Titulo + fecha de publicación
Origen de los Datos
El conjunto de datos sobre accidentes de tránsito proviene de la Alcaldía Municipal de Candelaria, Valle. Este recurso está disponible en el portal de datos abiertos del gobierno colombiano y puede ser consultado en el siguiente enlace: https://www.datos.gov.co/Transporte/Accidentalidad-Vial-Municipio-de-Candelaria-Valle-/7wbf-88zm. El objetivo principal de estos datos es proporcionar información clara y accesible sobre la siniestralidad vial en la región.
Usos Potenciales
Los datos recopilados son útiles para múltiples propósitos:
- Análisis Predictivo: Permiten identificar patrones y tendencias en la ocurrencia de accidentes para anticipar futuros incidentes y mejorar la seguridad vial.
- Investigación Académica: Facilitan estudios sobre factores que influyen en la siniestralidad y el comportamiento del tráfico.
- Formulación de Políticas Públicas: Proporcionan información valiosa para que las autoridades locales implementen medidas efectivas basadas en evidencia sobre seguridad vial.
- Campañas Educativas: Sirven como base para diseñar campañas que concienticen a la población sobre la seguridad en las vías y los riesgos asociados a ciertos comportamientos.
Mejora de Infraestructura Vial: Ayudan a identificar áreas críticas donde se requiere atención especial para reducir la frecuencia y gravedad de los accidentes.
El conjunto de datos sobre accidentes de tránsito proporcionado por la Alcaldía Municipal de Candelaria es una herramienta valiosa para investigadores, responsables políticos y organizaciones dedicadas a la seguridad vial. Su análisis puede contribuir significativamente a mejorar las condiciones de tránsito y reducir la siniestralidad en la región.
from IPython.display import display
# %%
import pandas as pd
import google.generativeai as genai
url = 'https://www.datos.gov.co/resource/7wbf-88zm.csv'
genai.configure(api_key="TU KEY API")
model = genai.GenerativeModel("gemini-1.5-flash")
try:
df = pd.read_csv(url)
datos = df.drop_duplicates()
# Convertir los datos a un formato adecuado para el modelo
datos_str = datos.to_csv(index=False) # Convertir DataFrame a CSV string
# Solicitar un análisis predictivo
response = model.generate_content(f"Realiza un análisis predictivo sobre los siguientes datos:\n{datos_str}")
print(response.text)
except Exception as e:
print(f"An error occurred: {e}")
A continuación, se realiza un análisis predictivo a partir de los datos proporcionados, con el fin de identificar patrones y tendencias que permitan anticipar la ocurrencia de accidentes de tránsito.
**Limitaciones:**
* El conjunto de datos es limitado en tamaño y período de tiempo, lo que limita la robustez del análisis.
* Se necesitan más variables para obtener resultados más precisos (condiciones climáticas, tipo de vehículo, etc.).
* La información sobre la hora de ocurrencia es incompleta en algunos casos, lo que afecta la precisión del análisis.
**Análisis Exploratorio:**
* **Frecuencia de Accidentes por Tipo:** El tipo de accidente más frecuente es el CHOQUE, seguido de ATROPELLO y VOLCAMIENTO.
* **Frecuencia de Accidentes por Gravedad:** La gravedad de los accidentes se distribuye de la siguiente manera:
* DAÑOS: Mayor frecuencia
* HERIDOS: Segunda mayor frecuencia
* MUERTOS: Menor frecuencia
* **Frecuencia de Accidentes por Corregimiento:** Los corregimientos con mayor frecuencia de accidentes son:
* JUANCHITO
* VILLAGORGONA
* CANDELARIA
* **Frecuencia de Accidentes por Día de la Semana:** Los días de la semana con mayor frecuencia de accidentes son:
* VIERNES
* LUNES
* SABADO
**Tendencias Observadas:**
* **Concentración en Zonas Urbanas:** La mayoría de los accidentes ocurren en zonas urbanas como CALI-CANDELARIA, VILLARICA-PALMIRA y CANDELARIA.
* **Horarios de Mayor Riesgo:** Los accidentes tienden a concentrarse en horas pico de tráfico, como la mañana (7:00 a 9:00 AM) y la tarde (5:00 a 7:00 PM).
* **Mayor Frecuencia los Fines de Semana:** Los fines de semana (viernes, sábado y domingo) presentan una mayor frecuencia de accidentes, posiblemente debido a mayor movilidad y consumo de alcohol.
**Predicciones:**
* **Posibles Puntos de Mayor Riesgo:** Las zonas con mayor concentración de accidentes, como JUANCHITO, VILLAGORGONA y CANDELARIA, son potenciales puntos de mayor riesgo.
* **Días y Horarios de Mayor Probabilidad:** Los viernes, lunes y sábados, especialmente en horas pico, tienen mayor probabilidad de ocurrencia de accidentes.
* **Tipo de Accidentes Más Frecuentes:** Los choques y atropellos son los tipos de accidentes más comunes.
**Recomendaciones:**
* **Control del Tráfico:** Implementar medidas de control de tráfico en zonas de mayor riesgo, especialmente durante horas pico.
* **Campañas de Seguridad Vial:** Realizar campañas de concientización sobre la seguridad vial, incluyendo el consumo responsable de alcohol.
* **Mejora de Infraestructura Vial:** Mejorar la infraestructura vial en zonas con mayor frecuencia de accidentes, incluyendo señalización adecuada y mantenimiento regular.
* **Recopilación de Datos:** Recopilar más datos sobre los accidentes, incluyendo condiciones climáticas, tipo de vehículo y otros factores relevantes para un análisis más completo y preciso.
**Nota:** Este análisis se basa en información limitada y no debe considerarse como una predicción definitiva. Se requiere más investigación y análisis para desarrollar modelos de predicción más robustos y precisos.
1 gravedad 1000 non-null object
2 vias 1000 non-null object
3 corregimiento 1000 non-null object
4 d_a_semana 987 non-null object
5 fecha_de_ocurrecia 1000 non-null object
6 hora_ocurrencia 987 non-null object