Sistema de tarifado dinámico en near-to-real-time para Smart Parkings

Abstract

El presente trabajo final nace con el objetivo de optimizar las búsquedas de lugares para estacionar y poder reducir todas estas problemáticas que este proceso conlleva. Como meta principal se pretende diseñar e implementar una arquitectura con elementos de IoT, Big Data y Machine Learning capaz de procesar un gran volumen de datos estructurados relacionados a estacionamientos inteligentes. También poder ofrecer una solución real que ahorre los tiempos del proceso de estacionar un vehículo, al mismo tiempo que sea una solución tentadora para la gerencia del estacionamiento que le permita incrementar sus ingresos mediante tarifas dinámicas. El procesamiento será en tiempo real y tendrá una interfaz de usuario capaz de desplegar distintas formas de visualizar información de interés, ya sea capacidad total y disponibilidad de los parkings, características de los distintos estacionamientos y tarifado dinámico. Los atributos de calidad manejados por la arquitectura implementada serán la escalabilidad, tolerancia a fallos, performance y disponibilidad.