Identificación de patrones de congestionamiento vehicular utilizando algoritmos de agrupamiento de trayectorias basados en densidad.

Abstract

ciudades alrededor del mundo, teniendo un impacto considerable sobre las personas afectadas y el medio ambiente. La identificación de patrones o indicadores de congestionamiento vehicular mediante el uso de algoritmos de clustering basados en densidad es un tema poco estudiado. Por lo cual, en el presente estudio, se realizó la correcta implementación del algoritmo Dyclee en R modificado para agrupar celdas de trayectorias en base a velocidades. Con el cual, se realizaron experimentos en los que se calculó adecuadamente los patrones de volumen de servicio e índice de operatividad en base a sus resultados, y se mostraron los resultados de estos patrones en una herramienta visual. Además, se hizo la correcta implementación del algoritmo TRADBSCAN en R, el cual también fue modificado para agrupar por velocidades, y fue ejecutado únicamente para comparar sus resultados con Dyclee. Se utilizaron datasets de tres ciudades Beijing, Guayaquil y Roma. Los resultados de los algoritmos fueron validados con el coeficiente Silhouette y el de Davies-Bouldin. Se obtuvo que ambos algoritmos tienen buenos resultados con estas métricas de calidad de agrupamiento. TRADBSCAN demostró tener una calidad de clustering más alta que Dyclee

Nowadays, vehicular traffic is a growing factor which affects every city around the world, having a considerable impact on affected people and the environment. Identification of vehicular traffic patterns, or indices, with the use of density-based clustering algorithms is not a highly studied subject. Because of that, in this study, the Dyclee algorithm was successfully implemented in R and modified to group trajectory cells based on speed, calculate the service volume and the volume/capacity ratio, and to show the results of the indices on a map visually. The TRADBSCAN algorithm was also successfully implemented in R, and modified so the groups could be clustered by speed, and was only executed to compare its clustering results with Dyclee. Datasets of three different cities, Beijing, Guayaquil and Roma, were used for the experiments. The results of both algorithms were validated with the Silhouette and Davies-Bouldin indices, both getting good clustering quality results, with TRADBSCAN presenting better clustering quality results in comparison to Dyclee.