Arquitectura de despliegue en la nube para el análisis de datos de transporte público de la ciudad de bucaramanga usando algoritmos de machine learning.
...
Vera Rivera, Fredy Humberto | 2025
Los Sistemas Inteligentes de Transporte (ITS) usan algoritmos de inteligencia artificial para
mejorar o controlar los diferentes componentes del sistema, por ejemplo, para controlar el
flujo vehicular, planificación de rutas, recorridos, tiempos y frecuencias, también para
identificación y prevención de accidentes, georeferenciación y geolocalización. Los ITS son
un componente fundamental e importante para las ciudades inteligentes, pueden mejorar
la calidad de vida de las personas y la sostenibilidad de las ciudades. En este proyecto se
quiere continuar con la con la implementación de un sistema de transporte inteligente para
una ciudad de Bucaramanga. La empresa Incko SAS (Bucaramanga) ha desarrollado un
conjunto de tecnologías y herramientas computacionales, herramientas de seguimiento
vehicular satelital, que vienen siendo usadas por las empresas de transporte urbano desde
hace más de 5 años, produciendo datos que requieren ser analizados, con este proyecto
se pretende, tomar la información recolectada por varios años por estas herramientas,
elaborar un modelo de análisis de bigdata que procese esta información junto con
algoritmos de inteligencia artificial que permitan hacer proyección y estimaciones de los
datos de transporte público. Se pretende crear una arquitectura de nube que permita
procesar millones de gigas en información, y presentar los resultados en una aplicación web
de visualización (Dashboard), con el fin de apoyar la toma de decisiones a las empresas de
trasporte y entes gubernamentales.
La metodología planteada para llevar a cabo el proyecto se basa en la investigación en la
ciencia del diseño (Design science research), el trabajo se divide en 4 fases: 1)
Fundamentación, que busca definir el estado del arte y caracterizar la infraestructura de
nube que permite el procesamiento de bigdata, estudiando los proveedores más
importantes (Amazon AWS y Google Cloud). 2) Fase de diseño: Proponer un modelo de
arquitectura de nube que permita el procesamiento de grandes cantidades de datos,
detallando los costos, ventajas y desventajas. 3) Implementación y validación: crear los
algoritmos de análisis de datos que permitan generar los análisis estadísticos y
proyecciones de los datos de transporte público, validando estos resultados con el
comportamiento real. 4) Socialización y divulgación, última fase del proyecto, que permite
socializar el modelo propuesto; también se realiza el informe final y los artículos de
investigación para divulgación en eventos nacionales e internacionales.
Como resultado de la investigación se espera obtener primero la arquitectura de bigdata
que permita procesar grandes cantidades de datos. Segundo la implementación, uso y
comparación de algoritmos de machine learning para realizar análisis estadísticos y
proyecciones por días, meses y temporadas, mostrando los resultados en la herramienta
de visualización. Y tercero, se pretenden obtener, 1 producto de desarrollo tecnológico, 1
producto de generación de nuevo conocimiento, 1 ponencia nacional y 1 internacional.
LEER
