@masterThesis{10818/61353,
year = {19},
month = {11},
url = {http://hdl.handle.net/10818/61353},
abstract = {El tráfico, como uno de los desafíos cotidianos a los que se enfrentan a diario
tanto gobiernos como ciudadanos, se ve agravado por la accidentalidad vial;
convirtiendo ésta, en una de las principales causas de congestión vehicular. Este
problema tiene consecuencias adversas en los sistemas de costos empresariales,
especialmente en metrópolis como Bogotá D.C., clasificada como la cuarta con
mayor tráfico a nivel mundial según el Traffic Index (Becerra, 2022). Por este
motivo, el presente estudio toma el caso de la ciudad de Bogotá y analiza
registros cualitativos/categóricos sobre accidentes viales ocurridos entre el año
2015 y el año 2022, con miras a desarrollar tres enfoques complementarios entre
sí ante el problema planteado, para finalmente entregar un modelo de ruta de
transporte urbano para la distribución de una muestra de tiendas de una empresa.
A partir de técnicas estadísticas descriptivas e inferenciales, el primer enfoque
determinó que las variables de tiempo como día de la semana, mes y horario,
junto con variables de geografía como localidad y dirección generan un sesgo o
mayor influencia en la frecuencia, la probabilidad y la severidad de sufrir un
accidente consecuente. El segundo enfoque utiliza un modelo de asignación de
Centros de Distribución (CEDI’s) a los puntos de entrega seleccionados,
estandariza los nodos de las posibles rutas y utiliza técnicas de Machine Learning
para predecir la severidad de accidentes en una hora de congestión vial masiva,
basándose en las variables de mayor representación encontradas previamente.
Estas dos fases convergieron en la última fase referente al diseño de una solución
estática de ruteo tipo Traveling Salesman Problem (TSP) combinada con una
ponderación probabilística de ocurrencia de un accidente. Algunas de las técnicas
seleccionadas se fundamentan con un análisis de la literatura a partir de las
propuestas disponibles en la base de datos de Scopus según las coincidencias de
las necesidades del presente estudio. Con las bases de este análisis y los
resultados obtenidos, se proveen elementos y recomendaciones para el ruteo de
alguna muestra de tiendas de una empresa tipo Hard Discount, junto con algunas sugerencias de trabajo en futuras investigaciones.},
publisher = {Universidad de La Sabana},
title = {Ruteo TSP para tiendas minoristas utilizando Machine Learning basada en la caracterización y predicción de severidad de accidentes viales en Bogotá-Colombia},
author = {Mayorquin Cuestas, Lizeth Natalia},
}