Code Competition 09/2018: Machine Leaning by ZF Friedrichshafen

Hilf dabei, den Straßenverkehr sicherer zu machen: Welcher Unfall ist wie gefährlich?

{ABOUT}

Wie kann man den Straßenverkehr sicherer gestalten?
ZF hat ein Fundament für Vision Zero gelegt. Der erste Schritt war die ursprüngliche Definition von Vision Zero zu konkretisieren: Das langfristige Ziel ist es, alle Verkehrsunfälle unabhängig von Art oder Schweregrad zu verhindern.
Letztlich kann menschliches Versagen nur dann ausgeschlossen werden, wenn der Computer in allen Bereichen des Fahrens die Kontrolle übernimmt. Derzeit verursacht der Mensch rund 90 Prozent aller Verkehrsunfälle und ist daher in erster Linie verantwortlich für ca. 1,25 Millionen Verkehrstote jährlich auf der ganzen Welt. Folglich müssen wir zuerst verstehen, wo, warum und wann Verkehrsunfälle passieren und wie schwer die Folgen sind.
Aber wie kann man das Problem angehen, und wie können Computer und “Machine Learning” dabei helfen?

{INPUT}

Um das autonome Fahren und komplexe Fragestellungen in diesem Bereich anzugehen, setzen die Engineering-Teams der ZF Friedrichshafen AG auf Deep Learning und Machine Learning.
Im Folgenden erhältst Du einen Verkehrsunfall-Datensatz (Verkehrsunfaelle_train.csv), der unter http://www.nationalarchives.gov.uk/doc/open-government-licence/version/3/ (Contains public sector information licensed under the Open Government Licence v3.0.) lizenziert ist. Dieser Datensatz kombiniert Informationen über Verkehrsunfälle, auf denen Du Deine Modelle und Algorithmen trainieren kannst.

Aufgabenstellung: Was soll Dein Algorithmus können?

Ausgehend vom Verkehrsunfaelle_train Datensatz soll Dein Algorithmus in der Lage sein, die Unfallschwere (leicht, schwer, tödlich) eines Verkehrsunfalls zu prädizieren. Du erhältst auch einen zweiten Datensatz (Verkehrsunfaelle_test.csv), der verwendet wird, um die Vorhersage-Performance Ihres Algorithmus zu validieren. Dazu verwendest Du Deinen Algorithmus und reichst die Prädiktionen im .csv-format ein. Das file muss exakt 2 Spalten und 1000 Reihen plus eine headerreihe mit Unfall_ID und Unfallschwere besitzen. Die erste Spalte beinhaltet die ID des Unfalls in aufsteigender Nummerierung, die zweite die prädizierte Unfallschwere (1 = leicht, 2 = schwer, 3 = tödlich). Besonders wichtig bei der Auswertung wird die Prädiktionsleistung Deines Algorithmus sein.

{REVIEW}

Worauf achten wir und die ZF Friedrichshafen-Fachabteilung bei der Bewertung Deiner Abgabe?

• Funktionalität: Wie gut ist die Vorhersage-Performance Deines Algorithmus? Stimmen die Formate der Abgabe?
• Dokumentation: Sind die Algorithmen verständlich erklärt und motiviert?
• Code-Qualität: Ist der Code sinnvoll strukturiert? Wurde den Prinzipien von Clean-Code gefolgt? Ist der Code lesbar genug, sodass auf Kommentare weitestgehend verzichtet werden konnte? Ist er ansonsten gut auskommentiert?
• Bonuspunkte für den Einsatz von tensorflow und pytorch frameworks.

Wie bewerten wir?

Abgabe

Programmiersprachen:
Alle gängigen Programmiersprachen.
Als Form der Lösung ist erlaubt: Webanwendung, Desktopanwendung, mobile App (Android oder iOS), Konsolenanwendung.
Die Verwendung von Frameworks (insbesondere tensorflow und pytorch) ist erlaubt. Ein GUI ist NICHT notwendig.

Wir führen diese Code Competition in Zusammenarbeit mit unserem Partner, der ZF Friedrichshafen AG durch.
ZF ist ein weltweit führender Technologiekonzern in der Antriebs- und Fahrwerktechnik sowie der aktiven und passiven Sicherheitstechnik. Er ist mit 146.000 Mitarbeitern an rund 230 Standorten in nahezu 40 Ländern vertreten. Im Jahr 2017 hat ZF einen Umsatz von 36,4 Milliarden Euro erzielt. ZF zählt zu den weltweit größten Automobilzulieferern.