Reconocimiento de patrones en el tráfico de Quito, para el diagnóstico y pbkp_redicción de las posibles causas que origina el tráfico vehicular en el sector de las avenidas. Napo y Alpahuasi de la ciudad de Quito
Abstract:
El tráfico en la ciudad de Quito se ha convertido en una de las mayores molestias para los habitantes, ya que diariamente transitan muchos vehículos particulares y públicos. No obstante, las autoridades han planteado varias soluciones para reducir el tráfico vehicular, como mejorar las señalizaciones de las vías, vías, giros, redondeles, transporte público, parterres, pico y placa, entre otros. En las horas pico las avenidas Napo y Alpahuasi se han caracterizado por tener las mayores congestiones vehiculares en la ciudad Quito. Muchos buses públicos, vehículos particulares y el corredor sur transitan por esa vía. El presente proyecto desarrolló un modelo de pbkp_redicción para analizar los patrones causales principales del tráfico vehicular a través del procesamiento de imágenes, técnicas de minería de datos y aprendizaje automático para que apoyen al mejoramiento de la toma de decisiones en la gestión del tráfico. Se utilizó la Metodología KDD (Knowledge Discovery in Databases - El descubrimiento de conocimiento en bases de datos) el cual es un proceso metodológico para encontrar un “modelo” válido, útil y entendible que describa patrones de acuerdo a la información, y como modelo entendemos que es la representación que intenta explicar ese patrón en los datos (Landa, 2020). Las imágenes digitales se consiguieron a través de la grabación de las cámaras de seguridad instaladas desde lo alto de un edificio enfocando hacia las calles con alto tráfico vehicular. Como resultado del desarrollo de este modelo se obtuvo un cuadro de mando, el cual podrá realizar la toma de decisiones en la gestión del tráfico. Además, al desarrollar este modelo pbkp_redicción se podrá replicar para cualquier parte de la ciudad.
Año de publicación:
2020
Keywords:
- Bases de Datos
- TRÁFICO URBANO
- MINERIA DE DATOS
Fuente:

Tipo de documento:
Master Thesis
Estado:
Acceso abierto
Áreas de conocimiento:
- Análisis de datos
- Transporte
- Urbanización
Áreas temáticas:
- Comercio, comunicaciones, transporte
- Transporte
- Otras ramas de la ingeniería