Publicación:
Sistema predictivo de demanda y recomendación de estaciones de TansMilenio basado en datos históricos

Vista sencilla de ítem
dc.contributor.advisorChacón Rivera, Lina María
dc.contributor.authorCruz Moncada, Andrés Camilo
dc.contributor.authorSuárez Cañón, Adriana Valentina
dc.contributor.authorVargas Martínez, Madeline Yizell
dc.contributor.juryPorras Vega, John Jairo
dc.creator.id1023162931
dc.creator.id1030529032
dc.creator.id1032370768
dc.date.accessioned2026-10-12T17:50:37Z
dc.date.issued2026-09-29
dc.description.abstractEste proyecto propone el análisis y predicción de la demanda en tres estaciones críticas del sistema de Transmilenio en Bogotá: Los Héroes, Calle 76 y Calle 85. Mediante registros históricos de validaciones, se busca identificar patrones de movilidad, predecir picos de demanda en distintas franjas horarias y días de la semana. A partir de estos resultados se propone el desarrollo de una página web que permita anticipar niveles de congestión y generar recomendaciones sobre la estación menos saturada, con el fin de optimizar los tiempos de desplazamiento y mejorando la experiencia de viaje de los usuarios.spa
dc.description.abstractThis project proposes the analysis and prediction of demand at three critical stations of the TransMilenio system in Bogotá: Los Héroes, Calle 76, and Calle 85. Using historical fare validation records, the project aims to identify mobility patterns and predict peak demand at different times of day and days of the week. Based on these results, the project proposes the development of a website that anticipates congestion levels and generates recommendations on the least congested station, with the goal of optimizing travel times and improving the user experience.eng
dc.description.degreelevelTrabajo de gradospa
dc.description.degreenameIngeniero de Sistemasspa
dc.description.tableofcontentsResumen 3 Abstract 3 Introducción 4 Marco teórico 5 Metodología 9 Estado del arte 13 Resumen del estado del arte 17 Resultados 18 Análisis de resultados 24 Propuesta de solución 25 Arquitectura del sistema web 26 Discusión 32 Plan de divulgación 32 Conclusiones 34 Referencias 35spa
dc.formatpdf
dc.format.extent36 páginas
dc.format.mediumRecurso electrónicospa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad Eanspa
dc.identifier.localBDM-FIS
dc.identifier.reponamereponame:Repositorio Institucional Biblioteca Digital Minervaspa
dc.identifier.repourlhttps://repository.ean.edu.co/
dc.identifier.urihttps://hdl.handle.net/10882/19666
dc.language.isospa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.programIngeniería de Sistemasspa
dc.relation.referencesTransMilenio. (2025, 17 julio). Estadísticas de oferta y demanda del Sistema Integrado de Transporte Público - SITP - marzo 2025. TransMilenio. https://www.transmilenio.gov.co/publicaciones/154662/estadisticas-de-oferta-y-demanda del- sistema-integrado-de-transporte-publico-sitp-marzo-2025/
dc.relation.referencesMa, X., Tao, Z., Wang, Y., Yu, H., & Wang, Y. (2015). Long short-term memory neural network for traffic speed prediction using remote microwave sensor data. Transportation Research Part C: Emerging Technologies, 54, 187–197. https://www.sciencedirect.com/science/article/abs/pii/S0968090X15000935?via%3DihubBanco
dc.relation.referencesMundial. (2021). Movilidad sostenible en América Latina. Washington, D.C.: Banco Mundial. https://www.bancomundial.org/es/topic/transport/overview
dc.relation.referencesOrtúzar, J. de D., & Willumsen, L. G. (2001). Modelling Transport (3rd ed.). Wiley. https://books.google.com.do/books?id=qWa5MyS4CiwC&printsec=frontcover#v=onepage&q&f
dc.relation.referencesZhang, J., Zheng, Y., & Qi, D. (2017). Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction. Proceedings of the AAAI Conference on Artificial Intelligence, 31(1). https://doi.org/10.1609/aaai.v31i1.10735
dc.relation.referencesVelásquez, J. M. (2009). Análisis de factores que inciden en la demanda del sistema TransMilenio en Bogotá, Colombia. Revista de Ingeniería, (30), 56–64. Universidad de los Andes. https://www.redalyc.org/pdf/1210/121015710012.pdf
dc.relation.referencesVelásquez, J. M. (2009). Análisis de factores que inciden en la demanda del sistema 36 TransMilenio en Bogotá, Colombia. Revista de Ingeniería, (30), 56–64. Universidad de los Andes. https://www.redalyc.org/pdf/1210/121015710012.pdf
dc.relation.referencesCruz Gil, J. D. (2021). Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo. https://repositorio.uniandes.edu.co/items/bfc9b6d6-edbf-4310-8bde b003f35dac7e
dc.relation.referencesRodríguez Peraza, C. I. Detección y conteo de evasores en el sistema de transporte Transmilenio. https://repositorio.unal.edu.co/items/61f9bd68-1dd1-41c2-b1fd-28eacbfcef85
dc.relation.referencesBru Diaz, M. M. (2021). Modelos de aprendizaje supervisado para predecir la cantidad de pasajeros que saldrán de la Terminal de Transporte Norte de Medellín a otras regiones de País. https://bibliotecadigital.udea.edu.co/challenge
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)spa
dc.rights.licenseAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subject.armarcServicio al clientespa
dc.subject.armarcDesarrollo de sitios webspa
dc.subject.armarcGestión de procesosspa
dc.subject.armarcInnovaciones tecnológicasspa
dc.subject.armarcTransporte urbanospa
dc.subject.armarcAprendizaje automático (Inteligencia artificial)spa
dc.subject.proposalTransmileniospa
dc.subject.proposalPredicciónspa
dc.subject.proposalCongestiónspa
dc.subject.proposalRecomendación de estacionesspa
dc.subject.proposalComparación de congestiónspa
dc.subject.proposalMovilidad urbanaspa
dc.subject.proposalPredictioneng
dc.subject.proposalCongestioneng
dc.subject.proposalStation recommendationeng
dc.subject.proposalCongestion comparisoneng
dc.subject.proposalUrban mobilityeng
dc.subject.proposalRandom Foresteng
dc.subject.proposalHistGradientBoostingeng
dc.titleSistema predictivo de demanda y recomendación de estaciones de TansMilenio basado en datos históricosspa
dc.titlePredictive system for demand and recommendation of TransMilenio stations based on historical dataeng
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.otherTrabajo de grado - Pregrado
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dspace.entity.typePublication
person.affiliation.nameIngeniería de Sistemas
person.affiliation.nameIngeniería de Sistemas
person.affiliation.nameIngeniería de Sistemas

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
SuarezAdriana2026.pdf
Tamaño:
1.43 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de Grado
Descargar
Miniatura
Nombre:
SuarezAdriana2026_Anexo.pdf
Tamaño:
304.59 KB
Formato:
Adobe Portable Document Format
Descripción:
Autorización Publicación
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
1.92 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Ingeniería de Sistemas