Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
http://dspace.lib.uom.gr/handle/2159/29020
Πλήρης εγγραφή μεταδεδομένων
Πεδίο DC | Τιμή | Γλώσσα |
---|---|---|
dc.contributor.advisor | Ταραμπάνης, Κωνσταντίνος | el |
dc.contributor.author | Μουρατίδου, Μαρία | el |
dc.date.accessioned | 2023-06-06T07:31:34Z | - |
dc.date.available | 2023-06-06T07:31:34Z | - |
dc.date.issued | 2023 | el |
dc.identifier.uri | http://dspace.lib.uom.gr/handle/2159/29020 | - |
dc.description | Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2023. | el |
dc.description.abstract | Ο σκοπός της παρούσας διπλωματικής εργασίας, η οποία εκπονήθηκε στα πλαίσια της απόκτησης του μεταπτυχιακού διπλώματος στα Πληροφοριακά Συστήματα, είναι αρχικά η εξερεύνηση των δεδομένων της κυκλοφορίας των δρόμων στην Αττική με άντληση πληροφοριών από την πύλη ανοιχτών κυβερνητικών δεδομένων data.gov.gr, η απεικόνιση αυτών των δεδομένων με την χρήση της πλατφόρμας Tableau για την δημιουργία δυναμικών και μη γραφημάτων προκειμένου να κατανοήσουμε τα δεδομένα αυτά και το πώς μπορεί να συσχετίζονται μεταξύ τους. Στη συνέχεια αναλύεται το πώς μπορούμε να χρησιμοποιήσουμε το Climate data store API του Copernicus για να πάρουμε τα δεδομένα καιρού για τα συγκεκριμένα γεωγραφικά μήκη(longitude) και πλάτη(latitude) που μας ενδιαφέρουν, στην προκειμένη για τις συντεταγμένες της Αττικής όπου βρίσκονται οι αισθητήρες των δρόμων που θα μελετήσουμε, και να τα χρησιμοποιήσουμε για να εξετάσουμε τον τρόπο με τον οποίο η κυκλοφορία των δρόμων (αυξημένη κίνηση, μειωμένη ταχύτητα διέλευσης κλπ) επηρεάζεται από τις καιρικές συνθήκες με τελικό στόχο της διπλωματικής εργασίας να δημιουργήσουμε ένα μοντέλο πρόβλεψης της μελλοντικής κυκλοφορίας των δρόμων της Αττικής που επιλέξαμε με βάση τα ιστορικά δεδομένα και τα δεδομένα καιρού με την χρήση της προγραμματιστικής γλώσσας Python και αντίστοιχες βιβλιοθήκες. Η μεθοδολογία που χρησιμοποιήθηκε ακολουθεί την προσέγγιση που διδαχτήκαμε στο μάθημα «Συστήματα Υποστήριξης Αποφάσεων» κατά το 2ο εξάμηνο φοίτησης και τα βήματα της προσέγγισης είναι πρώτα ο προσδιορισμός του προβλήματος, έπειτα η συλλογή δεδομένων, η προετοιμασία, ο καθαρισμός και η εξερεύνησή τους με στόχο την κατανόησή αυτών, η οποία ακολουθείται από τη δημιουργία ενός μοντέλου πρόβλεψης, του XGBoost που είναι βασισμένο στην θεωρία των Δέντρων Αποφάσεων (Decision Trees). Μετά την πρόβλεψη γίνεται η αξιολόγηση του μοντέλου¬ και η επεξήγηση των αποτελεσμάτων. Τελειώνοντας την εργασία καταλήγουμε σε κάποια συμπεράσματα και προτάσεις με βάση τα αποτελέσματα και τις παρατηρήσεις που προέκυψαν από τα γραφήματα και το μοντέλο πρόβλεψης. | el |
dc.format.extent | 98 | el |
dc.language.iso | el | en |
dc.publisher | Πανεπιστήμιο Μακεδονίας | el |
dc.rights | CC0 1.0 Παγκόσμια | el |
dc.rights.uri | http://creativecommons.org/publicdomain/zero/1.0/ | en |
dc.subject | data.gov.gr | en |
dc.subject | Copernicus | en |
dc.subject | Python | en |
dc.subject | XGBoost | en |
dc.subject | Μηχανική μάθηση | el |
dc.subject | Παλινδρόμηση | el |
dc.subject | Regression | el |
dc.subject | Tableau | fr |
dc.title | Ανοικτά κυβερνητικά δεδομένα κυκλοφορίας δρόμων: διερεύνηση δεδομένων και δημιουργία μοντέλου πρόβλεψης | el |
dc.title.alternative | Open government traffic data: data exploration and predictive model development | en |
dc.type | Electronic Thesis or Dissertation | en |
dc.type | Text | en |
dc.contributor.department | Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών στα Πληροφοριακά Συστήματα | el |
Εμφανίζεται στις Συλλογές: | ΔΠΜΣ Πληροφοριακά Συστήματα (M) |
Αρχεία σε αυτό το Τεκμήριο:
Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
---|---|---|---|---|
MouratidouMariaMsc2023.pdf | Κείμενο | 4.42 MB | Adobe PDF | Προβολή/Ανοιγμα |
Αυτό το τεκμήριο προστατεύεται από Αδεια Creative Commons