SalifouAbdourahamane/Yango_Traffic_Mobility_Prediction_Abidjan

# **Documentation: Prédiction de la Mobilité à Abidjan** ## **Table des Matières** 1. Introduction 2. Description du Défi 3. Exploration des Données 4. Ingénierie des Caractéristiques 5. Architecture du Modèle 6. Approche Résiduelle avec LightGBM 7. Validation Croisée et Entraînement 8. Prédiction et Soumission 9. Conclusion et Perspectives Futures --- ## **Introduction** Le but de ce projet est de développer un modèle prédictif utilisant l'apprentissage automatique pour estimer la **vitesse moyenne du trafic** sur les routes principales d’Abidjan, pendant les heures de pointe (matin et soir). Ces prédictions soutiendront l'optimisation des itinéraires pour Yango, une plateforme de transport, permettant des estimations précises des temps de trajet. ### **Importance** Une prédiction précise des vitesses moyennes offre : - **Optimisation des ressources** : Réduction des temps de trajet et amélioration de l'expérience utilisateur. - **Impact environnemental** : Réduction des émissions grâce à des trajets optimisés. - **Planification dynamique** : Meilleure gestion des périodes de congestion. --- ## **Description du Défi** ### **Structure des Données** Les données sont collectées par segments de route (`persistent_id`) et agrégées par **quart d'heure**. Les caractéristiques incluent : - **`speed_avg`** : Vitesse moyenne (cible). - **`count_norm`** : Nombre de trajets normalisé. - **Informations temporelles** : Heures, jours de semaine, et types de jour (ex. `first_weekday`). ### **Objectif** Prédire la vitesse moyenne des trajets pour : - **6h à 7h** (morning rush hour). - **18h à 19h** (evening rush hour). --- ## **Exploration des Données** ### **1. Analyse Statistique** - **Cycles temporels** : Les vitesses suivent des motifs quotidiens et hebdomadaires. - **Corrélations** : Les vitesses sont inversement corrélées au nombre de trajets (`count_norm`). ### **2. Visualisation des Tendances** - **Saisonnalité** : Les motifs de trafic suivent un comportement …