Técnicas de data mining aplicadas a datos de transporte público

Autores
Otaegui, Juan Carlos; Santa María, Cristóbal
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El objetivo general es aplicar técnicas de data mining en el análisis de la información digital que ya hoy producen, o bien que podrían producir los medios de transporte público con el fin de obtener nuevas perspectivas que colaboren exponiendo patrones de uso desconocidos. Generar nueva información en el campo por medio del análisis inteligente de bases de datos de gran tamaño proporciona una herramienta importante para la toma de decisiones que mejoran la experiencia del usuario de transporte público en las grandes ciudades. Se han realizado con éxito investigaciones en distintas ciudades del mundo que disponen de información digitalizada en grandes bases de datos. El denominado Sistema Único de Boleto Electrónico (SUBE) es un medio para abonar con una sola tarjeta viajes en colectivos, subtes y trenes adheridos, en la Región Metropolitana de Buenos Aires. Fue implementado durante 2011, cuenta ya con más de un millón de tarjetas emitidas y continúa extendiéndose a las principales ciudades del país. Esto permitirá contar con una base de datos lista para ser explotada con técnicas de data mining tales como clustering de usuarios, arboles de decisión y modelos que predigan con precisión las rutas optimas y tiempos de viaje entre otras aplicaciones posibles.
Eje: Bases de Datos y Minería de Datos
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
transporte urbano
transporte
Data mining
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/41184
Acceder
id SEDICI_b3b4749d8f35d5f78d704eacb8f6acc3
oai_identifier_str oai:sedici.unlp.edu.ar:10915/41184
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Técnicas de data mining aplicadas a datos de transporte públicoOtaegui, Juan CarlosSanta María, CristóbalCiencias Informáticastransporte urbanotransporteData miningEl objetivo general es aplicar técnicas de data mining en el análisis de la información digital que ya hoy producen, o bien que podrían producir los medios de transporte público con el fin de obtener nuevas perspectivas que colaboren exponiendo patrones de uso desconocidos. Generar nueva información en el campo por medio del análisis inteligente de bases de datos de gran tamaño proporciona una herramienta importante para la toma de decisiones que mejoran la experiencia del usuario de transporte público en las grandes ciudades. Se han realizado con éxito investigaciones en distintas ciudades del mundo que disponen de información digitalizada en grandes bases de datos. El denominado Sistema Único de Boleto Electrónico (SUBE) es un medio para abonar con una sola tarjeta viajes en colectivos, subtes y trenes adheridos, en la Región Metropolitana de Buenos Aires. Fue implementado durante 2011, cuenta ya con más de un millón de tarjetas emitidas y continúa extendiéndose a las principales ciudades del país. Esto permitirá contar con una base de datos lista para ser explotada con técnicas de data mining tales como clustering de usuarios, arboles de decisión y modelos que predigan con precisión las rutas optimas y tiempos de viaje entre otras aplicaciones posibles.Eje: Bases de Datos y Minería de DatosRed de Universidades con Carreras en Informática (RedUNCI)2014-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf213-217http://sedici.unlp.edu.ar/handle/10915/41184spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:00:58Zoai:sedici.unlp.edu.ar:10915/41184Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:00:59.038SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Técnicas de data mining aplicadas a datos de transporte público
title Técnicas de data mining aplicadas a datos de transporte público
spellingShingle Técnicas de data mining aplicadas a datos de transporte público
Otaegui, Juan Carlos
Ciencias Informáticas
transporte urbano
transporte
Data mining
title_short Técnicas de data mining aplicadas a datos de transporte público
title_full Técnicas de data mining aplicadas a datos de transporte público
title_fullStr Técnicas de data mining aplicadas a datos de transporte público
title_full_unstemmed Técnicas de data mining aplicadas a datos de transporte público
title_sort Técnicas de data mining aplicadas a datos de transporte público
dc.creator.none.fl_str_mv Otaegui, Juan Carlos
Santa María, Cristóbal
author Otaegui, Juan Carlos
author_facet Otaegui, Juan Carlos
Santa María, Cristóbal
author_role author
author2 Santa María, Cristóbal
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
transporte urbano
transporte
Data mining
topic Ciencias Informáticas
transporte urbano
transporte
Data mining
dc.description.none.fl_txt_mv El objetivo general es aplicar técnicas de data mining en el análisis de la información digital que ya hoy producen, o bien que podrían producir los medios de transporte público con el fin de obtener nuevas perspectivas que colaboren exponiendo patrones de uso desconocidos. Generar nueva información en el campo por medio del análisis inteligente de bases de datos de gran tamaño proporciona una herramienta importante para la toma de decisiones que mejoran la experiencia del usuario de transporte público en las grandes ciudades. Se han realizado con éxito investigaciones en distintas ciudades del mundo que disponen de información digitalizada en grandes bases de datos. El denominado Sistema Único de Boleto Electrónico (SUBE) es un medio para abonar con una sola tarjeta viajes en colectivos, subtes y trenes adheridos, en la Región Metropolitana de Buenos Aires. Fue implementado durante 2011, cuenta ya con más de un millón de tarjetas emitidas y continúa extendiéndose a las principales ciudades del país. Esto permitirá contar con una base de datos lista para ser explotada con técnicas de data mining tales como clustering de usuarios, arboles de decisión y modelos que predigan con precisión las rutas optimas y tiempos de viaje entre otras aplicaciones posibles.
Eje: Bases de Datos y Minería de Datos
Red de Universidades con Carreras en Informática (RedUNCI)
description El objetivo general es aplicar técnicas de data mining en el análisis de la información digital que ya hoy producen, o bien que podrían producir los medios de transporte público con el fin de obtener nuevas perspectivas que colaboren exponiendo patrones de uso desconocidos. Generar nueva información en el campo por medio del análisis inteligente de bases de datos de gran tamaño proporciona una herramienta importante para la toma de decisiones que mejoran la experiencia del usuario de transporte público en las grandes ciudades. Se han realizado con éxito investigaciones en distintas ciudades del mundo que disponen de información digitalizada en grandes bases de datos. El denominado Sistema Único de Boleto Electrónico (SUBE) es un medio para abonar con una sola tarjeta viajes en colectivos, subtes y trenes adheridos, en la Región Metropolitana de Buenos Aires. Fue implementado durante 2011, cuenta ya con más de un millón de tarjetas emitidas y continúa extendiéndose a las principales ciudades del país. Esto permitirá contar con una base de datos lista para ser explotada con técnicas de data mining tales como clustering de usuarios, arboles de decisión y modelos que predigan con precisión las rutas optimas y tiempos de viaje entre otras aplicaciones posibles.
publishDate 2014
dc.date.none.fl_str_mv 2014-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/41184
url http://sedici.unlp.edu.ar/handle/10915/41184
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
213-217
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615875709108224
score 13.070432

Publicaciones similares