Arquitectura de despliegue en la nube para el análisis de datos de transporte público de la ciudad de bucaramanga usando algoritmos de machine learning.

Los Sistemas Inteligentes de Transporte (ITS) usan algoritmos de inteligencia artificial para mejorar o controlar los diferentes componentes del sistema, por ejemplo, para controlar el flujo vehicular, planificación de rutas, recorridos, tiempos y frecuencias, también para identificación y prevención de accidentes, georeferenciación y geolocalización. Los ITS son un componente fundamental e importante para las ciudades inteligentes, pueden mejorar la calidad de vida de las personas y la sostenibilidad de las ciudades. En este proyecto se quiere continuar con la con la implementación de un sistema de transporte inteligente para una ciudad de Bucaramanga. La empresa Incko SAS (Bucaramanga) ha desarrollado un conjunto de tecnologías y herramientas computacionales, herramientas de seguimiento vehicular satelital, que vienen siendo usadas por las empresas de transporte urbano desde hace más de 5 años, produciendo datos que requieren ser analizados, con este proyecto se pretende, tomar la información recolectada por varios años por estas herramientas, elaborar un modelo de análisis de bigdata que procese esta información junto con algoritmos de inteligencia artificial que permitan hacer proyección y estimaciones de los datos de transporte público. Se pretende crear una arquitectura de nube que permita procesar millones de gigas en información, y presentar los resultados en una aplicación web de visualización (Dashboard), con el fin de apoyar la toma de decisiones a las empresas de trasporte y entes gubernamentales. La metodología planteada para llevar a cabo el proyecto se basa en la investigación en la ciencia del diseño (Design science research), el trabajo se divide en 4 fases: 1) Fundamentación, que busca definir el estado del arte y caracterizar la infraestructura de nube que permite el procesamiento de bigdata, estudiando los proveedores más importantes (Amazon AWS y Google Cloud). 2) Fase de diseño: Proponer un modelo de arquitectura de nube que permita el procesamiento de grandes cantidades de datos, detallando los costos, ventajas y desventajas. 3) Implementación y validación: crear los algoritmos de análisis de datos que permitan generar los análisis estadísticos y proyecciones de los datos de transporte público, validando estos resultados con el comportamiento real. 4) Socialización y divulgación, última fase del proyecto, que permite socializar el modelo propuesto; también se realiza el informe final y los artículos de investigación para divulgación en eventos nacionales e internacionales. Como resultado de la investigación se espera obtener primero la arquitectura de bigdata que permita procesar grandes cantidades de datos. Segundo la implementación, uso y comparación de algoritmos de machine learning para realizar análisis estadísticos y proyecciones por días, meses y temporadas, mostrando los resultados en la herramienta de visualización. Y tercero, se pretenden obtener, 1 producto de desarrollo tecnológico, 1 producto de generación de nuevo conocimiento, 1 ponencia nacional y 1 internacional.

• Autores: Vera Rivera, Fredy Humberto; Perez Gutierrez, Boris Rainiero; Puerto Cuadros, Eduard Gilberto
• Tipo de recurso: http://purl.org/coar/resource_type/c_baaf
• Fecha de publicación: 2025
• Institución: Universidad Francisco de Paula Santander
• Repositorio: Repositorio Digital UFPS
• Idioma: spa
• OAI Identifier: oai:repositorio.ufps.edu.co:ufps/9578
• Acceso en línea: https://repositorio.ufps.edu.co/handle/ufps/9578
• Palabra clave: Análisis de datos; Industrias 4.0; Inteligencia artificial; Machine learning; Transporte público
• Rights: openAccess
• License: Derechos Reservados - Universidad Francisco de Paula Santander