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
DOI:
https://doi.org/10.17268/rev.cyt.2024.02.01Palabras clave:
densidad del tráfico, minería de datos espacial, clustering, k-means, dbscanResumen
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.
Citas
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
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado
