Aplicación de la mineria de datos especiales basada en técnicas de agrupamiento al congestionamiento del tráfico vehicular en la Ciudad de Trujillo, Perú

Abstract

El presente estudio se basa en el análisis del tráfico vehicular en la red vial de la ciudad de Trujillo, con el propósito de detectar y/o diagnosticar el nivel de congestión en diversos puntos críticos con mayor afluencia de vehículos. Se empleó un diseño no experimental descriptivo, donde la técnica utilizada en la recolección de datos fue la observación directa, con fichas de registro alcanzadas por la oficina metropolitana de transporte de la municipalidad de Trujillo; realizándose con esto, el proceso de análisis de datos simulados con valores numéricos válidos y aleatorios en tiempo real, por medio de la construcción de un modelo computacional de aprendizaje no supervisado, empleando la metodología CRISPDM, específica para gestión y análisis de minería de datos espaciales. Para atender la simulación de la congestión de los diferentes puntos críticos se implementó un sistema de software, para determinar la clasificación de la congestión con los algoritmos k-means y dbscan; Se hizo la comparación de los algoritmos de agrupamiento k-means y dbscan para determinar la fiabilidad y la tendencia de organización de grupos o clusters validando de esta manera el modelo computacional, para lo cual se consideró las técnicas del acodamiento y del promedio Silhouette respectivamente. Con los resultados obtenidos desde el sistema de software implementado se logró clasificar diversos puntos críticos congestionados y la densidad del tráfico simulados en tiempo real