Prediciendo congestión de tráfico urbano con datos de VANET
Autores: Chango, Wilson; Buñay, Pamela; Erazo, Juan; Aguilar, Pedro; Sayago, Jaime; Flores, Angel; Silva, Geovanny
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Prediciendo congestión de tráfico urbano con datos de VANET
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Red neuronal
Predicción de congestión
LSTM
Transformer
Movilidad urbana
Tráfico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
El propósito de este estudio radica en desarrollar una comparación de modelos basados en redes neuronales para la predicción de congestión vehicular, con el objetivo de mejorar la movilidad urbana y mitigar los efectos negativos asociados con el tráfico, como accidentes y congestión.
Descripción
El propósito de este estudio radica en desarrollar una comparación de modelos basados en redes neuronales para la predicción de congestión vehicular, con el objetivo de mejorar la movilidad urbana y mitigar los efectos negativos asociados con el tráfico, como accidentes y congestión.