作品笔记 · Goh Kun Ming
Trip Safety Prediction System
AI · 公开项目
2026年1月 – 2026年2月
项目概述
离线行程分类应用，区分基于模型的批量预测与单条记录的启发式输出。
一个离线 Windows 应用，利用随附的决策树管道将车辆传感器记录转换为行程级安全类别。批量预测遵循明确的特征约定，而单条记录输出被清楚标为启发式后备结果。项目展示了可复现的推理，但已提交材料尚未证明留出数据上的预测质量。
作品详情
- 验证缺失值标记、GPS 精度、方位角和必需的数值字段。
- 提取 19 个行程级特征，涵盖时长、运动、速度和传感器质量。
- 生成由模型支持的 SAFE 或 DANGEROUS 批量结果，并标明推理来源。
- 将完整行程聚合与单记录启发式模式分开。
- 将模型和界面资源打包为 Windows 可执行文件。
- 通过自动化测试检查清洗、聚合、持久化、桌面流程和打包后的推理。