開発で工夫した点として、以下の技術を使用しました。

1. バス企業からのETAデータストリームを処理し、XGBoostを使用して普通車の速度を推定するシステムを開発しました。
2. 所要速度や時間への影響を分析する事故影響モデルを実施しました。
3. Facebook Prophetを利用し、戦略道路の交通量を予測する交通流モデルを構築しました。
4. Gradient Boosting Classifierを使用し、昼と夜の時間帯で毎日事故の可能性をユーザーに提供しています。

これらの技術を駆使することで、交通管理の効率化を実現し、交通データ分析システム（TDAS）の開発を成功させました。

このプロジェクトは2020年に開始し、現在でも継続開発を行っています。プロジェクトの規模が非常に大きいため、多くのリソースが必要であり、円滑に進行するようプロジェクト管理に工夫が必要でした。特に、以下の点が大変でした。

1. 大量のデータをリアルタイムで処理するために、効率的なデータストリーミングと解析技術の導入が必要でした。
2. 異なるデータソースからのデータ統合とクレンジングに多くの時間と労力がかかりました。
3. 複数の技術を統合し、最適なモデルを選定・実装するための技術的な調整とテストが重要でした。
4. 大規模なチームの協力とコーディネーションを維持するために、プロジェクト管理ツールとコミュニケーションプラットフォームの活用を工夫しました。

これらの課題に対処することで、プロジェクトの進行を確保し、交通データ分析システム（TDAS）の開発を着実に進めることができました。