Adityamathi/Gridlock-Hackathon-2.0
GitHub: Adityamathi/Gridlock-Hackathon-2.0
面向班加罗尔交警的实时交通事件响应决策支持系统，利用机器学习预测拥堵严重程度与资源需求。
Stars: 0 | Forks: 0
# ASTraM 事件拥堵指令
班加罗尔交警实时交通事故响应系统
**主题：** 事件驱动的拥堵（计划内与计划外）
## 概述
这是一个决策支持仪表板，用于预测班加罗尔交通拥堵事件的严重程度、道路封闭、事件持续时间以及资源部署（警员、路障、巡逻）。基于跨越 22 条走廊的 8,200 多个历史 ASTraM 事件进行训练，使用了 6 个 scikit-learn 模型。
## 功能
- **交互式地图** — 22 条班加罗尔走廊、严重程度区域、分流路线
- **ML 预测流水线** — 封闭、持续时间、严重程度、资源优化
- **实时监控** — 基于 SSE 的实时事件（模拟或 TomTom API）
- **反馈与重训练** — 编辑 ground truth，一键重训练模型
- **走廊路线规划** — 基于图的替代路线计算
## 快速开始
```
git clone https://github.com/Adityamathi/Gridlock-Hackathon-2.0.git
cd Gridlock-Hackathon-2.0
pip install -r requirements.txt
python server.py
```
在浏览器中打开 **http://localhost:5555**。
## 使用指南
| 功能 | 步骤 |
|---------|-------|
| **分析事件** | Analysis 标签页 → 选择走廊 → 选择事件起因 → 点击 Analyze |
| **反馈日志** | Feedback Log 标签页 → 浏览 → 编辑 ground truth → Save → Retrain Models |
| **实时监控** | Live Monitor 标签页 → 设置 Simulation → Start |
| **TomTom 实时交通** | Live Monitor → TomTom Traffic API → 输入密钥 → Save → Start |
## 重训练所有模型
```
python src/features.py
python src/train_all.py
python src/train_resource_model.py
```
## 技术栈
- **后端：** Flask, SSE
- **ML：** scikit-learn, pandas, numpy, joblib
- **前端：** Vanilla JS, Leaflet.js
- **数据：** 8,200+ 个历史 ASTraM 事件
## 许可证
MIT
标签：Apex, Flask, scikit-learn, 决策支持系统, 数据可视化, 智慧交通, 机器学习, 逆向工具