Resumen

La gestión eficiente de los sistemas de transporte inteligentes requiere la integración de diversas tecnologías de detección, así como el procesamiento rápido de un gran volumen de datos heterogéneos, con el fin de realizar análisis inteligentes de las redes urbanas en tiempo real. Sin embargo, la respuesta dinámica que se basa en la gestión inteligente del transporte desde el punto de vista de la demanda es especialmente difícil debido al creciente flujo de datos de sensores transmitidos. En este trabajo se propone una novedosa arquitectura de middleware adaptable e impulsada por servicios inteligentes para adquirir, almacenar, manipular e integrar información procedente de fuentes de datos heterogéneas con el fin de proporcionar análisis inteligentes destinados a respaldar la toma de decisiones estratégicas. La arquitectura ofrece servicios de integración de datos adaptables y escalables para adquirir y procesar datos dinámicos, proporcionar un tiempo de respuesta rápido y ofrecer modelos de minería de datos y aprendizaje automático para la predicción en tiempo real, combinados con técnicas avanzadas de visualización. La solución propuesta se ha implantado y validado, demostrando su capacidad para ofrecer rendimiento en tiempo real en la red de autobuses existente, operativa y a gran escala de una capital europea.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:análisis inteligente, servicios escalables de integración de datos, capital europea, arquitectura de middleware adaptable, técnicas avanzadas de visualización, tiempo de respuesta rápido, fuentes de datos heterogéneas, modelos de aprendizaje automático, servicio inteligente novedoso, red de autobuses a escala
• Keywords:smart analytics, scalable data integration services, european capital city, adaptable middleware architecture, advanced visualisation techniques, fast response time, heterogeneous data sources, machine learning models, novel smart service, scale bus network