Big Data y áreas de oportunidad para la proyección del Sistema Inteligente de Transporte en Bogotá, Colombia

Author:

Ochoa Nancy E.ORCID,Ochoa Guevara Sandra PatriciaORCID,Garzón Martínez Pedro AdolfoORCID

Abstract

Hoy en día, en las grandes ciudades de Colombia, en especial en Bogotá, y debido al crecimiento de su población (9,3 millones con la llegada de inmigrantes), se exige una demanda de aporte a la proyección de sistemas inteligentes de transporte públicos y privados como un logro de la política de movilidad de la administración de la Bogotá Humana. De ahí surge el interrogante: ¿cuál es el desafío y las áreas de oportunidad de adaptar un Big Data en la proyección de un Sistema Inteligente de Transporte para todos los ciudadanos en Bogotá? A partir de esta pregunta, se propone determinar los aportes que el Big Data ofrece como centro de acopio en la proyección de un sistema inteligente para la ciudad. La indagación se plantea desde un enfoque cualitativo y un estudio descriptivo. Se incluye la revisión de algunos estudios realizados mediante las técnicas del Big Data y del análisis de datos de contenido de la estructura organizada de estos por la Secretaría Distrital de Movilidad en Bogotá. Los resultados permiten orientar los aportes del Big Data después de analizar la estructura de indicadores que ofrecen estos el conjunto de datos. A partir de estos, se encuentran brechas y vacíos preocupantes para el Sistema Inteligente de Transporte que se espera en el futuro para Bogotá.

Publisher

Corporacion Universitaria Remington

Subject

General Medicine

Reference39 articles.

1. Álvarez, A., & Patiño, A. (2015). Arquitectura empresarial y metodologías ágiles-Una combinación efectiva para hacer frente a los frecuentes cambios en el negocio. Actas de Ingeniería, 1, 145-152. https://es.scribd.com/document/410099179/Articulo-3-Arquitectura-empresarial-y-metodologias-agiles-Una-combinacion-efectiva-para-hacer-frente-a-los-frecuentes-cambios-en-el-negocio-pdf#

2. Arango-Serna, M. D., Londoño-Salazar, J. E., & Branch-Bedoya, J. W. (2015). Enfoque de arquitectura de solución, mecanismo para reducir la brecha entre la arquitectura empresarial y la implementación de soluciones tecnológicas. Dyna, 82(193), 117-126. http://dx.doi.org/10.15446/dyna.v82n193.46752

3. Aristizábal, J. A. (2016). Analítica de datos de aprendizaje (ADA) y gestión educativa. Gestión de la educación, 6(2), 149-168. https://doi.org/10.15517/rge.v1i2.25499

4. Asadi, R., & Regan, A. (2019). A Spatial-Temporal Decomposition Based Deep Neural Network for Time Series Forecasting. ArXiv, 1(1), 1–17. http://arxiv.org/abs/1902.00636.

5. Barba González, C. (2018). Big Data Optimization: Algorithmic Framework for Data Analysis Guided by Semantics. [Tesis doctoral Universidad de Málaga]. https://riuma.uma.es/xmlui/handle/10630/17264?show=full

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3