Predicción de la demanda de transporte público en intersecciones viales mediante redes neuronales

Abstract

En la presente tesis, se desarrolla un modelo de simulación para la estimación de demanda. Este algoritmo de solución se basa en la utilización de diferentes redes neuronales generadas para la predicción, de criterios estadísticos y de teoría de funcionamiento operacional de líneas de transporte público. La metodología de predicción incluye variables tipo aleatorias. Para construir el modelo de simulación, es necesario contar con información necesaria para probar distintas particularidades que representan a una red real de transporte público. Para esto se definen diversas variables que interpretan los datos recolectados mediante estudios de campo en la ciudad de Lima (GTU, 2015), que luego se procesan con la metodología propuesta en el presente trabajo de investigación. Todos los modelos fueron calibrados con mediciones realizadas manualmente en puntos específicos de la ciudad y con recursos limitados. En la actualidad no se ha determinado en Lima si las bases establecidas para la planificación del transporte público son confiables. Con esta investigación se propone una metodología orientada a la mejora de planificación urbana. Este trabajo concluye con la estimación de parámetros de demanda obtenida por una red neuronal, donde se observa que variables tales como la demanda local y la global son predichas en la etapa de entrenamiento, y en la etapa de simulación son aceptadas. En ambos enfoques se han obtenido resultados satisfactorios que muestran cómo la data de campo y la simulada pertenecen a la misma muestra.

In the present thesis, a simulation model is developed for the estimation of demand. This algorithm of the solution is based on the utilization of different neuronal networks generated for the prediction of statistical criteria and of theory of the operational functioning of lines of public transport. The methodology of prediction includes random type variable. To construct the simulation model, it is necessary to have the necessary information to sample the different particularities to represent a real public transport network. For this are defined diverse variables to interpret the information gathered by means of field studies in the city of Lima (GTU, 2015), that later are processed by the methodology proposed in the present investigation work. All the models were calibrated with manually realized measurements in specific points of the city with limited resources. Actually, it has not decided in Lima if the bases established for the planning of the public transport are reliable. This research proposes one a methodology orientated to the improvement of town planning. This work concludes with estimation of demand parameters for a neuronal network, where can be observed that variables such as local and global demand are predicted in the stage of training and in the stage of simulation they are accepted. In both approaches, there have been obtained satisfactory results that show as the byline of the field and the simulated one belongs to the same sample.