Resumen

Los modelos matemáticos para el flujo de tráfico han sido ampliamente investigados para una gran cantidad de aplicaciones, como la planificación del transporte y la reducción de la presión del tráfico mediante el uso de métodos estadísticos y de aprendizaje automático. Sin embargo, todavía existen muchos problemas desafiantes por diversas razones. En esta investigación, nos enfocamos principalmente en tres problemas: (a) los datos de flujo de tráfico son no negativos, y por lo tanto, encontrar una distribución de probabilidad adecuada es esencial; (b) la compleja propiedad estocástica del flujo de tráfico conduce a una varianza no estacionaria, es decir, heterocedasticidad; y (c) la predicción a múltiples pasos del flujo de tráfico suele tener un rendimiento deficiente. Con este fin, desarrollamos un modelo de series temporales (ST) basado en la distribución Gamma. Primero, transformamos las observaciones originales del flujo de tráfico en datos reales no negativos utilizando la transformación Box-Cox. Luego, al especificar

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Modelos matemáticos; Flujo de tráfico; Estadísticas; Métodos de aprendizaje automático; Distribución de probabilidad; Modelo de series temporales
• Keywords:Mathematical models; Traffic flow; Statistics; Machine learning methods; Probability distribution; Time series model