Identificación de incidentes de tráfico en Panamá por medio del análisis de datos de redes sociales

En Panamá, la gran cantidad de carros en las vías y eventos aleatorios de tráfico producen embotellamientos constantes y extensos. Estos problemas no son solventados aun cuando las autoridades planifican y avanzan con la construcción de más carriles para el flujo vehicular. Se propone desarrollar un...

Full description

Saved in:
Bibliographic Details
Main Author: Liu, Lucia (author)
Other Authors: Guevara, Ameth (author), Sanchez-Galan, Javier E. (author)
Format: article
Language:Spanish
Published: 2021
Online Access:https://revistas.utp.ac.pa/index.php/apanac/article/view/3201
https://doi.org/10.33412/apanac.2021.3201
https://ridda2.utp.ac.pa/handle/123456789/13396
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:En Panamá, la gran cantidad de carros en las vías y eventos aleatorios de tráfico producen embotellamientos constantes y extensos. Estos problemas no son solventados aun cuando las autoridades planifican y avanzan con la construcción de más carriles para el flujo vehicular. Se propone desarrollar un sistema que permita visualizar información publicada en las redes sociales acerca de incidentes de tráfico. Para esta tarea, diferentes librerías de Python son utilizadas para la extracción de información de redes sociales (Selenium y Tweepy), análisis (sklearn, Pandas, fuzzy wuzzy, etc), visualización de datos (Plotly, Dash y WordCloud) y un método de geocodificación para obtener la localización aproximada de las publicaciones obtenidas. Los resultados muestran que se han obtenido aproximadamente 180 mil tweets desde 2014. Además, se ha iniciado con la preparación de datos para los modelos de clasificación (detección de tweets correspondientes a incidentes de tráfico) y se ha desarrollado la interfaz gráfica. Este sistema presenta ventajas como la agilización y la rapidez de detección y visualización de incidentes de tráfico, que pueden ser de gran ayuda para las autoridades de tránsito del país.