• Español
  • English
  • Iniciar sesión
    o
    ¿Nuevo Usuario? Registrarse¿Has olvidado tu contraseña?
Logotipo del repositorioREPOSITORIO INSTITUCIONAL
  • Inicio
  • Comunidades
  • Navegar
  1. Inicio
  2. Examinar por materia

Examinando por Materia "Severity"

Mostrando 1 - 2 de 2
Resultados por página
Opciones de ordenación
  • Cargando...
    Miniatura
    PublicaciónAcceso abierto
    Impacto de las cámaras de fotodetección en la seguridad vial del área metropolitana de Medellín
    (Universidad EIA, 2023) López Gómez, Juan Pablo; Vitola Villa, Carlos Andrés; Pava Restrepo, Andrés
    RESUMEN: esta tesis aborda el desafío de predecir la gravedad de los incidentes de tránsito en las vías del Área Metropolitana de Medellín, donde se hayan implementado cámaras de fotodetección, mediante el uso de técnicas de aprendizaje automático. El objetivo principal es, determinar el nivel de eficiencia de las cámaras de fotodetección en cuanto a la disminución de los accidentes de tránsito, con base en las variables de influencia y condiciones de su entorno. Utilizando datos de informes de la alcaldía de Medellín y a través de la aplicación de algoritmos de regresión y clasificación como: Regresión lineal (LR), Clasificador de crestas (Ridge), K-Vecinos más cercanos (KNN), Máquinas de vectores de soporte (SVM), Árboles de decisión embolsados (BDT), Bosque aleatorio (RF) y Aumento del gradiente estocástico (GB), además de métricas de validación como: Curva de aprendizaje, Índice jaccard, Puntuación F1 y Matriz de confusión para garantizar el desempeño del modelo de Machine Learning; y también de técnicas de sobre-muestreo para abordar el desequilibrio en el caso de faltar información. Los resultados mostraron que el clasificador (GB) obtuvo la mejor precisión en el conjunto de prueba, con un valor medio del 75% y el modelo (RF) entrenado con el conjunto de datos balanceado, alcanzó una precisión media del 74% para este mismo conjunto de datos. Estos resultados demuestran la eficacia del modelo para la predicción de la gravedad de los accidentes de tránsito ocurridos en cada cámara de fotodetección; a pesar de ser una investigación con fines académicos. En conclusión, esta tesis proporciona una metodología adecuada para predecir la gravedad de los accidentes de tránsito, utilizando técnicas de aprendizaje automático. Por lo que, el modelo desarrollado puede ser de gran utilidad para las autoridades encargadas de las medidas preventivas de accidentes. Brindando una herramienta al momento de la implementación de cámaras de fotodetección en futuras zonas, mediante una respuesta más eficiente y oportuna.
  • Cargando...
    Miniatura
    PublicaciónAcceso abierto
    Manejo de escenarios a la hora de calcular el capital de riesgo operacional, aplicando inteligencia borrosa.
    (Universidad EIA, 2019) Tobón Osorio, Sandra Liliana; Bonet Cruz, Isis
    El riesgo operacional es uno de los factores empresariales que es más se está evaluando en los últimos tiempos, en parte gracias al auge de las firmas aseguradoras que asumen el riesgo ajeno a través de sus pólizas y también con el fin de evadirlo, disminuirlo o aceptarlo. Aunque los métodos para medir el riesgo operacional se establecieron hace menos de 20 años con Basilea II, ya es evidente que hay ciertos problemas al calcular el capital por riesgo operacional con estos. Uno de los problemas principales se encuentra a la hora de integrar los escenarios empleando el método AMA, para el cálculo del capital por riego operacional. La razón de esta problemática, radica en el tipo de dato que son los escenarios, pues ellos se caracterizan por su incertidumbre tanto en el costo que le pueden generar a la empresa, como en el periodo de tiempo en que puedan suceder. Igualmente, la cantidad de estos datos es mínima, ya que provienen de la opinión de expertos y no de una recolección histórica. Por esta razón estudiarlos con métodos que son idóneos para datos que siguen determinado orden, no es lo ideal y puede generar como resultado requerimientos de capital erróneos por riesgo operacional. En el presente trabajo de grado, se aplica la lógica difusa para el estudio de los escenarios, con el fin de integrarlos de la manera adecuada a los requerimientos de capital por riesgo operacional. Aunque los requerimientos de capital que se obtienen son 4 veces mayor a los que se originan al integrar los escenarios con el método tradicional, la realidad ha demostrado que los métodos originalmente empleados por Basilea II, no fueron lo suficientemente acertados al calcular el capital por riesgo operacional, razón por la cual Basilea III invita a utilizar un nuevo método con el cual el capital por riesgo operacional es mayor. Por lo cual los resultados de este proyecto podrían ser adecuados.
Universidad EIA Biblioteca CROAI

Sede Las Palmas:

Calle 23 AA Sur Nro. 5-200, Kilómetro 2+200 Variante al Aeropuerto José María Córdova, Envigado-Antioquia.
Código Postal: 055428 Tel: (604) 354 90 90
Tel-2: 3187754729 Fax: (574) 386 11 60

Cómo llegar
Sistema DSPACE 7 - Metabiblioteca | logo