Este proyecto tiene como objetivo analizar los datos relacionados con los siniestros viales en la Ciudad Autónoma de Buenos Aires, empleando un conjunto de datos que abarca los años 2016 a 2021. La información será utilizada para extraer conclusiones significativas que permitan a las autoridades locales implementar medidas efectivas para la reducción de víctimas fatales y la mejora de la seguridad vial.
- Lenguaje de Programación: Python
- Bibliotecas Utilizadas:
pandas
: Para la manipulación y análisis de datos.matplotlib
: Para la visualización de datos a través de gráficos.seaborn
: Para gráficos estadísticos más avanzados.openpyxl
: Para la lectura de archivos Excel.geopy
: Para la verificación de coordenadas utilizando APIs. Herramienta de Visualización: PowerBI
-
Carga de Datos: Se cargaron los datos desde archivos CSV correspondientes a accidentes viales y las víctimas involucradas en estos eventos.
-
Inspección Inicial: Se realizó una revisión detallada de los DataFrames para comprender la estructura de los datos y su contenido.
-
Detección y Limpieza de Duplicados: Se evaluaron los datos en busca de duplicados y se llevaron a cabo acciones de limpieza para asegurar la calidad de la información.
-
Análisis Descriptivo: Se implementaron análisis estadísticos básicos para identificar tendencias en los datos, tales como la frecuencia de los siniestros a lo largo de los años y las características de las víctimas.
-
Visualización de Datos: Se crearon gráficos que ilustran la cantidad de siniestros por año, la distribución de la edad de las víctimas y otros factores relevantes.
-
Conclusiones: Se extrajeron conclusiones a partir de los análisis realizados, abordando cómo los datos pueden influir en la toma de decisiones por parte de las autoridades.
Los datos fueron analizados utilizando Python y diversas bibliotecas. Algunos de los hallazgos iniciales incluyen:
- Frecuencia de Accidentes: Se observaron variaciones significativas en el número de accidentes a lo largo de los años, y se identificaron los tipos de calles con mayor índice de siniestralidad.
- Características de las Víctimas: Un predominio de conductores masculinos entre los involucrados, y rangos de edad que requieren campañas de concientización específicas.
Los gráficos resultantes permiten a las autoridades visualizar las tendencias y tomar decisiones informadas. Los datos de coordenadas permitirán elaborar un mapa de siniestralidad en diferentes áreas geográficas de la ciudad, sugiriendo zonas para implementar medidas de seguridad.
-
Tendencia en la Incidencia de Accidentes:
- Se observaron variaciones significativas en la cantidad de accidentes viales a lo largo de los años analizados. Algunos años mostraron un aumento notable en la frecuencia, que podría estar relacionado con factores como el aumento de vehículos en circulación o cambios en las regulaciones de tráfico.
-
Demografía de las Víctimas:
- El análisis reveló que la mayoría de las víctimas son hombres, lo que sugiere la necesidad de enfocar más esfuerzos en la educación vial dirigida a este grupo.
- La edad promedio de las víctimas indica que los jóvenes (18-30 años) son uno de los grupos más vulnerables, lo que sugiere que se deben implementar campañas de concienciación específicas.
-
Tipo de Calle y Rol de las Víctimas:
- Los accidentes en avenidas y calles principales tienen una frecuencia mayor, sugiriendo que las medidas de seguridad deben concentrarse en estas áreas.
- Además, el rol de las víctimas en los accidentes indica que tanto los conductores como los peatones requieren atención, pero las estadísticas muestran que los conductores tienden a tener un mayor número de casos fatales.
-
Recomendaciones para Políticas de Seguridad Vial:
- Basado en los hallazgos, es recomendable que se coordinen acciones de mejora en la infraestructura vial y se desarrollen campañas de concienciación que se enfoquen en los grupos más afectados, como los jóvenes y los hombres conductores.
Enlace al repositorio en GitHub (Incluir aquí la URL de tu repositorio)
Para más información, puedes comunicarte con el equipo detrás de este proyecto a través de correo electrónico.