Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
DYNA
versión impresa ISSN 0012-7353versión On-line ISSN 2346-2183
Resumen
PINEDA-JARAMILLO, Juan D. Una revisión de los algoritmos de Machine Learning (ML) utilizados para la modelación de la elección de modo de viaje. Dyna rev.fac.nac.minas [online]. 2019, vol.86, n.211, pp.32-41. ISSN 0012-7353. https://doi.org/10.15446/dyna.v86n211.79743.
En décadas recientes, los investigadores de planificación de transporte han usado diversos tipos de algoritmos de Machine Learning (ML, por sus siglas en inglés) para investigar un amplio rango de temas. Este artículo de revisión inicia con una breve explicación de algunos algoritmos de Machine Learning comúnmente utilizados para la investigación en transporte, específicamente Redes Neuronales Artificiales (ANN), Árboles de Decisión (DT), Máquinas de Vector de Soporte (SVM) y Análisis de Grupos (CA). Luego, estas diferentes metodologías usadas por investigadores para modelar la elección de modo de viaje son recogidos y comparados con el Modelo Logit Multinomial (MNL) el cual es el modelo de elección discreta más comúnmente utilizado. Finalmente, la caracterización de los algoritmos de ML es discutida y el Bosque Aleatorio (RF), una variante de los algoritmos de Árboles de Decisión, es presentado como la mejor metodología para modelar la elección de modo de viaje.
Palabras clave : modelación de la elección de modo de viaje; Redes Neuronales Artificiales (ANN); Árboles de Decisión (DT); Máquinas de Vector de Soporte (SVM); Análisis de Grupos (CA); Modelo Logit Multinomial (MNL); algoritmos de Machine Learning (ML)..