Resumen de Traffic prediction models using bayesian nerworks and others tools

Santos Sánchez-Cambronero García-Moreno

• La tesis doctoral propone modelos que estiman matrices origen destino y flujo en arcos de la red a partir de los aforos en algunos de ellos.

  Por un lado se proponen dos modelos basados en redes bayesianas: uno de localización de aforos y otro de previsión de tráfico. Por otro lado, también se desarrolla un modelo de previsión de tráfico basado en variables aleatorias gamma en un contexto bayesiano. Además el modelo de asignación utilizado no necesita enumeración de rutas, lo que supone una gran ventaja, además se proponen ejemplos con el fin de facilitar la comprensión de los modelos que además, son comparados con algunos existentes en la literatura. Los resultados de los mismos parecen coherentes y consistentes.

  Se ha incluído un capítulo de aplicación con el fin de aportar consistencia a los resultados teóricos.

  Comentarios específicos: En las dos primeras partes de la tesis se desarrolla el estado del arte de los modelos de transporte, en particular la representación de la red, los modelos de asignación, los modelos de estimación de matrices, los modelos bi-nivel y los modelos de localización de aforos.

  En la tercera parte, se exponen las redes bayesianas como herramienta para predecir flujos de tráfico. Para ello se desarrollan varios capítulos: - En el capítulo tres, se formula, un modelo desagregado de asignación (WMV), cuyas particularidades mas interesantes son que no necesita enumeración de rutas y la posibilidad de obtener mucha mas información que utilizando otro tipo de modelos, en particular la matríz de proporciones arco-par, procedencia y destino de los usuarios del arco, etc.

  - En el capítulo cuatro, se desarrolla el modelo mas relevante de los expuestos e la tesis: la previsión de flujos usando redes bayesianas. Las hipótesis del modelo (red bayesiana gausiana, la utilización de variables normales, la utilización de las previsiones, etc.), son explicadas y justificadas, y los modelos son aplicados y comparados con otros existentes. Además se utiliza un algoritmo bi-nivel que combina de forma eficiente la red bayesiana con un modelo de asignación estocástica y con el modelo WMV expuesto en el capítulo anterior. Una de las ventajas mas relevantes de este capítulo es que calcula las varianzas de las variables no observadas, obteniendo así una medida de la incertidumbre de las predicciones.

  - En el capítulo cinco, la matriz de varianzas-covarianzas obtenida de la red bayesiana es utilizada para localizar los aforos necesarios que reproduzcan los flujos en la red con un error menor que una cierta tolerancia. El método es novedoso y mejora en cierta medida los existentes en la literatura especializada. La cuarta parte de la tesis se destina a la descripción de otro modelo de previsión de tráfico, pero esta vez utilizando variables gamma en un contexto bayesiano. Como se ha dicho el modelo adume que los flujos entre los distintos pares origen-destino, son variables gamma. Luego utilizando una matriz desactualizada, unos aforos en unos determinados arcos y el teorema de bayes se estima la distribución a posteriori de todas las variables.

  Este modelo también se utiliza en un algoritmo bi-nivel junto con el modelo de asignación WMV con el fin de poder ser aplicado a redes congestionadas. El modelo es aplicado a redes sencillas que facilitan la comprensión del mismo. La obtención de intervalos de credibilidad, y la utilización de distribuciones a posteriori a partir de hiperparámetros son las contribuciones más relevantes.

  Con el fin de validar los modelos propuestos, estos son aplicados al caso de Ciudad Real. En el capítulo siete, se describen brevemente las particularidades de la ciudad, se aplican con éxito los modelos y se validan los resultados.

  El último capítulo está destinado a extraer una serie de conclusiones de la tesis.