Pronóstico a Corto Plazo de Afluencia de Pasajeros Utilizando Técnicas de Data Mining: Metro S.A.
La empresa Metro S.A. es parte fundamental del sistema de transporte público en la ciudad de Santiago, sin embargo, desde la puesta en marcha de Transantiago en Marzo del año 2007, la demanda de pasajeros creció explosivamente y es por esta razón, que no se contaba con información de calidad para po...
Main Author: | |
---|---|
Other Authors: | , , , , , |
Format: | Thesis |
Language: | Spanish |
Published: |
Universidad de Chile
2011
|
Subjects: | |
Online Access: | http://repositorio.uchile.cl/handle/2250/102546 |
id |
ftunivchile:oai:repositorio.uchile.cl:2250/102546 |
---|---|
record_format |
openpolar |
spelling |
ftunivchile:oai:repositorio.uchile.cl:2250/102546 2023-05-15T13:25:24+02:00 Pronóstico a Corto Plazo de Afluencia de Pasajeros Utilizando Técnicas de Data Mining: Metro S.A. Garnica Pérez, Denisse Fabiola Weber Haas, Richard Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial L'Huillier Chaparro, Gastón Medel García, Fabián Altamirano Guzmán, Héctor 2011 application/pdf http://repositorio.uchile.cl/handle/2250/102546 es spa Universidad de Chile http://repositorio.uchile.cl/handle/2250/102546 Attribution-NonCommercial-NoDerivs 3.0 http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ CC-BY-NC-ND Gestión de Operaciones Tesis 2011 ftunivchile 2021-12-12T00:49:47Z La empresa Metro S.A. es parte fundamental del sistema de transporte público en la ciudad de Santiago, sin embargo, desde la puesta en marcha de Transantiago en Marzo del año 2007, la demanda de pasajeros creció explosivamente y es por esta razón, que no se contaba con información de calidad para poder tomar decisiones respecto de frecuencias de trenes, demanda de viajes, o la afluencia de pasajeros en las estaciones. Esta información es crucial para poder entender el tamaño de los andenes, trenes, cantidad de boleterías, incluso la densidad promedio en los vagones, etc. El objetivo de este trabajo es poder probar la factibilidad de pronosticar la fluencia de pasajeros con técnicas de Minería de Datos con un error aceptable (inferior al 10%). Para que metro pueda utilizar esta metodología en el futuro para obtener información útil respecto de la afluencia de pasajeros. Para este estudio se seleccionaron cuatro estaciones y para cada una de ellas, se consideró un pronóstico de su afluencia a muy corto plazo (diario) y otro a corto plazo (mensual). Posteriormente, se seleccionó un conjunto de ocho métodos para el estudio de series de tiempo. Regresiones (lineales, logísticas, etc.), Suavización Exponencial, Redes Neuronales y Support Vector Regression. Se aplicaron transformaciones para eliminar estacionalidades y el efecto de Transantiago. Para los pronósticos de afluencia de corto plazo todos los métodos seleccionados presentan errores inferiores al 10%. Sin embargo, el método de promedios móviles con horizonte de dos periodos presenta errores bajo el 3.3% en todas las estaciones estudiadas. Estos son excelentes resultados, por lo cual se recomienda ampliamente el uso de estas técnicas para este caso. Para el muy corto plazo, los modelos se comportan incluso mejor, con errores inferiores al 2%, por lo cual se puede decir que es posible utilizar estos métodos con gran confianza en ambos casos. Thesis Andenes Universidad de Chile: Repositorio académico Corto ENVELOPE(-60.783,-60.783,-62.450,-62.450) |
institution |
Open Polar |
collection |
Universidad de Chile: Repositorio académico |
op_collection_id |
ftunivchile |
language |
Spanish |
topic |
Gestión de Operaciones |
spellingShingle |
