REVISIÓN SISTEMÁTICA DE SISTEMAS INTELIGENTES DE ...“… · sistemas de transporte para mejorar...

REVISIÓN SISTEMÁTICA DE SISTEMAS INTELIGENTES DE TRANSPORTE (ITS) A TRAVÉS DE INTERNET DE LAS COSAS (IOT) PARA PROBLEMAS DE

TRANSPORTE TERRESTRE DE PASAJEROS

FERNANDO GÓMEZ CRUZ

UNIVERSIDAD CATÓLICA DE COLOMBIA FACULTAD DE INGENIERÍA

PROGRAMA INGENIERÍA DE SISTEMAS BOGOTÁ

2018

REVISIÓN SISTEMÁTICA DE SISTEMAS INTELIGENTES DE TRANSPORTE (ITS) A TRAVÉS DE INTERNET DE LAS COSAS (IOT) PARA PROBLEMAS DE

TRANSPORTE TERRESTRE DE PASAJEROS

FERNANDO GÓMEZ CRUZ

Trabajo de grado

Director: Carlos Andrés Lozano

UNIVERSIDAD CATÓLICA DE COLOMBIA

FACULTAD DE INGENIERÍA PROGRAMA INGENIERÍA DE SISTEMAS

BOGOTÁ 2018

3

Nota de aceptación

Aprobado por el comité de grado en cumplimiento de los requisitos Exigidos por la Facultad de Ingeniería y la Universidad Católica de Colombia para optar al título de Ingenieros de Sistemas.

Firma del presidente del jurado

Firma del jurado Bogotá (22, 05, 2018)

4

AGRADECIMIENTOS

Le agradezco a Dios por haberme acompañado en este largo camino, por ser la fortaleza en los momentos difíciles, y por brindarme tantas experiencias y aprendizajes en el transcurso de mi carrera.

Quiero dar especial reconocimiento y gratitud al ingeniero Carlos Andrés Lozano, director de investigación, por su orientación, paciencia, y seguimiento continuo de la misma, brindándome su conocimiento y experiencia a lo largo de estos años, pero sobre todo por la motivación de continuar con el desarrollo de este trabajo de grado.

Doy gracias a mi familia, por todo el apoyo brindado en estos años de estudio de esta magnífica carrera, por los valores que me han inculcado y por darme la oportunidad de tener una excelente educación en el transcurso de mi vida.

5

RESUMEN En la actualidad las grandes ciudades del mundo, se ven sumergidas en múltiples problemas en el sector transporte, lo cual deriva en muchos otros inconvenientes, por ejemplo, la movilidad, gestión de tráfico, eficiencia del transporte, contaminación ambiental, entre otros. En este caso, existen diversas propuestas para mitigar el problema, pero desde el ámbito tecnológico, en este estudio serán abordados aquellos que se pueden resolver por los Sistemas Inteligentes de Transporte (ITS por sus siglas en inglés) y específicamente aquellos que tienen como base el uso de internet de las cosas (IoT por sus siglas en inglés). Tan importantes son los ITS, para el buen funcionamiento del transporte en países desarrollados, que hoy en día se están volviendo parte fundamental, no solo del transporte público sino que también han sido llevados hacia otros sectores del transporte. Una de las formas de utilizar los ITS, consiste en unirlo con Internet de las Cosas (IoT), con la finalidad de que se creen nuevas soluciones y dar seguimiento optimo a la infraestructura actual. Uno de los campos con mayor éxito, es el monitoreo del tráfico de túneles vehiculares ya que los sistemas implementados permiten informar automáticamente tiempos previstos de fluidez vial, estados de la vía, posibles accidentes, entre otros por medio de paneles con mensajes variables. Este trabajo de grado, presenta una revisión sistemática de los servicios de sistemas de transportes Inteligentes (ITS) soportados por internet de las cosas (IoT) enfocados al transporte masivo de pasajeros. A través de este proyecto se pueden identificar los posibles proyectos desde los cuales se puede aportar desde el ámbito académico al proceso de desarrollo e implementación de nuevos servicios que aporten a la evolución de un mejor país y que ayuden a la satisfacción de las necesidades de los pasajeros. Palabras clave: Sistemas Inteligentes de Transporte (ITS), Internet de las Cosas (IoT).

6

CONTENIDO

Pág.

TABLA DE ILUSTRACIONES ........................................................................ 8

TABLA DE TABLAS ..................................................................................... 10

1. GENERALIDADES ................................................................................. 14

1.1. PLANTEAMIENTO DEL PROBLEMA ............................................... 14

1.1.1. Descripción del problema. .......................................................... 14

1.1.2. Formulación Del Problema. ........................................................ 15

1.2. OBJETIVOS ..................................................................................... 15

1.2.1. Objetivo general. ........................................................................ 15

1.2.2. Objetivos específicos. ................................................................ 15

1.3. ALCANCES Y LIMITACIONES ......................................................... 15

1.3.1. Alcances. ................................................................................... 15

1.3.2. Limitaciones. .............................................................................. 16

1.4. JUSTIFICACIÓN............................................................................... 17

1.5. ARGUMENTACIÓN .......................................................................... 18

1.6. MARCO REFERENCIAL .................................................................. 19

1.6.1. Marco conceptual. ...................................................................... 19

1.6.2. Marco teórico. ............................................................................ 20

1.7. ESTADO DEL ARTE. ....................................................................... 25

1.8. METODOLOGÍA. .............................................................................. 26

2. PLANIFICACIÓN DE LA REVISIÓN SISTEMÁTICA ............................. 27

2.1. INSTALACIONES, EQUIPO REQUERIDO Y PRESUPUESTO ....... 27

2.1.1. Instalaciones. ............................................................................. 27

2.1.2. Equipo requerido. ....................................................................... 27

2.1.3. Presupuesto del estudio de la metodología. .............................. 27

2.1.4. Cronograma de actividades. ...................................................... 28

2.2. MÉTODOS ....................................................................................... 29

2.2.1. Productos a entregar. ................................................................. 29

7

2.2.2. Definición de la pregunta de investigación. ................................ 29

2.2.3. Desarrollo de la revisión. ............................................................ 30

3. RESULTADOS. ...................................................................................... 49

3.1. EXTRACCIÓN DE LA INFORMACIÓN ............................................ 49

3.2. SÍNTESIS DE DATOS ...................................................................... 78

3.2.1. Síntesis de datos en START. ..................................................... 78

3.2.2. Síntesis de datos en VOSVIEWER. ........................................... 79

3.3. DISCUSIÓN ...................................................................................... 87

3.3.1. Discusión de los resultados obtenidos. ...................................... 87

3.3.2. Desarrollo de la propuesta. ........................................................ 89

3.3.3. Valoración social, técnica y económica. ..................................... 91

CONCLUSIONES .......................................................................................... 93

RECOMENDACIONES.................................................................................. 94

BIBLIOGRAFÍA ............................................................................................. 95

ANEXOS ........................................................................................................ 97

A. TOTAL DE LOS ARTÍCULOS REVISADOS ..................................... 97

B. EVIDENCIA MINISTERIO DE TRANSPORTE EN COLOMBIA BOGOTÁ ........................................................................................ 129

8

TABLA DE ILUSTRACIONES

Ilustración 1. IoT Entre objetos y dispositivos. ................................................. 20 Ilustración 2. Características del equipo. .......................................................... 27

Ilustración 3. Cronograma de Actividades. ....................................................... 28 Ilustración 4. Primer filtro en Bases de Datos IEEE. ......................................... 30 Ilustración 5. Segundo Filtro en base de Datos IEEE. ...................................... 31 Ilustración 6. Tercer Filtro en base de Datos IEEE. .......................................... 31 Ilustración 7. Exportación de la base de Datos IEEE. ....................................... 32

Ilustración 8. Criterios De inclusión, Exclusión. ............................................... 33

Ilustración 9. Logo aplicación Start. .................................................................. 33 Ilustración 10. Creación de proyecto en Start. .................................................. 34

Ilustración 11. Protocolo del proyecto en Start. ................................................ 34

