Publication:

Caracterización y pronóstico de las infracciones viales C02 en las zonas de análisis de transporte (ZAT) de la ciudad de Bogotá con técnicas de machine learning

Actualmente en Colombia se llevan a cabo proyectos de gran escala que permitan cumplir con los retos de crear ciudades inteligentes que extraigan todo el provecho de los sistemas de información con los que cuenta, para esto desde Bogotá se han dispuesto de manera abierta los datos de múltiples ministerios y se busca que desde el ámbito educativo se propongan soluciones a los problemas y desafíos que enfrentamos. Por medio del presente proyecto, se abordó la problemática de la movilidad en la ciudad de Bogotá a través de modelos de Machine Learning que permitió caracterizar y predecir el número de infracciones en las Zonas de análisis de Tránsito de Bogotá a través de la evaluación de los datos georreferenciados de obras públicas, semaforización, comercios, transporte público, entre otros. Con la construcción de una sábana completa de datos, se detectaron los patrones georreferenciados que incrementan estos comportamientos y que brindan las herramientas necesarias para la mitigación de la alta propensión a la accidentalidad, siendo de apoyo a los sistemas electrónicos y al control que reposa sobre los agentes de tránsito que se movilizan diariamente buscando prevenir eventos fatales y no fatales en la ciudad