Volltext-Downloads (blau) und Frontdoor-Views (grau)
  • search hit 1 of 1
Back to Result List

Contribución al análisis de datos de sensores en el ambito de Ciudad Inteligente

  • Este trabajo se enmarca dentro del vasto contexto de Ciudades Inteligentes, y se centra en el área de la conducción inteligente de vehículos, tanto en zonas urbanas como interurbanas, mediante la recogida de datos en tiempo real, medidos con sensores, por parte de los propios conductores, así como de datos capturados mediante simulación. El objetivo de este trabajo es doble. Por un lado, el estudio y aplicación de las diferentes técnicas y métodos de detección de valores atípicos en bases de datos multivariantes, además de una comparativa entre ellos mediante las pruebas llevadas a cabo con datos de tráfico real. Y por otro lado, establecer una relación entre las situaciones anómalas de tráfico, como puedan ser atascos o accidentes, con los valores atípicos multivariantes encontrados. La detección de valores atípicos representa una de las tareas más importantes a la hora de realizar cualquier análisis de datos, sea cual sea el dominio o área de estudio, ya que entre sus funciones primordiales se encuentra el descubrir información útil, que resulta de gran valor, y que por lo general queda oculta por la alta dimensión de los datos. Con el uso de mecanismos de detección de valores atípicos junto con métodos de clasificación supervisada, se va a poder llevar a cabo el reconocimiento de elementos de la infraestructura vial urbana como pueden ser rotondas, pasos de cebra, cruces o semáforos.
  • This work is related to the Smart Cities context, and it focuses on the area of intelligent vehicle driving, both in urban and interurban areas, through the collection of real-time sensed data by the drivers themselves, as well as data collected in a simulator. The goal of this paper is twofold. On the one hand, the study and application of the different techniques and methods of outliers detection in multivariate databases, as well as a comparison between them through the tests carried out with real traffic data. And on the other hand, to establish a relation between anomalous traffic situations, such as traffic jams or accidents, with the multivariate outliers found. Outliers detection represents one of the most important tasks when performing any data analysis, regardless of the domain or area of study, since among its fundamental functions is to discover useful and valuable information that usually is hidden by the high dimensionality of the data. By means of using outliers detection mechanisms together with data classification methods, the recognition of elements of urban infrastructure such as roundabouts, zebra crossing or traffic lights will be carried out.

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Handle:http://hdl.handle.net/10016/27462
Publisher:Universidad Carlos III de Madrid
Place of publication:Madrid
Referee:Mario Muñoz Organero, Luis Sánchez Fernández, Natividad Martínez MadridORCiD
Referee of HS Reutlingen:Martínez Madrid, Natividad
Document Type:Doctoral Thesis
Language:Spanish
Publication year:2018
Tag:análisis de datos; análisis multivariante; circulación vial; ciudades inteligentes; datos atípicos
Page Number:145
Dissertation note:Dissertation, Universidad Carlos III de Madrid, 2018
DDC classes:004 Informatik
Open access?:Ja
Licence (German):License Logo  Creative Commons - Namensnennung, nicht kommerziell, keine Bearbeitung