Predicción de ocupación de autobuses en tiempo realReal-time bus crowding forecasting
Con datos de diez paradas de Salvador (Brasil) predecimos la ocupación media de los siguientes 30 minutos, usando modelos que aprenden a medida que llegan los datos. Comparamos enfoques autorregresivos, la codificación de hora y parada y variables de contexto con KNN, FIMT-DD y Adaptive Random Forest; además montamos un prototipo que propone paradas alternativas cuando se prevé saturación.
Using data from ten bus stops in Salvador (Brazil), we forecast average crowding for the next 30 minutes with models that learn as the data arrives. We compared autoregressive approaches, time and stop encodings and contextual features with KNN, FIMT-DD and Adaptive Random Forest, and built a prototype that suggests alternative stops when crowding is expected.
Mi parte: planteamiento, metodología, software y redacción del artículo, y el desarrollo y la evaluación del modelo de referencia basado en hora y parada. El mejor modelo bajó el MAE de 7,43 a 6,24 frente a la referencia ingenua.
My part: conceptualisation, methodology, software and writing of the paper, plus building and evaluating the time-and-stop baseline. The best model cut MAE from 7.43 to 6.24 against the naive baseline.
Lo que aprendí: en lo técnico, a trabajar con modelos que aprenden mientras llegan los datos y a comprobar si de verdad mejoran frente a una referencia sencilla. En lo personal, fue mi primer proyecto en un equipo internacional de seis personas y en inglés: al principio me costó que mis propuestas se escucharan, y eso me obligó a explicarlas mejor y a construir sobre las ideas de los demás.
What I learned: technically, how to work with models that learn as the data arrives, and how to check whether they really beat a simple baseline. Personally, it was my first project in an international team of six, working in English: at first it was hard to get my proposals heard, which pushed me to explain them better and to build on other people's ideas.
GitHub →




