Ilustración 11. Protocolo del proyecto en Start. (Continuación) ..................... 35 Ilustración 12. Importación de Bases De Datos IEEE en Start. ........................ 36

Ilustración 13. Selección de Artículos generales. ............................................. 37 Ilustración 14. Organización de la información en la herramienta Start. ........ 37 Ilustración 15. Cuantía por estados de los datos generales. ........................... 38

Ilustración 16. Criterios de clasificación General. ............................................ 41 Ilustración 17. Cuantía por estados aceptados. ................................................ 43

Ilustración 18. Criterios de clasificación de base de datos aceptada. ............ 44 Ilustración 19. Criterios de Inclusión de la base de datos aceptada. .............. 44

Ilustración 20. Criterios de Exclusión para la base de datos aceptada. ......... 45 Ilustración 21. Prioridad de base de datos aceptada. ....................................... 45

Ilustración 22. Artículos seleccionados. ............................................................ 46 Ilustración 23. Porcentaje de coincidencias. ..................................................... 78 Ilustración 24. Coincidencias anuales. .............................................................. 78

Ilustración 25. Word Cloud.................................................................................. 79 Ilustración 26. Herramienta VOSviewer. ............................................................ 79

Ilustración 27. Importación de la base de datos en voz. .................................. 80 Ilustración 28. Focalización general de los documentos aceptados en VOSviewer. ........................................................................................................... 80 Ilustración 29. Focalización de sistemas inteligentes de transporte. ............. 81 Ilustración 30. Focalización en transporte Público. .......................................... 81

Ilustración 31. Focalización de IoT. .................................................................... 82

Ilustración 32.Sistemas en tiempo real. ............................................................. 82

Ilustración 33. Focalización en Conexión de Smart Phone. ............................. 83 Ilustración 34.Focalización en vehículos. .......................................................... 83 Ilustración 35.Red ad hoc vehicular. .................................................................. 84 Ilustración 36. Focalización en ingeniería de tráfico informática. ................... 84 Ilustración 37. Focalización en transporte......................................................... 84

Ilustración 38. Focalización en informática móvil. ............................................ 85 Ilustración 39. Focalización en carreteras. ........................................................ 85

9

Ilustración 40.visualización de densidad. .......................................................... 86 Ilustración 41. Evidencia, plantilla generada por el sistema de información del MinTransporte. ............................................................................................. 129 Ilustración 42. Evidencia, estado de la solicitud. ............................................ 130

Ilustración 43. Evidencia, histórico de la solicitud a MinTransporte. ........... 130

10

TABLA DE TABLAS Tabla 1. Historia de los ITS. ................................................................................ 24 Tabla 2. Epatas de la revisión de Bárbara Kitchenham. ................................... 26

Tabla 3. Presupuesto. .......................................................................................... 27 Tabla 4. Cadenas de búsqueda. .......................................................................... 30 Tabla 5.Criterios. .................................................................................................. 33 Tabla 6. Cuantía por estados de los datos generales. ...................................... 38 Tabla 7. Estado / Selección generales de la Base de Datos IEEE. .................. 39

Tabla 8. Prioridad en los criterios de clasificación generales. ........................ 40 Tabla 9. Clasificación de artículos aceptados. .................................................. 42 Tabla 10. Cuantía de artículos aceptados. ......................................................... 43

Tabla 11.Artículos seleccionados. ..................................................................... 46 Tabla 12.Resultados del artículo 1. .................................................................... 49 Tabla 13.Resultados del artículo 2. .................................................................... 50

Tabla 14.Resultados del artículo 3. .................................................................... 52 Tabla 15.Resultados del artículo 4. .................................................................... 53 Tabla 16.Resultados del artículo 5. .................................................................... 54

Tabla 17.Resultados del artículo 6. .................................................................... 55 Tabla 18.Resultados del artículo 7. .................................................................... 56

Tabla 19.Resultados del artículo 8. .................................................................... 57 Tabla 20.Resultados del artículo 9. .................................................................... 58 Tabla 21.Resultados del artículo 10. .................................................................. 59

Tabla 22.Resultados del artículo 11. .................................................................. 60

Tabla 23.Resultados del artículo 12. .................................................................. 61 Tabla 24.Resultados del artículo 13. .................................................................. 62 Tabla 25.Resultados del artículo 14. .................................................................. 63

Tabla 26.Resultados del artículo 15. .................................................................. 64 Tabla 27.Resultados del artículo 16. .................................................................. 65 Tabla 28.Resultados del artículo 17. .................................................................. 66

Tabla 29.Resultados del artículo 18. .................................................................. 67 Tabla 30.Resultados del artículo 19. .................................................................. 68 Tabla 31.Resultados del artículo 20. .................................................................. 69 Tabla 32.Resultados del artículo 21. .................................................................. 70

Tabla 33.Resultados del artículo 22. .................................................................. 71 Tabla 34.Resultados del artículo 23. .................................................................. 72

Tabla 35.Resultados del artículo 24. .................................................................. 73 Tabla 36.Resultados del artículo 25. .................................................................. 74 Tabla 37.Resultados del artículo 26. .................................................................. 75 Tabla 38.Resultados del artículo 27. .................................................................. 76 Tabla 39.Resultados del artículo 28. .................................................................. 77

11

TABLA DE ABREVIATURAS

AVL: Automatic Vehicle Location. Localización Vehicular Automática. (Han-Lee_Song, 2017) CAN: Controller Area Network. (RI_Davis, 2017) ECU: Engine Control Unit. (BR_Neumann, 2017) GNSS: Global Navigation Satellite System. Sistema Satelital de Navegación

Global. (W_Lechner, 2017) GPRS: General Packet Radio Service. Servicio General de Paquetes de

Radio. (A_Leppisaari, 2017) GPS: Global Positioning System. Sistema de posicionamiento Global. (Y_Masumoto, 2017) LIN: Local Interconnect Network. (M_Ruff, 2017) OEM: Original Equipment Manufacturer. (Margaret_Rouse, 2017) OBD: On Board Diagnostics. Diagnósticos a bordo. (LLD, 2017) SINITT: Sistema Inteligente Nacional de Infraestructura Tránsito y Transporte.

(Min_Transporte, 2017) TPI: Transporte público individual. (T_Cubierta, 2017) VIN: Vehicle Identification Number. Número de Identificación Vehícular. (MT_Qadri, 2017)

12

GLOSARIO GPS: Sistema Global de Navegación, permite fijar la posición de un objeto, persona o vehículo. ITS: Sistemas Inteligentes de Transporte, se refieren a una gran variedad de herramientas y conceptos relacionados con las áreas de ingeniería, software, hardware y tecnologías de comunicaciones, aplicados de forma integrada a los sistemas de transporte para mejorar su eficiencia IoT: Internet de las cosas, es la evolución de internet como se conoce, y permite conectar absolutamente todo a la red, con el fin de enviar información para realizar análisis, estadísticas y tomar decisiones certeras y eficaces. IPv4: Fue el primer protocolo de internet que se implementó a gran escala, fue la cuarta versión del mismo. Muchas de las direcciones bajo este protocolo fueron asignadas a redes locales LAN‟s, de allí que contribuyera a gran desperdicio de las mismas y se enfocaran en la creación de un nuevo protocolo, actualmente IPv6. IPv6: Es la última versión del protocolo de internet, reemplazó a IPv4, obteniendo sustanciales mejoras y con mejores características. Una de estas es la increíble cantidad de direcciones que ofrece, prácticamente es posible asignarle una IP a cada grano de arena de la tierra y seguirán sobrando direcciones. PROTOCOLO IPV6: Es una versión del protocolo Internet Protocol (IP), diseñada para reemplazar a Internet Protocol versión 4 (IPv4), que actualmente está implementado en la gran mayoría de dispositivos que acceden a Internet. TIC: Son tecnologías de la información y de comunicaciones, constan de equipos de programas informáticos y medios de comunicación para reunir, almacenar, procesar, transmitir y presentar información en cualquier formato es decir voz, datos, textos e imágenes.

