| Περίληψη : | Σκοπός της παρούσας εργασίας είναι η ανάλυση των τροχαίων ατυχημάτων στην Ελλάδα και η ανάπτυξη κατάλληλων μοντέλων πρόβλεψης, ανάλογα με το είδος του ατυχήματος και τoν τύπο του οδοστρώματος.Για το σκοπό αυτό, ελήφθησαν στοιχεία που αφορούν τη χρονική περίοδο 2014 – 2021 από την Στατιστική Επετηρίδα της Ελληνικής Αστυνομίας και με τη βοήθεια της γλώσσας προγραμματισμού Python εξετάστηκε η καταλληλόλητα και εν συνεχεία η αποτελεσματικότητα δύο ιδιαίτερα γνωστών μοντέλων χρονοσειράς, SARIMA και Prophet. Ειδικότερα, μελετήθηκαν εννέα διαφορετικές χρονοσειρές δεδομένων και διαπιστώθηκε ότι, σε γενικότερες γραμμές το μοντέλο ανοιχτού κώδικα Prophet δύναται να προβλέψει με μικρότερο ποσοστό λάθους τις μελλοντικές τιμές των τροχαίων ατυχημάτων, καθώς προσαρμόστηκε καλύτερα στις απότομες μεταβολές που επήλθαν στον αριθμό των τροχαίων ατυχημάτων λόγω των μέτρων περιορισμού που θέσπισε η κυβέρνηση κατά την περίοδο της πανδημίας.Ένα από τα σημαντικότερα προβλήματα που καταγράφηκαν και επηρέασαν την εύρεση αλλά και την αποδοτικότητα των μοντέλων ήταν η απαγόρευση κυκλοφορίας στους δρόμους της Ελλάδας, κατά το Β ́, Δ ́ τρίμηνο του έτους 2020 και στις αρχές του έτους 2021. Ωστόσο, εκτιμάται ότι η χρήση μοντέλων χρονοσειράς μπορεί να είναι ιδιαίτερα ωφέλιμη στην πρόβλεψη των τροχαίων ατυχημάτων και μπορεί να βοηθήσει τις αρχές επιβολής του νόμου ή τις λοιπές αρμόδιες αρχές στη λήψη μέτρων για τη περαιτέρω μείωση των τραυματισμών (θανατηφόρων, σοβαρών, ελαφρών) στα τροχαία ατυχήματα.
The scope of this thesis is the time series analysis of road traffic accidents in Greece and the development of appropriate prediction models depending on the type of accident and the quality of the road surface.For this purpose, data concerning the time period 2014 – 2021 was obtained from the Statistical Yearbook of the Hellenic Police and the effectiveness of two particularly well-known time series models, SARIMA and Prophet, was examined with the use of the Python programming language. In particular, nine available timeseries were studied and it was found that, in general terms, the open source Prophet model may predict the future values of traffic accidents with a lower percentage error than SARIMA model, as it adapted better to the sharp changes that occurred in the number of traffic accidents due to the governmental restriction measures during the pandemic period.One of the most important problems that were recorded and affected the finding and also the efficiency of the models was the traffic ban on the roads of Greece, during the 2nd, 4th quarter of the year 2020 and the beginning of the year 2021. In a more general context, it was found that the use of time series models can be particularly useful in predicting traffic accidents and can assist law enforcement or other relevant authorities in taking measures to further reduce road traffic injuries (fatal, major, slight).
|
|---|
Copyright © 2013 Βιβλιοθήκη Ο.Π.Α. Με την επιφύλαξη παντός δικαιώματος.