Resumen

La predicción del tráfico es fundamental para expandir una ciudad y un país inteligentes porque mejora la planificación urbana y la gestión del tráfico. Esta predicción es muy desafiante debido a la naturaleza multifactorial y aleatoria del tráfico. Este estudio presentó un método basado en aprendizaje por conjunto para predecir la congestión del tráfico urbano basándose en criterios meteorológicos. Utilizamos el algoritmo NAS, que en la salida basada en métodos heurísticos crea un modelo óptimo en cuanto a los datos de entrada. Contamos con 400 datos, que incluían las características meteorológicas de los días, incluyendo seis características: humedad absoluta, punto de rocío, visibilidad, velocidad del viento, altura de las nubes y temperatura, siendo la congestión del tráfico urbano el objetivo en la columna final. Hemos analizado la regresión lineal con los resultados obtenidos en el proyecto; este método fue más eficiente que otros modelos de regresión. Este método tuvo un error de 0.00002 en términos del criterio MSE y los métodos

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Predicción de tráfico; Planificación urbana; Aprendizaje conjunto; Criterios meteorológicos; Regresión lineal; Valores de error
• Keywords:Traffic prediction; Urban planning; Ensemble learning; Weather criteria; Linear regression; Error values