13

INTRODUCCIÓN El aumento poblacional según el (DANE, 2018) registra que el 2016 termino con 48.747.708 habitantes, el 2017 termino con 49.291.609 habitantes y lo que va corrido con el 2018 es de 49.704.360 habitantes y según el (RUNT, 2018) la disminución vehicular entre carros y motos en diciembre del 2016 se registraron 89.157, en diciembre del 2017 se registraron 71.269 y lo que va de este año se han registrado 13.757, hace que se amplíen las exigencias para transportar personas, dando paso a diferentes ámbitos profesionales (ingenieros de sistemas, telecomunicaciones, civiles, arquitectos etc.) para crear nuevos modelos y métodos, enfocados a buscar soluciones eficientes, de fácil acceso y satisfagan las necesidades de los usuarios para transportarse. Por esto y gracias al avance de la tecnología, para el caso concreto de las soluciones en transporte, el ser humano combinó y se apoyó en las tecnologías de información y las comunicaciones para articular de una mejor forma el transporte. Es aquí cuando en el año 1991 (GTZ, 2017) se crean los Sistemas Inteligentes de Transporte (ITS) que buscan, aumentar la eficiencia de los servicios agrupados al transporte, con el fin de reducir los índices de accidentalidad, represamiento vehicular y de paso ayudar a la contaminación ambiental. Las redes de telecomunicaciones y sensores, se están convirtiendo en una forma exitosa para recibir y manipular la información (SITT, 2017), con el fin de ayudar a controlar índices de accidentalidad, estados de las mallas viales, movilidad y generar nuevos modelos de transporte y algoritmos que ayudan al control y organización del transporte terrestre. Asimismo, cada vez se vuelve más frecuente hablar del internet de las cosas (IoT), ya que comienza aportar a la sociedad mediante soluciones enfocadas a los Sistemas Inteligentes de Transporte (ITS) (MinTransporte, 2017). Estas tecnologías permiten que esta revisión sistemática finalmente aborde y seleccione los patrones de información más relevantes para poder visualizar el futuro del transporte masivo de pasajeros (Transporte_Masivo, 2017). De esta forma, en el ámbito académico dar apertura al proceso de desarrollo e implementación de nuevos sistemas y proyectos que aporten a la satisfacción de las necesidades de los pasajeros.

14

1. GENERALIDADES

1.1. PLANTEAMIENTO DEL PROBLEMA

1.1.1. Descripción del problema. “El panorama del transporte terrestre en Colombia, Bogotá no es el más grato de mencionar” (Redacción_EL_TIEMPO, 2017), teniendo en cuenta que los servicios prestados no satisfacen las necesidades de los usuarios, quienes independientemente del vehículo en el que se movilicen, ven con dificultad su desplazamiento de un punto al otro. Desde el gran número de vehículos 605 253 entre motos y carros de transporte (RUNT, 2018), pasando el estudio de la Contraloría de Bogotá “sobre los 8.289 Kilómetros de la malla vial de la capital de Colombia arroja que el 58% se encuentra en mal estado, el 23.8% en regular y tan sólo el 17.9% en buen estado.” (Contraloría, 2017), falta de autoridad según el “según el coronel Germán Jaramillo, comandante de la policía de Tránsito, la ciudad necesita al menos 1.600 para cumplir de forma eficaz y eficiente.” (El_Espectador, 2017). Y terminando en sistemas de transporte inteligentes (control de semaforización, vallas viales con información precisa y actualizada, etc.) que no cumplen en su totalidad con su función, hacen que aumente el caos vehicular y reduzcan las posibilidades de prontas soluciones. A continuación se citan algunas situaciones (mencionadas por los medios de comunicaciones), en que se encuentra Colombia, por falta de fluidez en el transporte vehicular.

Según (Gustavo_Moreno_Montalvo, 2017) “El transporte masivo de pasajeros en las ciudades de Colombia hoy es un desastre. No atiende las necesidades de los usuarios. Como consecuencia, hay más carros y motocicletas de lo apropiado para las vías existentes”.

“Desplazarse de un lugar a otro en Bogotá Colombia es toda una odisea, pues un recorrido que por su distancia no debería demorar más de media hora termina convirtiéndose en una travesía de una o dos horas” (OMM, 2017).

Según la (Movilidad_Bogotana, 2017) “El transporte público se encuentra en congestión, ya que el desorden en la circulación junto con problemas de carácter institucional y los enfrentamientos que se presentan entre la planeación urbana y la de transporte que ocasionan una serie de causas y consecuencias que hacen del transporte en Colombia un problema de gran magnitud que merece una pronta solución”.

15

1.1.2. Formulación Del Problema. Colombia presenta problemas de movilidad teniendo en cuenta que el sistema de transporte terrestre no cumple las necesidades de los usuarios. De acuerdo al problema expuesto se plantea la siguiente pregunta de investigación: ¿Cómo por medio de la implementación de servicios de ITS basados en IoT, se puede contribuir a la solución de problemas de transporte terrestre de pasajeros?

1.2. OBJETIVOS

1.2.1. Objetivo general. Realizar una revisión sistemática de los servicios de sistemas de transportes Inteligentes (ITS) soportados por internet de las cosas (IoT) enfocados al transporte masivo de pasajeros. De esta forma definir en qué se está trabajando, las proyecciones que se esperan y en que se puede aportar desde el ámbito académico al proceso de desarrollo e implementación de nuevos sistemas y proyectos que aporten a la evolución de un mejor país y que ayuden a la satisfacción de las necesidades de los pasajeros.

1.2.2. Objetivos específicos.

Definir el protocolo para la revisión sistemática.

Realizar la extracción y análisis de los datos.

Elaborar un documento de análisis e interpretación de los resultados encontrados.

1.3. ALCANCES Y LIMITACIONES

1.3.1. Alcances.

Se realizará la construcción de un documento, basado en información de calidad para lograr los objetivos manifestados, siendo el objetivo general del documento final, la revisión de los estudios realizados los servicios de sistemas de transportes Inteligentes (ITS) a través de internet de las cosas (IoT) enfocados al transporte masivo de pasajeros, con el fin de identificar las posibles líneas de acción en Colombia.

16

1.3.2. Limitaciones. Contenido. Falta de acceso a información y/o documentación específica, requerida para desarrollar el estudio propuesto. Tiempo. Para abarcar todo el contenido o desarrollo de la información que se pueda obtener, se debe tener en cuenta que el presente periodo académico en el que se desarrollará el trabajo de grado. No se realizará ningún dispositivo u objeto material para sustentar los objetivos planteados.

17

1.4. JUSTIFICACIÓN

El internet de las cosas (IoT), permite que cualquier objeto se conecte a la red, accediendo trabajar en varios campos, como en los Sistemas Inteligentes de Transporte (ITS), haciendo que se estudien nuevas ideas para capturar y suministrar información, con la finalidad de facilitar la creación de sistemas de transporte eficientes y sostenibles.

En concordancia con lo anteriormente expresado, evidencia la importancia de estudios, enfocados en la unión de los dos modelos (ITS e IoT), ya que estos buscarán el mejoramiento de calidad del servicio de transporte masivo de usuarios, con el fin de satisfacer las necesidades de los pasajeros.

18

1.5. ARGUMENTACIÓN

Teniendo en cuenta los modelos (ITS e IoT) planteados y sus estudios estadísticos que se desean obtener en esta esta revisión sistemática, se puede lograr una perspectiva clara de cómo se encuentra la implementación de dichos servicios para logar la evolución del sistema masivo y la satisfacción de pasajeros.

De esta forma se definir en qué se está trabajando, las proyecciones que se esperan y en que se puede aportar desde el ámbito académico al proceso de desarrollo e implementación de nuevos sistemas que aporten a la evolución de un mejor país y que ayuden a la satisfacción de las necesidades de los pasajeros.

19

1.6. MARCO REFERENCIAL

1.6.1. Marco conceptual.

Los diferentes conceptos y temas tratados, en esta sección, serán requeridos para el desarrollo del proyecto de grado, y así abordar el marco teórico en el cual se analizan los temas fundamentales dado el contexto de la investigación, se analizará primero una muestra referente al enfoque del paradigma de IoT, luego se abordará el tema de ITS para buscar una convergencia óptima y dar una solución al problema planteado mediante la integración de ambas tecnologías.

