Diseño y evaluación de un modelo computacional basado en aprendizaje profundo para la predicción del tráfico vial en un segmento de vía de la ciudad de Bogotá

Atribución-NoComercial-SinDerivadas 4.0 InternacionalPedraza Bonilla, Cesar AugustoPreciado Rojas, María Camila2024-05-072024-05-072024-05-07https://repositorio.unal.edu.co/handle/unal/86045ilustraciones, diagramas, fotografías, mapasLa congestión del tráfico en Bogotá se agrava cada vez más, y no es simplemente una percepción de los residentes, ya que la ciudad ha mantenido una posición destacada en los rankings de congestión a nivel mundial. Esto otorga la urgencia de abordar y contribuir de alguna manera a este desafío significativo. Este estudio se enfoca en diversos aspectos, desde la obtención y análisis de datos de velocidad promedio y precipitaciones en un segmento vial de Bogotá, hasta el desarrollo de un modelo computacional destinado a predecir la velocidad promedio. Este enfoque tiene como objetivo ofrecer una perspectiva inicial y valiosa hacia la solución de la problemática del tráfico en la ciudad. En el marco de este estudio, se planteó el diseño de un modelo LSTM utilizando datos reales de alta calidad provenientes de un segmento vial en Bogotá. Esta aproximación no solo condujo a resultados sobresalientes en la predicción de la velocidad promedio, sino que también proporcionó diversas ventajas en comparación con otras investigaciones. (Texto tomado de la fuente).The traffic congestion in Bogotá is escalating, and it is not merely a perception of the residents; the city has consistently ranked high in global congestion indices. This underscores the urgency to address and contribute in some manner to this significant challenge. This study encompasses various facets, ranging from the acquisition and analysis of data on average speed and precipitation in a Bogotá road segment to the development of a computational model aimed at predicting average speed. The objective of this approach is to provide an initial and valuable perspective towards addressing the traffic issue in the city. As part of this study, the design of an LSTM model was proposed using high-quality real-world data from a road segment in Bogotá. This approach not only led to outstanding results in predicting average speed but also yielded several advantages compared to other research.vii, 115 páginasapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/4.0/000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores380 - Comercio , comunicaciones, transporte::388 - TransporteDiseño y evaluación de un modelo computacional basado en aprendizaje profundo para la predicción del tráfico vial en un segmento de vía de la ciudad de BogotáTrabajo de grado - MaestríaUniversidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/info:eu-repo/semantics/openAccessAprendizaje profundoTráfico vialPredicción de velocidadPrecipitacionesBogotáDeep LearningTrafficSpeed predictionPrecipitationBogotaDesign and evaluation of a computational model based on deep learning for traffic prediction in a road segment of the city of BogotaAprendizaje profundodeep learningModelo computacionalcomputational modelTránsito vehiculartraffic