Desarrollo de un prototipo web y móvil para análisis predictivo del tráfico urbano en Bucaramanga con datos abiertos y reportes ciudadanos.

Abstract

La congestión vehicular en Bucaramanga y su área metropolitana representa un problema estructural que afecta la productividad, la calidad de vida y el medio ambiente urbano. Frente a esta problemática, el presente trabajo de grado propone el desarrollo de un prototipo de plataforma web y móvil denominado TrafficBGA, orientado al análisis predictivo del tráfico urbano mediante la integración de datos abiertos de movilidad y reportes ciudadanos anónimos. El sistema fue construido sobre una arquitectura de microservicios compuesta por: (1) una API REST desarrollada en Node.js con TypeScript y el ORM TypeORM sobre una base de datos MySQL, que gestiona la recolección y exposición de datos de tráfico; (2) un módulo de recolección automatizada que consulta la API Distance Matrix de Google Maps cada hora para doce corredores viales estratégicos de la ciudad, capturando variables de duración, velocidad e índice de congestión; (3) un microservicio de predicción en Python con Flask y el algoritmo Random Forest de scikit-learn, entrenado con datos históricos propios del sistema; y (4) una aplicación móvil multiplataforma en React Native que permite visualizar el estado del tráfico en tiempo real, los puntos críticos de accidentalidad y las predicciones de congestión sobre mapas interactivos.

La metodología empleada corresponde a un desarrollo tecnológico incremental, organizado en cinco fases: análisis de requerimientos, diseño de arquitectura, desarrollo de componentes, integración y pruebas, y documentación. Los resultados del modelo predictivo, evaluado sobre un conjunto de prueba de 24 registros, reportaron un coeficiente de determinación R² de 0.84 para la predicción de duración con tráfico, un Error Absoluto Medio (MAE) de 33.6 segundos y un RMSE de 57.1 segundos, lo que indica un alto grado de precisión para la fase inicial del prototipo.