1.6.1.1. Sistemas inteligentes de transporte. (Del inglés “Intelligent Transportation Systems”, “cuya abreviatura es ITS); Son aplicaciones de tecnologías en el manejo de los sistemas de transporte cuyo objetivo es aumentar su eficiencia y seguridad, mientras se les da a los usuarios de las vías opciones de movilidad basadas en información de tiempo real. Con inversiones relativamente menores en ITS pueden producir ahorros significativos en los costos totales de un sistema.” (Mikael_Desertot, 2017)

1.6.1.2. Internet de las Cosas. (Del inglés Internet of Things, cuya abreviatura es IoT). “Es una red de objetos físicos conectados a internet, donde los objetos poseen la tecnología y las características para conectarse entre ellos y/o con ambientes externos para transmitir información entre los objetos físicos y los dispositivos.” (Rolf_H._Weber, 2017).

1.6.1.3. Internet. (Del inglés Interconnected Networks), “redes interconectadas. Internet es la unión de todas las redes y computadoras distribuidas por todo el mundo, por lo que se podría definir como una red global en la que se conjuntan todas las redes que utilizan protocolos TCP/IP y que son compatibles entre sí.” (Garas_A, 2017).

1.6.1.4. Redes de sensores inalámbricos. (Del inglés Wireless Sensor Network), “es una red con numerosos dispositivos distribuidos espacialmente, que utilizan sensores para controlar diversas condiciones en distintos puntos, entre ellas la temperatura, el sonido, la vibración, la presión y movimiento o los contaminantes. Los dispositivos son unidades autónomas que constan de un microcontrolador, una fuente de energía (casi siempre una batería), un radio transceptor y un elemento sensor“ (R_Ferri, 2017).

20

1.6.2. Marco teórico.

1.6.2.1. Internet de las Cosas (IoT). Es una red de objetos físicos conectados a internet (Aws_Amazon, 2017), donde los objetos poseen la tecnología y las características para conectarse entre ellos y/o con ambientes externos para transmitir información entre los objetos físicos y los dispositivos (CHRISTEN_PETER, 207), como lo podemos ver en la ilustración 1 relacionada a continuación. Ilustración 1. IoT Entre objetos y dispositivos.*

Fuente: Alfredo Hurtado. Todos los tipos de aparatos domésticos comunes pueden ser modificados para trabajar en un sistema IoT. Teniendo adaptadores de redes Wi-Fi, sensores de movimiento, cámaras, micrófonos u otros instrumentos como básculas inalámbricas y monitores de presión arterial inalámbricos o los nuevos dispositivos usables con el despliegue constante de trabajos en IoT, las redes actuales. Estas habitarán interconectadas, con la debida de seguridad, análisis y administración, las cuales accederán a una mejor utilización de los recursos de un país y la ganar de más conocimiento de los eventos que pasan en torno de la humanidad; lo que parece que a más datos útiles, más información por ser analizada y procesada (Evans_Dave, 2017).

* Imagen tomada de: ¿QUÉ ES EL INTERNET DE LAS COSAS? [en línea] http://arrobageek.com/internet-de-las-cosas/ [citado en octubre 2017]

21

1.6.2.2. Historia de IoT. 1926 para hablar del gran Nikola Tesla cuyas patentes y trabajos teóricos conformaron la base de las comunicaciones inalámbricas y de radio. (Vere_Tejada, 2017) En 1969 se envió el primer mensaje a través de ARPANET, red operativa origen de la Internet global. Diez años después se probó el TCP/IP, los protocolos de red en los que se basa Internet y que permiten la transmisión de datos entre computadoras. (Vere_Tejada, 2017) En 1990 Berners-Lee implementó la primera comunicación exitosa entre un cliente Hypertext Transfer Protocol (HTTP) y un servidor a través de Internet, había inventado la World Wide Web. Él mismo, un año más tarde, creó la primera página web. A partir de ese momento el desarrollo tecnológico es vertiginoso, comienza la revolución de Internet. (Vere_Tejada, 2017) En 1999 Kevin Ashton, impartió una conferencia en Procter & Gamble donde habló por primera vez del concepto de Internet de las Cosas. That ‘Internet of Things’. (Vere_Tejada, 2017) En 2008 un grupo de empresas se unen para crear la IPSO Alliance con el objetivo de promover el uso del protocolo de Internet en redes de objetos inteligentes y hacer posible IoT. Actualmente en IPSO participan 59 empresas de todo el mundo como Bosch, Cisco, Ericsson, Motorola, Google, Toshiba o Fujitsu. (Vere_Tejada, 2017) En 2008 comienza el proyecto Pachube (en 2011 fue adquirido por LogMeIn, líder en la provisión de soluciones de nube). (Vere_Tejada, 2017) En 2010 el primer ministro chino Wen Jiabao dijo que IOT era la clave de la industria para China. (Vere_Tejada, 2017) En 2011 se lanzó el nuevo protocolo IPV6. Samsung, Google, Nokia y otros fabricantes anuncian sus proyectos NFC. Se crea la iniciativa IoT-GSI Global Standards para promover la adopción de estándares para IoT a escala global. China continua invirtiendo e impulsando el desarrollo y la investigación en Internet de las Cosas con instituciones como Shanghai Institute o la Chinese Academy of Sciences. (Vere_Tejada, 2017) En 2012 se despliega en Francia, su país de origen. En Países Bajos, Rusia y España el modelo de esta red se acerca a un millón de kilómetros cuadrados cubiertos. La meta de Sigfox es cubrir 60 países en los próximos cinco años. (Vere_Tejada, 2017) En el 2016 se describe como una oportunidad fundamental de desarrollo a escala mundial que podría mejorar las vidas de millones de personas y acelerar

22

espectacularmente los avances para lograr los Objetivos de Desarrollo Sostenible de las Naciones Unidas. (Vere_Tejada, 2017)

1.6.2.3. Características deseables para IoT. Las características más relevantes y deseables de internet de las cosas son:

Inteligencia Ambiental: respondiendo al contexto de forma natural. (jjtorres, 2017)

Estructura Flexible: conexión y desconexión de nodos automática (jjtorres, 2017)

Dirigida por eventos (jjtorres, 2017)

Acceso a tecnologías complejas (jjtorres, 2017)

Semántica compartida entre distintos nodos. (jjtorres, 2017)

1.6.2.4. Aplicaciones de IoT. Algunas aplicaciones de IoT en esta tecnología incluyen:

Tomar alertas en el dispositivo móvil de cuando el IoT detecte peligros físicos en el lugar donde se encuentre. (Andrew_Meola, 2017)

Auto parqueo de automóviles. (Andrew_Meola, 2017)

Rastreo automático de las costumbres de ejercicio y otras actividades personales. (Andrew_Meola, 2017)

Monitorear estados ambientales. (Andrew_Meola, 2017)

Detección sísmica. (Andrew_Meola, 2017)

Vigilancia (Andrew_Meola, 2017)

Monitorear estados médicos. (Andrew_Meola, 2017)

Espacios inteligentes. (Andrew_Meola, 2017)

Monitorear procesos de procesos. (Andrew_Meola, 2017)

1.6.2.5. Visión de aplicaciones con IoT. Estos son algunos casos de aplicaciones IoT que están ejecutando en este momento:

Transporte/Logística (Andrew_Meola, 2017)

Casas Inteligentes. (Andrew_Meola, 2017)

Ciudades Inteligentes. (Andrew_Meola, 2017)

Energía Inteligente. (Andrew_Meola, 2017)

23

1.6.3. Sistemas Inteligentes de Transporte (ITS) Los Sistema de transporte terrestre de pasajeros, se definen como la integración entre la infraestructura, y sistemas de transporte terrestre que permiten el desplazamiento de pasajeros de un lugar a otro.

1.6.3.1. Definición de ITS. Son aplicaciones de tecnologías en el manejo de los sistemas de transporte cuyo objetivo es aumentar su eficiencia y seguridad, mientras se les da a los usuarios de las vías opciones de movilidad basadas en información de tiempo real. Con inversiones relativamente menores en ITS* pueden producir ahorros significativos en los costos totales de un sistema.

