Resumen

Conocer las pautas de desplazamiento de los vehículos puede ayudar a planificar y diseñar mejores servicios. Además, la agrupación de vehículos puede mejorar la eficacia de la gestión gracias a un acceso más selectivo a los grupos de interés y facilitar la planificación mediante un diseño más específico de las encuestas. Este trabajo agrupó 854.712 vehículos en una semana utilizando el algoritmo de agrupación K-means basado en datos de reconocimiento de matrículas (LPR) obtenidos en Shenzhen, China. En primer lugar, se utilizan varias características de los desplazamientos relacionadas con la variabilidad temporal y espacial y los patrones de actividad para identificar conglomerados homogéneos. A continuación, se aplican el índice de Davies-Bouldin (DBI) y el coeficiente de silueta (SC) para captar el número óptimo de grupos y, en consecuencia, se clasifican seis grupos en días laborables y tres grupos en fines de semana, incluidos los vehículos que se desplazan al trabajo y algunos otros vehículos de viajes de ocio ocasionales. Además, se presenta un análisis detallado de las características de cada grupo en términos de patrones espaciales de desplazamiento y cambios temporales. Este estudio pone de relieve la posibilidad de aplicar los datos LPR para descubrir el factor subyacente en los patrones de desplazamiento de los vehículos y examinar las características de algunos grupos en concreto.

• Materias:Transporte urbano Señales de control de tráfico Accidentes de transito Planificación de ruta Capacidad de tráfico
• Subjects:Urban transport Traffic control signs Traffic accidents Path planning Traffic capacity
• Palabras claves:grupos, otros vehículos de ocio ocasional, reconocimiento de matrículas, acceso más específico, varias características de los viajes, pautas espaciales de los viajes, diseño específico de las encuestas, pautas de los viajes en vehículo, vehículos, índice de bouldin
• Keywords:groups, other occasional leisure travel vehicles, license plate recognition, more targeted access, several travel characteristics, spatial travel patterns, specific survey design, vehicle travel patterns, vehicles, bouldin index