Desarrollo de una arquitectura cross-platform para el análisis de tráfico vehicular de una smart city con herramientas de machine learning

Abstract

El uso de internet en la actualidad ha crecido a pasos agigantados tanto en teléfonos móviles, electrodomésticos, televisores, computadores, por lo tanto, el enlace entre objeto y persona es un enlace muy cotidiano. Al ser el internet una red que se encuentra al alcance de la mano tiene servicios como cloud computing, por lo tanto, se ha tenido un avance significativo en el área de internet de las cosas (IoT), que a su vez viene de la mano con la tecnología de machine learning para el manejo de predicciones. De esta manera en el presente proyecto de titulación se presenta una arquitectura cross-platform para el análisis de tráfico vehicular con herramientas de machine learnnig. Los datos usados para el entrenamiento del sistema fueron tomados en las calles más concurrentes de la ciudad de Quito. Para el diseño de la arquitectura se empleó técnicas MDA (Model-Driven Architecture) y se usó computación en la nube las plataformas usadas en el presente proyecto es Amazon Web Service (AWS) y Google Cloud (GC). Para validar la propuesta se realizó pruebas de funcionamiento, carga, rendimiento y cualitativas de los aplicativos donde se presenta la información final evidenciando que los resultados de predicción de tráfico vehicular son muy cercanos a la realidad en cuanto más datos se tiene y por un tiempo más extenso aumenta el nivel de confianza.