1.6.3.2. Características Deseables con ITS. En tiempo real lo que buscan los sistemas inteligentes de transporte son:

Disminución de accidentes. (GTZ, 2017)

Disminución en tiempos de respuesta. (GTZ, 2017)

Disminución en tiempos de viajes. (GTZ, 2017)

Disminución de contaminación ambiental. (GTZ, 2017)

Disminución costos operativos de las vías. (GTZ, 2017)

Disminución la movilidad del tráfico. (GTZ, 2017)

Detección electrónica de infracciones. (GTZ, 2017)

Conteo y clasificación de vehículos. (GTZ, 2017)

Análisis de origen / destino. (GTZ, 2017)

Vehículos robados / embargados / con limitaciones. (GTZ, 2017)

Inteligencia con información histórica. (GTZ, 2017)

1.6.3.3. Particularidades de los sistemas de transporte. Los ITS tienen la capacidad de brindar información como:

Velocidad: tiempo y distancia recorrida. (GTZ, 2017)

Capacidad: Total de usuarios que pueden ser atendidos. (GTZ, 2017)

Frecuencia: cantidad de vehículos que pasan por un punto determinado del despeamiento. (GTZ, 2017)

Facilidad de acceso: no necesita esfuerzo para poder utilizar el servicio. (GTZ, 2017)

Capacidad de Respuesta: facilidad del sistema para poder responder a necesidades ya sean de infraestructura o de del cliente. (GTZ, 2017)

Cobertura: que sea accesible al usuario final. (GTZ, 2017)

Flexibilidad: El sistema debe tener la capacidad de soportar constantes cambios. (GTZ, 2017; TU_Cubiertas, 2017)

* Sistema inteligente de transporte

24

1.6.3.4. Historia de los sistemas inteligentes de transporte. Tabla 1. Historia de los ITS.

Año Suceso Referencia

1914 La primera señal de tráfico tricolor se implementa en Ohio.

(TU_Cubiertas, 2017)

1935 El primer parquímetro se despliega en Oklahoma.


1960 Se desarrollan los primeros robots móviles. (TU_Cubiertas, 2017)

1986 El primer sistema 911 se instala en Alabama. (TU_Cubiertas, 2017)

1970 Se implementa la tecnología de mapeo automático de localización de vehículos en el bus de primera generación.


1984

El sistema de control de vigilancia y tráfico automatizado de Los Ángeles integra el detector de vehículos, el circuito cerrado de televisión y coordina el tiempo de la señal.


1989 La primera reunión de movilidad 2000 se lleva a cabo en Dallas, Texas.


1992 Travtek despliega el sistema de información del viajero en el vehículo y la instrucción de navegación.


1999

ITS América solicita con éxito a la Comisión de Comunicaciones Federales (FCC) que asigne 75 MHZ de espectro en la banda de 5,9 GHz para ITS.


Año Suceso Referencia

2004

El sistema de advertencia de salida del primer carril avaleible en los Estados Unidos es desarrollado por lteris y Valeo para el Nissan Infiniti FX.


2007 se activan los sistemas de prevención de colisión (TU_Cubiertas, 2017)

2009 Comienza el proyecto Auto conducir de Google. (TU_Cubiertas, 2017)

2014 ITSJPO lanza el Plan Estratégico ITS 2015-2019. (TU_Cubiertas, 2017)

2015 presidente Obama anuncia la Iniciativa Ciudades Inteligentes y la secretaria Foxx lanza Smart City Challenge


Fuente: El autor.

25

1.7. ESTADO DEL ARTE. En esta revisión sistemática se definirán y se tocaran los conceptos que soportan y argumentan teóricamente los aspectos más importantes y referentes a sistemas inteligentes de transporte (ITS) basados en internet de las cosas (IoT) para transporte masivo de pasajeros. Que serán tenidos en cuenta para el desarrollo del proyecto. El internet de las cosas (IoT) es un enfoque tecnológico y de evolución del concepto actual de Internet, basándose en la interconexión de objetos cotidianos y aplicaciones destinadas en la facilitación de esta conexión y permitiendo que se pueda extraer la información recolectada con el fin de poder tomar buenas decisiones, permitiendo mejorar el servicio de transporte a los pasajeros. De esta forma podemos validar que hay concentraciones para esta continua evolución tecnológica como lo es “El ITS World Congress 2017, producido por ITS América en conjunto con ITS Canadá y organizado conjuntamente por ITS Europe e ITS Asia-Pacific, reúne a líderes mundiales en transporte inteligente y transformador para mostrar y evaluar los últimos conceptos innovadores, prototipos activos y sistemas vivos. Académicos, investigadores, políticos, empresarios, inversionistas, ejecutores y medios de comunicación, miles de personas de los sectores del transporte, automoción, telecomunicaciones y tecnología, participarán en enérgicos debates y discusiones sobre cómo esta industria, en constante y rápido cambio, no deja de expandirse y está abordando verdaderos retos debido a la sociedad de hoy en día, y la futura, conectadas y móviles.” (Sice, 2017) Donde se evaluaron proyectos top como “Back Office System (BOS) para autopistas” (Sice_a, 2017), “Sistema de Gestión de Tráfico (OMCS) para “M5 West Widening Project” (LEND LEASE)” (Sice_B, 2017), “Módulo de tarificación y reconstrucción de viajes (TRARM) para el backoffice operacional de peaje de WestConnex en Sídney” (Sice_C, 2017). Con el fin de brindar soluciones inmediatas que aporten al transporte eficaz y satisfactorio a los pasajeros.

26

1.8. METODOLOGÍA. La metodología propuesta para realizar esta revisión sistemática está basada en el informe técnico de (Barbara_Kitchenham, 2017), el cual plantea las siguientes etapas: Tabla 2. Epatas de la revisión de Bárbara Kitchenham.

ETAPA 1.

PLANIFICACIÓN DE LA REVISIÓN.

Confirmar la necesidad de la revisión. Confirmarlas actividades más importantes antes de la revisión con la definición de la pregunta de

investigación. Definir procedimientos básicos de revisión.

Identificación de la necesidad de una revisión.

La finalidad es resumir toda la información existente de forma objetiva y organizada, para estudios de investigación según la necesidad del investigador para la revisión sistemática.

Especificación de la pregunta(s) de investigación.

Es la parte más importante para poder llevar a cabo la metodología de la revisión sistemática el cual se debe considerar el proceso de búsqueda, el proceso de extracción y el proceso de análisis de los datos.

El desarrollo de un protocolo de revisión. Es el protocolo utilizado y predefinido con la finalidad de sesgar los datos para el investigador.

ETAPA 2.

EJECUCIÓN DE LA REVISIÓN.

Teniendo el protocolo definido se procede a examinar los datos.

Identificación de la investigación.

Generar una estrategia para proceso de búsqueda utilizando los operadores lógicos AND y OR.

Recopilar en un gran volumen estudios relacionados con la pregunta de investigación.

Identifica los criterios de inclusión y exclusión que se va aplicar a los estudios encontrados.

Selección de los estudios primarios.

Adquiriendo los estudios deben ser evaluados por su importancia.

Es necesario tener criterios de selección para prioridad y organización de la información.

La extracción de datos y el seguimiento. El diseño de formularios de extracción provee

evidencia directa con la pregunta de investigación.

Síntesis de los datos.

Recopila y resume los resultados de los estudios incluidos.

La síntesis puede ser descriptiva (cuantitativo) manipulando técnicas estadísticas.

ETAPA 3.

INFORME DE LOS RESULTADOS

Fundamenta los resultados de la revisión

Fuente: El autor.

27

2. PLANIFICACIÓN DE LA REVISIÓN SISTEMÁTICA

2.1. INSTALACIONES, EQUIPO REQUERIDO Y PRESUPUESTO

2.1.1. Instalaciones. El proyecto de realiza en su mayor parte en las instalaciones de la universidad católica de Colombia, Bogotá, Diagonal 46 A # 15 B – 10, sede El Claustro.

2.1.2. Equipo requerido. Ilustración 2. Características del equipo.

Fuente: El autor.

