| dc.contributor | Matías León, José Carlos | |
| dc.creator | Tapia Quispitupa, Betzy Suey | |
| dc.creator | Tapia Quispitupa, Betzy Suey | |
| dc.date | 2022-05-17T22:24:59Z | |
| dc.date | 2022-05-17T22:24:59Z | |
| dc.date | 2021 | |
| dc.date.accessioned | 2022-12-06T22:21:03Z | |
| dc.date.available | 2022-12-06T22:21:03Z | |
| dc.identifier | http://hdl.handle.net/20.500.14076/22099 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/5295341 | |
| dc.description | Se quiere mejorar el Sistema de Transporte Público Masivo, mediante a la optimización de rutas. Se elabora la propuesta de modelo de “Generación de rutas óptimas” para un sistema de transporte donde se disponga la data de los usuarios y algunos parámetros de operación, del modelo se obtiene rutas óptimas en función de la demanda de los usuarios. Con el fin de comprobar la eficacia del modelo se toma como caso de estudio de un Sistema de Transporte Público Masivo de la ciudad de Lima, caso específico “Metropolitano” (Sistema de transporte público, urbano y masivo de Lima), ya que este sistema cuenta con una ruta que conecta extremos de la ciudad (distancia directa) y con vía exclusiva (tiempo óptimo sin obstáculos) y con la data de los usuarios, teniendo como resultado transportar a la mayor cantidad de usuarios en el menor tiempo posible.
El modelo que se propone se basa en generar rutas óptimas a través de la demanda de los usuarios; para ello se hará el uso de la Ingeniería de Transporte y herramientas de la Ciencia de la Computación como Ciencia de Datos, Big Data y Machine Learning, con la finalidad de usar los criterios de transporte urbano para procesar los datos, codificar el algoritmo y simular la generación de las rutas óptimas. A demás de ello cabe resaltar que la propuesta servirá para cualquier sistema de transporte que haga uso de tarjetas electrónicas o tenga el origen-destino de los usuarios. Al generar las rutas, en el “Metropolitano”, con el algoritmo del modelo de “Generación de rutas óptimas”, en la hora pico de 7 a 8am, se obtuvo como resultado 347 viajes lo que implica una mejora en 51 viajes comparado con los 398 viajes que usa el sistema del “Metropolitano”. Al optimizar las rutas se reduce el Tiempo de espera en 66.6%, el Tiempo de transferencia en 83.44% y el Número de transferencia en 69.06%. | |
| dc.description | The objective is to improve the Mass Public Transportation System by means of route optimization. The proposal of a model of "Generation of optimal routes" for a transportation system where the data of the users and some operation parameters are available is elaborated, from the model optimal routes are obtained according to the demand of the users. In order to test the effectiveness of the model, a case study of a Mass Public Transportation System in the city of Lima is taken as a specific case "Metropolitano" (Lima's public, urban and mass transportation system), since this system has a route that connects ends of the city (direct distance) and with an exclusive route (optimal time without obstacles) and with the users' data, resulting in transporting the largest number of users in the shortest possible time.
The proposed model is based on generating optimal routes through user demand; for this purpose, Transportation Engineering and Computer Science tools such as Data Science, Big Data and Machine Learning will be used, with the purpose of using urban transportation criteria to process the data, codify the algorithm and simulate the generation of optimal routes. In addition, it should be noted that the proposal will serve for any transportation system that makes use of electronic cards or has the origin-destination of users. When generating the routes, in the "Metropolitano", with the algorithm of the "Generation of optimal routes" model, in the peak hour from 7 to 8am, 347 trips were obtained as a result, which implies an improvement of 51 trips compared to the 398 trips used by the “Metropolitano” system. By optimizing the routes, the waiting time was reduced by 66.6%, the transfer time by 83.44% and the number of transfers by 69.06%. | |
| dc.description | Tesis | |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Universidad Nacional de Ingeniería | |
| dc.publisher | PE | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.source | Universidad Nacional de Ingeniería | |
| dc.source | Repositorio Institucional - UNI | |
| dc.subject | Sistema de transporte | |
| dc.subject | Transporte público | |
| dc.subject | Rutas óptimas | |
| dc.subject | Big Data | |
| dc.subject | Machine learning | |
| dc.subject | http://purl.org/pe-repo/ocde/ford#2.01.01 | |
| dc.title | Generación de rutas óptimas en sistemas de transporte público masivo usando ciencia de datos con Big Data y Machine Learning | |
| dc.type | Tesis | |
