Přístupnostní navigace
E-application
Search Search Close
Bachelor's Thesis
Author of thesis: Maksim Dubrovin
Acad. year: 2025/2026
Supervisor: Ing. Magdaléna Ondrušková
Reviewer: Ing. Jiří Hynek, Ph.D.
This thesis focuses on the analysis of traffic data with an emphasis on identifying accident locations and traffic accident patterns. It first introduces the principles of data analysis, prediction, and machine learning methods suitable for classification, clustering, and the discovery of patterns in traffic datasets. Subsequently, the available data sources—such as open data from the Czech Police and community-generated data from Waze—are examined with regard to their structure and quality. The thesis also analyzes an existing application for processing traffic and police data and proposes its extension with a module for accident location analysis. The resulting solution includes the implementation of this extended functionality, enabling the identification of high-risk areas, data visualization, and the evaluation of accident patterns. The thesis concludes with testing of the implemented solution and an assessment of the achieved results.
traffic accidents, traffic data analysis, accident hotspots, prediction, classification, clustering, behavior patterns, data visualization, Waze data, police data, traffic analytics, geospatial analysis
Date of defence
16.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
D
Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D.
Topics for thesis defence
Language of thesis
English
Faculty
Fakulta informačních technologií
Department
Department of Information Systems
Study programme
Information Technology (BIT)
Composition of Committee
doc. Ing. Tomáš Martínek, Ph.D. (předseda) doc. Ing. Michal Španěl, Ph.D. (místopředseda) Ing. Jiří Hynek, Ph.D. (člen) Ing. Filip Orság, Ph.D. (člen) Ing. Vladimír Bartík, Ph.D. (člen)
Supervisor’s reportIng. Magdaléna Ondrušková
Práca spĺňa všetky body zadania a jej výsledkom je funkčná interaktívna webová aplikácia s netriviálnymi prvkami - priestorovým zhlukovaním, predikciou s reálnymi meteorologickými dátami a prehľadná vizualizácia rizikových úsekov sú prínosným rozšírením. Napriek tomu jednotlivé metódy mohli byť viac otestované a doladené. Navrhujem hodnocení známkou C.
Zadanie je súčasťou projektu Analyticity (zameranú na analýzu a vizualizáciu dopravných dát) . Cieľom práce bolo naštudovať problematiku dopravných dát a metódy ich analýzy, preskúmať dostupné datasety, analyzovať existujúcu aplikáciu Analyticity a navrhnúť a implementovať jej rozšírenie o modul pre analýzu nehodových lokalít a vzorcov dopravných nehôd.
Výsledkom je rozšírenie webovej aplikácie (FastAPI + PostGIS + React), ktoré identifikuje nehodové hotspoty pomocou DBSCAN, napája ich na cestnú sieť a pre každý úsek ponúka predikciu nebezpečnosti a materiálnych škôd (Random Forest) obohatenú o aktuálne meteorologické podmienky. Zadanie hodnotím ako priemerne ťažké a považujem ho za splnené.
Študent si naštudoval odporúčanú literatúru a vyhľadal ďalšie relevantné zdroje (celkovo 44 bibliografických odkazov). Niektoré zdroje ale nie sú správne citované (napr. [7], [8]).
Aktivita študenta počas akademického roka bola nepravidelná, komunikácia prebiehala menej často a väčšina práce bola realizovaná v záverečnej fáze riešenia.
Práca bola dokončená tesne pred termínom odovzdania; text bol konzultovaný, no na zapracovanie pripomienok zostalo len obmedzené množstvo času.
Grade proposed by supervisor: C
Reviewer’s reportIng. Jiří Hynek, Ph.D.
Bakalářská práce je na průměrné úrovni. Práce obsahuje výše zmíněné nedostatky jak v technické zprávě, tak v realizačních výstupech – spolehlivost predikčních modelů mohla být lépe doložena. Navrhuji hodnocení stupněm D.
Evaluation level: obtížnější zadání
Cílem práce byla analýza dat o dopravních nehodách za účelem identifikace rizikových lokalit a vzorců, a následná implementace rozšíření webové aplikace o moduly pro prostorové shlukování a predikci rizik v reálném čase. Student se musel seznámit s metodami strojového učení (DBSCAN, Random Forest), prostorovými databázemi (PostgreSQL/PostGIS) a příslušnými backendovými i frontendovými technologiemi. Zadání hodnotím jako obtížnější. Považuji ho za splněné.
Kapitoly na sebe logicky navazují a práce má přehlednou strukturu. V teoretické části se nicméně občas vyskytují nepřesnosti. Text místy působí strojovým dojmem.
Po jazykové stránce je práce přijatelná. Student dle uvedených informací využil nástroj ChatGPT. Po typografické stránce se vyskytují nedostatky (např. tabulka 3.1 není řádně vysázena a je označena jako obrázek, odkazy na vzorce obsahují závorky, apod.).
Student rozšířil existující aplikaci Analyticity o modul, který pomocí algoritmu DBSCAN automaticky identifikuje nehodové hotspoty a s využitím modelů Random Forest predikuje aktuální míru rizika a výši škod na základě reálného času a počasí. Bylo by nicméně vhodné lépe popsat, jak byly voleny parametry algoritmu DBSCAN a jak probíhalo testování těchto hodnot. Spolehlivost dosažených výsledků je diskutabilní.
Výsledky jsou potenciálně využitelné v projektu Analyticity, nicméně budou vyžadovat další dopracování.
Evaluation level: zadání splněno
Evaluation level: je v obvyklém rozmezí
Student kombinuje odborné a online zdroje. Vytkl bych, že některé odkazy nereferují konkrétní články s daty, ale obecné rozcestníky (např. odkazy na web WHO nebo NHTSA).
Grade proposed by reviewer: D
Responsibility: Mgr. et Mgr. Hana Odstrčilová