RT info:eu-repo/semantics/bachelorThesis
T1 Modelado de la demanda de transporte urbano mediante redes neuronales de grafos (GNNs)
A1 Riesco Valdés, Roberto
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Segovia
K1 Graph Neural Networks
K1 GNN
K1 Transporte urbano
K1 Redes de transporte
K1 1203.17 Informática
K1 1203.18 Sistemas de Información, Diseño Componentes
K1 3329.07 Transporte
AB El presente trabajo se enmarca dentro del campo de la investigación aplicada, con un enfoqueeminentemente exploratorio. Su objetivo principal ha sido estudiar el potencial de las Graph NeuralNetworks (GNNs) para modelar sistemas complejos donde las relaciones entre entidades desempeñanun papel clave. Más concretamente, se ha optado por aplicar esta tecnología al ámbito del transporteurbano, un entorno donde la conectividad, la dinámica temporal y la estructura de red ofrecen unescenario ideal para evaluar la capacidad de representación de las GNNs.En sus fases iniciales, el proyecto partió sin un conjunto de datos reales disponible, lo que motivó laconstrucción de un entorno simulado basado en datos sintéticos. Esta aproximación permitió diseñarprogresivamente una serie de modelos experimentales (toy models) con los que explorar diferentesaspectos del aprendizaje sobre grafos: desde la codificación temporal de la información, hasta laevolución de la demanda en franjas horarias, pasando por la integración de varias líneas de autobúsy su conexión con una estación intermodal.Este camino experimental no solo sirvió para validar los fundamentos teóricos y técnicos de lasGNNs, sino también para afinar los métodos de representación y entrenamiento en grafos dirigidos, en un entorno controlado. Posteriormente, la segunda fase del trabajo consistió en aplicar losconocimientos adquiridos a un caso real, utilizando una base de datos de trayectos de autobuses interestatales de Brasil, lo que supuso un salto en complejidad y volumen de datos, y permitió contrastarla aplicabilidad práctica del enfoque.As´ı, el trabajo combina el desarrollo de un marco conceptual sólido con la experimentación práctica progresiva, haciendo del análisis de redes de transporte urbano un caso de estudio representativopara evaluar el comportamiento de las Graph Neural Networks. La motivación última del proyectoha sido doble: por un lado, investigar en profundidad una tecnología emergente dentro del aprendizaje automático; por otro, contribuir a la búsqueda de soluciones inteligentes y adaptativas paraproblemas reales de movilidad urbana.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/78559
UL https://uvadoc.uva.es/handle/10324/78559
LA spa
NO Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
DS UVaDOC
RD 10-oct-2025