Metodología de Valoración Contingente de ruido vehicular mediante Machine Learning: caso del bypass del Óvalo Monitor Huáscar ubicado en Santiago de Surco y La Molina

• Autores: Cama Montesinos, Andrea Alessandra, Rivera Bueno, Jose Pablo, Salazar Sanchez, Leslie Alexandra, Sandoval Alcala, Jean Pierre Andre, Soria Asin, Alejandra Marcela
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad ESAN
• Repositorio: ESAN-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.esan.edu.pe:20.500.12640/3948
• Enlace del recurso: https://hdl.handle.net/20.500.12640/3948
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje automático; Contaminación acústica; Tráfico; Gestión ambiental; Evaluación de impacto ambiental; Técnicas de predicción; https://purl.org/pe-repo/ocde/ford#2.11.04; https://purl.org/pe-repo/ocde/ford#5.02.04

El estudio examina el impacto negativo del tránsito en la calidad de vida de la población en los distritos de Santiago de Surco y La Molina, en particular en relación con la contaminación por ruido producida por el Bypass del Óvalo Monitor Huáscar. Se propone el uso de la inteligencia artificial (Machine Learning) como una herramienta innovadora para predecir la disposición de pago (DAP) de la población para reducir el ruido del tránsito. El estudio se centra en crear un modelo de valoración contingente que se combine con algoritmos de aprendizaje automático para hacer predicciones sobre la DAP de la población en varios escenarios. Los hallazgos de esta investigación podrían ayudar a tomar decisiones informadas para mejorar la planificación urbana y la gestión del tránsito con el objetivo de reducir los efectos negativos del ruido del tránsito.