| Summary: | La ciudad de Cuenca, Ecuador ha evidenciado en la última década un incremento en el uso de
modos motorizados, lo que ha contribuido a la congestión vehicular en sus zonas céntricas. Para atender
a esta nueva demanda, se observa el crecimiento en la oferta de aparcaderos que operan de forma
independiente sin una regulación de las tarifas a cobrar. Así, en la ciudad resulta relativamente barato
aparcar vehículos lo que ha facilitado la masificación de su uso. Para evitar las consecuencias negativas
asociadas a una movilidad motorizada se debería definir un plan tarifario que incida en la selección del
modo de transporte. El objetivo de este trabajo es implementar el modelo matemático propuesto por el
Grupo de Investigación Movilidad Activa y Sostenible de la Universidad de Cuenca que define un plan
tarifario diferencial del uso de aparcamiento con caso de estudio del Campus Central de la Universidad
de Cuenca. Los métodos utilizados son Hefesto, Crisp-DM y Modelo Tarifario: el primero utilizado en
la construcción de un Data Warehouse para consolidar los datos recolectados en los aparcaderos del
campus y visualizar indicadores de interés a través de cubos de información; el segundo siguió un ciclo
de procesos ordenado para extracción de conocimiento del Data Warehouse mediante técnicas de Data
Mining; finalmente, se validó el modelo matemático comparado tarifas personalizadas para los
servidores universitarios. Los materiales utilizados fueron: Modelo Tarifario, Datos Administrativos y
de Movilidad; y, entre las tecnologías utilizadas se encuentran: Suite de Pentaho, Spring Boot, entre
otros. Los resultados obtenidos incluyen un Data Warehouse para responder preguntas de interés,
además de ser una fuente de datos para aplicar Minería de Datos con sus consecuentes modelos de
Inteligencia Artificial, y la creación de un microservicio para calcular la tarifa personalizada mediante
el modelo, que es utilizado por un aplicativo web al alcance del grupo de movilidad. Finalmente, se
concluye analizando el uso del Data Warehouse, y observando su impacto en el modelo; y la tarifa que
tendría cada usuario, con base a los objetivos centrales de la tarifa de cobro.
|
|---|