Modelado de movilidad urbana: Análisis de datos para mejorar y ajustar modelos de IA
Hernández Sánchez Bernardo, Montiel Moctezuma Cesar Jaime, Cedillo Campos Miguel Gastón, Martner Peyrelongue Carlos,
Publicación técnica No.864
Resumen
El crecimiento de las ciudades y el incremento en la congestión vehicular han hecho del modelado predictivo de la movilidad urbana un tema relevante para planificadores y gestores urbanos. La inteligencia artificial (IA) proporciona herramientas útiles para analizar y anticipar el comportamiento del tránsito, facilitando una gestión más eficiente de los recursos y promoviendo una mejor calidad de vida en entornos urbanos.
Este trabajo revisa el estado del arte en el modelado predictivo de movilidad urbana mediante técnicas de IA. Considera el impacto de la congestión vehicular y la necesidad de optimizar la infraestructura urbana, destacando cómo la IA permite anticipar patrones de tránsito y respaldar la toma de decisiones en la gestión del tránsito.
La revisión analiza enfoques actuales, como redes neuronales, modelos de aprendizaje automático y análisis espacial, explorando sus aplicaciones, limitaciones y áreas de mejora. Este análisis busca aportar una base para el desarrollo de modelos predictivos futuros, identificando tendencias y desafíos en la predicción del tránsito urbano y sugiriendo posibles líneas para investigaciones futuras.
Áreas de Interés
movilidad
análisis de datos
modelos de IA
Inteligencia Artificial