GOGAING-AI/Port-_Autonome_de_Douala-PAD

Analyse de Survie de Navire— Port Autonome de Douala # 🚢 Port Autonome de Douala — Analyse de Survie & Intelligence Artificielle ## Optimisation de la Gestion Opérationnelle et Stratégique par l'IA ### À l'ère de la ZLECAF et de l'Import-Substitution --- > **Auteur :** Gogaing Foguen Baudouin Legrand > **Domaine :** Data Science · Analyse de Survie · Machine Learning · Gestion Portuaire > **Contexte :** Port Autonome de Douala (PAD) — Cameroun > **Période des données :** 2020 – 2024 > **Dataset final :** 6 882 escales · 25 variables --- ## 📋 Table des Matières 1. Présentation du Projet 2. Contexte Stratégique 3. Structure du Projet 4. Données 5. Outil Mathématique — Analyse de Survie 6. Modèles Mathématiques 7. Machine Learning 8. Bibliothèques et Technologies 9. Installation et Lancement 10. Résultats Clés 11. Architecture de l'Application Streamlit 12. Interprétation Opérationnelle 13. Originalité du Travail 14. Perspectives et Extensions 15. Références Mathématiques --- ## 1. Présentation du Projet Ce projet constitue une application complète et professionnelle de l'**Intelligence Artificielle** à la gestion opérationnelle d'un port maritime africain. Il combine deux approches complémentaires : - L'**Analyse de Survie** (Survival Analysis) pour modéliser et estimer les durées d'escale des navires en présence de données censurées - Le **Machine Learning supervisé** pour prédire dès l'arrivée d'un navire si son escale sera courte ou longue Le projet s'appuie sur un dataset réel issu du **Port Autonome de Douala (PAD)**, principal port d'Afrique Centrale, couvrant cinq années d'opérations (2020–2024) et représentant 6 882 escales de navires de tous types. ### Objectifs Principaux | Objectif | Description | |---|---| | **Modéliser** | Estimer la distribution des durées d'escale par type de navire | | **Expliquer** | Identifier les facteurs qui allongent ou raccourcissent les escales | | **Prédire** | Classifier dès l'arrivée si une escale sera courte ou longue | | **Comparer** | Évaluer plusieurs modèles s …