道路事故分析系统

交通事故是印度的关键领域之一。要分析的信息来自不同的来源，具有不同的方面。收集所有这些相关数据、检测和分析这些数据，从而得到能够提供之前事故信息的决策树，这是一个挑战。事故数据分析的主要目标之一是找出交通事故的主要因素。对于这个问题，有必要用机器学习来研究事故发生的速度。该项目的结果被用于在确定的各种事故的区域内进行一些事故预防工作，以击败事故的数量。

希望在Analytics上构建项目?：

Analytics Kit将发送给您，您可以学习和构建使用教程。你今天就可以免费开始了!

1.使用R进行数据分析

项目描述

这个项目以数据分析为基础，我们试图分析一个典型的数据库或数据分析软件如Excel无法分析的超大知识集。如果我们开发合适的预测模型，能够自动分类各种交通事故的各种伤害严重程度，就可以检测出严重事故的模式。为了解决这个问题，我们尝试使用Hadoop实现分布式处理，并使用Apache Zeppelin获得所需的结果，以研究和可视化信息集并生成选择树。这个项目有助于以下几个目的:

• 识别所选高速公路和道路内发生事故的本质。
• 根据收集到的数据，找出最能解释事故的原因。
• 找出造成事故的道路的特征。
• 识别道路交叉路口的类型和事故发生的频率。
• 运行教学推荐系统。

本项目中使用的模块

登录

• 登录红衣主教
• 启动Hadoop分布式文件系统

数据预处理

• 将非结构化数据转换为结构化数据。
• 数据清理
• 删除缺失值和杂音。
• 删除重复的记录。
• 知识集的集成。
• Hadoop的碎片和复制。

聚类模块

• 拟合主节点和从节点。
• 在非常并行的环境中处理MapReduce作业。
• 获取MapReduce增益输出到齐柏林用于树诱导。

属性选择和树归纳

• 用于生成决策树的信息挖掘功能。
• 准备培训数据集。
• 准备验证数据集。

可视化与阿帕奇齐柏林

• 数据可视化。

项目实施

该框架有许多步骤来促使知识的最终分析。

具体如下:

Hadoop登录:Apache Hadoop可能是一个开源软件的集合，它使用MapReduce编程模型促进了一个用于分布式存储和处理大量数据集的框架。

• 在这个框架中，首先你必须在这个软件期间与你自己的登录基数一起登录。
• 在此之后，您将输入的信息集将被转换为

预处理的结构化数据。

• 在信息结构化并排除所有错误之后，它将传输到cluster模块，用于对对象集合进行分组的任务。
• 下一步是决策树可视化，它为预测目标变量执行基础。在此算法的帮助下，信息的临界分布是完全可以理解的。
• 最后，将Apache Zeppelin中严重性与用户定义属性的输出信息可视化。

硬件需求

• 处理器- i3
• 硬盘—1tb
• 内存- 4gb RAM

软件需求

• Windows 8, Windows 10(终极版，企业版)
• 前端:阿帕奇齐柏林飞艇
• 后端:Scala-Spark

优点:

• 该框架有效地克服了上述问题。

• 在分析信息发现事故风险较大的地点内制定保护措施。

缺点:

• 如果建立了更多的特征，就能识别出更多与事故有关的信息。
• 它有内存限制和可变的数据，它只给出一个精确的知识水平。

你知道吗?

2022世界杯亚洲区赛程表时间Skyfi实验室帮助学生学习实用技能通过构建真实的项目。

你可以和朋友一起报名，并在家门口领取工具包

你可以向专家学习，建立可行的项目，向世界展示技能，获得最好的工作。
今天就开始吧!

• 不需要套件

• 数据挖掘

道路事故分析系统