to reduce the risk of mortality and accidents. The solutions that many governments have implemented are based on t...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Castellanos Cardozo, Sebastian Rodrigo
Otros Autores:	Ramírez Idárraga, Juan Camilo
Formato:	Trabajo de grado (Pregrado y/o Especialización)
Lenguaje:	spa
Publicado:	Universidad Antonio Nariño 2023
Materias:	Aprendizaje automático Modelos de predicción Siniestralidad vial Redes neuronales Bosques aleatorios Machine learning Prediction models road accident rate Neural networks Random forests
Acceso en línea:	http://repositorio.uan.edu.co/handle/123456789/8949
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

_version_	1812647246436499456
author	Castellanos Cardozo, Sebastian Rodrigo
author2	Ramírez Idárraga, Juan Camilo
author_facet	Ramírez Idárraga, Juan Camilo Castellanos Cardozo, Sebastian Rodrigo
author_sort	Castellanos Cardozo, Sebastian Rodrigo
collection	DSpace
description	Currently road accidents are a problem that negatively worsens the socioeconomic environment of any country or city, which is why all governments seek feasible solutions that allow them to reduce the risk of mortality and accidents. The solutions that many governments have implemented are based on the resolution of article 74/299 “Improvement of road safety”, proclaiming the Decade of Action for Road Safety 2021-2023, held at the United Nations General Assembly
format	Trabajo de grado (Pregrado y/o Especialización)
id	repositorio.uan.edu.co-123456789-8949
institution	Repositorio Digital UAN
language	spa
publishDate	2023
publisher	Universidad Antonio Nariño
record_format	dspace
spelling	repositorio.uan.edu.co-123456789-89492024-10-09T22:47:06Z Modelos de aprendizaje computacional para la predicci´on de siniestralidad vial en Bogotá D.C Castellanos Cardozo, Sebastian Rodrigo Ramírez Idárraga, Juan Camilo Aprendizaje automático Modelos de predicción Siniestralidad vial Redes neuronales Bosques aleatorios Machine learning Prediction models road accident rate Neural networks Random forests Currently road accidents are a problem that negatively worsens the socioeconomic environment of any country or city, which is why all governments seek feasible solutions that allow them to reduce the risk of mortality and accidents. The solutions that many governments have implemented are based on the resolution of article 74/299 “Improvement of road safety”, proclaiming the Decade of Action for Road Safety 2021-2023, held at the United Nations General Assembly Actualmente los siniestros viales son un problema que afectan negativamente el ´ambito socioecon´omico de cualquier pa´ıs o ciudad, por lo cual todos los gobiernos buscan soluciones factibles que les permitan disminuir el riesgo de mortalidad y accidentalidad. Las soluciones que han implementado muchos gobiernos se basan en la resoluci´on del art´ıculo 74/299 “Mejoramiento de la seguridad vial”, proclamando el Decenio de Acci´on de Seguridad Vial 2021-2023, realizado en la Asamblea General de las Naciones Unidas Ingeniero(a) de Sistemas y Computación (Presencial) Pregrado Presencial Investigación 2023-12-13T15:00:36Z 2023-12-13T15:00:36Z 2023-11-23 Trabajo de grado (Pregrado y/o Especialización) info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f http://purl.org/coar/version/c_970fb48d4fbd8a85 http://repositorio.uan.edu.co/handle/123456789/8949 Agencia Nacional de Seguridad Vial. (2022). Estad´ısticas fallecidos y lesionados 2021 2022. Descargado de https://ansv.gov.co/es/observatorio/estad%C3%ADsticas/ fallecidos-y-lesionados-2021-2022 Arce, J. I. B. (2019, 7). Health big data. Descargado de https://www.juanbarrios.com/ la-matriz-de-confusion-y-sus-metricas/ Ardakani, S. P., Liang, X. N., Mengistu, K. T., So, R. S., Wei, X., ´el, B., y Cheshmehzangi, A. (2022). Road car accident prediction using a machine-learning-enabled data analysis. MDPI, 15-5939. Bobadilla, J. (2020). Machine learning y deep learning: Usando python, sickit y keras. Ra-ma Editorial. Descargado de https://books.google.com.co/ books?hl=es&lr=&id=iAAyEAAAQBAJ&oi=fnd&pg=PA11&dq=python+y+machine+ learning&ots=QhCay nK3s&sig=xCghH3NOfc8p pC-VK2GF ocHTQ&redir esc=y#v= onepage&q=python%20y%20machine%20learning&f=false D´ıaz, J. (2021, 10). Con una precisi´on sin precedentes: Una tecnolog´ıa logra predecir accidentes de tr´afico. Descargado de https://www.elconfidencial.com/tecnologia/ novaceno/2021-10-15/accidente-trafico-inteligencia-artificial 3306727/ Google. (2022, 9). Clasificaci´on: Verdadero o falso y positivo o negativo. Descargado de https://developers.google.com/machine-learning/crash-course/ classification/true-false-positive-negative?hl=es-419#:~:text=A%20true% 20positive%20is%20an,incorrectly%20predicts%20the%20positive%20class. Google. (2023). Los distintos m´etodos usados para ense˜nar a la ia. Descargado de https:// atozofai.withgoogle.com/intl/es/learning/ Gupta, A., Anand, A., y Hasija, Y. (2021, 4). Recall-based machine learning approach for early detection of cervical cancer. Descargado de https://ieeexplore.ieee.org/ abstract/document/9418099 Heras, J. M. (2020, 10). iartificial. Descargado de https://www.iartificial.net/ precision-recall-f1-accuracy-en-clasificacion/ Khayesi, J. A., y Meleckidzedeck. (2021, 5). El papel del sistema de las naciones unidas en la mejora de la seguridad vial. Descargado de https://www.un.org/es/ cr%C3%B3nica-onu/el-papel-del-sistema-de-las-naciones-unidas-en-la-mejora -de-la-seguridad-vial-para instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/ spa Acceso abierto Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) https://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 application/pdf application/pdf application/pdf application/pdf Universidad Antonio Nariño Ingeniería de Sistemas y Computación (Presencial) Facultad de Ingeniería de Sistemas Bogotá - Sur
spellingShingle	Aprendizaje automático Modelos de predicción Siniestralidad vial Redes neuronales Bosques aleatorios Machine learning Prediction models road accident rate Neural networks Random forests Castellanos Cardozo, Sebastian Rodrigo Modelos de aprendizaje computacional para la predicci´on de siniestralidad vial en Bogotá D.C
title	Modelos de aprendizaje computacional para la predicci´on de siniestralidad vial en Bogotá D.C
title_full	Modelos de aprendizaje computacional para la predicci´on de siniestralidad vial en Bogotá D.C
title_fullStr	Modelos de aprendizaje computacional para la predicci´on de siniestralidad vial en Bogotá D.C
title_full_unstemmed	Modelos de aprendizaje computacional para la predicci´on de siniestralidad vial en Bogotá D.C
title_short	Modelos de aprendizaje computacional para la predicci´on de siniestralidad vial en Bogotá D.C
title_sort	modelos de aprendizaje computacional para la predicci´on de siniestralidad vial en bogota d c
topic	Aprendizaje automático Modelos de predicción Siniestralidad vial Redes neuronales Bosques aleatorios Machine learning Prediction models road accident rate Neural networks Random forests
url	http://repositorio.uan.edu.co/handle/123456789/8949
work_keys_str_mv	AT castellanoscardozosebastianrodrigo modelosdeaprendizajecomputacionalparalapredicciondesiniestralidadvialenbogotadc