Modelo de aprendizaje automático aplicado a la asignación de recursos institucionales para el control y la seguridad de la infraestructura móvil, física y tecnológica del SITM MIO

Este proyecto se enfocó en abordar las deficiencias de seguridad en el sistema de transporte masivo SITM MIO de Santiago de Cali, que experimenta incidentes crecientes de inseguridad. La gestión reactiva y la falta de control han afectado la confianza de los aproximadamente 280 mil usuarios diarios. Se identificó la necesidad de utilizar herramientas tecnológicas avanzadas para mejorar la asignación de recursos de seguridad de manera proactiva. Se desarrolló e implementó un sistema basado en técnicas estadísticas y computacionales, utilizando modelos de aprendizaje automático como Random Forest Regression, Support Vector Regression y Multilayer Perceptron Regression. La herramienta analítica predictiva resultante integra datos históricos y modelos de aprendizaje autónomo, destacando la eficacia del modelo de Random Forest Regression. Este avance marca un hito en la gestión de recursos de seguridad del transporte masivo, demostrando el impacto positivo de la ciencia de datos en la mejora de servicios públicos esenciales y la seguridad ciudadana.

• Autores: Buendía Diago, Albeiro; Mejía, Karol Stefani; Morán Villarreal, Oscar
• Tipo de recurso: Masters Thesis
• Fecha de publicación: 2024
• Institución: Pontificia Universidad Javeriana Cali
• Repositorio: Vitela
• Idioma: spa
• OAI Identifier: oai:vitela.javerianacali.edu.co:11522/2075
• Acceso en línea: https://vitela.javerianacali.edu.co/handle/11522/2075
• Palabra clave: Modelo de aprendizaje autónomo; Seguridad en transporte público; Máquinas de vectores de soporte; Random Forest; Perceptrón Multicapa
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/