Skip to content

Mithilfe von Machine Learning und Open Data zu Unfällen in Berlin (2018-2021) beantworten wir folgende Frage: Was sind die wichtigen Faktoren/Einflüsse auf Unfallgefahr? Und wie gut lässt sich damit die Unfallschwere überhaupt vorhersagen?

Notifications You must be signed in to change notification settings

AnneQuinkenstein/AccidentsInBerlin

Repository files navigation

Accidents In Berlin

Unfallrisiko AI Berlin

Anne Quinkenstein, Cindy Stammberger, Karenina Schröder


Unser Projekt beschäftigt sich mit Straßenverkehrsunfällen in Berlin. Die Ergebnisse unserer Analyse werden in der Streamlit App dargestellt. In der StreamliteApp kann man die Bedingungen eingeben, unter denen man einen Unfall befürchtet, um rauszufinden, ob er schwerwiegend sein könnte. Mit den open Data von Berlin wird die Wahrscheinlichkeit für die Unfallschwere mit dem Machine Learning-Algorithmus Random Forest vorhergesagt. Wir können allerdings keine Aussage darüber treffen, ob man einen Unfall haben wird.

  • Um die App zu starten, führen Sie bitte die Datei ../modelle_getuned/Rf_Rs_Gridgetuned.ipynb aus.
  • Dadurch wird die Datei ../modelle_getuned/random_forest_model.pkl erstellt.
  • In dem Skript ../infos/streamlitAppTest.py wird die pkl Datei geladen und die StreamlitApp gestartet.

Um die StreamlitApp in Ihrem Browser zu öffnen, gehen Sie in den Ordner infos und führen Sie bitte das Skript ../infos/streamlitAppTest.py aus mit dem Befehl streamlit run streamlitAppTest.py.

Berlin Map Blurred

About

Mithilfe von Machine Learning und Open Data zu Unfällen in Berlin (2018-2021) beantworten wir folgende Frage: Was sind die wichtigen Faktoren/Einflüsse auf Unfallgefahr? Und wie gut lässt sich damit die Unfallschwere überhaupt vorhersagen?

Topics

Resources

Stars

Watchers

Forks

Packages

No packages published