Aplicación de la minería de datos espacial basado en técnicas de agrupamiento para detectar los niveles de congestionamiento del tráfico vehicular en la ciudad de Trujillo

Autores

  • José Arturo Díaz-Pulido Facultad de Ciencias Físicas y Matemáticas, Universidad Nacional de Trujillo, Av. Juan Pablo II s/n – Ciudad Universitaria, Trujillo, Perú. https://orcid.org/0000-0003-2596-698X

DOI:

https://doi.org/10.17268/rev.cyt.2024.02.01

Palavras-chave:

densidad del tráfico, minería de datos espacial, clustering, k-means, dbscan

Resumo

El análisis del tráfico vehicular en la red vial de la ciudad de Trujillo, detecto puntos críticos con mayor afluencia de vehículos, determinándose un modelo computacional (figura 8) usándose valores aleatorios para detectar la congestión del tráfico vehicular en la red vial de la ciudad de Trujillo. Para la gestión y análisis de minería de datos espacial se usó la metodología CRISP-DM, aplicando aprendizaje no supervisado, debido a que los datos son aleatorios y simulados en tiempo real, lo que permitió el uso de técnicas de agrupamiento de clasificación con los algoritmos k-means y dbscan, y como resultado se obtuvo la ubicación espacial de los nodos con un nivel de congestión, deduciendo las posibles incidencias o eventualidades que ocurren en ellos a nivel vehicular, como es el caso de la velocidad, el tiempo, la capacidad en cada nodo. Se hizo la comparación de los algoritmos de agrupamiento k-means y dbscan para validar el modelo computacional, utilizando las técnicas del acodamiento y del promedio Silhouette respectivamente.

Referências

Alvarenga-Rodríguez, J. M., & Alvarenga-Rodríguez, J. M. (2021). Estudio comparativo entre la velocidad y la densidad en modelos macroscópicos del tráfico vehicular incorporando la variable espacial en la velocidad. Revista de Matemática Teoría y Aplicaciones, 28(1), 125-142. https://doi.org/10.15517/RMTA.V28I1.41890

Chakraborty, S., Nagwani, N. K., & Dey, L. (2014). Performance Comparison of Incremental K-means and Incremental DBSCAN Algorithms. International Journal of Computer Applications, 27(11), 14-18. https://doi.org/10.5120/3346-4611

Epstein, J. M. (2020). Why Model?

Espinosa-Zúñiga, J. J., & Espinosa-Zúñiga, J. J. (2020). Aplicación de metodología CRISP-DM para seg-mentación geográfica de una base de datos pública. Ingeniería, investigación y tecnología, 21(1), 1-13. https://doi.org/10.22201/FI.25940732E.2020.21N1.008

Geppino Pucci Lorenzo Cazzador, C., & Andrea Pietracaprina, C. (2023). Studio e implementazione di den-sity clustering DBSCAN approssimato. https://thesis.unipd.it/handle/20.500.12608/53312

Hernández González, O. (s. f.). Aproximación a los distintos tipos de muestreo no probabilístico que exis-ten. Recuperado 2 de abril de 2024, de http://www.revmgi.sld.cu/index.php/mgi/article/view/907

Introduction to Computational Science: Modeling and Simulation for the ... - Angela B. Shiflet, George W. Shiflet - Google Libros. (s. f.). Recuperado 2 de abril de 2024, de https://books.google.es/books?hl=es&lr=&id=UZApAgAAQBAJ&oi=fnd&pg=PP1&dq=model+computational+computer+science&ots=kttLqVhWSH&sig=vHTJUCRRCZwYCHDKVuj-VApiYHk#v=onepage&q=model%20computational%20computer%20science&f=false

Moreira, J. S., León, C. C., Zambrano, G. R., Mercado, C., & Joel, J. (2020). Parámetros que influyen en el congestionamiento vehicular [ Parameters influencing in the vehicular overcrowding ]. International Journal of Innovation and Applied Studies, 24(4), 1440-1455. http://www.ijias.issr-journals.org/

Syakur, M. A., Khotimah, B. K., S Rochman, E. M., -, al, Jian, S., Li, D., & Yu, Y. (2021). Research on Taxi Operation Characteristics by Improved DBSCAN Density Clustering Algorithm and K-means Cluster-ing Algorithm. Journal of Physics: Conference Series, 1952(4), 042103. https://doi.org/10.1088/1742-6596/1952/4/042103

Tan, P.-N., Steinbach, M., & Pearson, V. K. (2019). Introduction to Data Mining. www.pearsoned.co.uk

Yang, Q., Yue, Z., Chen, R., Zhang, J., Hu, X., & Zhou, Y. (2019). Real-time detection of traffic congestion based on trajectory data. The Journal of Engineering, 2019(11), 8251-8256. https://doi.org/10.1049/JOE.2019.0872

Publicado

2024-05-28

Como Citar

Díaz-Pulido, J. A. (2024). Aplicación de la minería de datos espacial basado en técnicas de agrupamiento para detectar los niveles de congestionamiento del tráfico vehicular en la ciudad de Trujillo. Revista CIENCIA Y TECNOLOGÍA, 20(2), 11-37. https://doi.org/10.17268/rev.cyt.2024.02.01

Edição

Seção

Artículos Originales