La amplia difusión de las tecnologías digitales en la sociedad abre la puerta a nuevos y más eficientes modos de operación de una gran variedad de sistemas. En el caso de los sistemas de trasporte urbano, como los de metro, las nuevas tecnologías hacen posible obtener información sobre la afluencia y el comportamiento de los usuarios. De esta manera, en base al histórico de uso de las instalaciones, es en teoría posible predecir cómo, cuándo y dónde van a entrar y salir los pasajeros de las instalaciones. Sin embargo, no está todavía extendido el uso de técnicas de predicción para mejorar la eficiencia operativa del sistema y la relación con los usuarios. En esta tesis, se plantea desarrollar, en base a datos históricos de entrada y salidas a las estaciones de una red de metro, un modelo de predicción que permita obtener buenas estimaciones de la evolución dinámica de las matrices de origen y destino de la red. Con esta información, se propondrá un método de actualización del estado del sistema derivado de los datos en tiempo real de uso del mismo. Asimismo, se explorarán nuevos modelos de relación y servicio a los usuarios.
Requisitos: Máster en Ingeniería Industrial, Máster en Ingeniería de Telecomunicación, Máster en Big Data y Analítica Avanzada. Dominio de técnicas de analítica avanzada de datos y machine learning.
Contrato de jornada completa con dedicación exclusiva a la realización de la tesis doctoral.
Documentos: Currículum vitae, expediente académico, carta de presentación y dos cartas de recomendación.
Utilizamos cookies propias y de terceros para darle funcionalidad a nuestro sitio y mejorar
nuestros servicios, mediante el análisis de sus hábitos de navegación.
Para obtener más información sobre las cookies que utilizamos y cómo
eliminarlas, consulte nuestra política de cookies.
