jung-ming/god-eye-traffic-predictor

上帝視角：AI 國道壅塞前兆預測系統 (God-Eye Traffic Predictor)

📌 專案簡介

本專案為一套針對台灣國道一號（楊梅至新竹段）在假日期間的即時壅塞預測系統。透過 MultiOutput LightGBM 模型預測未來 60–90 分鐘車速，結合 SHAP 解釋與風險分級，提供使用者直觀的預警視角。

🎯 預測目標

• 預測未來 60/70/80/90 分鐘的平均車速（km/h）
• 根據預測車速進行壅塞等級分類（低、中、高風險）
• 使用 SHAP 分析顯示主要造成壅塞的前兆特徵

🔍 使用資料

• 資料來源：交通部高速公路局（Highway Bureau, MOTC）
• 時間範圍：2025/03,四個週末假日資料（不含連假）
• 路段範圍：國道一號楊梅交流道至新竹交流道（南北雙向）
• 特徵範圍：時間、空間、歷史車流量/車速、遲滯特徵等約 10+ 欄位

🧠 模型資訊

• 演算法：LightGBM（MultiOutput Regression）
• 訓練方式：逐步訓練 + 滾動預測（多步預測）
• 誤差指標：
  • MAE 約 5.2 km/h
  • R² 約 0.7（驗證集）

🗺️ 解釋性分析

• 使用 Tree SHAP 解釋單筆預測，並透過 Waterfall 視覺化展示特徵影響力
• 針對壅塞前兆進行 SHAP 排序與歸因分析（例：公里位置、時間點、車流量、車速）

🖥️ 使用方式

1. 開啟 Hugging Face Space
2. 選擇「預測時間點」與輸入「即時特徵值」
3. 查看車速預測與風險等級，點擊以檢視 SHAP 解釋圖

🚦 預測輸出說明

時間點	預測車速	風險等級	SHAP 解釋
+60 分	78.2 km/h	低風險	SHAP waterfall 圖
+90 分	63.5 km/h	中風險	SHAP waterfall 圖

📊 前端架構

• 框架：Streamlit
• 部署：Hugging Face Spaces
• 自動更新：每次預測自動刷新畫面顯示結果

📜 License

MIT License / 本作品僅供學術與非商業研究用途，請勿未經授權轉作商業應用。

---

本專案參與「114年國道智慧交通管理創意競賽」初賽作品。