Análisis de trayectorias utilizando técnicas de minería de datos

1. Introducción 
1.1. Motivación 
1.2. Objetivos 
1.3. Alcances y limitaciones
1.4. Contribuciones
1.5. Publicaciones 
1.5.1. Artículos de Revistas 
1.5.2. Capítulos de libros y congresos con referato 
1.5.3. Participaciones enWorkshops 
1.5.4. Publicaciones complementarias 
1.6. Organización de la Tesis

2. Agrupamiento de trayectorias 
2.1. El Sistema de Posicionamiento Global (GPS) 
2.2. Las trayectorias y sus campos de investigación
2.2.1. Caracterización general de las trayectorias 
2.2.2. Campos de investigación activos de trayectorias 
2.3. Mineria de datos para el análisis de trayectorias
2.3.1. Preprocesamiento de trayectorias
Segmentación de trayectorias
Interpolación 
Detección de valores atípicos
2.3.2. Clasificación de trayectorias
2.3.3. Extracción de patrones en trayectorias 
Patrones de movimientos en conjunto
Patrones secuenciales
Patrones periódicos
2.4. Agrupamiento de trayectorias 
2.4.1. Breve estudio bibliométrico de algoritmos de agrupamiento de
trayectorias 
2.4.2. Medidas de similitud
2.4.3. Clasificación de algoritmos 
Algoritmos de agrupamiento particionales 
Algoritmos de agrupamiento basados en distribución 
Algoritmos de agrupamiento jerárquicos 
Algoritmos de agrupamiento basados en densidad 
Algoritmos de agrupamiento basados en cuadriculas
Algoritmos de agrupamiento basados en grafos 
Algoritmos basados en modelos 
Algoritmos basados en lógica difusa 
Algoritmos de flujo de datos 
2.4.4. Modalidades de procesamiento 
Primer grupo: Modalidad estática y dinámica 
Segundo grupo: Modalidades por lotes (Batch) y en línea (Online)
2.5. Mecanismo de olvido 
2.6. Conclusiones 

3. Identificación de patrones
3.1. Método de agrupamiento de trayectorias GPS para la toma de decisiones
en sistemas de transporte inteligente 
3.1.1. Segmentación de las trayectorias 
3.1.2. Agrupamiento de subtrayectorias 
3.1.3. Métricas de calidad para agrupamiento de trayectorias
3.1.4. Consideraciones relevantes 
3.2. Propuesta de un método de agrupamiento de trayectorias de vehículos
basado en pivotes
3.2.1. Agrupamiento de subtrayectorias 
3.2.2. Consideraciones relevantes 
3.3. Análisis de flujo vehicular utilizando grupos
3.3.1. Definición de celdas para resumir información de trayectorias 
3.3.2. Agrupamiento adaptativo y dinámico de trayectorias
3.3.3. Visualización de rangos de velocidades 
3.3.4. Consideraciones relevantes 
3.4. Agrupación dinámica de trayectorias de vehículos 
3.4.1. Consideraciones relevantes 
3.5. Método de procesamiento de flujo de datos para el agrupamiento de
trayectorias 
3.5.1. Paso 1: Uso de un buffer 
3.5.2. Paso 2: Uso de Indices para crear celdas con información de resumen
3.5.3. Paso 3: Uso de una técnica de agrupamiento 
3.5.4. Paso 4: Visualización de resultados 
3.5.5. Consideraciones relevantes 
3.6. Conclusiones

4. Variabilidad del Flujo Vehicular 
4.1. Método de identificación de variabilidad en el flujo del tráfico 
4.1.1. Modulo principal de nivel 1: Agrupamiento dinámico de ubicaciones
Formación de microgrupos 
Olvido porcentual de datos basado en el tiempo de ingreso
4.1.2. Módulo principal de nivel 2: Agrupamiento por proximidad.
Sub-módulo complementario 1: Preprocesamiento de Ãreas de
trafico históricas
Agrupamiento por proximidad 
Sub-módulo complementario 2: Visualizador de resultados 
4.2. Resultados obtenidos 
4.2.1. Datos utilizados 
4.2.2. Parametrizaciones iniciales 
4.2.3. Análisis de resultados obtenidos en los casos de estudio 
Aspecto a analizar 1: Desplazamiento
Aspecto a analizar 2: Densidad
Aspecto a analizar 3: Variabilidad
4.2.4. Distribución acumulada de variabilidades 
4.2.5. Validación del agrupamiento 
Indicadores de calidad aplicada a los microgrupos del agrupamiento de nivel 1
Indicadores de calidad aplicada a los grupos del agrupamiento de nivel 2
4.2.6. Análisis de los tiempos de ejecución
4.3. Discusiones 
Acerca de los grupos resultantes en el agrupamiento 
Acerca de la distribución acumulada de variabilidades 
Acerca de los tiempos de ejecución resultantes 
4.4. Conclusiones 

5. Conclusiones y trabajos futuros 
5.1. Conclusiones 
5.2. Trabajos futuros 

A. Diagramas de procesos por componentes 
A.1. Módulo principal de nivel 1: Agrupamiento dinámico de ubicaciones 
A.2. Sub-módulo complementario 1: Preprocesamiento de Áreas de trafico
históricas 
A.3. Módulo principal de nivel 2: Agrupamiento por proximidad
A.4. Sub-módulo complementario 2: Visualizador de resultados 
B. Evaluación de una rejilla para la identificación de patrones de congestión
del trafico 
B.1. Introducción
B.2. Método propuesto
B.2.1. Definición de celdas 
B.2.2. Agrupación  dinámica de celdas
B.2.3. Evaluación de la congestión 
B.2.4. Visualización de agrupaciones 
B.3. Resultados obtenidos 
B.4. Conclusiones 
C. Metodología para la Identificación de Congestiones Vehiculares Basada en
Agrupación Dinámica 
C.1. Introducción
C.2. Materiales y métodos 
C.2.1. Paso 1: Cargar Información de la Red Vial 
C.2.2. Paso 2: Procesamiento de datos 
C.2.3. Paso 3: agrupación basada en la distancia 
C.2.4. Paso 4: Clasificación de los grupos según su evaluación de congestión
C.2.5. Paso 5: Visualización de resultados 
C.3. Resultados obtenidos 
C.4. Conclusiones 

Bibliografía