Generación de rutas óptimas en sistemas de transporte público masivo usando ciencia de datos con Big Data y Machine Learning

• Autor: Tapia Quispitupa, Betzy Suey
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/22099
• Enlace del recurso: http://hdl.handle.net/20.500.14076/22099
• Nivel de acceso: acceso abierto
• Materia: Sistema de transporte; Transporte público; Rutas óptimas; Big Data; Machine learning; https://purl.org/pe-repo/ocde/ford#2.01.01

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%.