Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/9159Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | De Jesus Camacho, Jorge Luis | - |
| dc.creator | De Jesus Camacho, Jorge Luis%770498 | - |
| dc.date.accessioned | 2025-02-21T22:26:26Z | - |
| dc.date.available | 2025-02-21T22:26:26Z | - |
| dc.date.issued | 2025-01-10 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/9159 | - |
| dc.description | En esta tesis se abordan los problemas de movilidad urbana, específicamente en el área de congestión vehicular, buscando mejorar la comprensión y gestión de estas condiciones en entornos urbanos. El objetivo principal es identificar patrones de congestión a través del uso de algoritmos de aprendizaje automático, en particular, Random Forest. El proceso inicia con la adquisición de datos de trafico en tiempo real y su posterior preprocesamiento, asegurando su calidad y relevancia para el modelo. Durante el desarrollo, se aplicaron técnicas de balanceo de clases para manejar desbalances en los datos de congestión, utilizando SMOTE para optimizar el desempeño del modelo. Además del desarrollo del modelo de identificación de congestión, se creo un prototipo web que permite visualizar los patrones de trafico durante los siete días de la semana, las 24 horas del día. Este prototipo esta diseñado para facilitar el análisis continuo del comportamiento de la congestión en distintos intervalos de tiempo, proporcionando una herramienta interactiva que permite a los usuarios observar las variaciones de trafico en tiempo real o en función de horarios específicos. Así, se logra una representación visual de los niveles de congestión, lo que apoya en la toma de decisiones informadas para mejorar la movilidad urbana y gestionar los recursos de trafico de manera mas eficiente. Finalmente, el modelo Random Forest implementado logra una exactitud del 80%, lo que permite una clasificación efectiva de los niveles de congestión en diversos segmentos e intervalos temporales. Este enfoque ofrece una herramienta robusta para la identificación de patrones de trafico, apoyando el desarrollo de estrategias de mitigación de congestión en zonas urbanas. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | Movilidad Urbana, Congestión Vehicular, Random Forest, Algoritmos Supervisados, Big Data en Tráfico, Predicción de Congestión, Análisis Espaciotemporal. | es_MX |
| dc.title | Identificación de patrones de congestión vehicular | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Estrada Esquivel, Hugo%216754 | - |
| dc.contributor.director | Martinez Rebollar, Alicia%217272 | - |
| dc.folio | 1478 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Maestría en Computación | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MC_Jorge_Luis_De Jesus_Camacho_2025.pdf | Tesis | 993.47 kB | Adobe PDF | View/Open |
| MC_Jorge_Luis_De Jesus_Camacho_2025_c.pdf Restricted Access | Cesión de derechos | 579.44 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
