Data

Tools

Indexes

Applications

Experiments

Open Source Science

pmv-si-2025-1-pe7-t1-pmv-si-2025-1-pe7-t1-acidentes-transito

https://github.com/thalitaof/pmv-si-2025-1-pe7-t1-pmv-si-2025-1-pe7-t1-acidentes-transito

Science Score: 26.0%

This score indicates how likely this project is to be science-related based on various indicators:

  • ○
    CITATION.cff file
  • ✓
    codemeta.json file
    Found codemeta.json file
  • ✓
    .zenodo.json file
    Found .zenodo.json file
  • ○
    DOI references
  • ○
    Academic publication links
  • ○
    Academic email domains
  • ○
    Institutional organization owner
  • ○
    JOSS paper metadata
  • ○
    Scientific vocabulary similarity
    Low similarity (1.5%) to scientific vocabulary
Last synced: 10 months ago · JSON representation

Repository

Basic Info
  • Host: GitHub
  • Owner: ThalitaOF
  • Language: Python
  • Default Branch: main
  • Size: 136 MB
Statistics
  • Stars: 0
  • Watchers: 0
  • Forks: 0
  • Open Issues: 0
  • Releases: 0
Created about 1 year ago · Last pushed about 1 year ago
Metadata Files
Readme Citation

README.md

PONTO CRTICO - Uso de Machine Learning para previsibilidade de tipos de acidentes em rodovias mineiras

CURSO: Sistemas de Informao

DISCIPLINA: Projeto - Pesquisa e Experimentao em Sistemas de Informao

SEMESTRE: 7

O projeto tem como objetivo desenvolver uma soluo baseada em algoritmos de machine learning para avaliar a probabilidade de ocorrncia de acidentes de trnsito em rodovias mineiras. A partir da anlise de um conjunto de variveis relevantes, respectivamente: perodo (fase do dia e dia da semana), traado de via, condies meteorolgicas, uso do solo, sentido da via, tipo de envolvido, veculo e pista. Assim, o sistema realizar anlises preditivas para identificar os tipos mais frequentes de acidentes. Essa abordagem fornecer informaes estratgicas para intervenes preventivas e direcionadas, como melhorias na sinalizao, intensificao da fiscalizao, campanhas educativas e ajustes na infraestrutura viria. Os resultados obtidos sero disponibilizados por meio de uma plataforma acessvel, promovendo decises embasadas e contribuindo para a reduo da sinistralidade e o aumento da segurana no trnsito.

Integrantes

  • Alexandre Fernandes Abreu
  • Aline Souza Alves
  • Gabriel Henrique Martins Avelino
  • Higor Botelho Mendes
  • Leandro Felipe Gonalves Barbosa
  • Thalita de Oliveira Farias

Orientador

  • Luciana de Nardin

Planejamento

| Etapa | Atividades | | :----: | ----------- | | ETAPA 1 |Documentao de Contexto e levantamento dos dados
| | ETAPA 2 |Conhecendo os dados
| | ETAPA 3 |Preparao dos dados, construo e avaliao dos modelos propostos | | ETAPA 4 |Implantao e apresentao da soluo
|

Instrues de utilizao

Assim que a primeira verso do sistema estiver disponvel, dever complementar com as instrues de utilizao. Descreva como instalar eventuais dependncias e como executar a aplicao.

Cdigo

  • Cdigo Fonte

    • Apresentao

  • Apresentao da soluo

    • Owner

    • Name: Thalita Oliveira
    • Login: ThalitaOF
    • Kind: user
    • Location: Ipatinga, MG

    GitHub Events

    Total
    • Push event: 1
    • Create event: 1
    Last Year
    • Push event: 1
    • Create event: 1

    Dependencies

    src/ml-regressao-multinominal/requirements.txt pypi
    • contourpy ==1.3.2
    • cycler ==0.12.1
    • defusedxml ==0.7.1
    • et_xmlfile ==2.0.0
    • fonttools ==4.58.0
    • kiwisolver ==1.4.8
    • matplotlib ==3.10.3
    • numpy ==2.2.5
    • odfpy ==1.4.1
    • openpyxl ==3.1.5
    • packaging ==25.0
    • pandas ==2.2.3
    • pillow ==11.2.1
    • pyparsing ==3.2.3
    • python-dateutil ==2.9.0.post0
    • pytz ==2025.2
    • scipy ==1.15.3
    • seaborn ==0.13.2
    • six ==1.17.0
    • tzdata ==2025.2