Desarrollo de una herramienta de evaluación incorporando algoritmos de clusterización de tráfico vehicular con parámetros de rendimiento, infraestructura usada, procesamiento y resultados obtenidos de la geolocalización de los algoritmos implementados usando herramientas de Big Data sobre infraestructura Cloud.

Vista sencilla de ítem
dc.contributor.authorTorres Macio, Daniel Peter
dc.contributor.authorHidalgo Arévalo, Claudio Wilfrido
dc.contributor.tutorCrespo León, Christopher Gabriel
dc.date.accessioned2020-08-20T16:01:43Z
dc.date.available2020-08-20T16:01:43Z
dc.date.issued2020-03
dc.descriptionPDFes_ES
dc.description.abstractEl proyecto esta enfocado en aportar a una plataforma tecnológica la implementación de algoritmos de trayectorias para la ayuda en la planeación urbana debido a la problemática de congestión vehicular que afecta a las ciudades. Para lograr este objetivo es necesario procesar todos los datos georeferenciales de la base de datos big query de google cloud, para que arroje la información pertinente y eficaz de los sectores en donde exista mayor cantidad de tráfico vehícular. Para afrontar el procesamiento del gran volúmen de datos, se ha implementado técnicas de procesamiento en paralelo sobre los algoritmos Affinity Propagation y Mean Shift dentro de un ambiente en Amazon Web Services configurado con las herramientas Apache Spark y Hadoop. Está arquitectura de procesamiento se ha creado con el objetivo de optimizar el factor de tiempo, para aportar de esta forma a la plataforma tecnológica a obtener resultados procesados con información a gran escala en el menor tiempo posible y presentar la información veráz cerca del congestionamiento vehícular.es_ES
dc.description.abstractThe project is focused on contributing to a technological platform the implementation of trajectory algorithms for the help in urban planning due to the problem of vehicular congestio. In order to achieve this objective, it is necessary to process all the georeferential data from the Less Traffic project database, so that it provides the relevant and effective information of the sectors where there is a greater amount of vehicular traffic. To deal with the processing of the large volume of data. has, parallel processing techniques have been implemented on the Affinity Propagation y Mean Shift algorithms within an environment in Amazon Web Services configured with the Apache Spark and Hadoop tools. This processing architecture has been created with the objective of optimizing the factors of time and resources, to contribute in this way to the technological platform to obtain results processed with large-scale information in the shortest time possible and present the information truthfully close to congestion.es_ES
dc.identifier.urihttp://repositorio.ug.edu.ec/handle/redug/48936
dc.language.isospaes_ES
dc.publisherUniversidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales.es_ES
dc.rightsopenAccesses_ES
dc.subjectProcesamiento en paraleloes_ES
dc.subjectTrayectorias vehiculareses_ES
dc.subjectAlgoritmos basado en densidades_ES
dc.subjectParallel processinges_ES
dc.subjectVehicle pathses_ES
dc.subjectDensity based algorithmses_ES
dc.subjectGraphicses_ES
dc.titleDesarrollo de una herramienta de evaluación incorporando algoritmos de clusterización de tráfico vehicular con parámetros de rendimiento, infraestructura usada, procesamiento y resultados obtenidos de la geolocalización de los algoritmos implementados usando herramientas de Big Data sobre infraestructura Cloud.es_ES
dc.typebachelorThesises_ES
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
B-CISC-PTG-1768-2020 Torres Macio Daniel Peter - Hidalgo Arévalo Claudio Wilfrido.pdf
Tamaño:
2.89 MB
Formato:
Adobe Portable Document Format
Descripción:
UG-FCMF-B-CISC-PTG-1768-2020
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
902 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Proyectos - Ingeniería en Sistemas Computacionales