• classification
• classificazione
• risk modelling
• geolocation data
• road accidents
• incidenti stradali
• modellazione del rischio
• dati geolocalizzati
• geopandas

In questo lavoro di Tesi è stato affrontato il problema della modellazione del rischio di incidente stradale. Partendo da dati Open Source, sono stati allenati modelli di Data Mining e Machine Learning in grado di classificare i segmenti stradali in due classi a seconda della pericolosità del segmento considerato. Si è dimostrato che il problema può essere affrontato adottando l’approccio a segmenti e partendo da dati Open Source, e si è descritto dettagliatamente come è possibile ottenere il dataset dei segmenti stradali utilizzando i dati presenti su OpenStreetMap (con un approccio applicabile in ogni parte del mondo). Tali modelli risultano utili ai sistemi di supporto che intraprendono azioni preventive per ridurre il numero di incidenti su strada. I classificatori sono stati addestrati e testati su dati storici e i risultati vengono mostrati su mappa.


This Thesis work addresses the problem of road accidents risk modelling. Starting from Open Source data, Data Mining and Machine Learning models have been trained so that they are able to classify road segments into two classes according to the riskiness of the segment considered. It has been shown that the problem can be addressed by adopting the segmented approach and using only Open Source data, and it has been described in detail how it is possible to obtain the dataset of road segments starting from the data stored on OpenStreetMap (with an approach that can be applied anywhere in the world). The obtained models are useful to support systems that take preventive actions to reduce the number of road accidents. The classifiers have been trained and tested on historical data and the results are shown on map.