馃殾 Predicci贸n de Accidentes de Tr谩nsito

Autores: Calf铆n & Fern谩ndez

馃幆 Objetivo

Analizar las condiciones del entorno urbano y vehicular para predecir la cantidad de accidentes de tr谩nsito usando modelos de miner铆a de datos, y comunicar visualmente los hallazgos a partir de datos reales.

馃攳 Insights Principales

1. Densidad de tr谩fico y multas: combinaci贸n cr铆tica
A mayor densidad y mayor cantidad de multas, el riesgo de accidentes predichos aumenta significativamente.
2. Lluvia + mal pavimento = m谩s accidentes
Las zonas con pavimento deteriorado y lluvia intensa presentan mayores niveles de accidentes predichos.
3. Variables m谩s influyentes
Seg煤n el 谩rbol de regresi贸n, las variables con mayor impacto fueron:
Densidad del tr谩fico o "traffic_density" , Multas de tr谩fico o "traffic_fine_amount", Intensidad de la lluvia o "rain_intensity" y la cantidad de veh铆culos o "vehicle_count".

馃 Modelo Aplicado

Se utiliz贸 un 谩rbol de regresi贸n (`DecisionTreeRegressor`) con ajuste de hiperpar谩metros mediante `GridSearchCV`. Se aplic贸 escalamiento previo de los datos con `StandardScaler`.

Arbol de Regresi贸n

馃搳 Visualizaciones

馃搶 Aplicaciones reales

Este modelo de predicci贸n es una herramienta estrat茅gica para **organismos p煤blicos y municipales**, dise帽ada para generar un impacto directo en la seguridad vial. Permite:

Su implementaci贸n se traduce en ciudades m谩s seguras y una gesti贸n m谩s eficiente de la infraestructura vial.

馃敆 Enlaces 煤tiles

Publicaci贸n en LinkedIn Belen Calf铆n: Ir

Publicaci贸n en LinkedIn Diego Fern谩ndez: Ir

Repositorio del c贸digo: Ir