Control proactivo de tráfico vehicular mediante Machine Learning y computación autónoma

dc.contributor.advisor	Alférez Salinas, Germán Harvey
dc.contributor.author	Zavala Ledesma, Benjamín
dc.date.accessioned	2019-11-13T21:17:06Z
dc.date.available	2019-11-13T21:17:06Z
dc.date.issued	2015
dc.identifier.uri	https://dspace.um.edu.mx/handle/20.500.11972/1171
dc.description.abstract	Ingeniería en Sistemas Computacionales	es_MX
dc.description.abstract	En este artículo busca proponer una solución al problema del control vehicular mediante una aproximación proactiva basada en Machine Learning. Mediante nuestra solución, un sistema de control de tráfico aprende acerca del flujo vehicular con el fin de prevenir futuros problemas de largas colas esperando en los semáforos. La arquitectura del sistema de tráfico se basa en los principios de Computación Autónoma con el fin de cambiar los temporizadores de los semáforos automáticamente. Una simulación de las vías en una ciudad inteligente y una herramienta basada en Weka fueron creadas para validar nuestra aproximación.
dc.format	application/pdf	es_MX
dc.language.iso	spa	es_MX
dc.rights	Acceso abierto
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject	Inteligencia artificial
dc.subject	Flujo de tráfico	es_MX
dc.title	Control proactivo de tráfico vehicular mediante Machine Learning y computación autónoma	es_MX
dc.type	info:eu-repo/semantics/bachelorThesis	es_MX

Excepto si se señala otra cosa, la licencia del ítem se describe como Acceso abierto