Využití Bayesovských sítí pro analýzu nehodových dat
Use of Bayesian networks for accident data analysis
Typ dokumentu
diplomová prácemaster thesis
Autor
Martin Zajíček
Vedoucí práce
Růžička Jiří
Oponent práce
Nagy Ivan
Studijní program
Inteligentní dopravní systémyInstituce přidělující hodnost
ústav dopravní telematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Diplomová práce se zabývá využitím Bayesovských sítí pro analýzu nehodových dat. Data pochází z období let 2011-2021 z území hlavního města Prahy a přilehlých okresů Praha-východ a Praha-západ. Cílem práce je pomocí Bayesovských sítí identifikovat faktory, jejichž pravděpodobnost se nejvíce zvýší při těžkých nehodách, tedy faktory, které se se zvyšující se vážností nehody vyskytují častěji. Faktory byly identifikovány na základě posouzení rozdílů mezi marginálními a podmíněnými pravděpodobnostními funkcemi jednotlivých faktorů (proměnných). V práci je popsána teorie týkající se Bayesovských sítí, dále postup přípravy a zpracování dat, následné vytvoření struktury Bayesovské sítě a výpočet lokálních pravděpodobnostních rozdělení pomocí algoritmu. V závěru práce jsou shrnuty faktory vyskytující se při vyšší vážnosti nehody. The thesis deals with the use of Bayesian networks for accident data analysis. The data comes from the period 2011-2021 from the territory of the capital city of Prague and the adjacent districts of Prague-East and Prague-West. The aim of the thesis is to identify the factors whose probability increases most in severe accidents, i.e. the factors that occur more frequently with increasing accident severity, using Bayesian networks. The factors were identified by comparing the differences between the marginal and conditional probability functions of each factor (variable). The thesis describes the theory related to Bayesian networks, the procedure of data preparation and processing, the subsequent construction of the Bayesian network structure and the calculation of local probability distributions using the algorithm. The thesis concludes with a summary of the factors occurring in higher severity accidents.