Modelo basado en redes neuronales para la predicción de tráfico en la ciudad de Valencia

Abstract

[ES] Existen multitud de modelos que tratan de predecir la velocidad en vías urbanas e interurbanas, la contaminación acústica provocada por el tráfico en ciudades o el flujo de tráfico urbano en base a datos históricos de cámaras o del tráfico en los móviles de las personas.

En este estudio, se trata de diseñar un modelo que sea capaz de predecir el flujo de tráfico en la ciudad de Valencia, España, en base a los datos recogidos por unas espiras electromagnéticas repartidas por toda la ciudad. Con una buena predicción se podrá ser capaz de prever posibles atascos y ser capaz de evitarlos. El objetivo es diseñar un modelo basado en una red neuronal recurrente de tipo Long Short-Term Memory (LSTM) para realizar la predicción del flujo de tráfico en las diferentes calles de Valencia en las diferentes horas del día así como un estudio de la influencia de las características utilizadas en la precisión del modelo.

[EN] There are many models that try to predict the speed on urban and interurban roads, the noise pollution caused by traffic in cities, or even the flow of urban traffic based on historical data from cameras or traffic on people's mobile phones.

The aim of this study is to design a model capable of predicting traffic flow in the city of Valencia, Spain, based on data collected by electromagnetic loops distributed throughout the city. With a good prediction it will be possible to foresee possible traffic jams, and also to avoid them.

A model based on a recurrent neural network of the Long Short-Term Memory (LSTM) type has been designed to predict the traffic flow in the different streets of Valencia for the different hours of the day, as well as a study of the influence of the characteristics used in the accuracy of the model.