Machine learning para la predicción de la disponibilidad de los espacios en playas de estacionamientos en San Isidro, 2025

• Autor: Jorge Pariahuamán, Mario Miguel
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/175559
• Enlace del recurso: https://hdl.handle.net/20.500.12692/175559
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje automático; Estacionamientos; Predicción; Visualización de datos; Movilidad urbana; https://purl.org/pe-repo/ocde/ford#2.02.04

Este proyecto se alinea con el Objetivo de Desarrollo Sostenible (ODS) 9 de las Naciones Unidas, al promover la innovación tecnológica en entornos urbanos mediante el uso de machine learning. La investigación fue de tipo aplicada, con enfoque cuantitativo y diseño experimental de tipo preexperimental. La población estuvo conformada por los 550 espacios de estacionamiento disponibles en la playa Cáceres de Apparka, ubicada en el distrito de San Isidro. El objetivo general fue determinar la influencia del machine learning para predecir la disponibilidad de los espacios en playas de estacionamientos de Apparka. Los objetivos específicos fueron: determinar la influencia del machine learning en los patrones de ocupación para la predicción de la disponibilidad de los espacios, y determinar su influencia en las técnicas de visualización de datos aplicadas a dicha predicción. Como resultados, se comprobó que el modelo de regresión lineal permitió generar proyecciones confiables para los años 2024 y 2025, y que las visualizaciones facilitaron su interpretación. Se concluyó que el machine learning influyó positivamente tanto en la precisión de las predicciones como en la presentación visual de los resultados, aportando utilidad operativa al contexto de la empresa.