Una comparativa entre redes neuronales artificiales y métodos clásicos para la predicción de la movilidad entre zonas de transporte. Aplicación práctica en el Campo de Gibraltar, España

Los problemas de tráfico son cada vez más frecuentes debido al gran desarrollo tecnológico de la humanidad siendo, además, esencial su control para optimizar la infraestructura y el transporte público. Para lograr este objetivo, es necesario hacer una estimación de la demanda de los viajeros. Un método alternativo basado en redes neuronales artificiales (RNAs) se analiza en este trabajo, en comparación con las técnicas de predicción tradicionales. El objetivo es obtener un procedimiento de estimación usando variables de entrada sencillas y económicas, que son fáciles de encontrar. A diferencia de los modelos tradicionales, el modelo alternativo funciona mejor con los datos de entrada utilizados, ajustando mejor los resultados esperados. Los resultados son altamente prometedores y por tanto se demuestra la capacidad de las redes neuronales artificiales para realizar una estimación de la movilidad entre zonas.

• Autores: Rodríguez-Rueda, Pedro J.; Turias-Domínguez, Ignacio J.
• Tipo de recurso: Article of journal
• Fecha de publicación: 2017
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/60442
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/60442; http://bdigital.unal.edu.co/58774/
• Palabra clave: 62 Ingeniería y operaciones afines / Engineering; Redes Neuronales Artificiales (RNAs); movilidad; transporte; Artificial Neural Network (ANNs); mobility; transport
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional