Implementación de un modelo de predicción de tráfico con aprendizaje profundo
Ascencio Laguna José Alejandro, Martner Peyrelongue Carlos, Bustos Rosales Agustín,
Publicación técnica No.707
Resumen
Dada la demanda en la automatización de procesos, el acceso a grandes cantidades de información y la disponibilidad de tecnologías emergentes orientadas a la gestión del tránsito, es esencial el desarrollo de algoritmos que permitan predecir de manera oportuna el tráfico. El aprendizaje profundo tiene la capacidad de gestionar el espacio temporal, ampliando su memoria para recordar y olvidar sucesos importantes en el pasado, esto permitirá generar pronósticos robustos que contemplen periodos de tiempo y por consecuente la posibilidad de planear acciones que minimicen los efectos negativos de la congestión vehicular.
El aprendizaje profundo consiste en simular el funcionamiento del sistema nervioso humano, aprender y extraer los patrones de los datos disponibles para producir resultados óptimos, las redes neuronales profundas se organizan en múltiples capas de neuronas que gestionan una característica determinada, y entre más profundas sean (mayor número de capas); las características de las características, lo que le da sentido a su denominación y a la gran capacidad para comprender las cosas del mundo real.
Esta publicación describe una metodología de aprendizaje profundo para predecir el tráfico, evaluación de los resultados y descripción de su utilidad en un entorno de producción de ingeniería software y gestión en tiempo real.
Áreas de Interés
Predicción de tráfico
aprendizaje profundo
modelo de predicción