La predicción del tráfico a corto plazo es un componente clave de los Sistemas Inteligentes de Transporte. Utiliza datos históricos para construir modelos que permitan predecir con fiabilidad el estado del tráfico en lugares concretos de las redes de carreteras en un futuro próximo. A pesar de ser un campo maduro, la predicción del tráfico a corto plazo sigue planteando algunos problemas abiertos relacionados con la elección de la resolución óptima de los datos, la predicción de la congestión no recurrente y la modelización de las dependencias espaciotemporales pertinentes. Como un paso hacia la solución de estos problemas, este artículo investiga la capacidad de las redes neuronales artificiales, los bosques aleatorios y los algoritmos de regresión de vectores de apoyo para modelar de forma fiable el flujo de tráfico a diferentes resoluciones de datos y responder a incidentes de tráfico inesperados. También exploramos diferentes métodos de selección de características para identificar y comprender mejor los atributos espaciotemporales que más influyen en la fiabilidad de estos modelos. Los resultados experimentales indican que la agregación de datos no consigue necesariamente un buen rendimiento para los modelos multivariantes de aprendizaje automático espaciotemporal. Los modelos aprendidos utilizando datos de entrada de alta resolución de 30 segundos superaron en un 8% a los modelos ARIMA de referencia correspondientes. Además, la selección de características basada en la eliminación recursiva de características dio lugar a modelos que superaron a los basados en la selección de características basada en la correlación lineal.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Análisis multiescenario del intervalo entre trenes en un sistema de acoplamiento virtual
Artículo:
Un enfoque para tratar las incertidumbres relacionadas con el comportamiento y la combinación de vehículos en los experimentos de simulación de tráfico con vehículos automatizados
Artículo:
Detección de malware en vehículos autoconducidos mediante algoritmos de aprendizaje automático
Otro:
Marco conceptual de la cadena de suministro : un nuevo enfoque logístico
Artículo:
Análisis de una red de transporte flexible en un patrón de calles radiales
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones