Mostrar el registro sencillo del documento

Análisis de datos de accidentalidad vial de la ciudad de Bogotá a partir de datos abiertos y datos obtenidos desde redes sociales

dc.rights.licenseAtribución-NoComercial 4.0 Internacional
dc.contributor.advisorPedraza Bonilla, César Augusto
dc.contributor.authorVargas Montero, Fernando
dc.date.accessioned2022-06-13T18:59:40Z
dc.date.available2022-06-13T18:59:40Z
dc.date.issued2022-03-18
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/81571
dc.descriptionilustraciones, gráficas, mapas, tablas
dc.description.abstractLa accidentalidad vial es un tema que siempre se desea minimizar, pero no se han aplicado técnicas tecnológicas para encontrar y entender el comportamiento vial según las distintas variables que intervienen. Por esta necesidad se genera un motivo de poder aportar a esta comprensión de la accidentalidad vial para así mismo apoyar en la mitigación y de este modo lograr salvar vidas. En este trabajo se encontrará desde las arquitectura y técnicas de extracción de los datos viales en la ciudad de Bogotá, hasta el análisis estadístico para poder comprender el comportamiento de este. Para poder llegar al análisis estadístico inicialmente se realizó una arquitectura autosostenible de recolección de datos viales en la ciudad de Bogotá a través de redes sociales. Al tener ya recolectada la información se procedió a su representación en una herramienta geográfica para su comprensión visual. Se procede a un análisis inicial de estos datos. Luego se aplican técnicas estadísticas geográficas para su análisis estadístico. (Texto tomado de la fuente).
dc.description.abstractRoad accidents are an issue that we always want to minimize, but technological techniques have not been applied to find and understand road behavior according to the different variables involved. Due to this need, a reason is generated to be able to contribute to this understanding of road accidents to support mitigation and thus save lives. In this work you will find everything from the architecture and techniques of extracting road data in the city of Bogotá, to the statistical analysis to understand its behavior. To reach the statistical analysis, a self-sustaining architecture for road data collection was initially carried out in the city of Bogotá through social networks. Having already collected the information, it was represented in a geographic tool for visual understanding. An initial analysis of these data is carried out, then geographical statistical techniques are then applied for statistical analysis.
dc.format.extentxiv, 81 páginas
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.publisherUniversidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/
dc.subject.ddc000 - Ciencias de la computación, información y obras generales::003 - Sistemas
dc.titleAnálisis de datos de accidentalidad vial de la ciudad de Bogotá a partir de datos abiertos y datos obtenidos desde redes sociales
dc.typeTrabajo de grado - Maestría
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.publisher.programBogotá - Ingeniería - Maestría en Ingeniería - Ingeniería de Sistemas y Computación
dc.contributor.researchgroupPlas Programming languages And Systems
dc.coverage.cityBogotá
dc.coverage.countryColombia
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería - Ingeniería de Sistemas y Computación
dc.description.researchareaSistemas inteligentes
dc.identifier.instnameUniversidad Nacional de Colombia
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourlhttps://repositorio.unal.edu.co/
dc.publisher.departmentDepartamento de Ingeniería de Sistemas e Industrial
dc.publisher.facultyFacultad de Ingeniería
dc.publisher.placeBogotá, Colombia
dc.publisher.branchUniversidad Nacional de Colombia - Sede Bogotá
dc.relation.referencesRedacción Portal Bogotá, La movilidad también está en tus manos: cada 5,6 minutos ocurre un accidente, https://bogota.gov.co/mi-ciudad/movilidad/analisis-de-accidentes-viales-en-bogota-en-2019.