Gestión de Operaciones Garnica Pérez, Denisse Fabiola Pronóstico a Corto Plazo de Afluencia de Pasajeros Utilizando Técnicas de Data Mining: Metro S.A. |
topic_facet |
Gestión de Operaciones |
description |
La empresa Metro S.A. es parte fundamental del sistema de transporte público en la ciudad de Santiago, sin embargo, desde la puesta en marcha de Transantiago en Marzo del año 2007, la demanda de pasajeros creció explosivamente y es por esta razón, que no se contaba con información de calidad para poder tomar decisiones respecto de frecuencias de trenes, demanda de viajes, o la afluencia de pasajeros en las estaciones. Esta información es crucial para poder entender el tamaño de los andenes, trenes, cantidad de boleterías, incluso la densidad promedio en los vagones, etc. El objetivo de este trabajo es poder probar la factibilidad de pronosticar la fluencia de pasajeros con técnicas de Minería de Datos con un error aceptable (inferior al 10%). Para que metro pueda utilizar esta metodología en el futuro para obtener información útil respecto de la afluencia de pasajeros. Para este estudio se seleccionaron cuatro estaciones y para cada una de ellas, se consideró un pronóstico de su afluencia a muy corto plazo (diario) y otro a corto plazo (mensual). Posteriormente, se seleccionó un conjunto de ocho métodos para el estudio de series de tiempo. Regresiones (lineales, logísticas, etc.), Suavización Exponencial, Redes Neuronales y Support Vector Regression. Se aplicaron transformaciones para eliminar estacionalidades y el efecto de Transantiago. Para los pronósticos de afluencia de corto plazo todos los métodos seleccionados presentan errores inferiores al 10%. Sin embargo, el método de promedios móviles con horizonte de dos periodos presenta errores bajo el 3.3% en todas las estaciones estudiadas. Estos son excelentes resultados, por lo cual se recomienda ampliamente el uso de estas técnicas para este caso. Para el muy corto plazo, los modelos se comportan incluso mejor, con errores inferiores al 2%, por lo cual se puede decir que es posible utilizar estos métodos con gran confianza en ambos casos. |
author2 |
Weber Haas, Richard Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial L'Huillier Chaparro, Gastón Medel García, Fabián Altamirano Guzmán, Héctor |
format |
Thesis |
author |
Garnica Pérez, Denisse Fabiola |
author_facet |
Garnica Pérez, Denisse Fabiola |
author_sort |
Garnica Pérez, Denisse Fabiola |
title |
Pronóstico a Corto Plazo de Afluencia de Pasajeros Utilizando Técnicas de Data Mining: Metro S.A. |
title_short |
Pronóstico a Corto Plazo de Afluencia de Pasajeros Utilizando Técnicas de Data Mining: Metro S.A. |
title_full |
Pronóstico a Corto Plazo de Afluencia de Pasajeros Utilizando Técnicas de Data Mining: Metro S.A. |
title_fullStr |
Pronóstico a Corto Plazo de Afluencia de Pasajeros Utilizando Técnicas de Data Mining: Metro S.A. |
title_full_unstemmed |
Pronóstico a Corto Plazo de Afluencia de Pasajeros Utilizando Técnicas de Data Mining: Metro S.A. |
title_sort |
pronóstico a corto plazo de afluencia de pasajeros utilizando técnicas de data mining: metro s.a. |
publisher |
Universidad de Chile |
publishDate |
2011 |
url |
http://repositorio.uchile.cl/handle/2250/102546 |
long_lat |
ENVELOPE(-60.783,-60.783,-62.450,-62.450) |
geographic |
Corto |
geographic_facet |
Corto |
genre |
Andenes |
genre_facet |
Andenes |
op_relation |
http://repositorio.uchile.cl/handle/2250/102546 |
op_rights |
Attribution-NonCommercial-NoDerivs 3.0 http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
op_rightsnorm |
CC-BY-NC-ND |
_version_ |
1766385102049247232 |