Gráficos Espacio-Temporales en Transporte: Desafíos, Optimización y Perspectivas
Autores: Rakhmangulov, Aleksandr; Osintsev, Nikita; Mishkurov, Pavel
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Gráficos Espacio-Temporales en Transporte: Desafíos, Optimización y Perspectivas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Inteligente
Sistemas de información
Transporte
Gráficos espaciotemporales
Optimización
Pronóstico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 19
Citaciones: Sin citaciones
Los sistemas inteligentes y de información en el transporte registran y acumulan grandes volúmenes de datos en bruto sobre procesos de transporte dinámicos. Sin embargo, estos datos no se utilizan completamente para la previsión, la planificación en tiempo real y la gestión del transporte. Los gráficos espaciotemporales permiten describir simultáneamente tanto la estructura de los sistemas de transporte de diferentes modos de transporte como la dinámica de los flujos de transporte. La optimización de tales gráficos hace posible justificar decisiones de gestión en tiempo real, así como prever los parámetros de los flujos de tráfico y los procesos de transporte. El propósito del estudio es identificar tendencias en el uso de gráficos espaciotemporales para resolver diversos problemas en el transporte, así como los métodos de optimización más comunes de tales gráficos. Los documentos analizados incluyen 114 publicaciones de la base de datos Scopus durante 25 años, desde 1999 hasta 2024. Primero, se realizó un análisis bibliométrico para establecer el aumento en el número de publicaciones, revistas, países, instituciones, áreas temáticas, artículos, autores y coincidencias de palabras clave, para entender la cantidad de literatura generada. En segundo lugar, se llevó a cabo una revisión de la literatura basada en el análisis de contenido para predecir futuras direcciones de investigación en el campo. Hemos encontrado que el desarrollo de métodos de aprendizaje profundo y enfoques para diseñar redes neuronales gráficas basadas en gráficos espaciotemporales es una dirección prometedora. Tales métodos se utilizan principalmente para resolver las tareas de control en tiempo real de los sistemas de transporte urbano. Hay menos publicaciones en áreas que requieren un conocimiento profundo de la tecnología del transporte, como el transporte aéreo, marítimo y ferroviario. Este estudio contribuye a la expansión del conocimiento científico sobre métodos de optimización espaciotemporal de sistemas de transporte basado en análisis bibliométrico.
Descripción
Los sistemas inteligentes y de información en el transporte registran y acumulan grandes volúmenes de datos en bruto sobre procesos de transporte dinámicos. Sin embargo, estos datos no se utilizan completamente para la previsión, la planificación en tiempo real y la gestión del transporte. Los gráficos espaciotemporales permiten describir simultáneamente tanto la estructura de los sistemas de transporte de diferentes modos de transporte como la dinámica de los flujos de transporte. La optimización de tales gráficos hace posible justificar decisiones de gestión en tiempo real, así como prever los parámetros de los flujos de tráfico y los procesos de transporte. El propósito del estudio es identificar tendencias en el uso de gráficos espaciotemporales para resolver diversos problemas en el transporte, así como los métodos de optimización más comunes de tales gráficos. Los documentos analizados incluyen 114 publicaciones de la base de datos Scopus durante 25 años, desde 1999 hasta 2024. Primero, se realizó un análisis bibliométrico para establecer el aumento en el número de publicaciones, revistas, países, instituciones, áreas temáticas, artículos, autores y coincidencias de palabras clave, para entender la cantidad de literatura generada. En segundo lugar, se llevó a cabo una revisión de la literatura basada en el análisis de contenido para predecir futuras direcciones de investigación en el campo. Hemos encontrado que el desarrollo de métodos de aprendizaje profundo y enfoques para diseñar redes neuronales gráficas basadas en gráficos espaciotemporales es una dirección prometedora. Tales métodos se utilizan principalmente para resolver las tareas de control en tiempo real de los sistemas de transporte urbano. Hay menos publicaciones en áreas que requieren un conocimiento profundo de la tecnología del transporte, como el transporte aéreo, marítimo y ferroviario. Este estudio contribuye a la expansión del conocimiento científico sobre métodos de optimización espaciotemporal de sistemas de transporte basado en análisis bibliométrico.