Identificacion de Patrones de Trayectorias Vehiculares Utilizando el Algoritmo MAPAS AUTO- ORGANIZADOS

Fecha
2017
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad de Guayaquil. Facultad de Ciencias Matematicas y Fisicas. Carrera de Ingenieria en Sistemas Computacionales
Resumen
El presente proyecto de investigación tiene como objetivo comprender el algoritmo de mapas auto – organizados (SOM) a través de la experimentación en diferentes bases de datos científicas para identificar patrones en trayectorias vehiculares GPS. La metodología se basa en el uso de las herramientas que provee la investigación científica, tales como la observación, la experimentación y la hipótesis. Además se aplicó una metodología cascada, ya que se siguió un enfoque secuencial durante el desarrollo de la investigación. Las experimentaciones se realizaron en base al algoritmo de mapas auto-organizados en combinación con k-means y el hierarchical clustering, los cuales fueron implementados en el lenguaje de programación R, con el ID RStudio. El test de hipótesis fue realizado utilizando RCommander, la cual es una herramienta estadística que provee el IDE. Se realizó la validación del algoritmo según las métricas de calidad que posee dicho algoritmo. Posterior a esto se realiza la interpretación de los resultados obtenidos, esto para detectar patrones, inmersos en los datos. Las variables utilizadas para tal efecto fueron la velocidad del vehículo y la hora en cual estaba transitando el mismo. Finalmente se establece las conclusiones, sobre de cuál combinación de algoritmos tuvo un mejor performance según las métricas consideradas, los patrones detectados y se da recomendaciones para investigaciones futuras
The present research project aims to understand the algorithm of self - organized maps (SOM) through experimentation in different scientific databases to identify patterns in GPS vehicle trajectories. The methodology is based on the use of the tools provided by scientific research, such as observation, experimentation and hypothesis. In addition, a cascade methodology was applied, since a sequential approach was followed during the development of the research. Experiments were performed based on the algorithm of self-organized maps in combination with k-means and hierarchical clustering, which were implemented in the programming language R, with RStudio ID. The hypothesis test was performed using R Commander, which is a statistical tool that provides the IDE. The validation of the algorithm was performed according to the quality metrics that the algorithm has. After this the interpretation of the obtained results is realized, this to detect patterns, immersed in the data. The variables used for this purpose were the speed of the vehicle and the time in which it was traveling. Finally the conclusions are established, on which combination of algorithms had a better performance according to the metrics considered, the detected patterns and gives recommendations for future research.
Descripción
ADOBE
Palabras clave
Visualizacion de Datos, Trayectorias Vehiculares, Self-Organizing Maps, K-Means, Clustering, Hierarchical Clustering, Kohonen
Citación