Por favor, use este identificador para citar o enlazar este ítem: https://rinacional.tecnm.mx/jspui/handle/TecNM/8408
Título : Metas de desarrollo sustentable, Industria 4.0, Metas de desarrollo del milenio.
Autor : Poblano Ojinaga, Eduardo Rafael
metadata.dc.subject.other: Algoritmo evolutivo, Visión por computadora, Matlab, Pronóstico de carga vehicular, Análisis de tráfico vehicular.
Fecha de publicación : 2024-01-01
Editorial : Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Instituto Tecnológico de Ciudad Juárez
Descripción : Uno de los grandes problemas en cualquier ciudad es el tráfico vehicular y su solución no es fácil, aunque sí es necesaria. Lo primero que se debe realizar es un análisis del tráfico para comenzar a plantear soluciones donde se presentan las congestiones. Existen herramientas disponibles para llevar a cabo el análisis, como la función de tráfico de Google Maps, que permite revisar la saturación vehicular en determinados horarios. Por tanto, en el presente artículo, se muestra una propuesta para desarrollar un algoritmo evolutivo que pronostique la saturación de tráfico vehicular. Para ello, primero se explica la conceptualización del algoritmo, después se presenta su aplicación, desde la captura de los datos hasta los pronósticos. Posteriormente, se ofrecen explicaciones de las pruebas realizadas para evaluar el desempeño del algoritmo en comparación con el estado actual del tráfico, para finalmente realizar una recomendación de uso. Después de las pruebas, los resultados obtenidos muestran la cantidad de iteraciones realizadas para obtener el resultado, así como el estado del tráfico.
metadata.dc.type: info:eu-repo/semantics/bookPart
Aparece en las colecciones: CAPÍTULOS DE LIBRO

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
7 Capitulo9Algoritmoevolutivoparareducirlacongestinvehicular-2-23.pdf2.07 MBAdobe PDFVisualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons