"ANÁLISIS DEL CONGESTIONAMIENTO VEHICULAR PARA OPTIMIZAR EL SISTEMA DE TRANSPORTE MEDIANTE REDES NEURONALES ARTIFICIALES - CERCADO DE LA CIUDAD DE HUANCAVELICA 2019"

Vista sencilla de ítem
dc.contributor.advisorAyala Bizarro, Iván Arturo
dc.contributor.authorDe la Cruz Lopez, Huber
dc.contributor.authorJurado Mamani, Víctor Raúl
dc.date.accessioned2020-06-11T16:13:18Z
dc.date.available2020-06-11T16:13:18Z
dc.date.issued2019-11-22
dc.description.abstractCon la presente investigación se ha construido un modelo de Inteligencia Artificial (Redes Neuronales Artificiales), que permita predecir el tiempo de demora de las intersecciones estudiadas. Para lograr el objetivo del proyecto de investigación se ha hecho el estudio de 8 intersecciones durante un periodo de tres meses. Siguiendo el análisis de cada intersección mediante la metodología HCM, para el procesamiento de datos para la construcción del modelo de la red neuronal artificial con la siguiente estructura: 10 variables de ingreso, las cuales son (tasa de flujo ajustada, tasa de flujo de saturación ajustada, relación de flujo, tiempo efectivo de luz verde, ciclo semafórico, la razón de luz verde, capacidad, razón, demora uniforme, demora residual); la cual para el entrenamiento se hizo diversas simulaciones haciendo el uso de la metodología de propagación inversa (back propagation), buscando el óptimo error cuadrático medio (MSE). La valoración se realizó en dos grupos de muestra: el primero de entrenamiento (training), y el segundo de validación (test) de los datos obtenidos de las intersecciones, usando la herramienta del sofware Matlab(toolbox). Los resultados obtenidos del proyecto de investigación evaluados mediante el análisis estadístico de error medio cuadrático (MSE), se dividen en: entrenamiento (64% de los datos), validación y prueba del (36% de los datos), y el modelo total (100% de los datos), donde el modelo total presenta una buena correlación siendo el entrenamiento(training) R=0.99976, validación R=0.99974, test R=0.99977, y obteniéndose un modelo de la Red Neuronal Artificial con R=0.99976, siendo R el coeficiente de determinación conocido como coeficiente de correlación Pearson, la cual demostrando ser eficaz para predecir el tiempo de demora del nivel de servicio de las intersecciones, se concluye que el modelo de la red neuronal artificial contribuye para predecir el tiempo de demora del nivel de servicio y así optimizar el congestionamiento vehicular. Palabras claves: Congestionamiento Vehicular, Predicción, Redes Neuronales Artificialeses_PE
dc.description.uriTesises_PE
dc.formatapplication/pdfes_PE
dc.identifier.urihttp://repositorio.unh.edu.pe/handle/UNH/3064
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de Huancavelicaes_PE
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess*
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/*
dc.sourceRepositorio Institucional - UNHes_PE
dc.sourceUniversidad Nacional de Huancavelicaes_PE
dc.subjectCongestionamiento Vehicular
dc.subject Predicción
dc.subject Redes Neuronales Artificiales
dc.subject.ocdeTransporteses_PE
dc.title"ANÁLISIS DEL CONGESTIONAMIENTO VEHICULAR PARA OPTIMIZAR EL SISTEMA DE TRANSPORTE MEDIANTE REDES NEURONALES ARTIFICIALES - CERCADO DE LA CIUDAD DE HUANCAVELICA 2019"es_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineIngeniería Civiles_PE
thesis.degree.grantorUniversidad Nacional de Huancavelica. Facultad de Ciencias de Ingenieríaes_PE
thesis.degree.levelTitulo Profesionales_PE
thesis.degree.nameTitulo Profesional : Ingeniero Civiles_PE
thesis.degree.programIngeniería Civiles_PE
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
TESIS-2019-ING. CIVIL-DE LA CRUZ LOPEZ Y JURADO MAMANI.pdf
Tamaño:
9.82 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
1.3 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Tesis 2019