نظام ذكاء اصطناعي للتنبؤ بخطورة حوادث الطرق (Accident Severity Prediction)

عن المشروع: تطوير موديل متقدم يعتمد على تعلم الآلة (Machine Learning) لتحليل بيانات حوادث الطرق في المملكة المتحدة (UK Road Safety Data). الهدف من المشروع هو مساعدة الجهات المختصة في التنبؤ بمدى خطورة الحادث فور وقوعه أو بناءً على ظروف معينة لاتخاذ قرارات سريعة وتوزيع الموارد بشكل أذكى. ماذا قدمت في هذا المشروع؟ معالجة بيانات ضخمة: قمت بدمج 3 قواعد بيانات (Accidents, Vehicles, Casualties) تحتوي على أكثر من 250,000 سجل لضمان دقة التحليل. هندسة الميزات (Feature Engineering): استخدمت تقنيات متقدمة مثل Target Encoding للتعامل مع البيانات الجغرافية المعقدة، واستخراج الأنماط الزمنية من التواريخ. بناء واختبار النماذج: قمت بتجربة 13 خوارزمية مختلفة، واستقر الاختيار على XGBoost بعد تحقيق أفضل توازن بين السرعة والدقة. تحسين الأداء: رفعت دقة النظام إلى 85.8% باستخدام تقنيات Hyperparameter Tuning (GridSearchCV). واجهة مستخدم (Deployment): صممت لوحة تحكم تفاعلية باستخدام Gradio تتيح للمستخدم إدخال بيانات الحادث (الطقس، السرعة، الوقت) والحصول على النتيجة فوراً. الأدوات المستخدمة: Python, XGBoost, Scikit-Learn, Pandas, Gradio.