Fusión y análisis de datos para la toma de decisiones en un escenario vehicular complejo

Abstract

Se desarrolla un procedimiento que permite a una App predecir el estado del tránsito complejo articulado con una API de Google Maps y librerías de Maquina de Aprendizaje. Para tales fines se define una zona de tráfico vehicular donde se estiman los tiempos invertidos por un conductor al recorrer dichas calles. Cada uno de los ejemplos se asocia a un estado de tráfico en cuatro categorías: bajo, medio, moderado y alto. De esta manera se crea un conjunto de entrenamiento que es la base de información de un algoritmo de inteligencia artificial. Se elige una red neuronal del tipo MultiplayerPerceptron de una sola capa y 28 neuronas. El clasificador dio una TP Rate elevada y FP Rate muy bajo, indicando instancias de clasificación muy satisfactoria para las cuatro categorías. La Precisión del modelo muestra una buena sensibilidad y la Memoria una adecuada especificidad. El área ROC supera en todos los casos el valor 0.9, reflejando un test muy bueno. La matriz de confusión está formada por una sola diagonal acusando una buena sensibilidad y precisión.