dc.relation.referencesAli J. Ghandour, Huda Hammoud, Mohammad Dimassi, Houssam Krayem, Jamal Haydar, Adam Issa, Allometric scaling of road accidents using social media crowd-sourced data, Physica A: Statistical Mechanics and its Applications, Volume 545, 2020, http://www.sciencedirect.com/science/article/pii/S0378437119319703
dc.relation.referencesAndrienko, G., & Andrienko, N. 2008. A Visual Analytics Approach to Exploration of Large Amounts of Movement Data. International Conference on Visual Information Systems: Web- Based Visual Information Search and Management. https://link.springer.com/chapter/10.1007/978-3-540-85891-1_1
dc.relation.referencesAndrienko, G. L., Andrienko, N. V., Dykes, J., Fabrikant, S. I., and Wachowicz, M. 2008. Geovisualization of dynamics, movement and change: key issues and developing approaches in visualization research. Information Visualization.http://geoanalytics.net/and/papers/ivs08a.pdf
dc.relation.referencesA Survey of Traffic Data Visualization Wei Chen, Fangzhou Guo, and Fei-Yue Wang, Fellow IEEE. http://www.cad.zju.edu.cn/home/vagblog/VAG_Work/IEEEITS2015/TrafficVASurvey.pdf
dc.relation.referencesEster, M., peter Kriegel, H., S, J. and Xu, X., 1996. A density- based algorithm for discovering clusters in large spatial databases with noise. International Conference on Knowledge Discovery and Data Mining, https://www.aaai.org/Papers/KDD/1996/KDD96-037.pdf
dc.relation.referencesPiringer, Harald & Buchetics, Matthias & Benedik, Rudolf. (2012). AlVis: Situation awareness in the surveillance of road tunnels. IEEE Conference on Visual Analytics Science and Technology 2012, VAST 2012 - Proceedings. 153-162. 10.1109/VAST.2012.6400556. https://www.researchgate.net/publication/261483062_AlVis_Situation_awareness_in_the_surveillance_of_road_tunnels
dc.relation.referencesAbdullah, E., Emam, A. Traffic accidents analyzer using big data (2016) Proceedings - 2015 International Conference on Computational Science and Computational Intelligence, CSCI 2015, https://www.scopus.com/inward/record.uri?eid=2-s2.0-84964561145&doi=10.1109%2fCSCI.2015.187&partnerID=40&md5=e1909c89f81870b9fd5c8c435eb43c5a
dc.relation.referencesAgarwal, Amit & Toshniwal, Durga. (2019). Face off: Travel habits, Road conditions and Traffic city characteristics bared using Twitter. IEEE Access. PP. 1-1. 10.1109/ACCESS.2019.2917159. https://www.researchgate.net/publication/333121821_Face_off_Travel_habits_Road_conditions_and_Traffic_city_characteristics_bared_using_Twitter
dc.relation.referencesMd Sharikur Rahman, Mohamed Abdel-Aty, Samiul Hasan, Qing Cai. Applying machine learning approaches to analyze the vulnerable road-users' crashes at statewide traffic analysis zones. https://doi.org/10.1016/j.jsr.2019.04.008
dc.relation.referencesGhandour, A.J., Hammoud, H., Telesca, L. Transportation hazard spatial analysis using crowd-sourced social network data (2019) Physica A: Statistical Mechanics and its Applications, https://www.scopus.com/inward/record.uri?eid=2-s2.0-85060328987&doi=10.1016%2fj.physa.2019.01.025&partnerID=40&md5=b0443e086122d7c04ab4367e84e29871
dc.relation.referencesPan, D., Zhang, W., Hamdar, S.H. From traffic analysis to real-time control: A hazard-based model to estimate postcollision recovery periods (2019) International Conference on Transportation and Development 2019: Smarter and Safer Mobility and Cities - Selected Papers from the International Conference on Transportation and Development 2019, https://www.scopus.com/inward/record.uri?eid=2-s2.0-85073015365&doi=10.1061%2f9780784482575.011&partnerID=40&md5=f0f6cd530e3c2bb2e8fe383236c2116f
dc.relation.referencesRyan Mitchell, Web Scraping with Python, Second edition, https://books.google.com.co/books?hl=es&lr=&id=TYtSDwAAQBAJ&oi=fnd&pg=PT30&dq=web+scraping&ots=y1v3AEkpfh&sig=WGuQtDVi9tsfuRBKsT1mTplK88o&redir_esc=y#v=onepage&q=web%20scraping&f=false
dc.relation.referencesP. Compieta, S. Di Martino, M. Bertolotto, F. Ferrucci, T. Kechadi, Exploratory spatio-temporal data mining and visualization, https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.227.7878&rep=rep1&type=pdf
dc.relation.referencesYen-Liang Chen, Ching-Cheng Shen, Mining generalized knowledge from ordered data through attribute-oriented induction techniques, 2004, http://ccc.inaoep.mx/~villasen/bib/mining%20generalized%20knowledge.pdf
dc.relation.referencesAndrés-Felipe Gil Torres, Aura Liliana Monroy García, Juan Sebastián González Sanabria, Minería de datos espacial en la agriculturaen Latinoamérica-Una aproximación conceptual, 2020, https://revistas.uptc.edu.co/index.php/pensamiento_accion/article/view/10976/9268.
