Dépôt institutionnel de l'UQO
RECHERCHER

Analyse et prédiction d'accidents de la route dans la ville d'Ottawa

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Traoré, Aboubacar Sékou (2018). Analyse et prédiction d'accidents de la route dans la ville d'Ottawa. Mémoire. Gatineau, Université du Québec en Outaouais, Département d'informatique et d'ingénierie, 118 p.

[img]
Prévisualisation
PDF
Télécharger (2MB) | Prévisualisation

Résumé

Le phénomène des accidents routiers est une problématique de portée mondiale. Nous pouvons dénombrer des millions de victimes à travers le monde. Parmi ces victimes, en termes de vies humaines, nous constatons des décès, des blessures graves, des traumatismes psychologiques de divers degrés au point que certains en ressortent handicapés à vie. De par les dommages aux personnes physiques, les accidents de la route peuvent avoir aussi un impact socio-économique très important. Le but de ce mémoire est d’analyser les données sur les accidents de la route survenus dans la ville d’Ottawa pendant les années 2013 à 2016 afin de pouvoir les prédire. Les relations entre les variables caractérisant les accidents seront analysées et visualisées afin d’identifier leurs possibles liens et corrélations. Divers modèles seront ensuite construits permettant d’analyser et de prendre des décisions valables et fournir des prédictions sur les accidents. Dans ce contexte, nous nous sommes attachés en premier lieu à prédire le risque des accidents dans des conditions données (par exemple accident/pas d’accident), et en deuxième lieu à prédire le risque en termes de type d’accidents (par exemple accidents fatals, accidents avec des blessures ou accidents avec des dommages matériels). Pour arriver à un tel résultat, nous nous proposons d’analyser et de classifier les accidents de la route en utilisant une série de techniques existantes, à savoir les arbres de décision, les machines à vecteurs de support, les réseaux de neurones, l’algorithme AdaBoost, les arbres de décision « gradient boosted tree », l’algorithme naïf bayésien et la méthode du k-voisins le plus proche (k-nearest neighbors). Étant donné le fait que les deux bases de données utilisées dans ce mémoire sont déséquilibrées, c’est-à-dire qu’on a par exemple dans une des bases de données seulement 71 cas d’accidents fatals contre 43 000 cas d’accidents non fatals, nous avons fait appel à la technique de sur-échantillonnage synthétique de la minorité (SMOTE). Celle-ci ajoute des échantillons synthétiques à la classe minoritaire en tenant compte des données voisines, nous offrant ainsi une solution à ce problème de déséquilibre. Une évaluation de la performance de chaque modèle sur diverses combinaisons des variables (par exemple données météorologiques, jour de la semaine, heure, lieu de l’accident, etc.) sera proposée afin d’identifier les modèles les plus prometteurs pour la prédiction des accidents. Une analyse de ces variables et de leur importance sera également incluse dans le présent mémoire. Les travaux de recherche pour l’analyse et la classification des données sont basés sur l’outil R et plus précisément la librairie « Rattle », ainsi que sur le logiciel Rapid Miner. Le présent mémoire apporte donc une contribution dans le contexte des sciences et technologies de l’information afin de rendre la circulation routière plus sécurisée, notamment dans la ville d’Ottawa.

Type de document: Thèse (Mémoire)
Directeur de mémoire/thèse: Cretu, Ana-Maria
Départements et école, unités de recherche et services: Informatique et ingénierie
Date de dépôt: 15 juin 2018 19:09
Dernière modification: 15 juin 2018 19:09
URI: http://di.uqo.ca/id/eprint/994

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt