| Journal: | Infraestructura Vial |
| Database: | PERIÓDICA |
| System number: | 000447715 |
| ISSN: | 2215-3705 |
| Authors: | Sanabria Barboza, Diana1 Hernández, Henry1 |
| Institutions: | 1Universidad de Costa, Rica Escuela de Ingeniería Civil, San José. Costa Rica |
| Year: | 2022 |
| Season: | Ene-Dic |
| Volumen: | 24 |
| Number: | 43 |
| Pages: | 1-10 |
| Country: | Costa Rica |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Analítico, descriptivo |
| Spanish abstract | Este trabajo presenta los resultados de un proceso exploratorio donde se aplicaron diferentes métodos de clasificación para determinar el modo de transporte de los estudiantes para acceder a la sede Rodrigo Facio de la Universidad de Costa Rica. Dentro de los modelos analizados se encuentran la regresión logística binomial, análisis discriminante lineal, árboles de decisión, K-vecinos más cercanos, máquinas de soporte vectorial y redes neuronales. Se realizó una validación con el método de K-pliegues y se obtuvo una precisión superior al 83% para todos los modelos analizados. De manera similar se aplicó el modelo de ensamble apilamiento para las técnicas de árboles de decisión, K-vecinos más cercanos, máquinas de soporte vectorial, bosques aleatorios, agregación de Bootstrap, regresión logística binomial y método de potenciación obteniendo valores de precisión superiores al 86% en todos los casos, siendo el modelo de bosques aleatorios el que presentó una mayor precisión |
| English abstract | This work presents the results of an exploratory process where different classification methods were applied to determine the mode of transportation for students to access the Rodrigo Facio campus of the University of Costa Rica. Among the analyzed models are binomial logistic regression, linear discriminant analysis, decision trees, K-closest neighbors, vector support machines and neural networks. A validation was carried out with the K-folds method and a precision higher than 83% was obtained for all the models analyzed. Similarly, the stacking assembly model was applied for the decision tree techniques, K-nearest neighbors, vector support machines, random forests, Bootstrap aggregation, binomial logistic regression and the potentiation method, obtaining precision values higher than 86% in all cases. The random forest method gives the 0highest precision |
| Disciplines: | Ingeniería |
| Keyword: | Ingeniería de transportes, Movilidad urbana, Modo de transporte, Análisis multivariado |
| Keyword: | Transportation engineering, Urban mobility, Transportation type, Multivariate analysis |
| Full text: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