dc.relation.referencesCarlos Andrés Herrera Parra, Minería de Datos Espacial, 2006, http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.130.5194&rep=rep1&type=pdf.
dc.relation.referencesDenisse Cangrejo Aljure, Juan G. Agudelo, Spatial data mining – An overview, 2011, https://www.redalyc.org/pdf/1331/133122679009.pdf.
dc.relation.referencesE.W.T Ngai, Li Xiu, D.C.K. Chau, Application of data mining techniques in customer relationship management: A literature review and classification, 2008, https://cmapspublic3.ihmc.us/rid=1MSYC3Z3W-1B2W04K-15MY/DM-usage.pdf.
dc.relation.referencesJ. M Kraak. and F. Oberling, 1996. Cartography: Visualization of Spatial Data, Longman, Essex, U.K.
dc.relation.referencesDikes, M. Kraak and M. Maceachren, 2007. Exploring Geovisualization, International Cartographic Association, Elsevier, https://www.elsevier.com/books/exploring-geovisualization/dykes/978-0-08-044531-1.
dc.relation.referencesMeisel, Stephan & Mattfeld, Dirk. (2007). Synergies of Data Mining and Operations Research. European Journal of Operational Research - EJOR. 206. 56 - 56. 10.1109/HICSS.2007.510. https://www.researchgate.net/publication/224686819_Synergies_of_Data_Mining_and_Operations_Research.
dc.relation.referencesQGIS Team, QGIS - El SIG Líder de Código Abierto para Escritorio, https://www.qgis.org/es/site/about/index.html.
dc.relation.referencesGoogle Support, Cómo funciona Waze, 2020, https://support.google.com/waze/answer/6078702?hl=es.
dc.relation.referencesAndrew Renninger, Dhruvi Kothari, Lufeng Lin, Sagari Datta, WAZE: Congestion Predictive Study, WAZE: Congestion Predictive Study (pennmusa.github.io).
dc.relation.referencesMapTiler, Tiles à la Google Maps Coordinates, Tile Bounds and Projection, https://www.maptiler.com/google-maps-coordinates-tile-bounds-projection.
dc.relation.referencesgeduldig, TwitterAPI, https://github.com/geduldig/TwitterAPI.
dc.relation.referencesTwitter Developer Platform, Authentication, https://developer.twitter.com/en/docs/authentication/oauth-1-0a/obtaining-user-access-tokens.
dc.relation.referencesMicrosoft, Azure Functions documentation, https://docs.microsoft.com/en-us/azure/azure-functions/.
