Redes Neuronales Recurrentes Y Crisp-Dm En Análisis Y Predicción De Accidentes De Tránsito En Bucaramanga, Colombia.

Resumen

El trabajo tuvo como objetivo implementar redes neuronales recurrentes (RNN) utilizando la metodología CRISP-DM para analizar y predecir la gravedad, la frecuencia mensual y el número diario de involucrados en accidentes de tránsito en Bucaramanga, Colombia. Se utilizaron datos recopilados desde enero de 2012 hasta septiembre de 2023. La metodología CRISP-DM orientó todas las fases del proyecto, desde la comprensión del negocio y de los datos hasta el modelado y la evaluación. Los modelos RNN, incluyendo Many-to-One y LSTM (Long Short-Term Memory), demostraron una alta precisión en la clasificación de la gravedad de los accidentes y una precisión moderada en la regresión del número de accidentes e involucrados. Los resultados proporcionaron una herramienta valiosa para las autoridades de tránsito en la mejora de la seguridad vial. Estos hallazgos destacan la utilidad de las RNN y la metodología CRISP-DM en el análisis y predicción de accidentes de tránsito, ofreciendo una base sólida para decisiones informadas en la gestión de la seguridad vial.