2026-06-09T15:13:25Zhttps://riubu.ubu.es/oai/requestoai:riubu.ubu.es:10259/69202024-05-20T07:49:57Zcom_10259.4_104com_10259_2604col_10259_6848
Sagüés García, Carlos
08541068-f484-4710-a422-2dbd08965e11
600
Calatrava Nicolás, María
cfd4f835-6306-4aaa-9f16-9c496c3578e4
600
Riveros González, Laura Milena
515675e3-2e67-4d4b-96d5-8496c4baa12b
600
2022-09-19T11:16:31Z
2022-09-19T11:16:31Z
2021-07
978-84-18465-12-3
http://hdl.handle.net/10259/6920
10.36443/10259/6920
Trabajo presentado en: R-Evolucionando el transporte, XIV Congreso de Ingeniería del Transporte (CIT 2021), realizado en modalidad online los días 6, 7 y 8 de julio de 2021, organizado por la Universidad de Burgos
El objetivo del presente artículo es exponer la metodología seguida para obtener matrices
Origen/Destino a partir de datos masivos geolocalizados (trazas GPS). Se trata de una
metodología que actúa de manera complementaria con los procedimientos tradicionales de
aforo. Las principales ventajas derivadas de esta metodología radican en una reducción de
tiempos y de costes en los proyectos, además de aportar mayor fiabilidad en los resultados
de los modelos al tratarse de matrices muestra obtenidas a partir de valores reales.
Existen distintas variaciones de la metodología, pudiendo ésta adaptarse a proyectos tanto
de micromodelación como de macromodelación, convirtiéndola en una metodología muy
flexible.
Esta metodología ya ha sido probada en distintos proyectos, obteniendo resultados
satisfactorios, aunque también es cierto, que se encontraron ciertas debilidades en los
procesos. Estas debilidades se han subsanado mediante la aplicación de algoritmos de
Inteligencia Artificial (IA).
El presente artículo detalla los diferentes procedimientos de obtención de matrices, así como
un análisis de sus debilidades y mejoras desarrolladas. Finalmente, una comparativa con los
modelos tradicionales de obtención de matrices y los resultados obtenidos en los proyectos
en los que se implantó esta metodología.
application/pdf
spa
Universidad de Burgos. Servicio de Publicaciones e Imagen Institucional
R-Evolucionando el transporte
http://hdl.handle.net/10259/6490
https://doi.org/10.36443/9788418465123
Modelización
Modelling
Simulación
Simulation
Inteligencia artificial
Artificial intelligence
Ingeniería civil
Civil engineering
Transportes
Transportation
Informática
Computer science
Obtención de matrices origen destino para modelos mesoscópicos a partir de datos GPS
info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/openAccess
1223
1237
THUMBNAIL
Sagüés_CIT2021_1223-1237.pdf.jpg
Sagüés_CIT2021_1223-1237.pdf.jpg
IM Thumbnail
image/jpeg
4016
https://riubu.ubu.es/bitstream/10259/6920/3/Sag%c3%bc%c3%a9s_CIT2021_1223-1237.pdf.jpg
f024bf737f36b3f2c7e96de44cdd4248
MD5
3
LICENSE
license.txt
license.txt
text/plain; charset=utf-8
1362
https://riubu.ubu.es/bitstream/10259/6920/2/license.txt
5d013bfa6e473ff0db22cd82a4d71a70
MD5
2
ORIGINAL
Sagüés_CIT2021_1223-1237.pdf
Sagüés_CIT2021_1223-1237.pdf
application/pdf
361970
https://riubu.ubu.es/bitstream/10259/6920/1/Sag%c3%bc%c3%a9s_CIT2021_1223-1237.pdf
91bc0c55bfb92e5e550dcb2849e6066e
MD5
1
10259/6920
oai:riubu.ubu.es:10259/6920
2024-05-20 09:49:57.15
Repositorio Institucional de la Universidad de Burgos
bubrep@ubu.es
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