2.1.3. Presupuesto del estudio de la metodología. Tabla 3. Presupuesto.

PRESUPUESTO GLOBAL DEL PROYECTO

INGRESOS EGRESOS INGRESOS EGRESOS

Auxilio o patrocinio para la elaboración del Trabajo.

--- ---

EGRESOS.

Equipo requerido (con anterior descripción) --- ---

MATERIALES.

Fotocopias --- $ 100000

Impresiones ---

Transporte --- $ 300000

Imprevistos --- $ 100000

Total --- $ 500000

Fuente: El autor.

28

2.1.4. Cronograma de actividades. Ilustración 3. Cronograma de Actividades.

Fuente: El autor.

29

2.2. MÉTODOS Las revisiones sistemáticas de Bárbara Kitchenham es un método para demostrar que las investigaciones acerca de una pregunta en particular, se convierten en desarrollo de este trabajo de grado. Al ejecutar la revisión sistemática se efectúan con tres etapas definidas anterior mente en la tabla 2 y que a continuación de forma general para este método.

2.2.1. Productos a entregar. Teniendo en cuenta los objetivos planteados en el anteproyecto, se pretende entregar como resultado un artículo con soportes, análisis de información e interpretación de resultados explicando la perspectiva del futuro de los ITS soportados en IoT para sistemas de transporte masivo de pasajeros.

2.2.2. Definición de la pregunta de investigación. Se desenvuelven en tres acciones descritas a continuación:

2.2.2.1. Identificación de la necesidad de una revisión. Con el estudio de los servicios de sistemas Inteligentes de transportes (ITS) soportados por internet de las cosas (IoT) enfocados al transporte masivo de pasajeros en la ciudad de Bogotá, Colombia, se puede definir en qué se está trabajando para poder ayudar a la satisfacción de las necesidades de los pasajeros.

2.2.2.2. Especificación de la pregunta de investigación. Se adjuntó como el alcance de este trabajo y se proyectó como objetivo “Realizar una revisión sistemática de cómo desde el ámbito académico se puede aportar al proceso de desarrollo e implementación de nuevos sistemas y proyectos que aporten a la evolución de un mejor país”. En base a esto la pregunta de investigación planteada es: ¿Cómo por medio de la implementación de servicios de ITS basados en IoT, se puede contribuir a la solución de problemas de transporte terrestre de pasajeros?

2.2.2.3. Desarrollo de un protocolo de revisión. El protocolo a seguir para la Revisión Sistemática es el propuesto por Barbara Kitchenham mostrado en la Tabla 2, que se compone de tres fases y cada fase tiene sus respectivas actividades.

30

2.2.3. Desarrollo de la revisión.

2.2.3.1. Definición de las palabras claves. En la tabla 4, se definen un conjunto de palabras y frases claves, relacionadas con los sistemas inteligentes de transporte basados en el internet de las cosas, que ayuden al transporte masivo de personas y así poder seleccionar los distintos artículos o publicaciones para la investigación. Tabla 4. Cadenas de búsqueda.

Búsqueda en español. Búsqueda en inglés.

“Sistemas inteligentes de transporte” y “IoT” o “internet de las cosas” y “transporte masivo”

"Intelligent Transport System" AND "IoT" AND "Massive Transport"

Fuente: El autor.

2.2.3.2. Identificación de la investigación. La investigación se ejecuta en bases de datos científicas o informes técnicos de IEEE (IEEE, 2018), o del Ministerio de Transporte en Colombia Bogotá (Min_Transporte, 2017). En la primera búsqueda en IEEE (IEEE, 2018) se realizó con las palabras claves ("Intelligent Transportation Systems" and "internet of things" and "mass transportation") desde 1938 hasta la actualidad cual tiene como resultado 36,088 como se evidencia a continuación: Ilustración 4. Primer filtro en Bases de Datos IEEE.

Fuente: El autor.

31

Se realiza el Segundo filtro (últimos cinco años 2014-2018) con un resultado de 24,666 el cual se obtiene la siguiente información: Ilustración 5. Segundo Filtro en base de Datos IEEE.

Fuente: El autor. Se realiza el Tercer filtro (Título, cita y resumen que contengan las palabras clave: Intelligent Transport System,IoT, Massive Transport.) con un resultado de 2,659 el cual se obtiene la siguiente información: Ilustración 6. Tercer Filtro en base de Datos IEEE.

Fuente: El autor.

32

Se procede con la exportación de la base de datos (tipo de documento .Ris) con el fin de ser analizada. Ilustración 7. Exportación de la base de Datos IEEE.

Fuente: El autor.

2.2.3.3. Criterios de inclusión y exclusión. Se incluirá artículos científicos con títulos que llevaran una o varias palabras clave, que al efectuar la lectura contengan información que ayuden a la respuesta de la pregunta metodológica, estos documentos están comprendidos con fechas desde el 2011 en la delante. Documentos que no cuenten con la publicación completa, artículos duplicados, artículos o trabajos de pregrado, páginas Web, puntos de vista, abstracts, resúmenes, prólogos, análisis, reflexiones y estudios que no muestren con claridad los datos generados en las investigaciones.

33

Tabla 5.Criterios. Criterios de inclusión. Criterios de exclusión.

(I) Machine learning

(I) tiene datos que ayudan a la solución de la tesis. (I) Ayuda con la solución de la tesis al leer el Abstract (I) tipos de usabilidad en seguridad con las palabras claves.

(E) Documento no cumple con el objetivo de la revisión sistemática. (E) Documento enfocado a soluciones IoT con redes móviles. (E) modelos matemáticos o físicos aplicados a la tesis

(E) Ejemplos de aplicaciones con las palabras claves.

(E) Documento Incompleto.

(E) Documento duplicado.

Fuente: El autor. Ilustración 8. Criterios De inclusión, Exclusión.

Fuente: El autor.

2.2.3.4. Extracción de datos y seguimiento. A través de la herramienta llamada “Start” para minería de datos y ejecución de revisiones sistemáticas, se inicia el proceso de análisis de los artículos & documentos que se extrajeron de la base de datos de IEEE (IEEE, 2018), relacionados en el anexo 1. Ilustración 9. Logo aplicación Start.

Fuente: El autor.

34

Se inicia con el proceso de creación del proyecto en “Start”, ingresando el nombre de la revisión sistemática, nombre del autor y descripción del mismo. Ilustración 10. Creación de proyecto en Start.

Fuente: El autor. Luego se procede a generar diligenciar los campos solicitados como lo son: Ilustración 11. Protocolo del proyecto en Start.

Fuente: El autor.

35

Ilustración 12. Protocolo del proyecto en Start. (Continuación)

Fuente: El autor.

36

Posterior mente se procede con las importaciones de las bases de datos descargadas de IEEE. Ilustración 13. Importación de Bases De Datos IEEE en Start.

Fuente: El autor.

37

Posteriormente se procede a realizar la respectiva lectura de cada artículo, con el fin seleccionar el estado de selección, estado de extracción y a darle una prioridad al documento con su respectivo criterio.

Ilustración 14. Selección de Artículos generales.

Fuente: El autor. Brindado como resultado, la organización de la información, agrupación de documentos que nos permiten enriquecer el conocimiento y desarrollar con mejores resultados las investigaciones realizadas. Ilustración 15. Organización de la información en la herramienta Start.

Fuente: El autor.

38

A continuación se relaciona el análisis cuantitativo, de las base de datos descargadas de IEEE (IEEE, 2018) teniendo en cuenta cada uno de los protocolos de clasificación. La aplicación “Start” permite ordenar la información por estados generales como se muestra a continuación en la “Tabla 6”, separando la cantidad de artículos que fueron asignados por estado según el año de publicación. Tabla 6. Cuantía por estados de los datos generales.

Etiquetas de fila Aceptados Duplicados Rechazados Total general

2014 4 14 18

2015 19 1 21 41

2016 15 23 38

2017 20 22 42

2018 21 4 50 75

Total general 79 5 130 214

Fuente: El autor. No obstante se puede visualizar la información como se muestra en la ilustración 13, donde se representan gráficamente los resultados obtenidos por cada año según el estado asignado. Ilustración 16. Cuantía por estados de los datos generales.

