Análisis en perfiles de conducción mediante aprendizaje automático

Abstract

Este proyecto es una primera aproximación al desarrollo de perfiles de conducción en flotas de vehículos, de forma telemática por medio de dispositivos de localización GPS, dando especial importancia al control de velocidad. El trabajo que se lleva a cabo en este proyecto se enfoca en concreto en cumplir la definición de alquiler, es decir que "la entidad pueda aportar a una persona un vehículo para que lo use durante un tiempo a cambio de una cantidad de dinero y que las condiciones impuestas se cumplan" (superar frecuentemente los límites de velocidad). Desarrollado en Python, el proyecto hace uso de una red neuronal entrenada para predecir la puntuación de cada trayecto realizado por un vehículo, a partir de una densa base de datos reales aportados por una entidad colaboradora.

This project is a first approximation to the score of telematically driving profiles in real time for vehicle fleets, through GPS location devices, focusing mainly in speed control. Developed in Python, it uses a trained neural network to predict the score of each journey made by a vehicle from a dense real database provided by the collaborating entity. The work carried out in this project focuses on meeting the definition of rental, which is that the entity can provide a vehicle for a client to use it for a time in exchange of money and under imposed conditions, that in case of not being complied with (frequently exceeding the speed limits) the entity itself would already have the reports of that client and would be entitled to terminate the rental contract. Hence, based on different measures, a score would be assigned to the customer, resulting in a certain profile that may be of great interest to rental companies.