| dc.contributor.advisor | Varona Taborda, Maria Alejandra | |
| dc.coverage.spatial | cead_-_barranquilla | |
| dc.creator | Ordoñez Cueto, Jose Luis | |
| dc.creator | Fernandez Ebratt, Liz Vanessa | |
| dc.date.accessioned | 2025-03-27T14:45:22Z | |
| dc.date.available | 2025-03-27T14:45:22Z | |
| dc.date.created | 2025-03-12 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/67670 | |
| dc.description.abstract | Este proyecto tiene como objetivo principal identificar patrones y tendencias en los accidentes de tráfico ocurridos en Barranquilla, a partir del análisis de datos históricos de un período determinado. Se busca comprender las principales causas, características y factores de riesgo asociados con estos incidentes, mediante el uso de técnicas avanzadas de analítica de datos. A través de este análisis, se pretende establecer una base sólida para el diseño de estrategias preventivas y políticas públicas que mejoren la seguridad vial en la ciudad. Los hallazgos permitirán a las autoridades locales optimizar los recursos destinados a la prevención, reducir la frecuencia de los accidentes y minimizar los riesgos relacionados con el tráfico. Esta investigación se enfoca en el uso de herramientas de Big Data y Ciencia de Datos para generar conclusiones prácticas y significativas que contribuyan a la creación de un entorno más seguro y eficiente para la movilidad urbana. | |
| dc.format | pdf | |
| dc.title | Diseño de un dashboard para el análisis de los datos relacionados con los accidentes ocurridos en la ciudad de Barranquilla | |
| dc.type | Proyecto aplicado | |
| dc.subject.keywords | Análisis de datos | |
| dc.subject.keywords | Dashboard interactivo | |
| dc.subject.keywords | Python | |
| dc.subject.keywords | MySQL | |
| dc.subject.keywords | Visualización de datos | |
| dc.description.abstractenglish | This project aims to identify patterns and trends in traffic accidents that occurred in Barranquilla, based on the analysis of historical data over a specific period. It seeks to understand the main causes, characteristics, and risk factors associated with these incidents through the use of advanced data analytics techniques. Through this analysis, it is intended to establish a solid foundation for the design of preventive strategies and public policies that improve road safety in the city. The findings will allow local authorities to optimize resources allocated to prevention, reduce the frequency of accidents, and minimize traffic-related risks. This research focuses on the use of Big Data and Data Science tools to generate practical and meaningful conclusions that contribute to creating a safer and more efficient environment for urban mobility. | |
| dc.subject.category | Ingeniería Industrial | |