Estimación y predicción de la matriz de origen-destino a partir de variables socioeconómicas mediante modelos de aprendizaje automático basados en procedimientos de selección automática de variables. Aplicación práctica en las áreas del campo de gibraltar y málaga

  1. Rodríguez Rueda, Pedro Juan
Dirigida por:
  1. Ignacio José Turias Domínguez Director
  2. Juan Jesús Ruiz Aguilar Director

Universidad de defensa: Universidad de Cádiz

Fecha de defensa: 07 de julio de 2022

Tribunal:
  1. José Manuel Jerez Aragonés Presidente/a
  2. María del Mar Cerbán Jiménez Secretaria
  3. Alberto Camarero Orive Vocal
Departamento:
  1. Ingeniería Informática

Tipo: Tesis

Teseo: 733884 DIALNET

Resumen

La matriz de movilidad origen-destino es una herramienta básica para conocer la movilidad en un área geográfica, siendo su conocimiento esencial para una correcta planificación del transporte. Tradicionalmente estas matrices se elaboran a partir de encuestas domiciliarias, mediante procedimientos muy costosos y laboriosos. Con el fin de evitar la realización de estas encuestas, esta tesis propone una nueva metodología para estimar dichas matrices a partir de variables socioeconómicas fáciles de obtener y gratuitas. La aplicación práctica se centra en dos áreas de estudio, el área del Campo de Gibraltar y el área de Málaga. La metodología propuesta consta de dos etapas. En primer lugar, se desarrolla un procedimiento automático de selección de variables para determinar las variables socioeconómicas más relevantes. Se estudian y combinan varias técnicas de selección de variables. En segundo lugar, se utilizan modelos de aprendizaje automático para estimar la movilidad entre zonas de transportes. Las Redes Neuronales Artificiales y las Máquinas de Soporte Vectorial se modelizan y comparan utilizando como entradas las variables según la selección resultante de la etapa previa. Los resultados expuestos en la tesis demuestran que los modelos híbridos que combinan técnicas de selección de variables con modelos de aprendizaje automático tienen una capacidad de predicción con unos altos índices de bondad, mejorando tanto a los modelos tradicionales de predicción de la movilidad como a los modelos de aprendizaje automático sin selección previa de variables. Por tanto, la metodología propuesta puede ser un método alternativo prometedor y asequible para estimar matrices origen-destino, reduciendo significativamente los costes y el tiempo de elaboración, y ayudando y mejorando la planificación del transporte.