Análisis de Accidentes de Tránsito con Máquinas de Soporte Vectorial LS-SVM

Resumen

El objetivo del trabajo es desarrollar y evaluar un modelo de clasificación utilizando máquinas de soporte vectorial con algoritmos de optimización de enjambre de partículas, para clasificar el grado de severidad en el cual resultan las personas involucradas en accidentes de tránsito en la V región. Dentro de la minería de datos existen diversas técnicas, como las Máquinas de Soporte Vectorial (SVM), que reconocen patrones basada en la metodología de aprendizaje supervisado. Es complejo trabajar con SVM, por el ajuste de sus parámetros de entrada, por lo que se utiliza el algoritmo de Optimización por Enjambres de Partículas (PSO), para estimar los mejores parámetros para la maquina clasificadora y así clasificar el grado de severidad (lesionado o ileso) con el que resultan las personas involucradas en un accidente. Se crean tres modelos de clasificación utilizando una reformulación de SVM (LS-SVM), estos son: PSO con adaptación Dinámica; IPSO (Improved Particle Swarm Optimization) y factor de Inercia Lineal. A partir de los análisis de ellos, se concluye que PSO con factor de inercia lineal obtuvo mayor rendimiento en la exactitud con un promedio de 82,04%, de un total de 12 muestras de datos. Esto quiere decir que se clasificaron correctamente un 82,04% las personas que resultan en el estado ileso y lesionado, por lo que las SVM son capaces de presentar un buen grado de generalización para clasificar el estado en el cual resultan las personas.