Modelo de Analítica de Datos para Definición de Estrategias de Circulación Segura de los Vehículos de Carga en el Corredor Vial de la Calle 13 de la Ciudad de Bogotá. D.C.

dc.contributor.advisorRamirez Castañeda, Leila Nayibe
dc.contributor.advisorSimanca Herrera, Fredys Alberto
dc.contributor.authorCruz Beltrán, Jhon Sebastián
dc.contributor.authorHerrera Martín, Leidy Johanna
dc.coverage.spatialBogotáspa
dc.creator.emailjhons-cruzb@unilibre.edu.cospa
dc.creator.emailleidyj-herreram@unilibre.edu.cospa
dc.date.accessioned2023-07-11T13:49:22Z
dc.date.available2023-07-11T13:49:22Z
dc.date.created2023-07-10
dc.description.abstractEste proyecto de investigación tiene como objetivo principal aplicar un modelo de analítica de datos para el desarrollo de estrategias de movilidad segura en los vehículos de carga que transitan por el corredor vial de la Calle 13, centrándose en la predicción de accidentes y comparendos. Una vez establecida la metodología, se procede a recopilar y procesar los datos relevantes que afectan la movilidad segura de los vehículos de carga en el corredor vial. Luego, se realiza un análisis descriptivo de la información recolectada para obtener una comprensión de la información y una visualización de los datos. Posteriormente, se emplearon modelos de regresión como herramientas de predicción en el análisis de datos para determinar la ocurrencia de accidentes y comparendos, lo que a su vez posibilita la identificación de patrones y factores de riesgo. Finalmente, se evaluaron los resultados obtenidos tras la implementación de los modelos, proporcionando una base sólida para la toma de decisiones y la formulación de estrategias efectivas en términos de movilidad segura para los vehículos de carga en el corredor vial de la Calle 13.spa
dc.description.abstractenglishThe main objective of this research project is to apply a data analytics model for the development of safe mobility strategies for cargo vehicles traveling on the Calle 13 road corridor, focusing on the prediction of accidents and traffic violations. Once the methodology is established, the relevant data affecting the safe mobility of freight vehicles on the road corridor is collected and processed. Then, a descriptive analysis of the collected information is performed to obtain an understanding of the information and a visualization of the data. Subsequently, regression models are used as predictive tools in the data analysis to determine the occurrence of accidents and traffic violations, which in turn enables the identification of patterns and risk factors. Finally, the results obtained after the implementation of the models are evaluated, providing a solid basis for decision making and the formulation of effective strategies in terms of safe mobility for freight vehicles in the Calle 13 road corridor.spa
dc.description.sponsorshipUniversidad Libre - Facultad de Ingeniería - Maestría en Ingeniería (Énfasis en Analítica de Datos)spa
dc.formatPDFspa
dc.identifier.urihttps://hdl.handle.net/10901/25704
dc.relation.referencesArias, F. G. (2012). El Proyecto de Investigación: Introducción a la Metodología Científica (6ª ed.). Caracas, Venezuela: Editorial Episteme.spa
dc.relation.referencesAmazon Web Services - AWS (2023). ¿Qué es la regresión lineal?. https://aws.amazon.com/es/what-is/linear-regression/.spa
dc.relation.referencesAmazon Web Services - AWS (2023). ¿Qué es la regresión logística?. https://aws.amazon.com/es/what-is/logistic-regression/.spa
dc.relation.referencesBBVA (2019). Machine learning: qué es y cómo funciona. https://www.bbva.com/es/innovacion/machine-learning-que-es-y-como-funciona/spa
dc.relation.referencesCámara de Comercio de Bogotá (2020). Bogotá - Cundinamarca es la región que más aporta al PIB nacional. https://www.ccb.org.co/observatorio/Analisis-Economico/Analisis-Economico/Crecimiento-economico/Crecimiento-economico/Bogota-Cundinamarca-es-la-region-que-mas-aporta-al-PIB-nacional.spa
dc.relation.referencesCastro, J., López, R., & Ortiz, F. (2018). Análisis de la imposición de comparendos mediante regresión logística y árboles de decisión. Revista Chilena de Ingeniería, 26(1), 39-49.spa
dc.relation.referencesDelgado, M., Rodríguez, R., & Mendoza, G. (2020). Análisis de la relación entre la velocidad de los vehículos de carga y la generación de infracciones mediante regresión logística. Revista de Investigación Científica, 17(2), 41-50.spa
dc.relation.referencesDNP (Departamento Nacional de Planeación) (2020). Encuesta Nacional Logística 2020. Editorial Punto Aparte, Colombia.spa
dc.relation.referencesDongee (2023). ¿Qué son los modelos de inteligencia artificial y cuáles son los más usados?. https://www.dongee.com/tutoriales/que-son-los-modelos-de-inteligencia-artificial-y-cuales-son-los-mas-usados/.spa
dc.relation.referencesEustat- Instituto Vasco de Estadística (s.f). https://www.eustat.eus.spa
dc.relation.referencesEdx (s.f). ¿Qué es un modelo predictivo?. https://www.edx.org/es/aprende/modelo-predictivo.spa
