Modelos deep learning en logistica urbana para la prediccion de la calidad del aire en la ciudad de bucaramanga

El aumento de la población de las últimas décadas y el flujo de personas de las zonas rurales a las grandes ciudades ha ocasionado un incremento del volumen de desplazamientos de pasajeros y mercancías, llevando a la sobresaturación de la circulación vehicular y al aumento de las necesidades de movi...

Full description

Autores:
Abril Ortiz, Paula Andrea
Porras Ojeda, Edgar Leonardo
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2019
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/13578
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/13578
https://noesis.uis.edu.co
Palabra clave:
Logística Urbana
Deep Learning
Calidad Del Aire
Redes Neuronales
Material Particulado
Contaminación Del Aire.
Urban Logistics
Deep Learning
Air Quality
Neural Networks
Particulate Material
Air Pollution.
Rights
openAccess
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id UISANTADR2_27091cf32176c8e1e631735acb2e56fb
oai_identifier_str oai:noesis.uis.edu.co:20.500.14071/13578
network_acronym_str UISANTADR2
network_name_str Repositorio UIS
repository_id_str
dc.title.none.fl_str_mv Modelos deep learning en logistica urbana para la prediccion de la calidad del aire en la ciudad de bucaramanga
dc.title.english.none.fl_str_mv Deep learning models in urban logistics for air quality prediction in the city of bucaramanga
title Modelos deep learning en logistica urbana para la prediccion de la calidad del aire en la ciudad de bucaramanga
spellingShingle Modelos deep learning en logistica urbana para la prediccion de la calidad del aire en la ciudad de bucaramanga
Logística Urbana
Deep Learning
Calidad Del Aire
Redes Neuronales
Material Particulado
Contaminación Del Aire.
Urban Logistics
Deep Learning
Air Quality
Neural Networks
Particulate Material
Air Pollution.
title_short Modelos deep learning en logistica urbana para la prediccion de la calidad del aire en la ciudad de bucaramanga
title_full Modelos deep learning en logistica urbana para la prediccion de la calidad del aire en la ciudad de bucaramanga
title_fullStr Modelos deep learning en logistica urbana para la prediccion de la calidad del aire en la ciudad de bucaramanga
title_full_unstemmed Modelos deep learning en logistica urbana para la prediccion de la calidad del aire en la ciudad de bucaramanga
title_sort Modelos deep learning en logistica urbana para la prediccion de la calidad del aire en la ciudad de bucaramanga
dc.creator.fl_str_mv Abril Ortiz, Paula Andrea
Porras Ojeda, Edgar Leonardo
dc.contributor.advisor.none.fl_str_mv Lamos Diaz, Henry
Ramirez Sierra, Yuly Andrea
dc.contributor.author.none.fl_str_mv Abril Ortiz, Paula Andrea
Porras Ojeda, Edgar Leonardo
dc.subject.none.fl_str_mv Logística Urbana
Deep Learning
Calidad Del Aire
Redes Neuronales
Material Particulado
Contaminación Del Aire.
topic Logística Urbana
Deep Learning
Calidad Del Aire
Redes Neuronales
Material Particulado
Contaminación Del Aire.
Urban Logistics
Deep Learning
Air Quality
Neural Networks
Particulate Material
Air Pollution.
dc.subject.keyword.none.fl_str_mv Urban Logistics
Deep Learning
Air Quality
Neural Networks
Particulate Material
Air Pollution.
description El aumento de la población de las últimas décadas y el flujo de personas de las zonas rurales a las grandes ciudades ha ocasionado un incremento del volumen de desplazamientos de pasajeros y mercancías, llevando a la sobresaturación de la circulación vehicular y al aumento de las necesidades de movilidad para satisfacer la competitividad comercial y la calidad de vida de sus habitantes, convirtiendo el tráfico en un factor relevante en la contaminación del aire y un importante elemento de riesgo medioambiental para la salud de grupos vulnerables como mujeres, niños y adultos mayores. Por ello, la gestión óptima de la movilidad urbana se enfoca un modelo capaz de cubrir tanto el aumento de la urbanización como su impacto en la calidad del aire, lo cual representa un reto para los gobiernos a nivel mundial en cuanto el diseño y ejecución de metodologías y estrategias orientadas la reducción de los niveles de contaminación del aire en pro de mejorar la salud cardiovascular y respiratoria de la población. Teniendo en cuenta lo anterior, este proyecto se orienta a la aplicación, valoración y comparación de modelos Deep Learning (DL) entre ellos el LSTM, analizando los datos meteorológicos y de material particulado de tres estaciones de monitoreo ambiental del Área -Metropolitana de Bucaramanga AMB, con el objetivo de obtener un modelo predictivo que apoye la planeación de estrategias orientadas a mejorar la calidad del aire.
publishDate 2019
dc.date.created.none.fl_str_mv 2019
dc.date.issued.none.fl_str_mv 2019
dc.date.accessioned.none.fl_str_mv 2023-04-06T04:07:44Z
dc.date.available.none.fl_str_mv 2023
2023-04-06T04:07:44Z
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.hasversion.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coar.none.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
format http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.identifier.uri.none.fl_str_mv https://noesis.uis.edu.co/handle/20.500.14071/13578
dc.identifier.instname.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.reponame.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.repourl.none.fl_str_mv https://noesis.uis.edu.co
url https://noesis.uis.edu.co/handle/20.500.14071/13578
https://noesis.uis.edu.co
identifier_str_mv Universidad Industrial de Santander
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.license.none.fl_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
eu_rights_str_mv openAccess
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Industrial de Santander
dc.publisher.faculty.none.fl_str_mv Facultad de Ingenierías Fisicomecánicas
dc.publisher.program.none.fl_str_mv Ingeniería Industrial
dc.publisher.school.none.fl_str_mv Escuela de Estudios Industriales y Empresariales
publisher.none.fl_str_mv Universidad Industrial de Santander
institution Universidad Industrial de Santander
bitstream.url.fl_str_mv https://noesis.uis.edu.co/bitstreams/381f9848-5140-4ea3-9ac6-2ce55c153836/download
https://noesis.uis.edu.co/bitstreams/d0df09f4-c674-4b89-a85e-1ecdb2d1ec18/download
https://noesis.uis.edu.co/bitstreams/d89d1e32-3a05-4a3f-a005-83500902c373/download
bitstream.checksum.fl_str_mv e7f90e2a0bbe5480ed33ffbf5fa73498
2f0f2869034ec51645b1596be684947c
3ed315c51f2a516dc8beb528a2b859ea
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv DSpace at UIS
repository.mail.fl_str_mv noesis@uis.edu.co
_version_ 1831929697834893312
spelling Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Lamos Diaz, HenryRamirez Sierra, Yuly AndreaAbril Ortiz, Paula AndreaPorras Ojeda, Edgar Leonardo2023-04-06T04:07:44Z20232023-04-06T04:07:44Z20192019https://noesis.uis.edu.co/handle/20.500.14071/13578Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coEl aumento de la población de las últimas décadas y el flujo de personas de las zonas rurales a las grandes ciudades ha ocasionado un incremento del volumen de desplazamientos de pasajeros y mercancías, llevando a la sobresaturación de la circulación vehicular y al aumento de las necesidades de movilidad para satisfacer la competitividad comercial y la calidad de vida de sus habitantes, convirtiendo el tráfico en un factor relevante en la contaminación del aire y un importante elemento de riesgo medioambiental para la salud de grupos vulnerables como mujeres, niños y adultos mayores. Por ello, la gestión óptima de la movilidad urbana se enfoca un modelo capaz de cubrir tanto el aumento de la urbanización como su impacto en la calidad del aire, lo cual representa un reto para los gobiernos a nivel mundial en cuanto el diseño y ejecución de metodologías y estrategias orientadas la reducción de los niveles de contaminación del aire en pro de mejorar la salud cardiovascular y respiratoria de la población. Teniendo en cuenta lo anterior, este proyecto se orienta a la aplicación, valoración y comparación de modelos Deep Learning (DL) entre ellos el LSTM, analizando los datos meteorológicos y de material particulado de tres estaciones de monitoreo ambiental del Área -Metropolitana de Bucaramanga AMB, con el objetivo de obtener un modelo predictivo que apoye la planeación de estrategias orientadas a mejorar la calidad del aire.PregradoIngeniero IndustrialThe increase in population in recent decades and the migration of people from rural areas to large cities have led to an increase in the volume of movements of passengers and goods, leading to the oversaturation of the vehicular traffic and the increase of mobility needs to satisfy business competitiveness and the quality of life of the inhabitants, thus, traffic has become an important factor of the air pollution and an important element of environmental risk for vulnerable groups health such as women, children and elderly. For this reason, the optimal urban mobility management is focused on a model that can cover the increase of urbanization and the air pollution impact, which represents a challenge to governments at a global scale in terms of design and implementation of methodologies and strategies for reducing air pollution levels to improve cardiovascular and respiratory health quality of the population. Taking into consideration what has been previously stated, this project heads towards the application, assessment and comparison of Deep Learning models (DL) among them LSTM model, analyzing the meteorological data and particulate material in the three environment monitoring stations located in Bucaramanga with the purpose of obtaining a predictive model that supports the planning of strategies that might improve the air quality.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingenierías FisicomecánicasIngeniería IndustrialEscuela de Estudios Industriales y EmpresarialesLogística UrbanaDeep LearningCalidad Del AireRedes NeuronalesMaterial ParticuladoContaminación Del Aire.Urban LogisticsDeep LearningAir QualityNeural NetworksParticulate MaterialAir Pollution.Modelos deep learning en logistica urbana para la prediccion de la calidad del aire en la ciudad de bucaramangaDeep learning models in urban logistics for air quality prediction in the city of bucaramangaTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_b1a7d7d4d402bcceORIGINALCarta de autorización.pdfapplication/pdf401324https://noesis.uis.edu.co/bitstreams/381f9848-5140-4ea3-9ac6-2ce55c153836/downloade7f90e2a0bbe5480ed33ffbf5fa73498MD51Documento.pdfapplication/pdf3414004https://noesis.uis.edu.co/bitstreams/d0df09f4-c674-4b89-a85e-1ecdb2d1ec18/download2f0f2869034ec51645b1596be684947cMD52Nota de proyecto.pdfapplication/pdf550801https://noesis.uis.edu.co/bitstreams/d89d1e32-3a05-4a3f-a005-83500902c373/download3ed315c51f2a516dc8beb528a2b859eaMD5320.500.14071/13578oai:noesis.uis.edu.co:20.500.14071/135782023-04-05 23:07:44.739http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessembargohttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.co

Publicaciones similares