Examinando por Autor "Arias Botey, Ana"

Mostrando 1 - 1 de 1
  • Miniatura
    Publicación
    Grafo convolucional temporal para la prediccion de tráfico
    (Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2022-09-01) Arias Botey, Ana; Aznarte, José L.
    La predicción del tráfico desempeña un papel importante en la mejora de la eficiencia del sistema de transporte y es de gran importancia para la planificación de rutas, la detección de puntos negros asociados con datos de accidentes o problemas de salud. Los datos de tráfico generan información cada pocos minutos mediante sensores situados en diferentes puntos geográficos, lo que lleva a considerar una relación entre la dimensión del espacio y el tiempo (modelos espacio-temporales). En estudios recientes, se ha producido un aumento de la investigación de modelos de inteligencia artificial aplicados al aprendizaje de la representación de grafos, un tipo de estructura de datos formada por un conjunto de objetos (nodos) y sus relaciones (aristas). Los algoritmos de aprendizaje profundo basados en grafos, son capaces de crear una estructura geométrica más compleja que las redes convolucionales y se ajustan a la topología de la red de carreteras de tráfico. En este trabajo se aplica un modelo novedoso basado en la unión de capas convolucionales aplicadas a grafos para modelar la componente espacial y de capas recurrentes para modelar la parte temporal (T-GCN) obteniendo resultados satisfactorios. El lenguaje de programación empleado es python.