Fuente: El autor.

0%

20%

40%

60%

80%

100%

2014 2015 2016 2017 2018 Totalgeneral

419 15 20

21 79

14 5

1421 23 22 50 130

18 41 38 42 75 214

CUANTÍA POR ESTADOS.

Accepted Duplicated Rejected Total general

39

Un panorama más detallado, en cuanto a la asignación de los estados para los artículos, en la “Tabla 7” se explica la dinámica de asignación, teniendo en cuenta los criterios de clasificación anteriormente mencionados. Tabla 7. Estado / Selección generales de la Base de Datos IEEE.

Estado / Selección

Cantidad. Porcentaje Grafica. Observación

Aceptado. 79 37%

Son artículos que al leer el documento cumplieron con los criterios de clasificación y aportan conocimiento para poder determinar la solución de la problemática de la tesis planteada.

Duplicado. 5 2%

Son artículos el cual no son tenidos en cuenta ya que la información que contienen es idéntica a artículos ya analizados.

Rechazado. 130 61%

Son artículos que al leer el documento no cumplieron con los criterios de clasificación o que la profundización del documento no aparta a la problemática de la tesis.

Total

general 214 100%

Es el total de los artículos analizados con los criterios de clasificación indicados.

Fuente: El autor.

40

Teniendo en cuenta que al momento de seleccionar los artículos se les asigno una prioridad, la siguiente tabla muestra de forma detallada esta información. Tabla 8. Prioridad en los criterios de clasificación generales.

Prioridad. Aceptado. Rechazado. Total general

Muy Alto.

Son el 14% de los artículos que son Aceptados con prioridad muy alta ya que su contenido ayuda a la visualización de enfoques y soluciones de la tesis.

Es el total de los artículos analizados y Aceptados con prioridad muy alta.

30

Alto.

Son el 10% de artículos que son Aceptados con prioridad alta ya contiene información relevante pero no en su totalidad.

Es el total de los artículos analizados y Aceptados con prioridad alta.

21

Baja.

Son el 10% artículos que son Aceptados con prioridad baja ya que son aplicaciones de áreas trasversales que ayudan al enfoque de la tesis.

Es el total de los artículos analizados y Aceptados con prioridad baja.

22

Muy bajo.

Son el 66% de los artículos que al leer el documento no cumplieron con los criterios de clasificación o que la profundización del documento no aparta a la problemática de la tesis.

Es el total de los artículos analizados y Rechazados con prioridad Muy baja.

13 128 141

41

Prioridad. Aceptado. Rechazado. Total general

Total general

Es el total de los artículos analizados con la prioridad de clasificación indicados.

214

Fuente: El autor. Finalizando con el análisis general de la base de datos extraída de IEEE (IEEE, 2018), en la ilustración 16, se muestra gráficamente el panorama de los criterios de clasificación más utilizados con la finalidad de organizar los datos y tener una percepción de los puntos de focalización y artículos que fueron previamente aceptados para tener un análisis más profundo. Ilustración 17. Criterios de clasificación General.

Fuente: El autor.

2.2.3.5. Análisis de los artículos aceptados. Se continúa con el mismo protocolo de sistematización teniendo en cuenta los criterios de clasificación, es decir, con los artículos aceptados se procede con la clasificación expuesta en la tabla 9, con la finalidad de poder obtener información para el conocimiento y solución de la tesis planteada.

42

Tabla 9. Clasificación de artículos aceptados.

Grafica Estado Observación cantidad

ACEPTADO

Son los artículos que al leer el documento está enfocado al proceso de soluciones de ITS basado en IoT para el transporte masivo de pasajeros, en este caso son del 49% que cumplen el objetivo específico y los criterios de clasificación.

28

RECHAZADO

Son los artículos que al leer el documento son soluciones con procesos, métodos (matemáticos o físicos), desarrollo de aplicaciones móviles para visualización de posibles rutas de transporte de pasajeros en vehículos personales.

40

Total General

Son los artículos que de una u otra forma dan posibles soluciones para la solución de la tesis planteada.

79

Fuente: El autor.

43

En efecto la cantidad de artículos analizados en esta segunda etapa por año son: Tabla 10. Cuantía de artículos aceptados.

Año Aceptados Rechazados Total general

2014 4 4

2015 8 11 19

2016 4 11 15

2017 8 12 20

2018 4 17 21

Total general 28 51 79

Fuente: El autor.

2.2.3.6. Síntesis de datos. En un ámbito general se puede visualizar la información como se muestra en la ilustración 15, donde se representan gráficamente los resultados obtenidos por cada año según el estado asignado. Ilustración 18. Cuantía por estados aceptados.

Fuente: El autor.

0

20

40

60

80

100

120

140

160

2014 2015 2016 2017 2018 Totalgeneral

4 8 4 8 42811 11 12 17

51

4

19 1520 21

79

CUANTÍA POR ESTADOS.

ACCEPTED REJECTED Total general

44

En relación con la asignación de los estados, también se asignaron criterios de clarificación como se puede observar en la ilustración 16, Los cuales se encuentran separados en dos grandes grupos como lo son; los criterios de inclusión como se pueden visualizar en la ilustración 17 y los criterios de exclusión como se pueden visualizar en la ilustración 18. Ilustración 19. Criterios de clasificación de base de datos aceptada.

Fuente: El autor. Ilustración 20. Criterios de Inclusión de la base de datos aceptada.

Fuente: El autor.

05

10152025303540

(I) Machinelearning

(I) tiene datosque ayudan ala solución de

la tesis.

(I) Ayuda conla solución dela tesis al leer

el Abstract

(I) tipos deusabilidad enseguridad con

las palabrasclaves.

Total General

4 7

24

5

40

CRITERIOS DE INCLUSIÓN.

45

Ilustración 21. Criterios de Exclusión para la base de datos aceptada.

Fuente: El autor. También se asignó prioridades a los estados con la novedad de poder visualizar de forma rápida y detallada la información como se muestra a continuación. Ilustración 22. Prioridad de base de datos aceptada.

Fuente: El autor. De esta forma se seleccionan los artículos que finalmente serán seleccionados para el respectivo análisis de la revisión sistemática según los criterios de selección y la prioridad asignada.

(E) Documento no cumple con el objetivo de la revisión…


(E) Dodumento enfocado a soluciones IoT con redes…

(E) modelos matematicos o fisicos aplicados a la tesis


(E) Documento duplicado.

Total General

103

43

22

21

3

1

193

CRITERIOS DE EXCLUSIÓN.

0

10

20

30

40

50

60

70

80

ALTA BAJA MUY ALTA MUY BAJA Total general

2 6

37 34

79

PRIORIDAD.

46

Ilustración 23. Artículos seleccionados.

Fuente: El autor. La información detallada de los artículos seleccionados de IEEE Xplore (IEEE, 2018) seleccionados son: Tabla 11.Artículos seleccionados.

ID Search Session

ID Paper Title Authors Year

1 1655 YA Biometric Authentication for UID-based Smart and Ubiquitous Services in India

P. Chatterjee ; A. Nath 2015

2 1658 YA. Multi-Modal Data Fusion for Big Events [Research News]

A. E. Papacharalampous ; S. Hovelynck ; O. Cats ; J. W. Lankhaar ; W. Daamen ; N. van Oort ; J. W. C. van Lint

2015

3 1661

YA, Rethinking intelligent transportation systems with Internet of Vehicles: Proposition of sensing as a service model

O. Sadio ; I. Ngom ; C. Lishou

2017

4 1678

YA. 6LoWPAN based intelligent transport system for surveillance - a model of ubiquitous computing technology

V. Nagaraj ; Kiran V ; Padmaja K V

2016

0

10

20

30

ACCEPTED

28

PRIORIDAD DE ARTÍCULOS SELECCIONADOS.

