Routezone：基于机器学习的法国道路交通事故严重程度预测系统

Routezone是一个预测法国道路交通事故严重程度（致命/住院 vs 轻伤/无伤害）的机器学习系统，整合BAAC官方数据、气象信息和救援响应时间分析，为应急响应决策提供支持。核心技术包括LightGBM、OSRM、MLOps、FastAPI和Streamlit。

道路交通事故是全球重大公共安全问题，传统应急响应依赖接警初步描述难以快速判断真实严重程度。Routezone通过分析历史数据识别影响严重程度的因素。数据来源包括：BAAC（2022-2024年41万+事故记录）、Open-Meteo（气象条件）、ONISR（安全统计）、data.gouv.fr（急救单元SAU和消防站CIS位置信息）。

Routezone引入“黄金救援时间”分析，医学研究表明事故后第一小时是抢救关键期，统计验证响应时间与死亡率显著相关（p<1e-26）。为准确计算响应时间，V3版本集成OSRM Docker服务基于真实道路网络计算行驶时间，替代早期Haversine公式（直线距离×1.3），提升估算准确性。

采用完整MLOps技术栈：数据预处理（清洗、去重、缺失值处理）后生成37个特征（事故信息、气象、道路特征、OSRM响应时间）。模型迭代：V1基线模型→V2类别不平衡优化+Haversine与OSRM对比→V3生产版本（LightGBM+Optuna超参数优化，召回率0.78、AUC0.857，泛化能力良好）。

后端FastAPI（8001端口）提供认证、数据查询、预测服务（接收事故信息计算OSRM时间，返回严重程度及概率）；前端Streamlit（8501端口）支持用户注册登录（JWT）、事故表单提交、救援路线可视化（Leaflet地图）及历史记录查看。

多源数据融合（官方统计、第三方API、地理信息）；真实世界约束建模（OSRM引入道路网络）；端到端系统设计（从数据到界面完整应用）；可解释性（概率+地图可视化辅助决策）。

急救调度：优化资源分配优先处理高风险事故；交通管理：指导道路安全改进；研究：提供数据分析框架。宏观层面体现AI在公共安全领域的潜力，数据驱动决策可挽救生命。

Routezone是AI应用于公共安全的优秀案例，技术扎实且聚焦实际问题，为智能交通、应急响应或公共安全领域AI开发者提供参考价值的技术路线与工程实践范例。