Resumen:
|
[ES] El presente TFG consiste en el desarrollo de un sistema para la predicción de horas
de llegada de autobuses del servicio de transporte de autobuses de una entidad de
transporte. El sistema debe realizar las predicciones ...[+]
[ES] El presente TFG consiste en el desarrollo de un sistema para la predicción de horas
de llegada de autobuses del servicio de transporte de autobuses de una entidad de
transporte. El sistema debe realizar las predicciones en tiempo real. La predicción se
realiza utilizando la información que proporcionan distintos sistemas interconectados
pertenecientes a dicha entidad de transporte.
Esta información contiene datos sobre el transporte de autobuses, como horas de
llegada y salida, itinerarios, retrasos, geoposicionamientos, entre otros. El sistema
encargado de realizar predicciones utilizará técnicas de machine learning para
construir modelos predictivos. Estos modelos realizan predicciones en tiempo real
teniendo en cuenta variables de carácter temporal. La tecnología utilizada para
desarrollar el Backend del sistema será Python y, para la parte que ocupará esta
memoria, mayoritariamente Java.
El sistema por desarrollar en el TFG forma parte de un proyecto en el que se
construirán distintos sistemas para la entidad de transporte que realizarán la gestión
completa del transporte de autobuses (como un Sistema de Geoposicionamiento, o
un sistema de ingesta e integración). Todos estos sistemas estarán conectados a un
sistema central encargado de controlar las comunicaciones.
[-]
[EN] The present TFG consists of the development of a system for the prediction of
arrival times of buses of the bus transport service of a transport entity. The system
must make the predictions in real time. The prediction ...[+]
[EN] The present TFG consists of the development of a system for the prediction of
arrival times of buses of the bus transport service of a transport entity. The system
must make the predictions in real time. The prediction is carried out using the
information provided by different interconnected systems belonging to said transport
entity.
This information contains data on bus transport, such as arrival and departure times,
itineraries, delays, geo-positioning, among others. The system in charge of making
predictions will use machine learning techniques to build predictive models. These
models make predictions in real time considering variables of a temporal nature. The
technology used to develop the backend of the system will be SQL, Python and, for the
part that will occupy this memory, mainly Java.
The system to be developed in the TFG is part of a project in which different
systems will be built for the transport entity that will carry out the complete
management of bus transport (such as a geo-positioning system, or an intake and
integration system). All these systems will be connected to a central system in charge
of controlling communications.
[-]
|