Please use this identifier to cite or link to this item: https://hdl.handle.net/11000/7684
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorÚbeda González, David-
dc.contributor.authorGarcía Alfaro, Manuel-
dc.contributor.otherDepartamentos de la UMH::Ingeniería de Sistemas y Automáticaes
dc.date.accessioned2021-05-10T16:30:29Z-
dc.date.available2021-05-10T16:30:29Z-
dc.date.created2020-07-07-
dc.date.issued2020-07-07-
dc.identifier.urihttp://hdl.handle.net/11000/7684-
dc.description.abstractLa seguridad vial se encuentra siempre en una mejora permanente, esto es debido a que siempre se podrá reducir el número de víctimas mortales en las carreteras o reducir el impacto de los accidentes en las personas, por eso en este trabajo fin de grado nos dedicaremos a analizar y buscar patrones dentro de las características que tienen estos accidentes para ver que conclusiones podemos obtener y si existe cierto margen de mejora. Utilizaremos varias técnicas para el análisis de nuestros datos podríamos englobarlas como técnicas de big data, pero a veces este término resulta genérico y confuso, ya que big data se refiere al análisis de grandes cantidades de datos que pueden ser analizados con técnicas convencionales de computación. De otra manera los campos de la inteligencia artificial como son el machine learning y deep learning si que se encuentran mejor definidos ya que cada uno es un subcampo del anterior. Podemos definir la inteligencia artificial como un intento de los ordenadores de aproximarse o intentar semejar el poder de raciocinio y el comportamiento de los humanos. Nosotros centraremos principalmente nuestro análisis en el machine learning, que podemos definir como un conjunto de técnicas y algoritmos de carácter estadístico que permite hacer predicciones y buscar patrones en grandes conjuntos de datos. Por lo que intentaremos aplicar las técnicas de machine learning a la seguridad vial para poder predecir la gravedad de los accidentes de tráfico en función de las características en las que se produjo un accidentees
dc.description.abstractRoad safety is always in permanent improvement, this is because you can always reduce the number of fatalities on the roads or reduce the impact of accidents on people. That's why in this final year project we will analyse and look for patterns within the characteristics of these accidents to see what conclusions we can draw and if there is some room for improvement. We use several techniques for the analysis of our data, we could include them as Big Data techniques, but sometimes this term is generic and confusing, since Big Data refers to the analysis of large amounts of data that can be analysed with computational techniques. Otherwise, the fields of Artificial Intelligence such as Machine Learning and Deep Learning if they are better defined and each one is a subfield of the previous one. We can define artificial intelligence as an attempt by computers to approximate or attempt to resemble the power of reason and humans’behaviour. We will mainly focus our analysis on Machine Learning, which we can define as a set of statistical techniques and algorithms that allow us to make predictions and look for patterns in large data sets. Therefore, we try to apply Machine Learning techniques road safety to be able to predict the severity of traffic accidents based on the characteristics in which an accident occurred.-
dc.formatapplication/pdfes
dc.format.extent139es
dc.language.isospaes
dc.publisherUniversidad Miguel Hernández de Elchees
dc.rightsinfo:eu-repo/semantics/openAccesses
dc.subjectBig Dataes
dc.subjectmachine learninges
dc.subjecttráficoes
dc.subjectAccidenteses
dc.subjectaprendizaje automáticoes
dc.subjectaprendizaje supervisadoes
dc.subject.otherCDU::6 - Ciencias aplicadas::62 - Ingeniería. Tecnologíaes
dc.titleAnálisis y clasificación de la gravedad de un accidente con Aprendizaje Automáticoes
dc.typeinfo:eu-repo/semantics/bachelorThesises
Appears in Collections:
TFG-Ingeniería Electrónica y Automática Industrial


Thumbnail

View/Open:
 TFG-García Alfaro, Manuel.pdf
22,55 MB
Adobe PDF
Share:


Creative Commons ???jsp.display-item.text9???