dc.relation.referencesGonzález, A., Martínez, J., & García, R. (2019). Modelización de la imposición de comparendos mediante regresión lineal y regresión logística. Revista de Estudios de Economía, Empresa y Negocios, 26(1), 14-28.spa
dc.relation.referencesIBM (2023). ¿Qué es el aprendizaje no supervisado? https://www.ibm.com/es-es/topics/unsupervised-learning.spa
dc.relation.referencesIBM (2023). ¿Qué es el aprendizaje supervisado? https://www.ibm.com/es-es/topics/unsupervised-learning.spa
dc.relation.referencesMartinez, J. (2020). Clustering (Agrupamiento), K-Means con ejemplos en Python. https://www.iartificial.net/clustering-agrupamiento-kmeans-ejemplos-en-python/.spa
dc.relation.referencesMedina, D., Martínez, R., & Gómez, J. (2018). Predicción de la imposición de comparendos utilizando modelos de regresión y análisis de series temporales. Revista Internacional de Investigación en Ciencias Sociales, 14(2), 79-89.spa
dc.relation.referencesMinisterio de Transporte (2020). Transporte en Cifras Estadísticas 2020. Versión 1.0: noviembre de 2021.spa
dc.relation.referencesObservatorio de Movilidad de Bogotá (2020). Definición de Observatorio de Movilidad. https://observatorio.movilidadbogota.gov.co/#:~:text=El%20Observatorio%20de%20Movilidad%20de,de%20inter%C3%A9s%20y%20partes%20interesadas.spa
dc.relation.referencesPérez, R., González, L., & Hernández, M. (2022). Análisis de la imposición de comparendos utilizando árboles de decisión y redes neuronales. Revista Mexicana de Ingeniería. 21(2), 517-530.spa
dc.relation.referencesPrograma de las Naciones Unidas para el Desarrollo. (s.f.). Ciudades y comunidades sostenibles. Recuperado de https://www.undp.org/es/sustainable-development-goals/ciudades-comunidades-sostenibles.spa
dc.relation.referencesRodríguez, M., Gómez, J., & Ramírez, A. (2021). Análisis de los factores que influyen en la imposición de comparendos utilizando regresión logística. Revista Colombiana de Estadística, 44(1), 25-35.spa
dc.relation.referencesSánchez, E., Rodríguez, C., & García, M. (2021). Predicción de la imposición de comparendos mediante análisis de series temporales y redes neuronales. Revista Colombiana de Estadística, 44(2), 93-105.spa
dc.relation.referencesSecretaria de Movilidad (2020). Anuario de Siniestralidad vial de Bogotá 2020. https://www.movilidadbogota.gov.co/web/.spa
dc.relation.referencesScikit-learn (2023). Supervised Learning. https://scikit-learn.org/stable/supervised_learning.html#supervised-learning.spa
dc.relation.referencesScikit-learn (2023). Unsupervised Learning. https://scikit-learn.org/stable/unsupervised_learning.html#unsupervised-learning.spa
dc.relation.referencesTamayo y Tamayo, M. (2004). El proceso de la investigación científica (4ª ed.). México: Editorial Limusa.spa
dc.relation.referencesTIBCO, (s.f). ¿Qué es la analítica de datos?. https://www.tibco.com.spa
dc.relation.referencesTorres, L., Fernández, A., & Martínez, P. (2020). Predicción de la imposición de comparendos utilizando modelos de regresión y redes neuronales. Revista Argentina de Estadística Aplicada, 6(2), 42-57.spa
dc.relation.referencesUnioviedo (2023). El algoritmo k-means aplicado a clasificación y procesamiento de imágenes. https://www.unioviedo.es/compnum/laboratorios_py/kmeans/kmeans.html.spa
dc.relation.referencesUniversidad de la Sabana - Operations & Supply Chain Management Reserach Group Grupo de Investigación en Negocios, Economía y Finanzas (2021). Corredor Logístico De La Calle 13: Hallazgos y Recomendaciones.spa
dc.relation.referencesVargas, A., Flores, J., & Rivera, M. (2021). Análisis de la imposición de comparendos mediante modelos de regresión y redes neuronales. Revista Internacional de Tecnologías en Educación y Ciencias, 8(1), 35-42.spa
dc.relation.referencesWang, J., Liu, Y., Chen, X., & Sun, J. (2021). Predicting the influencing factors of commercial vehicle violations using a random forest approach. Sustainability, 13(6), 3346.spa
dc.rights.accessrightsinfo:eu-repo/semantics/closedAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subjectAnalítica de datosspa
dc.subjectcomparendosspa
dc.subjectvehículos de cargaspa
dc.subject.lembAnálisis de Datosspa
dc.subject.lembDatos de información -- Análisisspa
dc.subject.subjectenglishData analyticsspa
dc.subject.subjectenglishtraffic ticketsspa
dc.subject.subjectenglishroad safetyspa
dc.titleModelo de Analítica de Datos para Definición de Estrategias de Circulación Segura de los Vehículos de Carga en el Corredor Vial de la Calle 13 de la Ciudad de Bogotá. D.C.spa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.type.localTesis de Maestríaspa

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
Modelo de Analítica de Datos para Definición de Estrategias de Circulación Segura de los Vehículos de Carga en el Corredor Vial de la Calle 13 de la Ciudad de Bogotá DC.pdf
Tamaño:
1.71 MB
Formato:
Adobe Portable Document Format
Descripción:
Documento Principal
Cargando...
Miniatura
Nombre:
Autorización de Publicacion.pdf
Tamaño:
2.02 MB
Formato:
Adobe Portable Document Format
Descripción:
Autorización

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: