diseÑo de un prototipo de software para...
TRANSCRIPT
DISEÑO DE UN PROTOTIPO DE SOFTWARE PARA EL USO DEL SISTEMA
INTEGRADO DE TRANSPORTE PÚBLICO (SITP), EN TIEMPO REAL
EN LA LOCALIDAD DE CHAPINERO
GUILLERMO EDUARDO PALOMINO CONTRERAS
20082020069
PEDRO LUIS PINEDA ACERO
20082020074
DIRECTORA. ING LILIAN ASTRID BEJARANO GARZÓN
REVISOR. DOC JULIO BARON VELANDIA
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA
PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
BOGOTÁ DC
2016
2
REVISIÓN DEL DOCUMENTO
Fecha Versión Autores Revisor
25/05/2016 1.0 Guillermo Eduardo Palomino
Contreras
Pedro Luis Pineda Acero
Ingeniero:
Julio Barón
Velandia
3
TABLA DE CONTENIDO
__________________________________________________________________
Introducción……………………………………………………………………………... 6
PARTE I. CONTEXTUALIZACIÓN DE LA INVESTIGACIÓN
CAPITULO 1. DESCRIPCIÓN DE LA INVESTIGACIÓN………….……………….. 7
1.1. Planteamiento del problema………………………………………………….. 7
1.2. Objetivos………………………………..………………………………………... 8
1.2.1 Objetivo general………………………………………………………………… 8
1.2.2 Objetivos específicos………………………………………………………….. 8
1.3. Justificación de la investigación………………………………..…………… 8
1.4. Hipótesis………………………………..………………………………………... 9
1.5. Marco referencial………………………………..…………………………….. 10
1.5.1 Marco teórico…………………………………………………………………... 10
1.5.2 Marco conceptual……………………………………………………………... 18
1.5.3 Marco espacial…………………………………………………………………. 19
1.5.4 Marco temporal………………………………………………………………… 20
1.6. Metodología de la investigación………………………………..………….. 21
1.6.1 Tipo de estudio………………………………………………………………… 21
1.6.2 Métodos de investigación…………………………………………………… 21
1.7. Estudios de sistemas previos………………………………………………. 22
PARTE II DESARROLLO DE LA INVESTIGACIÓN………………………………. 23
CAPÍTULO 2. DEFINICIÓN DEL PRODUCTO A OBTENER…………………….. 23
2.1 Descripción detallada.…………………………………………………………… 23
2.1.1 Alcance del sistema……………………………………………………………. 23
2.1.2 Restricciones y suposiciones……………………………………….……….. 23
2.1.3 Objetivos del sistema a implementar……………………………………….. 24
4
CAPÍTULO 3. REQUERIMIENTOS ESPECÍFICOS DE INTERFACES…………. 25
3.1 Interfaz de usuario………………….………….…………………………………. 25
3.2 Interfaz de software…………………………….………………………………… 25
3.3 Protocolos de comunicación…………………………….…………………….. 25
3.4 Requerimientos de persistencia……………………………….………………. 25
CAPÍTULO 4. CARACTERIZACIÓN DEL PRODUCTO DE SOFTWARE……… 26
4.1 Tabla de requerimientos funcionales…………………………………………. 26
4.2 Diagramas de casos de uso…………………………………………………….. 27
4.2.1 Actores…………………………………………………………………………… 27
4.2.2 Especificación de casos de uso en formato extendido…………………. 28
4.2.2.1 Módulo búsqueda de rutas…………………………………………………. 28
4.2.2.2 Módulo gestión de rutas almacenadas.………………………………….. 37
4.2.2.3 Módulo sistema de gestión de novedades.……………………………… 40
4.2.2.4 Diagrama de navegación……………………………………………………. 42
4.3 Requerimientos no funcionales.……………………………………………….. 43
CAPÍTULO 5. MODELO DE RED NEURONAL…………………………………… 44
5.1 Selección tipo de red neuronal………………………………………………… 44
5.2 Definición de las partes de la red neuronal artificial………………………. 45
5.2.1 Neuronas…………………………………………………………………………. 45
5.2.1.1 Cuerpo o soma……………………………………………………………….. 45
5.2.1.2 Dendritas……………………………………………………………………..... 55
5.2.1.3 Axón…………………………………………………………………………….. 55
5.2.1.4 Sinapsis………………………………………………………………………... 58
5.3 Formulación del modelo…...……………………………………………………. 58
5.3.1 Entrenamiento…………………………………………………………………… 59
5.3.2 Explicación……………………………………………………………………….. 60
CAPÍTULO 6. MODELO ESTRUCTURAL............................................................ 62
6.1 Definición de clases y objetos candidatos.................................................. 62
6.2 Diagrama general de clases.......................................................................... 64
6.3 Diccionario de clases.................................................................................... 65
6.3.1 Capas de atributos...................................................................................... 65
6.3.2 Capas de métodos...................................................................................... 68
5
CAPÍTULO 7. MODELO DE PERSISTENCIA...................................................... 76
7.1 Modelo de datos............................................................................................. 76
7.2 Diccionario de datos...................................................................................... 77
CAPÍTULO 8. CASOS DE USO DESARROLLADOS EN EL PROTOTIPO……. 82
8.1 Selección de Casos de uso a implementar………………………………….. 82
CAPÍTULO 9. DIAGRAMAS DINÁMICOS DE LOS MÓDULOS
DESARROLLADOS……………………………………………………………………. 83
9.1 Diagramas dinámicos..…………………………………………………………... 83
CAPÍTULO 10. SIMULACIÓN………………………………………………………… 86
10.1 Planteamiento de la simulación…………………………………………….. 85
10.2 Datos de la simulación............................................................................. 86
10.3 Resultados de la simulación………………………………………………… 95
PARTE III CIERRE DE LA INVESTIGACIÓN………………………………………. 99
CAPÍTULO 11. RESULTADOS Y CONCLUSIONES……………………………… 98
11.1 Resultados……………………………………………………………………….. 98
11.2 Verificación, contraste y evaluación de los objetivos……………………. 98
11.3 Trabajos o publicaciones derivadas.......................................................... 99
11.4 Conclusiones…………………………………………………………………… 100
BIBLIOGRAFÍA…………………………….…………………………….…………….101
REFERENCIAS WEB…………………………….……………………………………102
6
INTRODUCCIÓN
Las grandes ciudades del mundo apuntan a tener un sistema de transporte público
unificado que permitan agilizar el desplazamiento de sus habitantes minimizando
costos pero maximizando resultados en cuanto a eficiencia; Bogotá es una ciudad
que no es ajena a la pretensión de desarrollo en cuanto a movilidad.
Diseño de un prototipo de software para el uso del sistema integrado de transporte
público (SITP), en tiempo real en la localidad de Chapinero de Bogotá, es una
investigación que pretende demostrar que se pueden implementar sistemas de
información en la ciudad que hagan posible organizar el transporte público de una
manera óptima que beneficie tanto a los usuarios como a los prestadores del
servicio.
La característica principal del prototipo es la aplicación de la teoría de las redes
neuronales artificiales, donde tanto pasajeros, localidades, barrios, buses y
paraderos serán representados por neuronas que uniéndolos se convertirán en
una neurored que permita al sistema crecer, aprender y funcionar cada vez mejor.
A través de la caracterización del sistema de transporte público como un sistema
de red neuronal artificial, se pretende dar solución a la congestión de usuarios que
se genera en los paraderos del SITP, debido a la especulación en cuanto a la
demora de los buses y el tiempo que tardan los mismos en hacer sus respectivos
recorridos; NEUROSITP es un prototipo de software que pretende brindar datos
precisos en tiempo real a los usuarios en cuanto al tiempo de tardanza de cada
uno de los buses a los respectivos paraderos y el tiempo estimado del recorrido
hasta el destino seleccionado.
El uso de la aplicación es muy sencillo; el usuario ubicado en la localidad de
Chapinero tan solo tiene que ingresar el barrio de destino y el sistema se
encargará de retornar información ordenada con las posibles rutas que se pueden
tomar para llegar al destino en el menor tiempo posible
Profundizar en los sistemas de transporte público nace como un interés
académico al aplicar la teoría de las redes neuronales en la vida real, pero la
investigación puede tomar un fuerte valor en el ámbito profesional que sirva como
labor social para el bienestar de los ciudadanos además el modelo puede ser
aplicado a toda la ciudad.
7
PARTE I. CONTEXTUALIZACIÓN DE LA INVESTIGACIÓN
CAPITULO 1. CONTEXTUALIZACIÓN DE LA INVESTIGACIÓN
1.1 Planteamiento del problema
La avenida carrera 13 es una de las vías principales de la localidad de Chapinero
para dirigirse de norte a sur ya que esta se encuentra ubicada en un sector muy
concurrido de la ciudad, este es un factor influyente para movilizar la mayoría de
buses del SITP del sector, además ofrece varias vías alternas para la movilización,
todo esto conlleva a que sea una de las vías más transitadas y por ende la más
congestionada de la localidad.
Los usuarios de transporte público que deseen movilizarse desde este sector
enfrentan dos tipos de inconvenientes: La demora en la llegada a los paraderos de
los buses, y la falta de información de una ruta óptima tomando en cuenta las
variables: tiempo de espera de los buses y situación vial en tiempo real de las
calles de la localidad; estos problemas pueden ser causados por la insuficiencia
en el número de buses destinados a una determinada ruta, en los intervalos de
tiempo y las escasas herramientas tecnológicas (aplicaciones) como por ejemplo
googletransit, moovit, etc, las cuales les permitan a los usuarios seleccionar la
mejor opción de ruta con base a su destino.
“El Distrito anunció que desde el 1ro de Julio del año 2015 el transporte tradicional
urbano no deberá prestar el servicio y “los buses del SITP tendrán la cobertura
total de las rutas que actualmente están en funcionamiento” (EL TIEMPO, 2015),
se prevé un colapso en el sistema debido a la gran cantidad de pasajeros que
esperan en los paraderos que no alcanzan a abordar los autobuses, ya que estos
vehículos arriban con muy baja frecuencia y con alto número de pasajeros
haciendo seleccionar a las personas otros medios de transporte, como taxis y
vehículos particulares para poder dirigirse a su destino los cuales saturan las vías
ocasionando un flujo vehicular lento en la ciudad.
Se plantea compartir alguna información exclusiva de Transmilenio con los
usuarios, como es la ubicación satelital de los buses en tiempo real ya que esto
facilitará el cálculo de llegada de cada uno de los buses a los paraderos, esto
desencadenaría un mejor desempeño del prototipo a implementar.
8
1.2 Objetivos
1.2.1 Objetivo general
Proponer un prototipo de aplicación informática que brinde soporte logístico a la
asignación de rutas factibles de movilización mediante la sinergización de
algoritmos de optimización y tecnologías de información y comunicación
pertinentes.
1.2.2 Objetivos específicos
Desarrollar un prototipo de software para dispositivos móviles, mediante la
implementación computacional utilizando el enfoque de programación
orientado a objetos que permita a los usuarios del SITP seleccionar las
rutas de manera amigable en tiempo real.
Suministrar información a los usuarios acerca de las posibles rutas de
servicio urbano del SITP que pueden tomar para llegar a su destino,
utilizando la combinación de distintas fuentes de información y las
aplicaciones de las redes neuronales para agilizar el desplazamiento de las
personas que se encuentren en la localidad de Chapinero.
Ofrecer pronósticos con un alto porcentaje de factibilidad acerca de las
condiciones viales en tiempo real, proporcionando a los usuarios datos
como tiempos, distancias y recorridos, para facilitar a los usuarios la toma
de decisiones en cuanto a movilizarse en el transporte público SITP.
Facilitar a los usuarios con discapacidad visual el uso del sistema a través
de estímulos auditivos en el dispositivo tanto del usuario como del autobús,
brindando información referente a la proximidad de los vehículos, para que
el servicio no sea excluyente con este tipo de población.
1.3 Justificación de la investigación
El presente trabajo tiene como objeto de estudio investigar el transporte público en
la ciudad de Bogotá. Se pretende plantear un modelo teórico basado en la relación
distancia-velocidad promedio en los recorridos de los buses, lo cual permitirá a los
9
usuarios conocer tiempos de trayecto con el fin que la persona interesada en
acceder al sistema de transporte pueda saber cuál es la mejor opción de ruta para
desplazarse en los buses de servicio urbano del SITP, desde la localidad de
Chapinero-Bogotá. Este prototipo se diseña con el propósito de ser implementado
informáticamente para dispositivos Android, mediante la programación en lenguaje
Java; debido a que la mayoría de usuarios del SITP en sus dispositivos móviles
cuentan con este sistema operativo.
El resultado de la investigación es un modelo matemático que muestra datos en
tiempo real, para efectos prácticos de la investigación los datos se ingresarán
mediante simulaciones y los resultados se reflejarán en estas mismas; La
simulación verifica la eficacia del modelo por lo tanto se pretendería que la
implementación informática sea posteriormente aplicada a otras localidades de la
ciudad de Bogotá.
La finalidad de la investigación consistirá en que los usuarios puedan elegir de una
manera más simple las rutas que le permitirán llegar más rápido a su lugar de
destino, ya que no existe en la actualidad una herramienta que lo pueda lograr con
gran precisión; para ello el sistema debe permitir retroalimentarse de información
cada vez que haya un cambio significativo de la movilidad en las vías a través de
las neuronas interconectadas en el modelo planteado.
Los resultados se verán reflejados al final de la simulación cuando se haga las
respectivas comparaciones de tiempos con datos de diferentes rutas con un
mismo destino del aplicativo. Está también será una solución concreta a
problemas socio-económicos que permitirán mejorar la experiencia en el uso del
sistema.
1.4 Hipótesis
La baja frecuencia en la llegada de los buses urbanos del SITP a los paraderos, la
desacertada distribución de las rutas y la falta de información de las mismas
generan un servicio insatisfactorio para los usuarios del SITP. La implementación
de una herramienta tecnológica eficiente conlleva a los usuarios a hacer un uso
óptimo del sistema minimizando los tiempos de viaje generando una mayor
satisfacción en los usuarios.
10
1.5 Marco referencial
1.5.1 Marco teórico
Generalidades de las neuroredes.
Una neurored es un procesador de información de distribución altamente paralela,
constituida por muchas unidades sencillas de procesamiento llamadas neuronas
(Olmeda & Barba Romero, 1993, p18). Las características más relevantes de las
neuroredes son:
a) Habilidad de aprendizaje a través de la experiencia mediante el peso
relativo de las conexiones.
b) Alta plasticidad y gran adaptabilidad.
c) Capacidad de tolerancia hacia los fallos.
d) Comportamiento no lineal y procesamiento de este tipo de información.
El soma es el núcleo de la neurona, en él se ubican otras estructuras que son importantes para el funcionamiento de la neurona; las dendritas son prolongaciones cortas que se originan del soma neural; su función es recibir impulsos de otras neuronas y enviarlas hasta el soma de la neurona. El axón es una prolongación única y larga en algunas ocasiones puede medir hasta un metro de longitud. Su función es sacar el impulso desde el soma neuronal y conducirlo hasta otro lugar del sistema.
FIGURA 1.1 Neurona biológica (Izaurieta & Saavedra)
11
Gracias a la plasticidad el cerebro realiza acciones que un computador en la actualidad tardaría mucho más tiempo en realizar, como por ejemplo reconocer a una persona en un tiempo que oscila entre los 100 y 200 milisegundos, esto sucede debido a la aplicación de un patrón de información tridimensional; mientras que las neuronas se podrían comparar con los chips de silicio, sin embargo el procesamiento de un evento es procesado tres veces más rápido (1019
milisegundos en el silicio a comparación de 1015 milisegundos de las neuronas); no obstante el cerebro compensa esta lentitud con un gran número de neuronas y con millones de conexiones sinápticas entre ellas. Una sinapsis es la interconexión entre dos neuronas; la mayoría de neuronas codifican sus salidas como una breve serie de pulsos periódicos llamados potenciales de acción que se originan cercanos al soma de la célula y se propagan a través del axón. El botón sináptico es el término del axón de una neurona pre-sináptica y la dendrita es la correspondiente de una neurona post-sináptica., como se puede dilucidar en la siguiente figura:
FIGURA 1.2 Sinapsis en una neurona (Izaurieta & Saavedra)
Los dos comportamientos más importantes de una neurona en primer lugar es que el impulso que llega a una sinapsis y el que sale de ella no son iguales en general. El tipo de impulso que saldrá depende muy sensiblemente de la cantidad de neurotransmisor que es la sustancia que se libera luego de un proceso de sinapsis. En segundo lugar en el soma se suman todas las entradas de todas las dendritas, si estas entradas sobrepasan cierto umbral entonces se transmitirá un pulso eléctrico a lo largo del axón, en caso contrario no se transmitirá.
Modelo Neuronal
Un modelo neuronal sirve para representar las características más importantes de las neuronas para que puedan interactuar en una red. En la siguiente figura se toma como neurona interés Yj, las neuronas x1…Xn están enviando señales de entrada como valores numéricos de algún suceso. Los valores W j representan los pesos sinápticos en las dendritas de Yj.
12
FIGURA 1.3 Modelo neuronal básico (Izaurieta & Saavedra)
Para la notación , el primer índice corresponde al de la neurona hacia
donde se dirige la información y el segundo corresponde al de la neurona donde procede la información. El pero sináptico multiplica a su entrada correspondiente y define la importancia relativa de cada entrada. En el soma de la neurona se suman todas las entradas correspondientes de las dendritas.
La entrada total de la neurona Yj es El índice in indica input o
entrada, Cuando pasa el umbral y se activa la neurona se aplica una función de activación que puede ser escalón o sigmoidea, entonces la salida de la neurona
es:
Las funciones de activación se dividen en dos tipos: bipolares o asimétricas y binarias. En las primeras se tiene como dominio –a, Yj a siendo generalmente a=1, y en las segundas el dominio va desde 0 hasta 1. A menudo se suele usar como función de activación la función identidad para neuronas de entrada a la red o sensores, ya que para este tipo de situaciones se espera que se indique precisamente lo que se está percibiendo. Si la función de activación de una neurona es lineal entonces se denomina neurona lineal y se representará por un cuadrado, de lo contrario se dice que es una neurona no lineal y se representará por un circulo. A menudo es necesario modificar el umbral de activación, para esta tarea se añade una neurona de inclinación X0 a la que se le asigna un valor fijo X0 y un peso sináptico X0; a la neurona Yj le asignamos un umbral de i = W j0 que será fijo de cero.
Se dice que un problema linealmente separable cuando se dilucida la frontera como una función lineal la cual se puede apreciar en la siguiente figura:
13
FIGURA 1.4 Función lineal del comportamiento de la función AND (Izaurieta & Saavedra)
La frontera X1 + X2 = 2 es a razón la función de entrada = X1 + X2 i 2, y si su
respuesta se ubica en la clase uno producirá una salida de 1, de lo contrario la salida será de 0 Cuando se usa una gran cantidad de neuronas a menudo se ordenan aquellas que tienen comportamientos similares, por ello se usan subíndices para las neuronas. Cada capa corresponde a un vector de neuronas como por ejemplo en la siguiente figura:
FIGURA 1.5 Red Unicapa (Izaurieta & Saavedra)
14
Se acostumbra a no contabilizar la capa de entrada, por ende la anterior era una red unicapa y únicamente puede resolver problemas linealmente separables; sin embargo se pueden agregar más capas como en la siguiente figura:
FIGURA 1.6 Red Multicapa (Izaurieta & Saavedra)
A este tipo de red se le denomina multicapa y es capaz de resolver problemas más complejos (no lineales), además se puede observar más fácil la idea de paralelismo al notar que cada neurona de una capa puede trabajar individualmente sin la colaboración del resto de neuronas de la misma capa.
El aprendizaje en una neurored
“El aprendizaje es la clave de la plasticidad en una neurored y esencialmente es el
proceso en el que se adaptan las sinapsis, para que la red responda de un modo
distinto a los estímulos del medio. El aprendizaje se divide en dos tipos:
aprendizaje con profesor o supervisado y aprendizaje sin profesor o no
supervisado”. (Izaurieta & Saavedra, Redes neuronales artificiales, p.7)
El proceso de aprendizaje con profesor se hace totalmente análogo a enseñarle
algo a un niño, los pasos del proceso son los siguientes:
El profesor dispone de un conjunto de N pares de entrenamiento, ,
en donde es la n-esima entrada y es la respuesta a esa entrada.
15
Se introduce una de las entradas y se espera que la red responda.
La red responde mediante una salida .
Luego se compara ambas señales, la respuesta deseada y la respuesta de
la red creando una señal de error, .
Luego de la señal de error , se corrige la sinapsis mediante algún algoritmo
de corrección como por ejemplo el algoritmo perceptrónico o retropropagación de
error, etc.
La secuencia completa de los n pares de entrenamiento es conocida como una
época, en general pueden haber muchas épocas y el aprendizaje se detiene
cuando la red responda correctamente a todos los pares de entrenamiento.
El algoritmo de Dijkstra.
“El algoritmo de Dijkstra es utilizado para encontrar la ruta óptima de un nodo
determinado a otro nodo, recibe como entrada un grafo dirigido de n vértices con
pesos positivos con a como nodo inicial y z como nodo final, en donde a y z son
distintos tales que existe algún camino entre a y z” (S,A,H. Acerca del algoritmo
de Dijkstra). Como salida el algoritmo debe generar el peso de un camino de coste
mínimo entre a y z. Para llegar a este objetivo el algoritmo sigue los siguientes
pasos:
Definimos y . Asignamos a cada vértice v en V una etiqueta como
sigue: L(v) = 0 si v=a y L(v) = para v a.
Para i=1,2,…n; supongamos que hemos construido los conjuntos .
Hacemos . Si definimos y se detiene la construcción
en caso contrario, escogemos el primer vértice en con la menor etiqueta es
decir:
16
Se define , , (se dice que entra),
y para cada vértice en adyacente a se cambia su etiqueta por
la nueva etiqueta :
Si i=n definimos y se detiene la iteración. Si i<n se hace i=i+1 y se realiza
el paso anterior.
El algoritmo termina en el momento en que se encuentra el índice m para el cual
. En ese momento .
Soluciones planteadas para planificar rutas de transporte
A continuación se presentarán algunas soluciones planteadas para la resolución
de la planificación de rutas en el transporte público:
En la solución más primitiva al problema, el usuario del transporte público realiza
todas las tareas de planificación de rutas del transporte público]. Mediante el uso
de fuentes estáticas de información, el usuario se comporta como un optimizador,
realiza tareas cognitivas y encuentra una opción de ruta para viajar entre dos
puntos dados (Pereira & Barreto). Sin embargo, este enfoque tiene limitaciones
claras. El principal problema es que, por lo general, los seres humanos no se
desempeñan bien en la búsqueda de la mejor opción ruta entre dos puntos dados.
Este problema se vuelve más complicado cuando la complejidad de la disposición
de opciones aumenta.
“Una evolución en soluciones con tecnología de última generación fue presentada
por la introducción de sensores infra-estructura de los operadores en las redes de
transporte público por ejemplo, el sistema de la ubicación geográfica” (Transit), el
“Bus Rastreador CTA” (RATP, 2010) y el tubo electrónico muestra para Londres
(TFL). Por lo general, estos sensores captan información sobre el medio ambiente.
Por ende, la información capturada está disponible en diferentes fuentes de
información (por ejemplo, paneles electrónicos, SMS, correo electrónico). Al
acceder a la información de estas fuentes, los usuarios tienen más y mejor
información para basar sus decisiones. Sin embargo, en este enfoque, el usuario
17
todavía realiza las principales tareas en la búsqueda de la mejor opción de la ruta.
Aunque, la probabilidad de error es aún elevada y puede conducir a la mala toma
de decisiones.
Con el crecimiento de la popularidad de Internet, la aparición de planificadores de
rutas basados en Internet para el transporte público era inminente (por ejemplo las
aplicaciones Google Transit (Google Transit, 2010) o Journey Planner
(Transport for London - Plan a Journey). Sin embargo, la necesidad de una
conexión a Internet es una limitación importante. Ya que los optimizadores de
rutas son más útiles cuando los usuarios están viajando o a punto de tomar los
viajes, el uso de tales sistemas viene a menudo con un considerable costo, tanto
en términos de uso del servicio de datos y en consumo de batería. Además, estos
sistemas a menudo no utilizan información en tiempo real acerca de la red de
transporte. Por lo tanto no reflejan los efectos de eventos como accidentes,
trancones y las interrupciones del servicio en las sugerencias de planificación de
rutas.
Bases de datos
A continuación se presenta una configuración de bases de datos representada
para un servicio de trenes que se asemeja a una configuración de transporte
público de buses con paraderos:
Figura 8 Configuración de bases de datos en un sistema de trenes. (Goto & Kambayashi, 2010)
18
En la figura anterior, la base de datos central está conectada a las bases de datos
locales, a internet y a otros subsistemas de información, su función principal es
proveer los datos globales del sistema, es decir la cantidad de vehículos con que
cuenta una ruta por ejemplo, la cantidad de estaciones, etc.
Por su parte las bases de datos locales se encuentran en las estaciones, proveen
la información geográfica del lugar, los datos en tiempo real de la ruta que se
encuentra en la estación, las rutas próximas en llegar y las que salieron hace poco
tiempo.
Estas bases de datos se proveen de fuentes de información estáticas o dinámicas,
las fuentes estáticas muestran las características de un lugar en específico,
necesariamente estos deben encontrarse en las estaciones o en puntos
estratégicos como tiendas, restaurantes etc. Las fuentes dinámicas muestran las
características de varios lugares en un intervalo de tiempo y el estado del vehículo
en tiempo real (tiempos de llegada, retardo, cantidad de pasajeros etc), son
brindadas por los vehículos y también por los usuarios mediante sus terminales
móviles.
Por último las terminales móviles representan los usuarios y tienen entre otras las
funciones de recuperar los datos de acuerdo con las peticiones del usuario, crear
un plan de viaje que satisfaga las necesidades del usuario y ofrecer mensajes de
guía apropiados mediante la integración y personalización de la información para
el usuario.
1.5.2 Marco conceptual
A continuación se definirán los términos que se usaron en la investigación:
Algoritmo FIFO: (First Input, first output/ Primero en llegar primero en ser
atendido) Con este esquema se asigna primero CPU al proceso que primero lo
solicite (Silberschatz)
Buffer de transporte: Es el cuarto nivel del modelo OSI encargado de la
transferencia libre de errores de los datos entre el emisor y el receptor, aunque no
estén directamente conectados, así como de mantener el flujo de la red.
(Scheideler).
19
Computación ubicua: La computación ubicua es un mecanismo por el cual se
facilita el uso de computadores, haciendo que en nuestro entorno existan múltiples
sistemas de computación, pero siendo estos <<imperceptibles>> para el usuario.
De esta forma el entorno se transforma en un entorno inteligente capaz de
responder a nuestros requerimientos (Barro, Bugarindiz, & J).
Grafo ponderado: Es un grafo en el cual a las aristas se les asigna un valor que
se llama ponderación que representa la distancia o costo que hay entre un nodo y
otro (Jiménez, 2001)
Plasticidad: Plasticidad cerebral se refiere a la adaptación que experimenta el
sistema nervioso ante cambios en su medio externo e interno, además puede
reflejar la adaptación funcional del cerebro para minimizar los efectos de las
lesiones estructurales y funcionales. (Izaurieta & Saavedra, Redes neuronales
artificiales)
Redes tolerantes al retraso: DTN es el área de las redes que se ocupa de
desafíos en las redes perturbadas desconectados sin conexión de extremo a
extremo. DTN está diseñado para funcionar con eficacia en distancias extremas,
como las que se encuentran en comunicación espacio o en una escala
interplanetaria. (Vasilakos)
Simulación: Es una técnica numérica para realizar experimentos en una
computadora digital. Estos experimentos involucran ciertos tipos de modelos
matemáticos y lógicos que describen el comportamiento de sistemas de negocios,
económicos, sociales, biológicos, físicos o químicos a través de largos periodos de
tiempo. (Bu)
Sistema descentralizado: Son aquellos sistemas donde el núcleo de comando y
decisión está formado por varios subsistemas. En dicho caso el sistema no es tan
dependiente, que puede llegar a contar con subsistemas que actúan de reserva y
que sólo se ponen en funcionamiento cuando falla el sistema que debería
actuar en dicho caso. (Bertalanffy)
1.5.3 Marco espacial
La investigación se desarrollará en la localidad Chapinero de la ciudad de Bogotá-
Colombia. Este espacio está delimitado de sur a norte desde la calle 39 hasta la
calle 100, y de oriente a occidente desde la avenida circunvalar hasta la avenida
caracas.
20
FIGURA 1.7 Mapa de la localidad de Chapinero (Google Maps)
En esta localidad se encuentran algunos puntos con mucha afluencia de personas
como son la zona rosa, el parque de la 93, el parque Lourdes, también cuenta con
gran afluencia de comunidad universitaria ya que se encuentran principales
universidades como la universidad Javeriana, la universidad de La Salle, la
universidad Distrital sede Ingeniería, la universidad Piloto y la universidad Católica.
Además este sector cuenta con una de las zonas comerciales más concurridas por
la población bogotana. (Bogotá, 2016)
1.5.4 Marco temporal
La recolección de datos para la investigación se hará desde la fecha de
aprobación del proyecto y se estima que durará aproximadamente un mes; para el
estudio se tomarán en cuenta solo los datos recolectados hasta la fecha de
aprobación del mismo, de esta manera obtendremos la mayor cantidad de
información hasta esa fecha. (EL TIEMPO, 2015)
21
1.6 Metodología de la investigación
1.6.1 Tipo de estudio
La investigación ha llevado a hacer una aproximación por primera vez al
conocimiento del problema, dado que las redes neuronales han sido una
interesante forma de abarcar distintos problemas no lineales lo cual se relaciona
con el sistema de transporte público debido a su alto grado de complejidad.
Para la implementación de un prototipo de software para el uso del sistema
integrado de transporte público SITP en la localidad de Chapinero, el tipo de
estudio que mejor se ajusta a la investigación es el correlacional; ya que este tiene
el propósito de medir el grado de relación que existe entre 2 a más conceptos o
variables, y en la investigación las principales variables son: los usuarios, los
autobuses y las vías entre otras, donde se van a interrelacionar para su respectivo
funcionamiento.
Se hace una recopilación de tipo teórica debido al déficit de herramientas
tecnológicas que puedan brindar mayor certidumbre en los datos del sistema.
Este trabajo puede servir como antesala a la ampliación geográfica del prototipo
planteado o la implementación en otros tipos de transporte como Transmilenio,
rutas de trenes, rutas de metro e incluso para transporte aéreo. El problema
abarca comportamientos de tipo social de una colectividad como lo son los
usuarios de buses urbanos del SITP en Bogotá, debido a que la baja calidad en la
prestación del servicio puede generar un impacto negativo en el comportamiento
de los usuarios como por ejemplo protestas y bloqueos que muestren la
inconformidad de las personas.
1.6.2 Métodos de investigación
Para el proceso de investigación de un prototipo de software para el uso del
sistema integrado de transporte público (SITP), en tiempo real en la localidad
chapinero se utilizará el método inductivo, dado que se va a aplicar conceptos
previamente analizados en el marco teórico y se va a implementar en el entorno
del problema de investigación
22
1.7 Estudios de sistemas previos
Para el desarrollo de la investigación “Diseño de un prototipo de software para el uso del sistema integrado de transporte público (SITP), en tiempo real en la localidad de chapinero” tiene en cuenta dos estudios de sistemas de transporte público; el primero es Easy-City: a route search system for public transport users - Fábio Pereira and João Barreto el cual es un modelo desarrollado en la Universidad de Lisboa en Portugal en el año 2011 que plantea que hay tres tipos de nodo: usuarios, vehículos y paradas. Los nodos de usuario y del vehículo son móviles. Representan, respectivamente a los usuarios del transporte público y los vehículos de transporte público. Los nodos de parada son una representación de un punto de parada específica sobre la red de transporte (estaciones, muelles, las paradas de autobús). Los nodos son capaces de comunicarse en corto alcance interacciones oportunistas a través de algún protocolo de comunicación inalámbrica, tales como Bluetooth. Como los nodos usuario se mueven a través de la red de transporte, estos enfoques se detienen y entran en vehículos. Cuando los usuarios se cruzan en los nodos parada, reciben mensajes en tiempo de ubicación. Localización en tiempo en los mensajes tienen un lugar asociado a un instante temporal. Un mensaje en tiempo de ubicación informa de que un usuario, que recibe ella, está de pie en el lugar reportado, sobre el instante del informe
A New Passenger Support System for Public Transport Using Mobile Database Access - Koichi GOTO, Yahiko KAMBAYASHI es un estudio realizado en Tokio Japón en el año 2001; esté es un nuevo sistema de apoyo para el transporte público de pasajeros mediante el uso y el acceso a bases de datos móviles. Este estudio dice que las tecnologías informáticas móviles están creciendo rápidamente y la difusión de su campo de aplicación, especialmente en el apoyo a las actividades humanas cotidianas, A medida que los sistemas de transporte público tienen papeles muy importantes para las actividades humanas al aire libre especialmente en las ciudades, es indispensable que los sistemas informáticos de apoyo tengan funciones móviles para la utilización de los sistemas de transporte público. La configuración del sistema de base de la propuesta de pasajeros sistema de apoyo muestra que hay básicamente tres componentes en el sistema, es decir, el centro de bases de datos, bases de datos locales y los terminales móviles de usuarios. Los terminales móviles pueden comunicar por tanto en modo de demanda (principalmente con el servidor central) y el modo de difusión (principalmente con los servidores locales y moviendo fuentes de datos).
23
PARTE II. DESARROLLO DE LA INVESTIGACIÓN
CAPITULO 2. DEFINICIÓN DEL PRODUCTO A OBTENER
2.1 Descripción detallada.
2.1.1 Alcance del sistema
El aplicativo NEUROSITP permitirá acceso a todas las personas que posean un
Smartphone con sistema operativo Android y que tengan conexión a Internet al
instante de ejecutar la aplicación, que previamente hayan descargado e instalado
satisfactoriamente la aplicación de la tienda virtual de google (play store). A
continuación se listarán las acciones que los usuarios podrán realizar:
Ingresar el nombre del barrio de destino del recorrido mediante listas
desplegables (Autocomplete)
Ingresar un paradero de inicio de ruta mediante listas desplegables
(Autocomplete) (OPCIONAL)
Buscar rutas factibles
Ver el listado de buses que pasan por el paradero inicial seleccionado
Mostrar detalles de una ruta seleccionada
Mostrar detalles de una ruta guardada
Programar un viaje de las opciones que ofrece el panel de rutas factibles
Ver novedades de la ruta seleccionada en tiempo real
Guardar una ruta para ser recordada
Cancelar viaje programado
Eliminar una ruta guardada de la lista de rutas guardadas previamente
Configurar la alarma de llegada del bus seleccionado
2.1.2 Restricciones y suposiciones
Restricciones:
El sistema será desarrollado en el lenguaje de programación JAVA, basado en el paradigma orientado a objetos, complementado con el motor de base de
24
datos SQLite, haciendo uso de JPA (JAVA PERSISTENCE API), el cual proporciona facilidad para la integración, comunicación y mapeo de los datos.
La aplicación desarrollada estará cobijada bajo la especificación de software libre.
La herramienta usada para la creación del diseño funcional del producto software es Enterprise Architech versión 8.0, dado que permite la integración de datos con otros frameworks de diseño.
Suposiciones:
Los usuarios deben haber descargado e instalado satisfactoriamente con
anterioridad la aplicación en sus dispositivos móviles.
Los usuarios deben tener conexión a Internet al momento de ejecutar la
aplicación.
2.1.3 Objetivos del sistema a implementar
Implementar una aplicación informática que brinde soporte a la elección de rutas
factibles de movilización mediante la sinergización de redes neuronales,
algoritmos de optimización y algunas tecnologías de información y comunicación
(TIC´s) pertinentes
Objetivos específicos:
1 Solicitar al usuario el barrio de destino mediante listas desplegables
(Autocomplete)
2 Mostrar lista de rutas factibles según el barrio de destino
3 Desplegar información en tiempo de rutas según estado de las vías en
tiempo real
4 Desplegar información de proximidad de la ruta seleccionada por el usuario
5 Generar una notificación a la proximidad del bus seleccionado
6 Actualizar la información contractual de los servicios basado en el estado de
las vías
7 Guardar la información de las rutas que el usuario considere conveniente
8 Mostrar información detallada acerca de una ruta seleccionada
9 Visualizar el listado de buses que se detienen en un paradero seleccionado
25
3. Requerimientos específicos de interfaces
3.1 Interfaz de usuario
El aplicativo requiere presentar una interfaz gráfica amigable con el usuario,
siendo clara y de fácil manejo, acoplada a la funcionalidad que presentan los
smartphone.
3.2 Interfaz de software
No aplica.
3.3 Protocolos de comunicación
El aplicativo está diseñado para ser implementado en dispositivos móviles con
sistema operativo Android, por lo tanto se usará un protocolo a nivel de aplicación
sobre TCP/IP.
3.4 Requerimientos de persistencia
El aplicativo se fundamenta primordialmente en la gestión y manejo de la
información en tiempo real, basado en consultas de información, almacenamiento
y borrado de algunos datos; por lo cual es necesario el uso de un motor de bases
de datos que soporte de manera eficaz dichos requerimientos de persistencia,
garantizando además un alto nivel de fiabilidad e integridad en los datos
almacenados y manejo de los mismos; bajo los anteriores parámetros, SQLite es
la herramienta que se adecua a los requerimientos mencionados debido a sus
características en cuanto a confiabilidad y agilidad al momento de hacer consultas.
26
CAPITULO 4. CARACTERIZACIÓN DEL PRODUCTO DE SOFTWARE
4.1 Tabla de requerimientos funcionales.
Identificador del
Requerimiento Descripción
REF 1
Desplegar en pantalla una lista de barrios los cuales
permitan capturar el lugar de destino, si el usuario desea
también puede ingresar el paradero inicial (OPCIONAL)
REF 2 Filtrar las rutas dependiendo tanto del sector de inicio
como del barrio final
REF 3 Clasificar y ordenar listado de rutas filtradas dependiendo
de su tiempo estimado
REF 4 Estimar tiempo de rutas con base en la información de la
red neuronal
REF 5 Configurar red neuronal que brinde datos del tránsito en
tiempo real
REF 6 Abstraer información de los buses y paraderos anteriores
al punto de partida
REF 7 Detectar la proximidad del vehículo seleccionado a una
distancia de paradas con anterioridad la cual se puede
modificar
REF 8 Permitir consultar y programar elementos de la lista de
rutas personalizadas
27
REF 9 Solicitar información de las vías a través de la red
neuronal cuando el usuario lo solicite
REF 10 Desplegar en pantalla listado de paradas filtrado por una
ruta seleccionada
REF 11 Consultar rutas que se detengan en un paradero
especifico
4.2. Diagramas de Casos de Uso
Para garantizar el desarrollo y funcionamiento sostenible de NEUROSITP
se propone dividir el prototipo en 3 módulos que cumplan con los principios
básicos del modelado de software. A continuación se enunciarán los
actores que hacen uso del sistema con los respectivos casos de uso.
4.2.1 Actores
Usuario: Actor que hace uso de la aplicación de tal manera que puede hacer consultas, personalizar rutas y temporizadores.
Figura 4.1 (Autores, 2015)
28
4.2.2 Especificación de casos de uso en formato extendido
Después de hacer el respectivo análisis del prototipo a desarrollar se
definieron tres módulos para el adecuado funcionamiento del mismo.
4.2.2.1 Módulo búsqueda de rutas
Figura 4.2 (Autores, 2015)
Nombre del Caso de
Uso CU_BR01 Desplegar Interfaz
Resumen Cargar los elementos gráficos con los que interactuará el usuario..
Puntos de Extensión CU_BR02
Precondiciones Ninguna
PostCondiciones Interfaz gráfica con widgets funcionales
29
Figura 4.3 (Autores, 2015)
Nombre del Caso de
Uso CU_BR02 Obtener listado de rutas filtrado por ubicación y
destino
Resumen Mostrar un listado de rutas factibles para el usuario
Puntos de Extensión CU_BR03
Precondiciones El usuario debe llenar correctamente el campo: Barrio de destino
PostCondiciones Se muestra un listado de rutas
30
Figura 4.4 (Autores, 2015)
Nombre del Caso de
Uso CU_BR03 Calcular tiempo de rutas basado en paraderos
faltantes
Resumen Aplicar un cálculo (Distancia / Velocidad promedio) para mostrar el tiempo que demora cada bus en llegar al paradero solicitado.
Puntos de Extensión CU_BR04, CU_BR06, CU_BR07, CU_BR08
Precondiciones Ninguna
PostCondiciones Se muestra un listado de rutas factibles con sus respectivos tiempos
Figura 4.5 (Autores, 2015)
31
Nombre del Caso de
Uso CU_BR04 Solicitar información de paraderos a la red
neuronal
Resumen Requerir a la neurored datos acerca del flujo vehicular
Puntos de Extensión CU_BR09
Precondiciones Haber realizado una consulta de tiempos de destino
PostCondiciones Ninguna
Figura 4.6 (Autores, 2015)]
32
Nombre del Caso de
Uso CU_BR05 Actualizar red neuronal a través de aprendizaje
Resumen Cargar la información de la base de datos para dar un pronóstico más acertado del tiempo de recorrido de cada una de las rutas factibles
Puntos de Extensión N/A
Precondiciones Los paraderos y los buses deben retroalimentar de información a las neuronas
PostCondiciones Ninguna
Figura 4.7 (Autores, 2015)
33
Nombre del Caso de
Uso CU_BR06 Guardar ruta en lista de favoritos
Resumen Almacenar una ruta en un listado de fácil acceso para el usuario
Puntos de Extensión CU_BR03
Precondiciones La ruta debe existir en una búsqueda
PostCondiciones Se muestra mensaje “Su ruta ha sido guardada exitosamente“
Figura 4.8 (Autores, 2015)
Nombre del Caso de
Uso CU_BR07 Programar rutas para su posterior aviso
Resumen Almacenar ruta que genere una alarma a la llegada del bus al paradero seleccionado
Puntos de Extensión CU_BR03, CU_BR11
Precondiciones El usuario debe llenado correctamente el campo de barrio de destino
PostCondiciones Se muestra mensaje “Su ruta ha sido programada exitosamente“
34
Figura 4.9 (Autores, 2015)]
Nombre del Caso de
Uso CU_BR08 Estimar tiempo de los buses en una ruta
seleccionada
Resumen Hacer el cálculo del tiempo que demora una ruta en hacer el recorrido completo
Puntos de Extensión CU_BR03, CU_BR09
Precondiciones Haber seleccionado una ruta con anterioridad.
PostCondiciones Listado de los tres buses próximos al paradero de la misma ruta
35
Figura 4.10 (Autores, 2015)
Nombre del Caso de
Uso CU_BR09 Estimar tiempo de aproximación de buses
Resumen Obtener tiempo que el bus tarda en hacer el recorrido
Puntos de Extensión CU_BR04
Precondiciones El usuario debe haber seleccionado la ruta con anterioridad
PostCondiciones Muestra el tiempo total de recorrido de una ruta
Figura 4.11 (Autores, 2015)
36
Nombre del Caso de
Uso CU_BR10 Generar alarma cuando le bus se encuentre en la
parada
Resumen Alertar a la llegada del bus seleccionado, el paradero donde ejecute la notificación es ajustable.
Puntos de Extensión Ninguno
Precondiciones Es necesario haber programado la ruta con anterioridad
PostCondiciones Se muestra una alarma indicando la proximidad del bus
Figura 4.12 (Autores, 2015)
37
Nombre del Caso de
Uso CU_BR11 Actualizar ubicación del bus más cercano
Resumen La aplicación actualiza en tiempo real la ubicación del bus seleccionado por el usuario con respecto al paradero solicitado
Puntos de Extensión CU_BR10
Precondiciones El usuario debe haber programado la ruta con anterioridad
PostCondiciones N/A
Figura 4.13 (Autores, 2015)
4.2.2.2 Módulo Gestión de rutas almacenadas
Figura 4.14 (Autores, 2015)
38
Nombre del Caso de
Uso CU_GRA01 Gestionar rutas almacenadas
Resumen Mostrar el menú principal del módulo de gestión de rutas almacenadas
Puntos de Extensión CU_BR07, CU_GRA02
Precondiciones Haber seleccionado la opción de gestionar rutas almacenadas
PostCondiciones Muestra la interfaz del módulo de gestión de rutas almacenadas
Figura 4.15 (Autores, 2015)
39
Nombre del Caso de
Uso CU_GRA02 Borrar ruta guardada
Resumen Borrar una ruta de la lista de favoritos
Puntos de Extensión CU_GRA01
Precondiciones La ruta debe existir entre las rutas almacenadas
PostCondiciones Mensaje “Su registro de ruta ha sido eliminado exitosamente”
Figura 4.16 (Autores, 2015)
40
4.2.2.3 Módulo sistema de gestión de novedades
Figura 4.17 (Autores, 2015)
Nombre del Caso de
Uso CU_GN01 Mostrar novedades de rutas programadas
Resumen Despliega un listado de noticias en tiempo real con respecto a la ruta programada
Puntos de Extensión CU_GN02, CU_BRA04
Precondiciones Haber seleccionado la opción de mostrar novedades de rutas programadas y haber programado una ruta con anterioridad
PostCondiciones Despliega un listado de novedades tanto del bus como de la vía
Figura 4.18 (Autores, 2015)
41
Nombre del Caso de
Uso CU_GN02 Consultar información de la ruta programada
Resumen Permite ver datos de una ruta seleccionada, Lugar de inicio, lugar de final, paraderos por los cuales transita, tiempo promedio del recorrido etc.
Puntos de Extensión N/A
Precondiciones Haber programado una ruta con anterioridad
PostCondiciones Muestra detalles de la ruta, en cuanto a paraderos, tiempos promedio etc.
Figura 4.19 (Autores, 2015)
42
4.2.2.4 Diagrama de navegación
Figura 4.20 (Autores, 2015)
43
4.3 Requerimientos no funcionales
A continuación se procede a listar los principales requerimientos no
funcionales para el desarrollo de la aplicación NEUROSITP
Disponibilidad: El aplicativo debe estar disponible para su utilización todo
el tiempo, salvo sea por un daño externo ajeno al sistema.
Facilidad de uso: La aplicación debe ser amigable para los usuarios,
mostrando interfaces claras, sin complicaciones, manejo por módulos y
control de errores.
Modularidad: Se manejara el aplicativo por medio de módulos, de tal
manera que cada uno de los módulos maneje una funcionalidad diferente.
Portabilidad: Gracias al manejo de herramientas y lenguajes de
programación como JAVA, que proceden de ser software libre, permite un
alto grado de portabilidad y de adaptación a la mayoría de plataformas
existentes.
44
CAPITULO 5 MODELO DE RED NEURONAL ARTIFICIAL
5.1 Selección tipo de red neuronal
Para la aplicación NEUROSITP se ha decidido implementar una red neuronal de tipo BACKPROPAGATION ya que es una red
para la clasificación de información (Véase tabla 5.1); esta red llevará tres capas, una capa de entrada de la información, una
capa invisible que se encargará de procesar las entradas de datos y la capa de salida que mostrará los resultados. A su vez
llevará un aprendizaje no supervisado, debido a que el factor de aprendizaje se tomará como un valor constante.
Tabla 5.1 (Basogain Olabe)
45
5.2 Definición de las partes de la red neuronal artificial
A continuación se definirán las partes que interactuarán con el prototipo basados
en el modelo de red neuronal propuesto.
5.2.1 Neuronas: El prototipo plantea hacer división de toda la ciudad en
pequeños tramos, sectores, localidades y barrios; los cuales se llamarán
neuronas, a su vez serán parte de ellas todos los elementos que interactúen
con el sistema, tales como son buses, avenidas y paraderos.
5.2.1.1 Cuerpo o soma: Para efectos de integridad en cuanto a la implementación
la localidad de chapinero se dividirá en pequeños sectores geográficos,
comprendidos por la totalidad de las calles de oriente a occidente y de sur a
norte, delimitados por las principales calles que representen vías de
evacuación de la localidad.
A continuación se enunciarán todas las neuronas de la localidad de
Chapinero que se representarán por las letras CH con un número indicativo
CH1: De occidente a oriente desde
la:
Av. Caracas Hasta la Av.
Circunvalar, de sur a Norte
desde la:
Av. 39 hasta la calle 45
Figura 5.1 (Google Maps)
CH2: De occidente a oriente desde
la:
Av. Caracas Hasta la Av.
Circunvalar, de sur a Norte
desde la:
Calle 45 hasta la calle 49
Figura 5.2 (Google Maps)
46
CH3: De occidente a oriente desde
la:
Av. Caracas Hasta la Av.
Circunvalar, de sur a Norte
desde la:
Calle 49 hasta la calle Av.
Calle 53
Figura 5.3 (Google Maps)
CH4: De occidente a oriente desde
la:
Av. Caracas Hasta la Av.
Circunvalar, de sur a Norte
desde la:
Calle 57 hasta la calle 60
Figura 5.4 (Google Maps)
CH5: De occidente a oriente desde
la:
Av. Caracas Hasta la Av.
Circunvalar, de sur a Norte
desde la:
Calle 60 hasta la Av. Calle 63
Figura 5.5 (Google Maps)
CH6: De occidente a oriente desde
la:
Av. Caracas Hasta la Av.
Circunvalar, de sur a Norte
desde la:
Av. Calle 63 hasta la calle 67
Figura 5.6 (Google Maps)
47
CH7: De occidente a oriente desde
la:
Av. Caracas Hasta la Av.
Circunvalar, de sur a Norte
desde la:
Av. Calle 67 hasta la Av. calle
72
Figura 5.7 (Google Maps)
CH8: De occidente a oriente desde
la:
Av. Caracas Hasta la Av.
Circunvalar, de sur a Norte
desde la:
Av. Calle 72 hasta la calle 76
Figura 5.8 (Google Maps)
CH9: De occidente a oriente desde
la:
Av. Caracas Hasta la Av.
Circunvalar, de sur a Norte
desde la:
Calle 76 hasta la Av. calle 85
Figura 5.9 (Google Maps)
CH10: De occidente a oriente desde
la:
Autopista norte Hasta la Av.
Circunvalar, de sur a Norte
desde la:
Av. calle 85 hasta la diagonal
92 con calle 94
Figura 5.10 (Google Maps)
48
CH11: De occidente a oriente desde
la:
Autopista norte Hasta la Av.
Carrera 7ma, de sur a Norte
desde la:
Diagonal 92 y calle 94 hasta la
Av. Calle 100
Figura 5.11 (Google Maps)
Para efectos de flexibilidad en cuanto al desarrollo de la aplicación la ciudad se
dividirá en pequeños sectores geográficos llamados localidades.
A continuación se enunciarán las neuronas de la ciudad que se representarán por
dos letras iníciales de la localidad y un número correspondiente a la respectiva
localidad:
Usaquén: (US1) La localidad de
Usaquén tiene una extensión total de
6.531,32 hectáreas, se ubica en el
extremo nororiental de la ciudad y
limita, al occidente con la Autopista
Norte, que la separa de la localidad
de Suba; al sur con la Calle 100, que
la separa de la localidad de
Chapinero; al norte, con los
municipios de Chía y Sopó y al
oriente, con el municipio de la Calera.
(Usaquen, 2016)
Figura 5.12 (Google Maps)
49
Santa Fe: (SF3) La localidad Santa
Fe es la número 3 de la ciudad, limita
al norte con la localidad de
Chapinero, al sur con la localidad de
San Cristóbal, Antonio Nariño, al
oriente con el municipio de Choachí y
al occidente con las localidades de
Teusaquillo, Mártires y Antonio
Nariño (SantaFe, 2016)
Figura 5.13 (Google Maps)
San Cristóbal: (SC4) San Cristóbal
es La localidad número 4 está
ubicada en el suroriente de Bogotá,
entre las localidades de Santa Fe
(norte), Usme (sur), Rafael Uribe
Uribe y Antonio Nariño (occidente) y
por el oriente es límite metropolitano
con los municipios de Choachí y
Ubaque. (Cristobal, 2016)
Figura 5.14 (Google Maps)
Usme: (US5) La localidad de Usme
es la número 5 de la capital. Limita al
norte con las localidades de San
Cristóbal, Rafael Uribe y Tunjuelito; al
sur con la localidad de Sumapaz; al
oriente con los municipios de Ubaque
y Chipaque y al occidente con la
localidad de Ciudad Bolívar y el
municipio de Pasca. (Usme, 2016)
Figura 5.15 (Google Maps)
50
Tunjuelito: (TU6) Tunjuelito limita al
norte con las localidades de Bosa,
Kénnedy y Puente Aranda, al sur con
Usme, al oriente con la localidad
Rafael Uribe, Uribe y Usme y al
occidente con Ciudad Bolívar. (Tunjuelito, 2016)
Figura 5.16 (Google Maps)
Bosa: (BO7) Bosa es la localidad
número 7 de Bogotá. Está ubicada en
el extremo suroccidental de la ciudad,
Su extensión es de 2.466 hectáreas,
correspondiente a un 2.87% del total
del territorio del Distrito.
Limita al sur con la Autopista Sur, la
localidad de Ciudad Bolívar y el
municipio de Soacha; al occidente
con los municipios de Soacha y
Mosquera; al norte con Mosquera y el
río Bogotá; y por el oriente con las
localidades de Ciudad Bolívar y
Kénnedy. (Bosa, 2016)
Figura 5.17 (Google Maps)
Kennedy: (KE8) Kennedy es la
localidad número 8 de la ciudad, es
una de las más pobladas del distrito,
está ubicada en el sur occidente de la
sabana de Bogotá y se localiza entre
las localidades de Fontibón al norte,
Bosa al sur, Puente Aranda al oriente
y un pequeño sector colinda con las
localidades de Tunjuelito y Ciudad
Bolívar, por los lados de la Autopista
Sur con Avenida Boyacá, hasta el río
Tunjuelito. (Kennedy, 2016)
51
Figura 5.18 (Google Maps)
Fontibón: (FO9) La localidad de
Fontibón es la número 9 de la ciudad,
Su extensión es de 3.327,2
hectáreas, representando el 3.9% del
distrito. Limita al norte con la
Autopista El Dorado, al oriente con la
carrera 68, al sur con la Avenida
Centenario y al occidente con el Río
Bogotá (Fontibón, 2016)
Figura 5.19 (Google Maps)
Engativá: (EN10) La localidad de
Engativá es la número 10 de Bogotá,
está ubicada al noroccidente de la
capital y limita al norte con el río Juan
Amarillo, el cual la separa de la
localidad de Suba, al Oriente está
bordeada por la Avenida del
Congreso Eucarístico o Avenida 68,
límite con la localidad de Barrios
Unidos; al sur con la Avenida Jorge
Eliécer Gaitán o Autopista El Dorado
y el antiguo camino a Engativá, el que
la separa de Fontibón y al occidente
limita con el Río Bogotá. (Engativá, 2016)
Figura 5.20 (Google Maps)
Suba: (SU11) Suba limita al norte
con el municipio de Chía; al sur con la
localidad de Engativá; al Oriente con
la localidad de Usaquén y al
Occidente con el municipio de Cota. (Suba, 2016)
52
Figura 5.21 (Google Maps)
Barrios Unidos: (BU12) Se ubica en
el noroccidente de la ciudad y limita,
al occidente, con la Avenida carrera
68, que la separa de la localidad de
Engativá; al sur, con la calle 63, que
la separa de la localidad de
Teusaquillo; al norte con la calle 100,
que la separa de la localidad Suba y,
al oriente, con la Avenida Caracas,
que la separa de la localidad de
Chapinero. (BarriosUnidos, 2016)
Figura 5.22 (Google Maps)
TE13: Teusaquillo es la localidad
número 13 del Distrito. Se encuentra
ubicada en el centro geográfico de la
ciudad. Es un territorio
completamente urbanizado, cuenta
zonas verdes en sus parques
metropolitanos, la Ciudad
Universitaria y en algunas avenidas
principales. (Teusaquillo, 2016)
Figura 5.23 (Google Maps)
53
Los Mártires: (LM14) La localidad de
Los Mártires limita al norte con la
localidad de Teusaquillo, al sur con la
localidad de Antonio Nariño, al oriente
con la localidad de Santa Fe y al
occidente, con la localidad de Puente
Aranda. (Martires, 2016)
Figura 5.24 (Google Maps)
Antonio Nariño: (AN15) La localidad
Antonio Nariño está ubicada en la
parte suroriental de la ciudad, limita
por el nororiente con las localidades
de Santa fe y Los Mártires, por el
noroccidente con la localidad de
Puente Aranda y por el suroccidente
con las localidades de Tunjuelito y
Rafael Uribe Uribe, por el suroriente
con la localidad de San Cristóbal. (AntonioNariño, 2016)
Figura 5.25 (Google Maps)
Puente Aranda: (PA16): Puente
Aranda limita al norte con la localidad
de Teusaquillo, al sur con la localidad
de Tunjuelito, al oriente con las
localidades de Los Mártires y Antonio
Nariño y al occidente con las
localidades de Fontibón y Kennedy.
(PuenteAranda, 2016)
Figura 5.26 (Google Maps)
54
La Candelaria: (LC17) La Candelaria
está ubicada en el sector centro–
oriente de Bogotá, su área está
destinada para la construcción de
equipamientos de nivel urbano y
metropolitano, y no cuenta con zonas
de tipo rural. La localidad está
conformada por los barrios Belén, Las
Aguas, Santa Bárbara, La Concordia,
Egipto y Centro Administrativo.
(Candelaria,2016)
Figura 5.27 (Google Maps)
Rafael Uribe: (RU18) Rafael Uribe es
la localidad número 18, una de las
más jóvenes de Bogotá. Se
encuentra ubicada al sur oriente de la
ciudad, limita con las localidades de
San Cristóbal al oriente, Tunjuelito
por el occidente, con Antonio Nariño
al norte y al sur con Usme. (RafaelUribe,
2016)
Figura 5.28 (Google Maps)
CB19: La localidad Ciudad Bolívar es
la número 19 de Bogotá, es la tercera
localidad más extensa después de las
localidades de Sumapaz y Usme, se
ubica al sur de la ciudad y limita al
norte, con la localidad de Bosa; al sur
con la localidad de Usme; al oriente
con la localidad de Tunjuelito y Usme
y al occidente con el municipio de
Soacha. (CiudadBolivar, 2016)
Figura 5.29 (Google Maps)
55
SU20: La localidad de Sumapaz es la
número 20 de la ciudad. La única
netamente rural del Distrito Capital,
cuenta con una extensión de 78.000
Hectáreas, está conformada por los
corregimientos de San Juan,
Nazareth y Betania, con sus
respectivas veredas. (Sumapaz, 2016)
5.2.1.2 Dendritas: “En las neuronas biológicas las dendritas son las
encargadas de recibir las señales de las neuronas adyacentes y las
transmiten en forma de señal” (Glover & Ghaziri), es decir los elementos
que representen entradas en el sistema. Para el desarrollo de NEUROSITP
los elementos encargados de recibir las señales de neuronas contiguas son
los usuarios, los buses con sus respectivas rutas, celulares con la
aplicación instalada y los paraderos
5.2.1.3 Axón: “El axón en las neuronas biológicas es una fibra nerviosa con
longitud que puede variar entre unos milímetros y varios metros, este se
ramifica y dirige el impulso a varias neuronas vía sinapsis”. (Gómez Quezada,
Fernandez, López Bonal, & Diaz-Marta, p 15). En otras palabras se hace referencia
al canal, llevando este concepto al prototipo a desarrollar se define como
elemento axón las vías, avenidas, o calles que conectan los barrios y
localidades.
Para efectos de simplicidad en cuanto a la implementación y a la simulación
se ha seleccionado la localidad número 8 (Kennedy) para hacer las pruebas
del funcionamiento del prototipo, ya que está entre las tres localidades más
pobladas de la ciudad; se han seleccionado 6 barrios que se consideran
muy importantes debido a su ubicación espacial y gran cantidad de
habitantes; en la selección de los barrios también se tuvo en cuenta que los
mismos no tuvieran acceso próximo al servicio de Transmilenio, que tengan
varias rutas de SITP desde chapinero para poder apreciar claramente la
utilidad del prototipo.
56
A continuación se muestra el listado de rutas que hacen el recorrido desde
la localidad Chapinero hasta los barrios seleccionados de la localidad
Kennedy, se listarán las avenidas principales por las cuales circulan cada
uno de los buses.
RUTA Boita - Porciúncula
56A AVENIDAS PRINCIPALES
KRA11
KRA 13
AC 34
Av. Las Américas
KRA 50
Av. 1ro Mayo
KRA 68 D
RUTA Bachué - Ciudad Kenndedy
108 AVENIDAS PRINCIPALES
KRA11
KRA 13
AC 34
Av. Las Américas
KRA 50
Av. 1ro Mayo
KRA 78 B
RUTA Jacqueline - Bosque Popular
135 AVENIDAS PRINCIPALES
KRA 13
AC 19
AK 27
AC 8 Sur
Av. 1ro Mayo
KRA 50
CLL 37 Sur
KRA 68 D
RUTA Metrovivienda - Porciúncula
166 AVENIDAS PRINCIPALES
AK 7
AC 45
Av. NQS
Av. Las Américas
KRA 78 B
CLL 38 C Sur
RUTA Catalina - Unicentro
192 AVENIDAS PRINCIPALES
KRA11
KRA13
AC 32
AK 27
AC 6
KRA 50
Av. 1ro Mayo
KRA 78 B
RUTA San Bernardino - Porciúncula
107A AVENIDAS PRINCIPALES
KRA13
AC 34
Av. Las Américas
Av. Centenario
Av. Boyacá
Av. 1ro Mayo
Av. V/cio
KRA 78 B
57
RUTA Villa del Río - Porciúncula
C11 AVENIDAS PRINCIPALES
KRA11
KRA 13
AC 57
AK 24
Av. La esperanza
AK 68
Av. Las Américas
KRA 78 B
Av. 1ro Mayo
CLL 40Sur
RUTA Bosa San Pedro - Chapinero
C15 AVENIDAS PRINCIPALES
KRA 13
AC 45
AK 19
AC 8 Sur
KRA 50
Av. 1ro Mayo
RUTA La chucua - Chapinero
E26A AVENIDAS PRINCIPALES
KRA11
KRA13
AC 34
Av. Las Américas
AK 68
Av. 1ro Mayo
CLL 26 Sur
KRA 78 B
RUTA Catalina II – Chicó Norte
E72 AVENIDAS PRINCIPALES
KRA11
KRA13
AC 45
Av. Las Américas
Av. Centenario
Av. Boyacá
KRA 78 K
RUTA Catalina - Unicentro
C52 AVENIDAS PRINCIPALES
AC 82
KRA11
KRA13
AC 34
Av. Las Américas
AC 13
Av. Boyacá
TR 78
KRA 78 B
RUTA Compartir - Marly
C15 AVENIDAS PRINCIPALES
KRA 13
AC 45
AK 19
AC 6
C 3
AK 68
58
A continuación se procede a listar los barrios seleccionados de la localidad
de Kennedy con sus respectivas rutas de SITP y las vías principales por las
cuales transita cada ruta en el recorrido desde la localidad de Chapinero
hasta los lugares de desino escogidos de Kennedy.
Ruta
Barrio
56A 108 135 166 192 107 C11 C13 C15 C52 E26A E72
Ciudad
Kennedy
(CK1)
X
X
X
X
X
X
X
X
Alquería de
la
fragua(AF2)
X
X
X
X
X
X
Villa
Adriana
(VA3)
X
X
X
X
X
Carvajal
(CAR4)
X
X
X
X
X
Timiza (TI5)
X
X
X
X
Castilla
(CAS6)
X
X
X
5.2.1.4 Sinapsis: Es la unión del axón con otras neuronas, la sinapsis de
excitación tiene como efecto incrementar el potencial en la neurona de
destino; entonces se infiere que para el desarrollo de NEUROSITP la
sinapsis se da cuando se cumple el objetivo de evacuar el mayor número
de personas de la localidad de Chapinero en el menor tiempo posible a
través de los buses urbanos del SITP.
5.3 Formulación del modelo
Para hacer la debida explicación es necesario primero mencionar cada uno
de los componentes que intervienen en el aprendizaje de una red neuronal
artificial de tipo Backpropagation,
59
5.3.1 Entrenamiento
En el entrenamiento de una red neuronal backpropagation se usa el
algoritmo de corrección de error multinivel. (Véase figura 5.30)
Figura 5.30 (Autores, 2015)
Lo que se hace es observar el error en la capa de salida (a), se ajustan los
pesos en W0 y W1; se observa el error en las capas ocultas para re calcular
los pesos en Wij.
A continuación se presenta el algoritmo de corrección de error multinivel
para redes neuronales tipo backpropagation:
Error de salida:
EK= (Tk-OK)* Ok*(1-Ok) [64]
| Donde: Tk= Salida correcta
OK= Salida actual
60
Peso de la capa oculta:
WJK= WJK + L*EK* OJ [64]
Donde: WJK= Peso desde J hasta K
L= % Aprendizaje
OJ = Entrada al nodo K desde J
Nota: Por definición se dejara el nivel de aprendizaje en 50%, es decir una
entrada igual a 0.5 ya que es el nivel intermedio y por consiguiente nos proveerá
un pronóstico más acertado
Error en la capa oculta:
EJ= OJ *(1-OJ) * Ʃ EK * WJK [64]
Peso en la capa de entrada
WIJ= WIJ + L * EJ*Oi [64]
Donde: Oi= Entrada desde el nodo I desde J
5.3.2 Explicación
NEUROSITP es un sistema para dispositivos móviles para el uso del
SITP Urbano basado en el concepto de Redes Neuronales Artificiales, la
lógica del sistema es fácilmente comparable con una red de tipo
backpropagation, es decir una capa de entradas al sistema (las 11
neuronas pequeñas dentro de la localidad de Chapinero), una capa oculta
(las 7 neuronas que representan las localidades por las que transitan los
buses para llegar a la localidad de Kennedy) y una capa de salida (Los 6
barrios de la localidad de destino seleccionados)
Para el entrenamiento se utiliza el algoritmo corrección de error multinivel
con propagación hacia atrás mencionado anteriormente; el algoritmo
consiste en tomar el valor de salida, compararlo con el valor esperado (A
cada ruta se le ha asignado previamente un tiempo como valor esperado,
este valor es asignado dependiendo de la distancia del recorrido asumiendo
61
una velocidad constante de 30 Km/h). Se procede a aplicar la respectiva
fórmula para corrección de error en la capa de salida; ese valor se pasa por
la siguiente transformación matemática para nuevamente ajustar el peso;
posteriormente se aplica la fórmula para la capa de entrada donde
nuevamente se ajusta el tiempo para que sea el óptimo. El anterior proceso
nos lleva a minimizar los tiempos de cada una de las rutas para por último
ordenarlas en forma ascendente.
A continuación se presenta el modelo de red neuronal artificial tipo
backpropagation para NEUROSITP
SF3
T13
LM14
BU12
EN10
FO9
PA16
Figura 4.30 (Autores, 2015)
62
6. Modelo estructural
6.1 Definición de clases y objetos candidatos
NOMBRE DESCRIPCIÓN ¿ES CLASE?
Localidad
Es la agrupación de varios barrios
contiguos
SI
Vía
Es el canal por donde se transportan los
automóviles para ir de un lugar a otro
SI
Bus
Es el medio por el cual se transportan
las personas de un lugar a otro
SI
Usuario
Es el sujeto interesado en movilizarse
desde la localidad de Chapinero al cual
se pretende beneficiar con la
implementación del prototipo
SI
Paradero
Es el lugar donde llegan los buses para
recoger y dejar a los pasajeros
SI
Ruta
Es el recorrido especifico asignado a
cada bus
SI
Neurona
Es una célula del sistema nervioso
formada por un núcleo y una serie de
prolongaciones que tienen como
finalidad transmitir información
SI
Novedad
Es un suceso que indica cambio en una
acción que se esta ejecutando
NO
Dispositivo móvil
Elemento tecnológico diseñado para
hacer interactuar la información
NO
Barrio
Es un conjunto de casas, vías y
paraderos de un mismo sector
SI
Dendrita
Prolongaciones protoplásmicas
ramificadas bastante cortas de la
neurona dedicadas principalmente a la
recepción de estímulos
SI
Axón
Filiforme que arranca del cuerpo de la
neurona y termina en una ramificación
que está en contacto con células
musculares
NO
63
Sinapsis
Región de comunicación entre la
neurona o prolongación citoplásmica de
una neurona y las dendritas o el cuerpo
de otra
NO
Soma
Es el cuerpo celular de la neurona, el
cual contiene el núcleo rodeado por el
citoplasma, en el cual se hallan los
organelos
NO
Función
Es el trabajo que hace un determinado
sujeto para lograr un objetivo
NO
Capa
Es la representación de un espacio en
los diagramas encargados de recibir
información
SI
Peso
Es el valor numérico que se le da a un
objeto
NO
Profesor
Es el sujeto encargado de supervisar el
aprendizaje de la red neuronal
NO
Nodo
Punto especifico para tener una
referencia
NO
Grafo
Es el conjunto de objetos llamados
vértices o nodos unidos por enlaces
llamados aristas
NO
Notificación
Se refiere a un aviso que genera un
objeto para indicar una novedad
NO
Tránsito
Concepto que suele utilizarse para
nombrar al movimiento de vehículos y
personas
NO
Conexión
Se refiere al enlace para la interacción
que se hace entre el sistema y la base
de datos
SI
Sector
Se refiere a un pequeño espacio
delimitado por características similares
SI
64
6.2 Diagrama general de clases
Figura 6.1 (Autores, 2015)
65
6.3 Diccionario de clases
6.3.1 Capa de atributos
Neurona
Gestionar todos los datos de tiempos de recorridos de los buses y de errores
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private error float Número de tiempo en
minutos de retraso del
bus
Numérico con
decimales > 0
Private salida float Número de minutos de
respuesta a una consulta
Numérico con
decimales > 0
Dendrita
Mantiene la información, de usuarios y buses con sus respectivas rutas
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private entrada float Velocidad Numérico con
decimales > 0
Public nombre string Nombre del
sector, localidad
o barrio
Caracteres del alfabeto, generalmente las iníciales del lugar con un número identificador
Public peso float Tiempo de
velocidad
promedio de la
vía o del bus
Numérico con
decimales > 0
Vía
Contienen la información de las distintas vías que se van a utilizar
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private nombreVia string Nombre de la avenida o
vía por donde transitan
los buses
Caracteres del
alfabeto
66
Bus
Contienen la información de cada uno de los buses que prestan el servicio
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private velocidad float Tiempo de velocidad
promedio de la vía o del
bus
Numérico con
decimales > 0
Paradero
Contienen la información de cada uno de los buses que prestan el servicio
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private velocidadPromedio double Tiempo de
velocidad
promedio en
cada paradero
Numérico
con
decimales >
0
Usuario
Contienen la información de cada uno de los buses que prestan el servicio
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private novedad string Datos del estado actual
de las vías y de los buses
Caracteres del
alfabeto
FabricaObjetosRed
Clase encargada de crear objetos de sub-jerarquía de clases
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private dendrita Dendrita Identifica los elementos
dendrita de la neurored
Un objeto de
tipo Dendrita
Private neurona Neurona Identifica los elementos
neurona de la neurored
Un objeto de
tipo neurona
67
Barrio
Contienen la información de cada uno de los buses que prestan el servicio
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private sectores Sector Identifica cada uno de
los sectores
Un objeto de tipo
Sectores
Localidad
Contienen la información de cada localidad
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private barrios Barrio Datos de los barrios de
cada localidad
Un objeto de tipo
Localidad
Ruta
Mantiene la información, de las respectivas rutas que hacen los recorridos
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private barrios Barrio Identifica los barrios
asignados a la rutas
Un objeto de
tipo Barrio
Private buses Bus Identifica los buses
asignados a las
rutas
Un objeto de
tipo Buses
Private paraderos Paradero Identifica los
paraderos
asignados para
cada ruta
Un objeto de
tipo
paraderos
Capa
Clase encargada de conectar los datos con la red neuronal
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private neurona Neurona Datos de los barrios
de cada localidad
Un objeto de
tipo
Neuronas
68
Fachada
Integra la capa lógica con la clase cliente
VISIBILIDAD NOMBRE TIPO DE
DATO
SEMÁNTICA DOMINIO
Private conexionRed ConexionRed Objeto que contiene
la conexión a la red
neuronal
Un objeto de
tipo
ConexionRed
6.3.2 Capa de métodos
Neurona
Gestionar todos los datos de tiempos de recorridos de los buses y de errores
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public calcularSalida void Calcula la salida de
tiempo de cualquier
elemento neurona
void
Public getError void Captura el dato del
error de un
elemento neurona
float
Public getSalida void Captura el dato de
salida de un
elemento neurona
float
Public setError float Modifica y nuestra
el dato de error de
un elemento
neurona
void
Public setSalida float Modifica el dato de
salida de bus en
cualquier capa
void
69
Dendrita
Mantiene la información, de usuarios y buses con sus respectivas rutas
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public calcularEntrada void Calcula la entrada
de tiempo de
cualquier
elemento neurona
void
Public getEntrada void Captura el dato
de entrada de un
elemento dendrita
float
Public getNombre void Captura el dato
del nombre de un
elemento dendrita
string
Public getPeso void Captura el dato
del tiempo de un
elemento dendrita
float
Public setEntrada float Muestra los datos
de cualquier
elemento dendrita
Void
Public setNombre string Muestra los datos
de cualquier
elemento dendrita
void
Public setPeso void Captura el dato
del tiempo de un
bus
void
Localidad
Contienen la información de cada localidad
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public calcularSalida void Calcula la salida
de datos de las
localidades
void
70
Vía
Contienen la información de las distintas vías que se van a utilizar
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public calcularEntrada void Calcula la entrada
de tiempo de
cualquier vía
void
Public getNombreVia void Captura la
información de
una vía
string
Public setNombreVia string Muestra la
información de
una vía
void
Bus
Contienen la información de cada uno de los buses que prestan el servicio
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public calcularEntrada void Calcula la
entrada de un
bus
void
Public getVelocidad void Captura la
información de
velocidad de un
bus
double
Public setVelocidad double Muestra la
información de
velocidad de un
bus
void
Ruta
Mantiene la información, de las respectivas rutas que hacen los recorridos
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public calcularSalida void Calcula la salida
de datos de las
rutas
void
71
Paradero
Contienen la información de cada uno de los buses que prestan el servicio
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public calcularEntrada void Calcula la
entrada de
datos del
paradero
void
Public getVelocidadPromedio void Captura la
información
de un
paradero
double
Public setVelocidadPromedio double Muestra la
información
de un
paradero
void
Usuario
Contienen la información de cada uno de los buses que prestan el servicio
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public calcularEntrada void Calcula la entrada
de datos de
usuarios
void
Public getNovedad void Captura la
información
correspondiente a
las novedades
que se presentan
string
Public getNovedad string Muestra la
información
correspondiente a
las novedades
que se presentan
void
72
FabricaObjetosRed
Clase encargada de crear objetos de sub-jerarquía de clases
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public crearDendrita string Crea elementos de
tipo dendrita
Dendrita
Public crearNeurona string Crea elementos de
tipo neurona
Neurona
Public getDendrita void Captura el datos
de elementos tipo
dendrita
Dendrita
Public getNeurona void Captura el datos
de elementos tipo
neurona
Neurona
Public setDendrita Dendrita Muestra
información de
cualquier elemento
tipo dendrita
void
Public setNeurona Neurona Muestra
información de
cualquier elemento
tipo neurona
void
Capa
Clase encargada de conectar los datos con la red neuronal
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public eliminarNeurona string Elimina un
elemento de
tipo neurona
void
Public guardarNeurona Neurona Guarda un
elemento de
tipo neurona
void
73
Fachada
Integra la capa lógica con la clase cliente
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public buscarRutas string Lista las rutas
de un
paradero
especifico
String
Public obtenerBarrios void Lista los
barrios de
destino
String
Public obtenerNovedad void Muestra las
posibles
novedades
que se pueden
presentar en
una ruta
seleccionada
String
Public obtenerParaderos void Lista los
paraderos
factibles
String
Public obtenerRutasDisp void Lista las rutas
factibles para
el usuario
String
Public obtenerRutasFav void Lista las rutas
guardadas
como favoritos
por el usuario
String
Public verRutaProgram void Lista la ruta
que ha sido
programada
con
anterioridad
string
74
ConexionLocal
Se encarga de gestionar la persistencia de la aplicación
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public eliminarRuta string Suprime una
ruta de la lista
de favoritos
void
Public persistirRuta string Guarda una
ruta en la lista
de favoritos
void
Barrio
Contienen la información de cada uno de los buses que prestan el servicio
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public calcularSalida void Calcula la salida
de datos de los
barrios
void
Sector
Se encarga de proveer de datos a las neuronas
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public calcularSalida void Calcula la salida
de datos de los
sectores
void
Public obtenerentrada void Calcula la
entrada de datos
de los sectores
void
75
ConexionRed
Se encarga de conectar los datos de la red neuronal con la bases de datos
VISIBILIDAD NOMBRE PARÁMETROS SEMÁNTICA TIPO DE
RETORNO
Public iniciarConexión void Conecta la
aplicación
con la base
de datos
principal
void
Public obtenerBarrios string Abstrae de la
base de
datos la
información
de los
barrios
string
Public obtenerDendritasPorSector Void Abstrae de la
base de
datos la
información
de los
elementos
dendrita
Dendrita
Public obtenerRutasYTiempos void Abstrae de la
base de
datos la
información
de las rutas
con sus
respectivos
tiempos
string
Public retroalmentarRed void Actualiza la
red neurona
en tiempo
real
void
76
CAPÍTULO 7. MODELO DE PERSISTENCIA
7.1 Modelo de datos
La persistencia para la implementación de “Diseño de un prototipo de software
para el uso del sistema integrado de transporte público (SITP), en tiempo real en
la localidad de chapinero”, se realizará sobre un motor de base de datos SQLite;
ya que ofrece gran robustez y alta velocidad en las operaciones de consulta. A
continuación se presenta el modelo relacional del prototipo:
Figura 7.1 (Autores, 2015)
77
7.2 Diccionario de Datos
Vía: Registra la información de cada una de las avenidas y calles por las cuales transitan los buses
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
Via_ID Código de
asignación a cada
avenida o calle
Number
(5.2)
Numérico >0 S S N S
Nombre_Via Identifica las
avenidas y calles
Varchar
(50)
Caracteres
del alfabeto
y números
N N N S
Extensión Especifica la
cantidad de
metros de cada
vía
Float
Números >0
con tres
cifras
decimales
S N N N
Localidad_ID Código de
asignación a cada
localidad
Number
(5.2)
Numérico >0 S S S
(Tabla
Localidad)
S
Ruta: Registra la información referente a cada una de las rutas y recorridos de las mismas
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
Ruta_ID Código de
asignación a cada
ruta
Varchar
(50)
Caracteres
del alfabeto
y números
S S S
(Tabla ruta X
Barrio)
S
Nombre_Ruta Identifica las
diferentes rutas
Varchar
(50)
Caracteres
del alfabeto
y números
N N N N
Inicio_Ruta Especifica el lugar
de inicio del
recorrido de cada
tuta
Varchar
(50)
Caracteres
del alfabeto
y números
N N N N
Destino_Ruta Especifica el lugar
de llegada del
recorrido de tuta
Varchar
(50)
Caracteres
del alfabeto
y números
N N N N
78
Localidad: Registra la información de cada las localidades de origen, transición y destino
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
Localidad_ID Código de
asignación a cada
localidad
Number
(5.2)
Numérico >0 S S S
(Tabla Vía)
S
Nombre_localidad Identifica las
localidades
Varchar
(50)
Caracteres
del alfabeto
y números
N N N S
Sector_ID Especifica la
cantidad de
metros de cada
vía
Number
Números >0
con tres
cifras
decimales
S S S
(Tabla Sector)
N
Barrio: Registra la información de cada uno de los barrios
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
Barrio_ID Código de
asignación a cada
uno de los barrios
Number
(5.2)
Numérico >0 S S S
(Tabla Ruta X
Barrio)
S
Nombre_Barrio Identifica los
barrios de cada
localidad
Varchar
(50)
Caracteres
del alfabeto
y números
N N N S
Localidad_ID Asigna los barrios
a cada localidad
Number
(1.1)
Números >0 S S S
(Tabla
Localidad)
S
Sector: Registra la información de cada uno de los sectores
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
Sector_ID Código de
asignación a cada
sector
Number
(5.2)
Numérico >0 S S N S
Nombre_Sector Identifica las
avenidas y calles
Varchar
(50)
Caracteres
del alfabeto
y números
N N N N
79
Ruta X Barrio: Registra la información de las rutas que pasan por cada barrio
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
RutaXbarrio_ID Código de
asignación de ruta
a cada barrio
Number
(5.2)
Numérico >0 S S N S
Barrio_ID Código de
asignación a cada
uno de los barrios
Number
(5.2)
Numérico >0 S S S
(Tabla Barrio)
S
Ruta_ID Código de
asignación a cada
ruta
Varchar
(50)
Caracteres
del alfabeto
y números
S S S
(Tabla Ruta)
S
Paradero: Registra la información de cada uno de los paraderos
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
Paradero_ID Código de
asignación a cada
paradero
Number
(5.2)
Numérico >0 S S S
(Tabla Paradero
X Ruta)
S
Nombre_Paradero Identifica el
nombre de los
paraderos
Varchar
(50)
Caracteres
del alfabeto
y números
N N N S
Direccion_Paradero Ubicación con
nomenclatura de
cada paradero
Varchar
(50)
Caracteres
del alfabeto
y números
N N N S
Usuario: Registra la información de las rutas que se le asignan a cada paradero
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
Usuario_ID Identificación de
cada usuario
Number
(5.2)
Numérico >0 S S S
(Tabla Buses X
Usuario)
S
Nombre_Usuario Nombre completo
de los usuarios
Varchar
(50)
Caracteres
del alfabeto
N N N N
80
Bus: Registra la información de las rutas que se le asignan a cada paradero
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
Bus_ID Placa de cada
vehículo
Varchar
(50)
Caracteres
del
alfabeto y
números
S S S
(Asignación_Ruta_Bus)
S
Modelo_Bus Muestra las
referencias de cada
vehículo
Varchar2
(500)
Caracteres
del
alfabeto y
números
N N N N
Descripción_Bus Características de
los buses
Varchar2
(500)
Caracteres
del
alfabeto y
números
N N N N
Asignación_Ruta_Bus: Asigna a cada bus una respectiva ruta
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
Asignacion_ID Código de
asignación de
cada bus a cada
ruta
Number
(5.2)
Numérico
>0
S S N S
Ruta_ID Código de
asignación a
cada ruta
Varchar
(50)
Caracteres
del alfabeto
y números
S S S
(Tabla ruta)
Bus_ID Placa de cada
vehículo
Number
(5.2)
Caracteres
del alfabeto
y números
S S S
(Tabla Bus)
Fecha_asignacion_Inicio Fecha de inicio
recorrido de un
bus
Date Formato de
fecha
N N N N
Fecha_asignacion_llegada Fecha de llegada
del recorrido de
un bus
Date Formato de
fecha
N N N N
81
Paradero X Ruta: Registra la información de las rutas que se le asignan a cada paradero
NOMBRE DEL ATRIBUTO DESCRIPCIÓN TIPO
DE
DATO
DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
ParaderoXruta_ID Código de
asignación de
los paraderos a
cada ruta
Number
(5.2)
Numérico
>0
S S N S
Cantidad_personas_movilizadas Cantidad
promedio de
pasajeros que
es movilizado
en cada ruta
Number
(5.2)
Numérico
>0
N N N N
Ruta_ID Código de
asignación a
cada ruta
Varchar
(50)
Caracteres
del
alfabeto y
números
S S S
(Tabla Ruta)
S
Paradero_ID Código de
asignación a
cada paradero
Number
(5.2)
Numérico
>0
S S S
(Tabla
Paradero)
S
Buses X usuario: Registra la información de las rutas que se le asignan a cada paradero
NOMBRE DEL
ATRIBUTO
DESCRIPCIÓN TIPO DE DATO DOMINIO ES
REQUERIDO
ES LLAVE
PRIMARIA
ES LLAVE
FORANEA
(TABLA DE
REFERENCIA)
ES
CLAVE
ÚNICA
BusesXusuario_ID Asignación de los
buses a los
usuarios
Number (5.2) Numérico
>0
S S N S
Fecha_abordaje Señala la hora del
lugar de abordaje
del usuario al bus
Date Formato
de fecha
N N N N
Bus_ID Placa de cada
vehículo
Varchar (50) Caracteres
del
alfabeto y
números
S S S
(Tabla Bus)
S
Usuario_ID Identificación de
cada usuario
Number (5.2) Numérico
>0
S S S
(Tabla Usuario)
S
82
CAPÍTULO 8. CASOS DE USO DESARROLLADOS EN EL PROTOTIPO
8.1 Selección de Casos de uso a implementar
A continuación se presentan los casos de uso seleccionados para la implementación del
prototipo NEUROSITP
MÓDULO NOMBRE DEL CASO DE USO SELECCIÓN
Búsqueda de rutas CU_BR01 Desplegar Interfaz No
CU_BR02 Obtener listado de rutas
filtrado por ubicación y destino
SI
CU_BR03 Calcular tiempo de rutas
basado en paraderos faltantes
Si
CU_BR04 Solicitar información de
paraderos a la red neuronal
No
CU_BR05 Actualizar red neuronal
a través de aprendizaje
No
CU_BR06 Guardar ruta en lista de
favoritos
Si
CU_BR07 Programar rutas para su
posterior aviso
Si
CU_BR08 Estimar tiempo de los
buses en una ruta seleccionada
No
CU_BR09 Estimar tiempo de
aproximación de buses
Si
CU_BR10 Generar alarma cuando
el bus se encuentre en la parada
No
CU_BR11 Actualizar ubicación del
bus más cercano
Si
MÓDULO NOMBRE DEL CASO DE USO SELECCIÓN
Gestión de rutas
almacenadas
CU_GRA01 Gestionar rutas
almacenadas
Si
CU_GRA02 Borrar ruta guardada Si
MÓDULO NOMBRE DEL CASO DE USO SELECCIÓN
Sistema de gestión de
novedades
CU_GN01 Mostrar novedades de
rutas programadas
Si
CU_GN02 Consultar información
de la ruta programada
No
83
CAPÍTULO 9. DIAGRAMAS DINÁMICOS DE LOS MÓDULOS
DESARROLLADOS
9.1 Diagramas dinámicos
A continuación se presentan los diagramas dinámicos de los dos casos de uso
principales del desarrollo del prototipo NEUROSITP.
Diagrama dinámico iniciar aplicación.
(Autores, 2015)
84
Diagrama dinámico obtener listado de rutas filtrado por ubicación y destino
(Autores, 2015)
85
10. SIMULACIÓN
10.1 Planteamiento de la simulación
La verificación del funcionamiento del prototipo planteado y cumplimiento de
los objetivos de NEUROSITP se exhibe mediante una simulación en
Java Script; la representación de la simulación se llevará a cabo con la
ayuda de las librerías gmaps, google maps y Jquery versión 1.12 que
facilitarán el uso de la herramienta Google maps, sobre la cual se podrá
apreciar la simulación de una manera más exacta y muy aproximada a la
realidad.
El diseño del prototipo se hace pensando en solucionar la movilidad en toda
la ciudad, sin embargo para efectos de simplicidad en la simulación la
misma se presentará para una persona que desee movilizarse desde la
localidad de Chapinero hasta uno de los barrios seleccionados de la
localidad de Kennedy. Se podrá observar una simulación en dos
dimensiones con los siguientes elementos:
Una representación de la localidad de Chapinero con sus respectivas
avenidas y vías principales. (Librerías de Google maps)
Paraderos de buses del SITP dentro de la localidad de chapinero
(Registrados en Google maps)
Un paradero de buses del SITP (Con el nombre del barrio de destino
seleccionado)
Treinta y seis buses (3 buses por cada ruta)
Un usuario representando al pasajero que desea movilizarse.
La simulación se ejecutara en el instante en que el usuario elija el barrio al
cual desea desplazarse; se insertan los datos de velocidad de los buses
(Datos suministrados por los medidores de velocidad ubicados en los
respectivos paraderos); al igual que la velocidad de los buses, la velocidad
promedio de cada una de las vías también pueden ser ajustados antes de
empezar la simulación. Al abstraer los datos de la red neuronal la
simulación se ejecutará y el usuario abordará el bus que tanga el menor
tiempo de recorrido hasta el destino seleccionado.
86
10.2 Datos de la simulación
Para el funcionamiento adecuado de la simulación previamente deben
haber sido suministrados los datos que permitan hacer los respectivos
cálculos; los datos de longitudes de las vías fueron tomados a través de la
opción de medición de distancias de la herramienta Google maps, los datos
de velocidad promedio de las vías fueron tomados con medidores de
velocidad los días lunes entre las 6:00 pm y las 7:00 pm; para mayor
consistencia en la simulación los tiempos de espera en los paraderos de las
rutas también fueron cronometrados los mismos días a la misma hora; los
datos referente a los recorridos de cada una de las rutas fueron tomadas de
la página oficial del sistema de transporte público SITP (Transmilenio,
2016) . Para esta simulación existirán dos tipos de datos; datos constantes
y datos variables; es decir datos que siempre van a ser los mismos y datos
que pueden ser ajustados. A continuación se presenta la información de los
datos necesarios para la simulación:
Datos Constantes:
Longitud de las avenidas y calles
Valor de la salida esperada (Distancia del recorrido/Velocidad
promedio esperada del bus 30 Km/h)
Factor de aprendizaje 0.5
Velocidad promedio de las vías
Datos variables:
Velocidad promedio de los buses
Tiempo de espera en los paraderos
Error de salida
A continuación se presentará los datos cada una de las rutas, con los
respectivos datos como avenidas por las cuales transita, distancia de cada
tramo, la velocidad promedio de cada vía, paradero donde inicia el recorrido
en Chapinero y paradero donde termina el recorrido en los respectivos
barrios de la localidad de Kennedy
87
Ciudad Kennedy:
No1
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) C15
1 AK 13 1.80 12
2 AC 45 0.60 8
3 AK 19 1.85 14
4 AK 27 2.75 11
5 AC 6 2.95 18
6 AC 50 2.50 20
7 Av. 1ro
Mayo
4.60 8
TOTAL: 17.05 Tiempo
aproximado:
87 Minutos
Paradero Inicial: AK 13 - CL 61
Paradero final: Av 1ro Mayo – CL 40 Sur
No2
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) C52
1 AC 11 2.30 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
8.00 15
5 Av. Boyacá 1.40 5
6 Av. 1ro Mayo 1.60 8
TOTAL: 18.75 Tiempo
aproximado:
101 Minutos
Paradero Inicial: AK 11 - AC 82
Paradero final: Av 1ro Mayo – CL 40 Sur
No3 Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) C11
1 AK 11 0.90 10
2 AK 13 0.85 12
3 AC 57 1.25 14
4 AK 24 3.60 21
5 Av. esperanza 4.20 28
6 AK 68 3.15 17
7 Av. Américas 2.50 15
8 KRA 78 B 3.35 16
9 Av. 1ro Mayo 0.10 8
TOTAL: 19.90 Tiempo
aproximado:
67 Minutos
Paradero Inicial: AK 11 - CL 71
Paradero final: Av 1ro Mayo – CL 40
Sur
No4
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 166
1 AK 13 1.80 12
2 Ac 45 1.75 8
3 Av. NQS 1.40 12
4 Av. Las
Américas
0.45 15
5 Av. La
esperanza
6.30 28
6 Av. Boyacá 5.85 5
7 Av. 1ro Mayo 1.55 8
TOTAL: 19.10 Tiempo
aproximado:
127 Minutos
Paradero Inicial: AK 13 - CL 61
Paradero final: CL 38 C Sur - KR 79
88
No5
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) E26A
1 AK 11 1.35 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
6.80 15
5 AK 68 2.40 17
6 Av. 1ro Mayo 2.90 8
7 KRA 78 B 0.80 16
8 TOTAL: 19.70 Tiempo
aproximado:
95 Minutos
Paradero Inicial: KR 11 - CL 74
Paradero final: KR 78K - CL 37A Sur
No6
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) E72
1 AK 11 4.30 10
2 AK 13 2.20 12
3 AC 45 3.10 8
4 Av.
Américas
2.35 15
5 Av. Calle 13 3.55 35
6 Av. Boyacá 2.60 5
7 Cl 8 2.50 14
TOTAL: 20.60 Tiempo
aproximado:
107 Minutos
Paradero Inicial: AC 100 - KR 11B
Paradero final: KR 79 - CL 41F Sur
No7
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 192
1 AK 11 4.30 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 AK 27 2.70 11
5 AC 6 2.95 18
6 KRA 50 2.50 20
7 Av. 1ro
Mayo
2.60 8
TOTAL: 20.50 Tiempo
aproximado:
102 Minutos
Paradero Inicial: AC 100 - KR 11B
Paradero final: KR 78B - CL 36 Sur
No8
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 108
1 AK 11 4.30 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
4.85 15
5 KRA 50 3.10 20
6 Av. 1ro Mayo 3.20 8
TOTAL: 20.90 Tiempo
aproximado:
103 Minutos
Paradero Inicial: AC 100 - KR 11B
Paradero final: AV. 1 de Mayo - KR 68F
89
Castilla
No1
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) E72
1 AK 11 4.30 10
2 AK 13 2.20 12
3 AC 45 3.10 8
4 Av.
Américas
2.35 15
5 Av. Calle 13 3.55 30
6 Av. Boyacá 1.70 5
TOTAL: 17.20 Tiempo
aproximado:
96 Minutos
Paradero Inicial: AC 100 - KR 11B
Paradero final: AV. Boyacá - CL 8ª
No2
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 166
1 AK 13 1.80 10
2 Ac 45 1.75 8
3 Av. NQS 1.40 12
4 Av. Las
Américas
0.45 15
5 Av. La
esperanza
6.30 28
6 Av. Boyacá 1.90 5
TOTAL: 13.60 Tiempo
aproximado:
68 Minutos
Paradero Inicial: AK 13 - CL 61
Paradero final: AV. Boyacá - CL 8ª
No3
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 107A
1 KRA 13 1.00 12
2 AC 34 1.65 13
3 Av. Las
Américas
3.30 15
4 Av. Calle 13 1.20 30
5 Av. Boyacá 3.10 5
TOTAL: 10.25 Tiempo
aproximado:
65 Minutos
Paradero Inicial: AK 13 - CL 54
Paradero final: AV. Boyacá - CL 8ª
Villa Adriana
No1
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 192
1 AK 11 4.30 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 AK 27 2.70 11
5 AC 6 2.95 18
6 KRA 50 2.50 20
7 Av. 1ro
Mayo
1.60 8
TOTAL: 19.50 Tiempo
aproximado:
95 Minutos
Paradero Inicial: AC 100 - KR 11B
Paradero final: AV. 1 de Mayo - KR 68F
90
No2
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 108
1 AK 11 4.30 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
4.85 15
5 KRA 50 3.10 20
6 Av. 1ro Mayo 1.50 8
TOTAL: 19.20 Tiempo
aproximado:
91 Minutos
Paradero Inicial: AC 100 - KR 11B
Paradero final: AV. 1 de Mayo - KR 68F
No3
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) C13
1 AK 13 0.15 12
2 AC 45 0.90 8
3 AK 19 4.60 14
4 AC 6 1.30 18
5 AK 27 0.50 14
6 AC3 3.95 24
7 AK68 1.60 17
TOTAL: 13.00 Tiempo
aproximado:
48 Minutos
Paradero Inicial: AK 13 - CL 46
Paradero final: AK 68 - CL 23 Sur
No4
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) C15
1 AK 13 1.80 12
2 AC 45 0.60 8
3 AK 19 1.85 14
4 AK 27 2.75 11
5 AC 6 2.95 18
6 AC 50 2.50 20
7 Av. 1ro
Mayo
1.60 8
TOTAL: 14.05 Tiempo
aproximado:
65 Minutos
Paradero Inicial: AK 13 - CL 61
Paradero final: AV. 1 de Mayo - KR 68F
No5
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) E26A
1 AK 11 1.35 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
6.80 15
5 AK 68 2.10 17
TOTAL: 15.70 Tiempo
aproximado:
69 Minutos
Paradero Inicial: KR 11 - CL 74
Paradero final: AK 68 - CL 23 Sur
91
Alquería de la fragua
No1
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 56A
1 AK 11 1.00 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
4.85 15
5 KRA 50 3.60 20
6 CLL 33 Sur 1.40 25
7 KRA 68 D 0.60 22
8 TOTAL: 16.90 Tiempo
aproximado:
66 Minutos
Paradero Inicial: AK 11 - AC 72
Paradero final: KR 68D - CL 38A Sur
No2
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 135
1 AK 13 3.15 12
2 AC 19 1.50 4
3 AK 27 2.70 11
4 AC 6 2.95 18
5 KRA 50 3.10 20
6 CLL 33
Sur
1.40 25
7 KRA 68 D 0.60 22
8 TOTAL: 15.40 Tiempo
aproximado:
75 Minutos
Paradero Inicial: AC 45 - AK 13
Paradero final: KR 68D - CL 38A Sur
No3
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 192
1 AK 11 4.30 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 AK 27 2.70 11
5 AC 6 2.95 18
6 KRA 50 2.50 20
7 Av. 1ro
Mayo
1.60 8
TOTAL: 19.50 Tiempo
aproximado:
95 Minutos
Paradero Inicial: AC 100 - KR 11B
Paradero final: AV. 1 de Mayo - KR 68F
No4
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) C13
1 AK 13 0.15 12
2 AC 45 0.90 8
3 AK 19 4.60 14
4 AC 6 1.30 18
5 AK 27 0.50 11
6 AC3 3.95 24
7 AK68 2.60 17
TOTAL: 14.00 Tiempo
aproximado:
52 Minutos
Paradero Inicial: AK 13 - CL 46
Paradero final: AK 68 - CL 38 Sur
92
No5
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 108
1 AK 11 4.30 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
4.85 15
5 KRA 50 3.10 20
6 Av. 1ro Mayo 1.50 8
TOTAL: 19.20 Tiempo
aproximado:
91 Minutos
Paradero Inicial: AC 100 - KR 11B
Paradero final: AV. 1 de Mayo - KR 68F
No6
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) C15
1 AK 13 1.80 12
2 AC 45 0.60 8
3 AK 19 1.85 14
4 AK 27 2.75 11
5 AC 6 2.95 18
6 AC 50 2.50 20
7 Av. 1ro
Mayo
1.60 8
TOTAL: 14.05 Tiempo
aproximado:
65 Minutos
Paradero Inicial: AK 13 - CL 61
Paradero final: AV. 1 de Mayo - KR 68F
Carvajal
No1
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 108
1 AK 11 4.30 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
4.85 15
5 KRA 50 3.10 20
6 Av. 1ro Mayo 2.50 8
TOTAL: 20.20 Tiempo
aproximado:
99 Minutos
Paradero Inicial: AC 100 - KR 11B
Paradero final: AV. 1 de Mayo - KR 71D
No2
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 192
1 AK 11 4.30 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 AK 27 2.70 11
5 AC 6 2.95 18
6 KRA 50 2.50 20
7 Av. 1ro
Mayo
2.40 8
TOTAL: 20.30 Tiempo
aproximado:
101 Minutos
Paradero Inicial: AC 100 - KR 11B
Paradero final: AV. 1 de Mayo - KR 71D
93
No3
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 107A
1 KRA 13 1.00 12
2 AC 34 1.65 13
3 Av. Las
Américas
3.30 15
4 Av. Calle 13 1.20 30
5 Av. Boyacá 3.70 5
TOTAL: 10.55 Tiempo
aproximado:
72 Minutos
Paradero Inicial: AK 13 - CL 54
Paradero final: AV. Boyacá - CL 6D
No4
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) C15
1 AK 13 1.80 12
2 AC 45 0.60 8
3 AK 19 1.85 14
4 AK 27 2.75 11
5 AC 6 2.95 18
6 AC 50 2.50 20
7 Av. 1ro
Mayo
2.30 8
TOTAL: 14.75 Tiempo
aproximado:
70 Minutos
Paradero Inicial: AK 13 - CL 61
Paradero final: AV. 1 de Mayo - KR 71D
No5
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) E26A
1 AK 11 1.35 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
6.80 15
5 AK 68 2.40 17
6 Av. 1ro Mayo 1.00 8
8 TOTAL: 17.00 Tiempo
aproximado:
77 Minutos
Paradero Inicial: KR 11 - CL 74
Paradero final: AV. 1 de Mayo - KR 71D
Timiza
No1
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) 107A
1 KRA 13 1.00 12
2 AC 34 1.65 13
3 Av. Las
Américas
3.30 15
4 Av. Calle 13 1.20 30
5 Av. Boyacá 4.00 5
6 Av. 1ro Mayo 1.60 8
7 AV. V/cio 2.35 6
TOTAL: 15.10 Tiempo
aproximado:
117 Min
Paradero Inicial: AK 13 - CL 54
Paradero final: AV. V/cio - KR 78
94
No2 Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) C11
1 AK 11 0.90 10
2 AK 13 0.85 12
3 AC 57 1.25 14
4 AK 24 3.60 21
5 Av. esperanza 4.20 28
6 AK 68 3.15 17
7 Av. Américas 2.50 15
8 KRA 78 B 3.35 16
9 Av. 1ro Mayo 0.10 8
10 Av. V/cio 2.50 6
TOTAL: 22.40 Tiempo
aproximado:
92 Minutos
Paradero Inicial: AK 11 - CL 71
Paradero final: CL 42 Sur - KR 78D
No3
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) C52
1 AC 11 2.30 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
8.00 15
5 Av. Boyacá 1.40 5
6 Av. 1ro Mayo 1.60 8
7 Diagonal 44 1.95 20
TOTAL: 20.70 Tiempo
aproximado:
106 Minutos
Paradero Inicial: AK 11 - AC 82
Paradero final: KR 74 - CL 43A Sur
No4
Ruta
Avenida Distancia
Km
Velocidad
Promedio
(Km/h) E26A
1 AK 11 1.35 10
2 AK 13 3.80 12
3 AC 34 1.65 13
4 Av. Las
Américas
6.80 15
5 AK 68 2.40 17
6 Av. 1ro Mayo 2.90 8
7 KRA 78 B 2.50 16
8 Av. V/cio 3.50 6
TOTAL: 24.90 Tiempo
aproximado:
135 Minutos
Paradero Inicial: KR 11 - CL 74
Paradero final: KR 78K - CL 37A Sur
95
10.3 Resultados de la simulación
La simulación tiene como finalidad hacer pruebas que verifiquen el debido
funcionamiento de NEUROSITP; A continuación se presentan los resultados para
cada uno de los barrios seleccionados para la simulación, basados en los datos
iníciales registrados anteriormente:
Barrio de
destino:
Ciudad Kennedy (CK1)
Ruta Paradero Inicial Paradero Final Tiempo
recorrido
(Minutos)
Tiempo de
espera
(Minutos)
Tiempo
total
(Minutos)
108 AK 13 - CL 61 KR 78B - CL 36
Sur
103 17 120
166 AK 13 - CL 61 CL 38 C Sur - KR
79
127 8 135
192 AK 13 - CL 61 KR 78B - CL 36
Sur
102 11 113
C11 AK 13 - CL 61 Av 1ro Mayo – CL
40 Sur
87 20 117
C15 AK 13 - CL 61 Av 1ro Mayo
– CL 40 Sur
87 28 115
C52 AK 13 - CL 61 Av 1ro Mayo – CL
40 Sur
101 14 115
E26A AK 13 - CL 61 KR 78K - CL 37A
Sur
95 10 105
E72 AK 13 - CL 61 KR 79 - CL 41F
Sur
107 3 110
Barrio de
destino:
Castilla (CAS6)
Ruta Paradero Inicial Paradero Final Tiempo
recorrido
(Minutos)
Tiempo de
espera
(Minutos)
Tiempo
total
(Minutos)
166 AK 13 - CL 54 AV. Boyacá - CL
8ª 68 11 79
107 AK 13 - CL 54 AV. Boyacá - CL
8ª 65 15 80
E72 AK 13 - CL 54 AV. Boyacá - CL
8ª 96 3 99
96
Barrio de
destino:
Alquería De La Fragua (AF2)
Ruta Paradero Inicial Paradero Final Tiempo
recorrido
(Minutos)
Tiempo de
espera
(Minutos)
Tiempo
total
(Minutos)
56A AK 13 - AC 44 KR 68D - CL 38A
Sur
66 14 80
108 AK 13 - AC 44 AV. 1 de Mayo -
KR 68F
91 6 97
135 AK 13 - AC 44 KR 68D - CL 38A
Sur
75 2 77
192 AK 13 - AC 44 AV. 1 de Mayo -
KR 68F
95 5 100
C13 AK 13 - AC 44 AK 68 - CL 38 Sur 52 29 81
C15 AK 13 - AC 44 AV. 1 de Mayo -
KR 68F
65 16 81
Barrio de
destino:
Villa Adriana (VA3)
Ruta Paradero Inicial Paradero Final Tiempo
recorrido
(Minutos)
Tiempo de
espera
(Minutos)
Tiempo
total
(Minutos)
108 AK 13 - CL 46 AV. 1 de Mayo -
KR 68F
91 4 95
192 AK 13 - CL 46 AV. 1 de Mayo -
KR 68F
95 1 96
C13 AK 13 - CL 46 AK 68 - CL 23 Sur 48 20 68
C15 AK 13 - CL 46 AV. 1 de Mayo -
KR 68F
65 14 79
E26A AK 13 - CL 46 AK 68 - CL 23 Sur 69 8 77
Barrio de
destino:
Timiza (TI5)
Ruta Paradero Inicial Paradero Final Tiempo
recorrido
(Minutos)
Tiempo de
espera
(Minutos)
Tiempo total
(Minutos)
107 AK 13 - CL 54 AV. V/cio - KR 78 117 8 125
C11 AK 11 - CL 71 CL 42 Sur - KR
78D 92 18 110
C52 AK 11 - CL 71 KR 74 - CL 43A
Sur 106 10 116
E26A AK 11 - CL 71 KR 78K - CL 37A
Sur 135 5 140
97
Barrio de
destino:
Carvajal (CAR4)
Ruta Paradero Inicial Paradero Final Tiempo
recorrido
(Minutos)
Tiempo de
espera
(Minutos)
Tiempo total
(Minutos)
108 AK 13 - CL 54 AV. 1 de Mayo -
KR 71D 91 5 96
192 AK 13 - CL 54 AV. 1 de Mayo -
KR 71D 101 2 103
107 AK 13 - CL 54 AV. Boyacá - CL 2 72 18 90
C15 AK 13 - CL 54 AV. Boyacá -CL 2 70 15 85
E26A AK 13 - CL 54 AV. 1 de Mayo -
KR 71D
77 18 95
98
PARTE III CIERRE DE LA INVESTIGACIÓN
11. RESULTADOS Y CONCLUSIONES
11.1 Resultados
Durante el desarrollo de “DISEÑO DE UN PROTOTIPO DE SOFTWARE PARA EL
USO DEL SISTEMA INTEGRADO DE TRANSPORTE PÚBLICO (SITP), EN
TIEMPO REAL EN LA LOCALIDAD DE CHAPINERO”, se logró recoger una
aplicación computacional capaz de brindar información en tiempo real a cerca del
tiempo de recorridos de los buses urbanos del SITP que parten desde la localidad
número dos (2) de Bogotá, y se dirigen a la localidad número ocho (8) de la
ciudad; el sistema también puede alertar al usuario de la proximidad de los buses,
además de solicitar un informe del estado de las vías en la actualidad. En la
investigación se generó una simulación con alto grado de concordancia con
respecto a la realidad, ya que se implementó sobre un mapa real de la ciudad y los
datos usados fueron tomados en días de tráfico en hora pico. Adicionalmente
queda un documento con los requerimientos y bases para la implementación del
prototipo a gran escala.
11.2 Verificación, contraste y evaluación de los objetivos
A través de la simulación se puede evidenciar que NUEROSITP es un prototipo de
software capaz de brindar soporte a la elección de rutas factibles de movilización
en buses urbanos del Sistema Integrado de Transporte Público (SITP); esté
soporte se realiza gracias a la configuración de una red neuronal artificial de tipo
Backpropagation, complementada con la respectiva sinergización de distintos
algoritmos de optimización y algunas tecnologías de comunicación e información
(TIC´S).
Debido a la simplicidad en la interfaz gráfica del prototipo, esté permite hacer
elección de rutas de buses del SITP partiendo desde la localidad de Chapinero y
con destino a los principales barrios de la localidad de Kennedy de una manera
más amigable. Debido a la combinación de distintas fuentes de información
NEUROSITP agiliza el desplazamiento de las personas a sus respectivos
destinos, debido al manejo de pronósticos con alta precisión el usuario conoce el
tiempo de viaje de cada una de las rutas factibles.
99
En el modulo de Búsqueda de rutas la aplicación tiene la opción “Generar alarma
cuando el bus se encuentre en la parada” opción que al ser seleccionada permite
configurar la distancia a la cual el sistema alerte al usuario acerca de la proximidad
del bus, está alarma también permite alertar a los conductores de los buses de la
solicitud del servicio en el respectivo paradero; esto permitirá a los usuarios con
discapacidad visual abordar los buses con mayor facilidad
En las distintas pruebas realizadas en la simulación se puede evidenciar tiempos
de diferencia hasta de 30 minutos entre distintas rutas que parten desde el mismo
paradero en la localidad de Chapinero y con destino a un mismo barrio en la
localidad de Kennedy, los usuarios que usan rutas que hacen el recorrido desde
un punto intermedio de la localidad de inicio hasta Ciudad Kennedy pueden tardar
alrededor de 100 minutos aproximadamente, pero con el uso de la aplicación y
dependiendo del estado de las diferentes vías puede tomar otra ruta que lo lleve al
mismo destino incluso en 60 minutos, lo cual representaría un ahorro hasta de un
40% de tiempo en el desplazamiento de los usuarios.
11.3 Trabajos o publicaciones derivadas
Diseño de un prototipo de software para el uso del sistema integrado de transporte
público (SITP), en tiempo real en la localidad de chapinero, es una investigación
que pretende demostrar que es posible mejorar los tiempos de desplazamiento de
usuarios en buses del SITP partiendo desde esta localidad y tomando como
destino los barrios de la localidad de Kennedy, debido a que es una herramienta
eficaz que ayuda a la planificación de viajes y ayuda a los usuarios a la toma de
decisiones al momento de salir de una de las localidades con mayor cantidad de
pasajeros en las tardes de la ciudad.
La actual investigación deja sentadas las bases informáticas en cuanto a la
implementación del prototipo basado en un sistema de red neuronal artificial
partiendo de una localidad de origen y guiada a otra localidad de destino, pero
esto no implica que no se pueda hacer una implementación del prototipo para
dirigirse desde cualquier localidad a la mayoría de barrios de la ciudad; bajo la
anterior premisa es posible extender el prototipo y generar un sistema de
información en toda Bogotá, de esta manera permitir a los usuarios desplazarse
desde cualquier punto de la ciudad hasta cualquier barrio de la misma,
100
Partiendo de los principios que se pueden conocer la ubicación de los vehículos, la
velocidad con que se movilizan por cada una de las vías por las cuales transitan
los mismos y el estado de las vías en tiempo real, “Diseño de un prototipo de
software para el uso del sistema integrado de transporte público (SITP), en tiempo
real en la localidad de chapinero”, sirve como principio para ser aplicado a
posteriores implementaciones del Sistema Integrado de Transporte Público (SITP)
en todas las localidades de la ciudad de Bogotá, también puede ser la base para
una optimización de distintos sistemas de transporte tanto en Bogotá como en
todas las ciudades que opten por un sistema de transporte masivo, de esta
manera permitirle a los usuarios minimizar los tiempos de viaje en los recorridos
entre dos lugares específicos que estén abarcados por el sistema.
11.4 Conclusiones
El desarrollo de “Diseño de un prototipo de software para el uso del sistema
integrado de transporte público (SITP), en tiempo real en la localidad de
chapinero” quiso ampliar el campo de visión sobre distintos conceptos de
Ingeniería de Sistemas: Redes neuronales, bases de datos móviles y optimización
de procesos, llevarlos del contexto teórico al campo práctico y aplicarlos a la
resolución de problemas de la sociedad, de esta manera generar un impacto
positivo en las actividades cotidianas de los ciudadanos. A continuación se expone
un conjunto de conclusiones específicas que constituye los resultados de la
investigación:
Se pueden crear herramientas que ayuden de manera eficiente a los
usuarios del sistema Integrado de transporte público (SITP) a tomar
decisiones acertadas al momento de movilizarse en la ciudad.
Es posible aplicar la teoría de redes neuronales para la organización
y sistematización del transporte público en la ciudad de Bogotá.
Es posible minimizar el tiempo de viaje de los usuarios de buses
urbanos del Sistema Integrado de Transporte Público (SITP), incluso
hasta en 30 minutos dependiendo del estado de las vías y la
disponibilidad de buses.
101
BIBLIOGRAFÍA
Autores. (2015). Diseño De Un Prototipo De Software Para El Uso Del Sistema Integrado De
Transporte Público (SITP), En Tiempo Real. Guillermo Palomino, Pedro Luis Pineda. Bogotá DC .
Barro, A., Bugarindiz, S., & J, A. Fronteras de la computación.
Basogain Olabe, X. Redes neuronales y aplicaciones.
Bertalanffy, L. V. Teoría General De Sistemas.
Bu, R. C. Simulación un enfoque práctico.
Glover, F., & Ghaziri, H. M. Optimización heuristica y redes neuronales.
Goto, K., & Kambayashi, Y. (2010). Configuración de bases de datos en un sistema de trenes. Bases
de datos móviles , 3.
Izaurieta, F., & Saavedra, C. Redes neuronales artificiales. Concepción, Chile: Universidad De
Concepción.
Jiménez, J. A. (2001). Matemáticas para la computación . México: Alfaomega.
Olmeda, I., & Barba Romero, S. (1993). Redes neuronales artificiales Fundamentos y aplicaciones.
Universidad de Alcalá.
Pereira, F., & Barreto, J. (s.f.). Easy-city: a route search system for public transport users.
Universidad de Lisboa .
S, A. H. Acerca del algoritmo de Dijkstra.
Scheideler, C. Universal Routing Strategies for interconnection networks.
Silberschatz, G. Sistemas operativos (7 ed.).
Vasilakos, A. Delay Tolerant Networks Protocols And Applications.
102
REFERENCIAS WEB
AntonioNariño. (02 de 2016). Bogota como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/antonio-narino/
BarriosUnidos. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/barrios-unidos/
Bogotá, A. M. (04 de 2016). Chapinero.gov. Recuperado el 05 de 2015, de
http://www.chapinero.gov.co/index.php/mi-localidad
Bosa. (2016). Bogotá como vamos. Obtenido de
http://www.bogotacomovamos.org/localidades/bosa/
Candelaria. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/la-candelaria/
CiudadBolivar. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/ciudad-bolivar/
Cristobal, S. (02 de 2016). Bogotá como vamos. Obtenido de
http://www.bogotacomovamos.org/localidades/san-cristobal/
EL TIEMPO. (2015). eltiempo.com. Recuperado el Marzo de 2015, de
http://www.eltiempo.com/bogota/sitp-en-bogota-salen-buses-viejos/15368235
Engativá. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/engativa/
Fontibón. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/fontibon/
Gómez Quezada, F. J., Fernandez, M. A., López Bonal, M. T., & Diaz-Marta, M. A. (s.f.). Aprendizaje
con redes neuronales artificiales. Recuperado el 03 de 2016, de dialnet: file: Dialnet-
AprendizajeConRedesNeuronalesArtificiales-2281678.pdf
Google Maps. (s.f.). Google Maps. Recuperado el 04 de 2015, de
https://www.google.it/maps/place/Chapinero,+Bogot%C3%A1,+Colombia/@4.6487827,-
74.0652177,13z/data=!3m1!4b1!4m2!3m1!1s0x8e3f909e88bf0583:0xcee402e0b005bc73
Google Transit. (2010). Obtenido de https://maps.google.com/landing/transit/index.html
103
Kennedy. (2016). Bogotá como vamos. Obtenido de
http://www.bogotacomovamos.org/localidades/kennedy/
Martires. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/los-martires/
PuenteAranda. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/puente-aranda/
RafaelUribe. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/rafael-uribe/
RATP. (06 de 2010). ratp.fr. Recuperado el 03 de 2015, de
http://www.ratp.fr/fr/upload/docs/application/octetstream/2010-
06/ratp_plaquette_groupe_fr.pdf
SantaFe. (02 de 2016). Bogotá como vamos. Obtenido de
http://www.bogotacomovamos.org/localidades/santa-fe/
Suba. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/suba/
Sumapaz. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/sumapaz/
Teusaquillo. (02 de 2016). Bogota como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/teusaquillo/
TFL. (s.f.). tfl.govz. Obtenido de https://tfl.gov.uk/
Transit, C. (s.f.). ChicagoTransitAuthority. Recuperado el 03 de 2015, de
http://www.transitchicago.com
Transmilenio. (2016). SITP.gov. Recuperado el 2015, de
http://www.sitp.gov.co/loader.php?lServicio=Rutas&lTipo=busqueda
Transport for London - Plan a Journey. (s.f.). Pla a Journey. Recuperado el 04 de 2015, de
https://tfl.gov.uk/plan-a-journey/x
Tunjuelito. (02 de 2016). Bogotá como vamos. Obtenido de
http://www.bogotacomovamos.org/localidades/tunjuelito/
104
Usaquen, A. d. (02 de 2016). Bogotá como vamos. Recuperado el 02 de 2016, de
http://www.bogotacomovamos.org/localidades/usaquen/
Usme. (02 de 2016). Bogota como vamos. Obtenido de
http://www.bogotacomovamos.org/localidades/usme