Modelos Deep Learning en logística urbana para la predicción de la calidad del aire en la ciudad de Bucaramanga

El aumento de la población de las últimas décadas y el flujo de personas de las zonasrurales a las grandes ciudades ha ocasionado un incremento del volumen de desplazamientos de pasajeros y mercancías, así que, el tráfico se ha convertido en un factor relevante en la calidad de vida de las personas en lo que respecta a la contaminación del aire y por ende el riesgo medioambiental para la salud de grupos vulnerables como mujeres, niños y adultos mayores. Por ello, la reducción de los niveles de contaminación del aire representa un reto para los gobiernos a nivel mundial en pro de mejorar la salud cardiovascular y respiratoria de la población. La escuela de Ingeniería Industrial - UIS como respuesta a la necesidad de resolución de los problemas de la sociedad se ha vinculado con elestudio de técnicas de la analítica de datos, implementando modelos Deep Learning (DL) entre ellos el LSTM, analizando datos de tres estaciones de monitoreo ambiental del Área - Metropolitana de Bucaramanga – AMB, con el objetivo de obtener un modelo predictivo que apoye la planeación de estrategias orientadas a mejorar la calidad del aire.

• Autores: Abril Ortiz, Paula Andrea; Porras Ojeda, Edgar Leonardo; Lamos Díaz, Henry; Ramírez Sierra, Yuly Andrea
• Tipo de recurso: http://purl.org/coar/resource_type/c_f744
• Fecha de publicación: 2019
• Institución: Universidad Autónoma de Bucaramanga - UNAB
• Repositorio: Repositorio UNAB
• Idioma: spa
• OAI Identifier: oai:repository.unab.edu.co:20.500.12749/22337
• Acceso en línea: http://hdl.handle.net/20.500.12749/22337
• Palabra clave: Operations management; Urban logistics; Air quality; Investigation; Deep learning; LSTM; Environmental risk; Respiratory health; Dirección de operaciones; Logística urbana; Calidad del aire; Investigación; Deep Learning; LSTM; Riesgo medioambiental; Salud respiratoria
• License: http://creativecommons.org/licenses/by-nc-nd/2.5/co/