Modelo predictivo basado en minería de datos para predecir patrones de tráfico en unidades de peaje peruanos

Abstract

En Perú, la gestión eficiente del tráfico en peajes es crucial para mejorar la seguridad vial. La minería de datos y modelos predictivos son herramientas esenciales para entender patrones del transporte y tomar decisiones estratégicas que optimicen las operaciones de peaje y el flujo vehicular, debido a esta problemática, se propone implementar un modelo predictivo basado en minería de datos que permita predecir patrones de tráfico en unidades de peaje peruanos, con una metodología con enfoque cuantitativo, de tipo aplicada y con un diseño no experimental, con una población de 40 177 registros y 10 atributos, proveniente de Open Data, OSITRAN, como técnica se utilizaron los árboles de decisión de tipo regresión, con la finalidad de realizar la predicción de flujo vehicular en los peajes, optando por utilizar el 75% de los datos con la finalidad de realizar el entrenamiento del algoritmo, y utilizando el 25% restante como control, dando como resultado de la evaluación del modelo predictivo, muestra un 84% de en la precisión de la predicción, en conclusión, es posible realizar la implementación de la metodología, porque las pruebas de software garantizan el correcto funcionamiento del algoritmo de predicción.