2026-06-18T03:53:36Zhttps://riubu.ubu.es/oai/request

oai:riubu.ubu.es:10259/69202024-05-20T07:49:57Zcom_10259.4_104com_10259_2604col_10259_6848

Sagüés García, Carlos Calatrava Nicolás, María Riveros González, Laura Milena Modelización Modelling Simulación Simulation Inteligencia artificial Artificial intelligence 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. 2022-09-19 2022-09-19 2021-07 info:eu-repo/semantics/conferenceObject 978-84-18465-12-3 http://hdl.handle.net/10259/6920 10.36443/10259/6920 spa R-Evolucionando el transporte http://hdl.handle.net/10259/6490 https://doi.org/10.36443/9788418465123 info:eu-repo/semantics/openAccess Universidad de Burgos. Servicio de Publicaciones e Imagen Institucional