Deep learning models in urban logistics for air quality prediction in the city of Bucaramanga
Abstract
El aumento de la población de las últimas décadas y el flujo de personas de las zonas rurales a las grandes ciudades ha ocasionado un incremento del volumen de desplazamientos de pasajeros y mercancías, llevando a la sobresaturación de la circulación vehicular y al aumento de las necesidades de movilidad para satisfacer la competitividad comercial y la calidad de vida de sus habitantes, convirtiendo el tráfico en un factor relevante en la contaminación del aire y un importante elemento de riesgo medioambiental para la salud de grupos vulnerables como mujeres, niños y adultos mayores. Por ello, la gestión óptima de la movilidad urbana se enfoca un modelo capaz de cubrir tanto el aumento de la urbanización como su impacto en la calidad del aire, lo cual representa un reto para los gobiernos a nivel mundial en cuanto el diseño y ejecución de metodologías y estrategias orientadas la reducción de los niveles de contaminación del aire en pro de mejorar la salud cardiovascular y respiratoria de la población. Teniendo en cuenta lo anterior, este proyecto se orienta a la aplicación, valoración y comparación de modelos Deep Learning (DL) entre ellos el LSTM, analizando los datos meteorológicos y de material particulado de tres estaciones de monitoreo ambiental del Área -Metropolitana de Bucaramanga AMB, con el objetivo de obtener un modelo predictivo que apoye la planeación de estrategias orientadas a mejorar la calidad del aire.
Keywords
Not available
Specialisations
Similar theses
- Multi-Scale Deep Learning Frameworks for Trajectory Prediction, Scene Understanding, and Perception in Autonomous Driving Xingnan Zhou · Concordia University · 2026
- Interaction-Aware Maneuver and Lane Change Prediction Using Deep Learning Architectures for Autonomous Driving Petrit Rama · Kaiserslautern University of Technology · 2026
- Study and Prediction of Air Quality in Smart Cities through Machine Learning Techniques Considering Spatiotemporal Components Ditsuhi Iskandaryan ; Iskandaryan, Ditsuhi · 2023
- Deep learning-based traffic flow prediction and traffic management system for urban transportation networks Han Zhao · Nanyang Technological University · 2023
- Machine learning for smart building heating optimization Matěj VACHUTA · 2026
- Incorporation of deep learning strategies to improve QOS in VXLAN-based networks Kumarawadu KR Siriniwansa · Tampere University · 2025
