Descripción general

El sistema de gestión de tráfico (TMS) que se presenta aquí integra modelado predictivo y visualización en tiempo real para facilitar el control eficiente del tráfico y la gestión de incidentes. Desarrollado utilizando Python y Tkinter para la interfaz gráfica, este sistema aprovecha algoritmos de aprendizaje automático para pronosticar el volumen de tráfico en función de las condiciones climáticas y la dinámica de las horas pico. La aplicación visualiza datos de tráfico históricos y previstos a través de gráficos interactivos, proporcionando información crucial para la toma de decisiones en la gestión del tráfico urbano.

Características clave

• Predicción del tráfico: Utiliza modelos de aprendizaje automático (regresión lineal y bosque aleatorio) para predecir el volumen de tráfico en función de los indicadores de temperatura, precipitación y hora punta.
• Visualización gráfica: Muestra las tendencias históricas del tráfico junto con los volúmenes previstos en gráficos interactivos, lo que mejora la comprensión y las capacidades de monitoreo.
• Simulación de tráfico en tiempo real: Simula cambios en los semáforos para replicar escenarios del mundo real, lo que ayuda a evaluar las respuestas del sistema en diversas condiciones.
• Informe de incidentes: Permite a los usuarios informar incidentes, capturando la ubicación y la descripción para una gestión y respuesta rápidas.

Empezando

Requisitos previos

Asegúrese de que Python 3.x esté instalado. Instalar dependencias usando pip:

pip install pandas matplotlib scikit-learn

Instalación

1. Clonar el repositorio:

   git clone 
   cd traffic-management-system

1. Instalar dependencias:

   pip install -r requirements.txt

1. Ejecutar la aplicación:

   python main.py

Uso

1. Predicción de tráfico:

   • Seleccione una ubicación, fecha y modelo (Regresión lineal o Bosque aleatorio).
   • Haga clic en "Predecir tráfico" para ver el volumen de tráfico previsto.
   • Borrar el gráfico usando el botón "Borrar gráfico".

2. Visualización gráfica:

   • El gráfico muestra datos históricos de tráfico y volúmenes previstos para la fecha seleccionada.
   • La línea discontinua roja indica la fecha de predicción y el punto verde muestra el volumen de tráfico previsto.

3. Control de semáforo:

   • Simula el cambio de colores del semáforo (rojo, verde, amarillo) para evaluar la dinámica del flujo de tráfico.

4. Informe de incidentes:

   • Reportar incidentes de tráfico ingresando ubicación y descripción.
   • Haga clic en "Reportar incidente" para enviar el informe.

Descripción general del código

principal.py

# Main application using Tkinter for GUI

import tkinter as tk
from tkinter import messagebox, ttk
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
import random
from datetime import datetime
from sklearn.linear_model import LinearRegression
from sklearn.ensemble import RandomForestRegressor

# Mock data for demonstration
data = {
    'temperature': [25, 28, 30, 22, 20],
    'precipitation': [0, 0, 0.2, 0.5, 0],
    'hour': [8, 9, 10, 17, 18],
    'traffic_volume': [100, 200, 400, 300, 250]
}
df = pd.DataFrame(data)

# Feature engineering
df['is_rush_hour'] = df['hour'].apply(lambda x: 1 if (x >= 7 and x = 16 and x 




  
  
  Conclusión


El sistema de gestión de tráfico es una herramienta sofisticada para planificadores urbanos y controladores de tráfico, que combina análisis predictivos avanzados con interfaces gráficas intuitivas. Al pronosticar patrones de tráfico y visualizar tendencias de datos, el sistema mejora las capacidades de toma de decisiones y facilita la gestión proactiva de los recursos de tráfico. Su diseño fácil de usar garantiza accesibilidad y practicidad, lo que lo convierte en un activo valioso en la gestión de infraestructura urbana moderna.