Análisis de modelos machine learning en las posibles causas que originan la siniestralidad vial en Bogotá

Abstract

Esta monografía se centra en el uso de modelos de aprendizaje automático para abordar la problemática de la siniestralidad vial en Bogotá, una ciudad que enfrenta altos índices de accidentes de tránsito debido a factores diversos y complejos. Mediante la aplicación de técnicas avanzadas de análisis de datos, se busca descubrir patrones y tendencias globales que puedan ser relevantes para el contexto local. La investigación se basa en una selección meticulosa de datos específicos de siniestros viales en Bogotá, abarcando variables críticas como el tipo de accidente, las condiciones climáticas, la ubicación geográfica y el tipo de vehículo involucrado. El análisis de estos datos mediante modelos de aprendizaje automático permitirá evaluar el rendimiento y la efectividad de estos modelos en la identificación de las causas subyacentes de los accidentes de tránsito. La interpretación de los resultados proporcionará una comprensión profunda de los factores que contribuyen a la siniestralidad vial en Bogotá, ofreciendo una base sólida para el desarrollo de intervenciones y políticas públicas orientadas a mejorar la seguridad vial. Este estudio no solo busca contribuir al conocimiento académico, sino también proporcionar herramientas prácticas para la toma de decisiones informadas que puedan reducir significativamente la incidencia de accidentes y sus consecuencias en la ciudad.