Predicciones del Número de Pasajeros de la Ruta 330 del Sitp Utilizando Técnicas de Machine Learning: Random Forest Y Silverkyte

Este estudio utiliza los datos proporcionados por Transmilenio, que incluyen registros de accesos a los servicios del Sistema Integrado de Transporte Público (SITP) correspondientes a la ruta 330 durante los años 2020 a 2023. Se analizaron diversos factores que podrían influir en la decisión de los usuarios de utilizar el SITP, tales como los días festivos, fines de semana y períodos de vacaciones. El objetivo principal de este trabajo es entender la demanda futura del uso del Sistema Integrado de Transporte Público (SITP) mediante el análisis de los datos del número de pasajeros. Además, se incluirán otras variables relevantes como las vacaciones, los días festivos y los fines de semana, con el propósito de mejorar las predicciones del modelo. Para lograr este objetivo, se emplearán los modelos Silverkite, desarrollado por LinkedIn y parte de la biblioteca Greykite publicada en 2021, así como el método Random Forest, ampliamente reconocido en el campo del aprendizaje automático. Estos modelos serán comparados para determinar cuál de ellos ofrece pronósticos más precisos sobre la demanda futura del SITP.

• Autores: Mesa Cantillo, Yanela Alexandra
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/58130
• Acceso en línea: http://hdl.handle.net/11634/58130
• Palabra clave: Analysis; Forecasting,; Random Fores; Silverkite; Estadísticas; Transporte Masivo -- Sitp; Servicios -- Transmilenio; Usuarios; Análisis; Pronóstico; Random Forest; Silverkite
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia