文件名称：路线优化
文件大小：5.9MB
文件格式：ZIP
更新时间：2024-03-09 22:09:38
JupyterNotebook
使用实时社交媒体信息优化急救人员路线 战队：塞缪尔·霍克斯，狄娜·巴哈尔，拉明·瓦法达里 问题陈述 在现代时代，通过社交媒体平台传播信息比通过官方新闻媒体传播信息更快。 我们的客户美国医疗响应（AMR）希望在自然灾害或危机期间缩短救援人员的响应时间。 为此，我们建议评估在紧急情况下，Twitter帖子是否可以有效地用于实时响应第一响应者的潜在交通问题。 方法 为了实现此目标，我们将问题分为两部分，一项是在事故中检测Twitter词汇变化的可行性研究，另一项是使用Twitter帖子评估Google地图路线潜在风险的特定用例研究。 A部分：可行性研究 通过使用Twitter数据，NLP和Logistic回归，我们能否检测到人们用来发布交通事故推文的最常用词？ 选择交通事故（道路施工，*，事故等） 使用HERE.com事件报告作为Twitter查询关键字，以刮擦事件前后的帖子 将事件发生
【文件预览】：
Route_Optimization-master
----optimizing-first-responder-routes-using-real-time-social-media-information.pdf(1.51MB)
----code()
--------03_combine_incidents_data.ipynb(16KB)
--------.DS_Store(6KB)
--------02_twitter_incident_scraper.ipynb(11KB)
--------01_here_traffic_scraper.ipynb(14KB)
--------04_modeling.ipynb(63KB)
--------05_case_study_saddleridge_fire.ipynb(704KB)
--------REAME_test.ipynb(9KB)
----plots()
--------twitter_512.png(11KB)
--------p5.png(468KB)
--------.DS_Store(6KB)
--------plot10.png(149KB)
--------ambulance.png(465KB)
--------gmaps.png(637KB)
--------query with the most results.png(42KB)
--------top unigrams in tweets.png(71KB)
----assets()
--------.DS_Store(6KB)
--------plot10.png(119KB)
--------traffic_items_may11.pkl(300KB)
--------accidentdata.pkl(4KB)
--------custom_stopwords.pkl(10KB)
----README.md(9KB)
----data()
--------ca2_2017_2020.csv(408KB)
--------.DS_Store(6KB)
--------traffic_items_may8.pkl(504KB)
--------route_df3.csv(3.32MB)
--------route_df1.csv(3.32MB)
--------sample_output.csv(594KB)
--------route_df2.csv(3.32MB)
--------CA47_constellation.csv(25KB)
--------10-605_24hr.csv(383KB)
--------combined_incident_data.csv(705KB)
--------twitter_df.csv(3.32MB)