Desarrollo de un prototipo de modelo predictor de tiempos de llegada de buses para una aplicación que brinda servicios de información sobre el transporte público
Tesis
Publication date
2020Metadata
Show full item record
Cómo citar
Orchard Concha, Marcos
Cómo citar
Desarrollo de un prototipo de modelo predictor de tiempos de llegada de buses para una aplicación que brinda servicios de información sobre el transporte público
Author
Professor Advisor
Abstract
La estimación del tiempo de llegada de un bus a un paradero en el transporte público
representa un aspecto importante para aplicaciones de teléfonos móviles que disponen
servicios de transporte, ya que genera una impresión de calidad para el usuario.
El presente trabajo genera un prototipo de modelo que predice tiempos de llegada de
un conjunto de buses del transporte público de la Región Metropolitana para una aplicación
que brinda servicios de información sobre el sistema de transporte, desarrollando
dos modelos distintos que resuelven el problema de distinta manera. El desempeño de
estos modelos se mide bajo la métrica RMSE.
Para el desarrollo de este trabajo, se estudiaron los recorridos 301, 315e y 506, y dos
horarios, horario Valle y Punta. El primer modelo es una red neuronal artificial LSTM, que
se usa para predecir el tiempo de llegada del bus a todos los paraderos de la ruta. Se
observó que la predicción mejora a medida que el bus se acerca al paradero. Se calculó
el desempeño para distinto tiempo de lejanía, y para un bus de 5 minutos de distancia,
el error promedio es de 3 minutos para los tres recorridos estudiados. A medida que aumenta
la lejanía, disminuye la precisión de la predicción.
El segundo modelo es uno mixto, donde un Filtro de Partículas complementa su funcionamiento
con datos obtenidos de una red neuronal Bayesiana. La ruta de un bus se
divide en tramos, y se calcula el tiempo de recorrido en cada tramo. El valor obtenido por
este modelo consta de un valor discreto del tiempo de llegada y una probabilidad asociada
a dicho valor. Se calculó que este modelo, posee un error de máximo 2 minutos para
los tres recorridos de buses, para ambos horarios.
Se concluye bajo la comparación de ambos modelos que el modelo mixto de Filtro de
Partículas con red neuronal Bayesiana posee mejor predicción, con un error más bajo. Se
recomienda a la empresa la implementación de este modelo, diseñando un prototipo en
que los tramos de ruta son los que comprenden paraderos consecutivos.
General note
Memoria para optar al título de Ingeniero Civil Industrial
Identifier
URI: https://repositorio.uchile.cl/handle/2250/178520
Collections
The following license files are associated with this item: