Mostrar el registro sencillo del ítem

dc.contributor.advisorCárdenas Garro, José Antonio
dc.contributor.authorRoque Rojas, Edwin
dc.date.accessioned2022-10-04T20:13:17Z
dc.date.available2022-10-04T20:13:17Z
dc.date.issued2022
dc.identifier.citationRoque Rojas, E. (2022). Predicción de la demanda de pasajeros a clústeres de estaciones del Metropolitano usando métodos de Data Mining, la metodología Box-Jenkins y Sarima [Tesis para optar el Título Profesional de Ingeniero de Sistemas, Universidad de Lima]. Repositorio institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/16675es_PE
dc.identifier.urihttps://hdl.handle.net/20.500.12724/16675
dc.description.abstractEl nivel de demanda de pasajeros del servicio del Metropolitano ha aumentado y la planificación llamada JICA, actualmente utilizada, no es suficiente, causando saturación de pasajeros en sus 38 estaciones. Según expertos e informes realizados por la Municipalidad Metropolitana de Lima y ProTransporte en el 2018, afirman que se sobrepasó la capacidad máxima de estaciones de 700 mil pasajeros diariamente que se planificó, siendo el doble que el año 2010 y sugieren actualizar la planificación de demanda. Por lo que se propuso predecir la demanda de pasajeros en clústeres de estaciones usando SARIMA a partir de un análisis espacio-temporal usando dos métodos de data mining y la metodología Box-Jenkins para obtener el mejor modelo por clúster. Los resultados del análisis espacio temporal mostraron un comportamiento similar entre estaciones al agruparlos en clústeres con estacionalidad semanal. Los modelos no realizaron una predicción correcta para los días festivos anuales, ya que fueron interpretados como valores outliers, por lo que se reemplazó la demanda que registraron estas fechas para que los modelos fueran más precisos; obteniendo finalmente buenos resultados con un RMSPE, MAPE y ¿ entre un 6.37% - 8.13%, 4.19% - 5.93% y 0.91 - 0.98 respectivamente entre los modelos, estando por debajo del límite máximo en cada métrica de pronóstico que se propusieron como objetivos. A pesar del problema, las predicciones de los modelos pueden ser usados para optimizar los recursos del Metropolitano en la distribución de sus buses atendiendo adecuadamente la demanda que satura sus estaciones, sin contar los días festivos anuales.es_PE
dc.description.abstractThe level of passenger demand for the Metropolitan service has increased and the planning called JICA, currently used, is not enough, causing the saturation of passengers in their 38 stations. According to experts and reports made by the Metropolitan Municipality of Lima and ProTransporte in 2018, claim that the maximum station capacity of 700,000 passengers was exceeded daily, which was planned, being twice as much as 2010 and suggesting updating demand planning. So, it was proposed to predict the passenger demand of station clusters using SARIMA from a spatio-temporal analysis using two data mining methods and the Box-Jenkins methodology to get the best possible model for cluster. The results of the spatio-temporal analysis showed similar behavior between stations when grouped into clusters with weekly seasonality. The models didn't make a correct prediction for the annual holidays, as they were interpreted as outlier´s values, so the demand that recorded these dates was replaced to make the models more accurate; finally getting good results with a RMSPE, MAPE and ¿ 2 between 6.37% - 8.13%, 4.19% - 5.93% y 0.91 - 0.98 respectively between the four models, below the ceiling for each forecast metric that was proposed as targets. Despite the problem, model predictions can be used to optimize the Metropolitan's resources in the distribution of its buses, adequately taking care of the demand that saturates its stations, not counting the annual holidays.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad de Limaes_PE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/*
dc.sourceRepositorio Institucional - Ulimaes_PE
dc.sourceUniversidad de Limaes_PE
dc.subjectTransporte de pasajeroses_PE
dc.subjectMinería de datoses_PE
dc.subjectProspectivaes_PE
dc.subjectTransporte urbanoes_PE
dc.subjectPassanger transportes_PE
dc.subjectData mininges_PE
dc.subjectForecastinges_PE
dc.subjectUrban transportationes_PE
dc.subjectLima Metropolitana (Perú)es_PE
dc.subject.classificationIngeniería de sistemas / Diseño y métodoses_PE
dc.titlePredicción de la demanda de pasajeros a clústeres de estaciones del Metropolitano usando métodos de Data Mining, la metodología Box-Jenkins y Sarimaes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesis
thesis.degree.disciplineIngeniería de sistemases_PE
thesis.degree.grantorUniversidad de Lima. Facultad de Ingeniería y Arquitecturaes_PE
thesis.degree.levelTítulo profesionales_PE
thesis.degree.nameIngeniero de sistemases_PE
dc.publisher.countryPEes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.04
renati.author.dni75326051
renati.advisor.orcidhttps://orcid.org/0000-0002-8343-2540
renati.advisor.dni47199993
renati.jurorDavila Calle, Guillermo Antonio
renati.jurorQuintana Cruz, Hermán Alejandro
renati.jurorTeshima Guibu, Hiroaki Fernando
renati.levelhttp://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
renati.discipline612076
dc.contributor.student3


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess