Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/109754
Título: Modelado predictivo y visualización del tráfico en la ciudad de Nueva York mediante fusión de datos abiertos, sobre plataforma big data
Autores/as: Ruiz Fránquiz, Juan Manuel
Director/a : Sánchez Medina, Javier Jesús 
Peña Alonso, Carolina Priscila 
Clasificación UNESCO: 120317 Informática
Fecha de publicación: 2021
Resumen: La gestión del tráfico en las ciudades desarrolladas pasa inevitablemente por el modelado y simulación del mismo, que permite evaluar alternativas de optimización de los diferentes parámetros relacionados. El propósito de este trabajo es desarrollar modelos predictivos para el estado del tráfico aprovechando la plataforma de datos abiertos de la ciudad de Nueva York y otras fuentes de datos abiertas. Para ello, será necesaria una fase de ingestión de datos de diferentes estructuras, tipos y periodicidades dentro de una única base de datos. Una vez realizado, se genera un modelo predictivo para el tráfico cuyos resultados serán representados en una página web sencilla.
Traffic management in developed cities inevitably goes through its modelling and simulation, which allows evaluating optimization alternatives of the different related parameters. The purpose of this project is, taking advantage of New York City open data plataform and other sources of open data, develop predictive models of the status of traffic. To accomplish this, an ingestion phase will be necessary which will integrate data of different structures, types and periodicities within a single database. Once done, a predictive model will be created for the traffic status, whose results will be represented on a simple webpage.
Departamento: Departamento de Informática y Sistemas
Facultad: Escuela de Ingeniería Informática
Titulación: Grado en Ingeniería Informática
URI: http://hdl.handle.net/10553/109754
Colección:Trabajo final de grado
miniatura
Adobe PDF (1,69 MB)

En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.

Vista completa

Visitas

197
actualizado el 03-ago-2024

Descargas

802
actualizado el 03-ago-2024

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.