Upload folder using huggingface_hub

README.md

@@ -0,0 +1,47 @@
+
+# 🚦 Traffic Flow Prediction - Multi-Paradigm LSTM
+
+Ce dépôt contient des modèles de Deep Learning (PyTorch) conçus pour la prédiction du flux de trafic routier. 
+Le projet compare deux approches : un **Modèle Global** (entraîné sur toutes les jonctions) et des **Modèles Spécifiques** (un par jonction).
+
+## 🏗️ Architecture du Modèle
+Le modèle utilise une architecture **LSTM (Long Short-Term Memory)** optimisée :
+- **Input Layer**: 9 features (temporelles + historiques).
+- **LSTM Layers**: 2 couches superposées avec un `hidden_size` de 128.
+- **Regularization**: Dropout (0.3) et **Batch Normalization** après le LSTM pour stabiliser l'apprentissage.
+- **Output Layer**: Couche dense (Linear) pour la prédiction scalaire du nombre de véhicules.
+
+## 📊 Variables d'Entrée (Input Features)
+Le modèle a été entraîné avec un encodage cyclique pour capturer la périodicité du trafic :
+1. `hour_sin` / `hour_cos` : Heure de la journée (0-23).
+2. `dayofweek` : Jour de la semaine (Lundi-Dimanche).
+3. `month` : Mois de l'année.
+4. `is_weekend` : Flag binaire (0 ou 1).
+5. `veh_lag_1`, `2`, `3`, `24` : Historique du trafic à T-1h, T-2h, T-3h et T-24h.
+
+## 🚀 Utilisation avec FastAPI / Spark Streaming
+Le format `.pt` est prêt pour `TorchScript` ou un chargement direct dans un backend Python.
+
+```python
+import torch
+model = TrafficLSTM(input_size=9) # Classe définie dans l'app
+model.load_state_dict(torch.load('global_model.pt'))
+model.eval()
+```
+
+## 📈 Performances (MAE)
+| Jonction | Modèle Global (P1) | Modèle Spécifique (P2) |
+|----------|-------------------|------------------------|
+| J1       | 3.73 | 5.09 |
+| J2       | 1.98 | 2.98 |
+| J3       | 2.61 | 3.65 |
+| J4       | 2.13 | 2.13 |
+
+**Note :** Le modèle Global surpasse souvent les modèles spécifiques grâce à la généralisation des patterns de trafic entre jonctions.
+
+## 📁 Structure du Repo
+- `global_model.pt` : Le modèle principal prêt à l'emploi.
+- `specific_junctions/` : Modèles spécialisés pour des comportements atypiques de certaines routes.
+
+---
+**Contact**: jojonocode | **Frameworks**: PyTorch, Sklearn, HuggingFace Hub

global_model.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:237be637863a5d57de810411686681196b7d786dae83959ca76a559ebb377618
+size 853333

specific_junctions/junction_1.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:b147baa02ddf8efc3a49e38cb3384f56228a40b105042aa3bcb34a427983224a
+size 128989

specific_junctions/junction_2.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:8d72d1eb0fec22c5668c225d81715cedb930c4033bd6348660d69ad9e9688265
+size 128989

specific_junctions/junction_3.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:ffcddc78e4636f478338ed7986551a3bf744a76ecf2749ee7269df2bd5876377
+size 128989

specific_junctions/junction_4.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:a6fc927e78f1a0370a60d05cece81c4ea6bd9f1f993954d184cbedefaf64df21
+size 128989

specific_junctions/scaler_j1.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:759740bc56c328acf1b180eff7e0d2433c6fc47ed656d05688d722054de8b2eb
+size 1391

specific_junctions/scaler_j2.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:46adf0890231ee3babaaefa05bb1bba21dbc89be7db518c8eb252fa48a734aae
+size 1391

specific_junctions/scaler_j3.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:59afa219312f6178e360cd24f60b676859c73e33a83d012a3e9916d0607adb3f
+size 1391

specific_junctions/scaler_j4.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:4c255f4f387f3b17bfcb0de0f3e3e2928cdccbd629d422f6ef2aeef5b320cf02
+size 1391