dc.relation.referencesMd Kamaruzzaman, Top 10 Databases to Use in 2021, https://towardsdatascience.com/top-10-databases-to-use-in-2021-d7e6a85402ba
dc.relation.referencesSarthak Agarwal, KS Rajan. Performance Analysis of MongoDB Vs. PostGIS/ PostGreSQL Databases For Line Intersection and Point Containment Spatial Queries, 2015. https://scholarworks.umass.edu/cgi/viewcontent.cgi?article=1088&context=foss4g
dc.relation.referencesArcGIS, Análisis estadístico. https://desktop.arcgis.com/es/arcmap/10.3/analyze/commonly-used-tools/statistical-analysis.htm
dc.relation.referencesLaboratorio Urbano de Bogotá,Polígonos Localidades .https://bogota-laburbano.opendatasoft.com/explore/dataset/poligonos-localidades/export/?flg=es&location=9,4.2841,-74.21816&basemap=jawg.streets&dataChart=eyJxdWVyaWVzIjpbeyJjb25maWciOnsiZGF0YXNldCI6InBvbGlnb25vcy1sb2NhbGlkYWRlcyIsIm9wdGlvbnMiOnsiZmxnIjoiZXMifX0sImNoYXJ0cyI6W3siYWxpZ25Nb250aCI6dHJ1ZSwidHlwZSI6ImNvbHVtbiIsImZ1bmMiOiJDT1VOVCIsInNjaWVudGlmaWNEaXNwbGF5Ijp0cnVlLCJjb2xvciI6IiMwMDczN0MifV0sInhBeGlzIjoiTm9tYnJlIGRlIGxhIGxvY2FsaWRhZCIsIm1heHBvaW50cyI6NTAsInNvcnQiOiIifV0sInRpbWVzY2FsZSI6IiIsImRpc3BsYXlMZWdlbmQiOnRydWUsImFsaWduTW9udGgiOnRydWV9
dc.relation.referencesDINAS, Simena and BANON, José M. A literature review of bounding volumes hierarchy focused on collision detection. http://www.scielo.org.co/scielo.php?script=sci_abstract&pid=S0123-30332015000100005
dc.relation.referencesSecretaria Distrital de Movilidad, Anuario de Siniestralidad Vial de Bogotá 2020. https://datos.movilidadbogota.gov.co/documents/movilidadbogota::anuario-de-siniestralidad-vial-de-bogota-2020/about?appid=62a37554ad1042e2ba86d47cb62a4a1b&edit=true
dc.relation.referencesPortafolio, Siniestros viales le cuestan al país 23,9 billones de pesos al año. https://www.portafolio.co/economia/a-octubre-en-colombia-fallecieron-4-156-personas-en-siniestros-viales-546657
dc.relation.referencesAlcaldía Mayor de Bogotá, DECRETO No. 169 DE (JULIO 12 DE 2020). https://secretariageneral.gov.co/sites/default/files/archivos-adjuntos/decreto-169-unificado-aislamiento-y-medidas-adicionales.pdf
dc.relation.referencesSecretaria de Movilidad de Bogotá, https://www.movilidadbogota.gov.co/web/pico_y_placa_2022
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.lembData mining
dc.subject.lembMinería de datos
dc.subject.lembSocial Networks
dc.subject.lembRedes sociales
dc.subject.lembTraffic accidents
dc.subject.lembAccidentes de tránsito
dc.subject.proposalAnálisis espacial
dc.subject.proposalMinería de datos espaciales
dc.subject.proposalTráfico
dc.subject.proposalAccidentes
dc.subject.proposalGeoestadística
dc.subject.proposalSpatial analysis
dc.subject.proposalGeostatistics
dc.subject.proposalWaze
dc.subject.proposalTwitter
dc.subject.proposalSpatial data mining
dc.subject.proposalTraffic
dc.subject.proposalAccidents
dc.title.translatedAnalysis of road accident data in Bogotá city from open data and data on social networks
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2
dcterms.audience.professionaldevelopmentEstudiantes
dcterms.audience.professionaldevelopmentInvestigadores
dcterms.audience.professionaldevelopmentMaestros
dcterms.audience.professionaldevelopmentMedios de comunicación
dcterms.audience.professionaldevelopmentPúblico general
dcterms.audience.professionaldevelopmentResponsables políticos


Archivos en el documento

Thumbnail
Nombre:
1032474552.2022.pdf
Tamaño:
4.801Mb
Formato:
PDF
Descripción:
Tesis de Maestría en Ingeniería ...
Descargar

Este documento aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del documento

Atribución-NoComercial 4.0 InternacionalEsta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.Este documento ha sido depositado por parte de el(los) autor(es) bajo la siguiente constancia de depósito