NEUROSITP: Prototipo de Sofware para el SITP en Chapinero Sistema Red Neuronal Artificial

Esta semana me dedicare a diferentes aplicaciones realizadas mediante redes neuronales artificiales, en este caso hablare del proyecto realizado por los estudiantes del pregrado de ingeniería de sistemas de la Universidad Distrital Francisco José de Caldas Guillermo Eduardo Palomino Contreras & Pedro Luis Pineda Acero denominado "Diseño de un prototipo de Software para el uso del Sistema Integrado de Transporte Público (SITP), en tiempo real en la localidad de Chapinero". 

Lo que pretenden los autores de este proyecto es demostrar que se pueden implementar Sistemas de Información en Bogotá que hagan posible organizar el transporte público de una manera eficiente que beneficie tanto a los prestadores de servicio como a los mismos usuarios.  El punto clave de este proyecto es la aplicación de la teoría de las redes neuronales artificiales. Mediante neuronas serán representados pasajeros, buses, paraderos, barrios y localidades que al ser unidos se convertirán en una red neuronal que permita la sistema crecer y tener auto aprendizaje para su optimización.

Mediante un Sistema de Red Neuronal Artificial se pretende dar solución a la congestión de usuarios  del sistema de transporte público SITP, que se debe a la especulación del tiempo que tardan en llegar los buses y en realizar sus respectivos recorridos. El prototipo de software lleva el nombre de NEUROSITP, el cual pretende brindar datos precisos en tiempo real a los usuarios del tiempo de tardanza para abordar los buses en los respectivos paraderos y el tiempo estimado del recorrido desde un paradero indicado hasta el destino seleccionado. Es de fácil uso debido a que el usuario únicamente deberá ingresar el barrio de destino y el sistema se encargara de retornar información ordenada con las posibles rutas que se pueden tomar para llegar al destino en el menor tiempo posible. 

La lógica del sistema es fácilmente comparable con una Red de tipo BackPropagation, es decir, una capa de entradas al sistema (para el caso 11 neuronas pequeñas dentro de la localidad de Chapinero), una capa oculta (7 neuronas que representan las localidades por las que transitan los buses para llegar a la localidad de Kennedy) y una capa de salida (Los 6 barrios de la localidad de destino seleccionados). 

El entrenamiento de esta red es mediante el algoritmo de corrección de error Multinivel con propagación hacia atrás. Este algoritmo consiste en tomar el valor de salida, compararlo con el valor esperado, este valor es asignado dependiendo de la distancia del recorrido asumiendo una velocidad constante de 30 kilómetros por hora. Se aplica la formula para la corrección de error en la capa de salida; ese valor se pasa por la siguiente transformación matemática para volver a ajustar el peso;posteriormente se aplica la fórmula para la capa de entrada donde nuevamente se ajusta el tiempo para que sea el óptimo. El anterior proceso nos lleva a minimizar los tiempos de cada una de las rutas para por último ordenarlas en forma ascendente. 

Una vez más se puede apreciar la importancia de implementar tecnología de las Redes Neuronales Artificiales para optimizar sistemas existentes en las ciudades, en este caso en un sistema de transporte publico.