https://github.com/goamegah/ml4roadsecurity

Hackathon24 Implémentation AutoML
https://github.com/goamegah/ml4roadsecurity

automl deeplearning machinelearning python roadaccident

Last synced: about 1 month ago
JSON representation

Hackathon24 Implémentation AutoML

• Host: GitHub
• URL: https://github.com/goamegah/ml4roadsecurity
• Owner: goamegah
• Created: 2025-01-02T13:29:49.000Z (about 1 month ago)
• Default Branch: master
• Last Pushed: 2025-01-06T17:06:28.000Z (about 1 month ago)
• Last Synced: 2025-01-06T18:25:11.103Z (about 1 month ago)
• Topics: automl, deeplearning, machinelearning, python, roadaccident
• Language: Jupyter Notebook
• Homepage:
• Size: 15.4 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: readme.md

Awesome Lists containing this project

README

        
⚡️ Challenge AutoML




    



**Bases de données annuelles des accidents corporels de la circulation routière - Années de 2005 à 2023**

Description

Pour chaque accident corporel (soit un accident survenu sur une voie ouverte à la circulation publique, impliquant au 

moins un véhicule et ayant fait au moins une victime ayant nécessité des soins), des saisies d’information décrivant

l’accident sont effectuées par l’unité des forces de l’ordre (police, gendarmerie, etc.) qui est intervenue sur le

lieu de l’accident. Ces saisies sont rassemblées dans une fiche intitulée bulletin d’analyse des accidents corporels. 

L’ensemble de ces fiches constitue le fichier national des accidents corporels de la circulation dit « Fichier BAAC »

administré par l’Observatoire national interministériel de la sécurité routière "ONISR".

Les bases de données, extraites du fichier BAAC, répertorient l'intégralité des accidents corporels de la circulation, 

intervenus durant une année précise en France métropolitaine, dans les départements d’Outre-mer (Guadeloupe, Guyane, 

Martinique, La Réunion et Mayotte depuis 2012) et dans les autres territoires d’outre-mer (Saint-Pierre-et-Miquelon, 

Saint-Barthélemy, Saint-Martin, Wallis-et-Futuna, Polynésie française et Nouvelle-Calédonie ; disponible qu’à partir 

de 2019 dans l’open data) avec une description simplifiée. Cela comprend des informations de localisation de l’accident

,telles que renseignées ainsi que des informations concernant les caractéristiques de l’accident et son lieu, les 

véhicules impliqués et leurs victimes.

- datasets

    -  https://www.data.gouv.fr/fr/datasets/bases-de-donnees-annuelles-des-accidents-corporels-de-la-circulation-routiere-annees-de-2005-a-2023/

- Description des variables

    - https://www.data.gouv.fr/fr/datasets/r/8ef4c2a3-91a0-4d98-ae3a-989bde87b62a

- Variable à prédire: **Gravité de blessure de l'usager**

    -  les usagers accidentés sont classés en trois catégories de victimes plus les indemnes

### Client

- Groupe d'étude sur la sécurité routière

- Ministères, institutions publiques, constructeurs

automobiles, associations d'usagers, etc.

- En attente d'analyse, outils de simulations et préconisations

### Modèle

• Prédiction de la gravité des accidents de la route