47

ID Search Session


5 1688 Middleware structure using Local Dynamic Map within its environment

K. Nizomjon ; R. D. Oh 2017

6 1698 Predictability of Public Transport Usage: A Study of Bus Rides in Lisbon, Portugal

S. Foell ; S. Phithakkitnukoon ; G. Kortuem ; M. Veloso ; C. Bento

2015

7 1721

GHOST: A novel approach to smart city infrastructures monitoring through GNSS precise positioning.

S. Tadic ; A. Favenza ; C. Kavadias ; V. Tsagaris

2016

8 1727 Intelligent transport systems a comprehensive way to regulate and curb vehicular pollution

S. H. Imtiyaz ; S. A. M. Sadique

2015

9 1733

Improved intelligent transport system for reliable traffic control management by adapting internet of things

R. Eswaraprasad ; L. Raja

2017

10 1736 ChoiceRail ??? A new concept in multi modal journey planning

P. Everson 2014

11 1749 Real-time optimisation-based planning and scheduling of vehicle trajectories

J. Maciejowski ; A. Eele 2014

12 2744 Comunicacion machine-to-machine para sistemas inteligentes de transporte

Y. A. Quintero ; A. V. Salazar ; G. Patino

2016

13 2751

IoT approach applied in the context of ITS: monitoring highways through instant messaging

L. F. Herrera-quintero ; K. Banse ; J. C. Vega-alfonso ; W. D. Jalil-

nasser ; O. E. Herrera Bedoya

2015

14 2752

Smart cities approach for Colombian Context. Learning from ITS experiences and linking with government organization

L. F. Herrera-Quintero ; W. D. Jalil-Naser ; K. Banse ; J. J. Samper-

Zapater

2015

15 3136 Counting public transport passenger using WiFi signatures of mobile devices.

T. A. Myrvoll ; J. E. HÃ¥kegÃ¥rd ; T. Matsui ;

F. Septier 2017

16 3137 YA. Server-Based Intelligent Public Transportation System with NFC

U. Demir Alan ; D. Birant 2018

17 3139

A MRT Daily Passenger Flow Prediction Model with Different Combinations of Influential Factors

L. Liu ; R. C. Chen 2017

48

ID Search Session


18 3140

YA. Implementation of scalable K-Means++ clustering for passengers temporal pattern analysis in public transportation system (BRT Trans Jogja case study)

F. Dzikrullah ; N. A. Setiawan ; S. Sulistyo

2016

19 3144 YA. Finding routes in a public transport network. A case study

A. Olczyk ; A. GaÅ‚uszka 2014

20 3145

YA. A proposal of a transport system connecting demand responsive bus with mass transit

K. Uehara ; Y. Akamine ; N. Toma ; M. Nerome ; S. Endo

2014

21 3146 YA. Design of mass customized paratransit services

D. Mo ; Y. Wang ; T. K. Y. Cheung

2017

22 3147 YA. Predicting passenger flow using different influence factors for Taipei MRT system

Y. C. Shiao ; L. Liu ; Q. Zhao ; R. C. Chen

2017

23 3149 YA. A Privacy-Preserving Mobile Payment System for Mass Transit

J. Kang ; D. Nyang 2017

24 3152

YA. Intelligent bus information service with the support of mobile social community on the Internet

H. J. Hsiao ; Y. F. Huang ; H. S. Deng ; Y. F. Hsu ; C. L. Hu

2015

25 3153 YA. Improving Mass Transit Operations by Using AVL-Based Systems: A Survey

L. Moreira-Matias ; J. Mendes-Moreira ; J. F. de Sousa ; J. Gama

2015

26 3180 YA. Transactive Control in Smart Cities

A. M. Annaswamy ; Y. Guan ; H. E. Tseng ; H. Zhou ; T. Phan ; D. Yanakiev

2018

27 3209

YA. Transit assignment with strict capacity constraints in presence of countdown information

S. Padma ; S. Velmurugan 2018

28 3210 YA. Updating a robust optimization model for improving bus schedules

Y. Baghoussi ; J. Mendes-Moreira ; M. T. M. Emmerich

2018

Fuente: El autor.

2.2.3.7. Análisis de los resultados. El presente trabajo sirvió como base para generar el análisis de los resultados ya que es de gran ayuda para poder filtrar y seleccionar información de relevancia con la finalidad de poder resolver la pregunta de la tesis.

49

3. RESULTADOS. Teniendo en cuanta los análisis y la clasificación de la información se estudian las igualdades con el fin de explorar los resultados, enfocándolos a la pregunta de investigación.

3.1. EXTRACCIÓN DE LA INFORMACIÓN Después de aplicar los criterios de selección se obtienen 28 artículos, de los cuales se selecciona la información más relevante y es relacionada en las tablas de la 12 a la 39 exponiendo la información extraída de cada documento seleccionado. Tabla 12.Resultados del artículo 1.

ID Search Session

1 ID Paper 1655 Year 2015

Title YA Biometric Authentication for UID-based Smart and Ubiquitous Services in India

Authors P. Chatterjee ; A. Nath

Journal 2015 Fifth International Conference on Communication Systems and Network Technologies

Keywords

biometrics (access control);security of data;ubiquitous computing;Aadhaar project;India;UID-based smart service;banking;biometric authentication technique;digital India;interlinked ubiquitous service;transport;unique identification;voting model;Authentication;Biological system modeling;Databases;Face recognition;Fingerprint recognition;Radiation detectors;Robustness;UID;biometric;digital kiosks;electronic fingerprint;governance;iris technology;smart systems;ubiquitous

propuesta Las técnicas de autenticación biométrica apalancadas con enlaces UID también podrían implementarse de manera eficiente en el sector del sector del transporte.

Resultados

El modelo propuesto de vincular el UID con el portal de venta de boletos ubicuo da lugar a algunas mejoras. La vinculación del UID no solo simplificaría los servicios de venta de boletos, sino que también proporcionaría una verificación de identidad robusta y completa de los pasajeros que viajan.

Conclusión

La inmensa población de India siempre ha sido un desafío en servicios de abastecimiento de manera eficiente. Se han tomado iniciativas recientes para inclusión masiva de tecnologías dentro del sistema de gobierno pero ahora el uso de técnicas biométricas y basadas en UID los servicios harían que el proceso fuera más rápido, transparente y seguro, dando forma a una 'India digital' perteneciente a Visión 2020.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?queryText=Biometric%20Authentication%20for%20UID-

50

based%20Smart%20and%20Ubiquitous%20Services%20in%20India&newsearch=true

Estados.

Status/Selection ACCEPTED Status/Extraction ACCEPTED

Type CONF Reading Priority VERY_HIGH

Métodos de inclusión.


N

(I) tiene datos que ayudan a la solución de

la tesis.

Y

(I) Ayuda con la solución de la tesis al leer el

Abstract

N

(I) tipos de usabilidad en seguridad con las palabras claves.

Y

Métodos de exclusión.

(E) Documento enfocado a soluciones IoT con redes móviles.

N

(E) Documento no cumple con el objetivo de la revisión sistemática.

N

(E) modelos matemáticos o físicos aplicados a la tesis

N


N


N (E) Documento

duplicado. N

Objetividad de selección.

APP para minería de

datos. N

Solución a la tesis.

Y ITS ambiental N

Fuente: El autor. Tabla 13.Resultados del artículo 2.

ID Search Session

2 ID Paper 1658 Year 2015

Title YA. Multi-Modal Data Fusion for Big Events [Research News]

Authors A. E. Papacharalampous ; S. Hovelynck ; O. Cats ; J. W. Lankhaar ; W. Daamen ; N. van Oort ; J. W. C. van Lint

Journal IEEE Intelligent Transportation Systems Magazine

Keywords

goods distribution;pedestrians;sensor fusion;traffic engineering computing;big event;city road network;congestion problem;cycling infrastructure;freeway;goods distribution;multimodal transportation data fusion;parking regulation;pedestrian flow;train station;Data integration;Real-time systems;Road traffic;Streaming media;Unified modeling language;Webcams

propuesta Objetivo es recolectar, archivar, analizar la distribución de tráfico multimodal y datos de viaje de un punto a otro con la finalidad de crear una aplicación que informe la disponibilidad de viajes.

Resultados La fusión de las fuentes de datos multimodales puede arrojar luz en los patrones de viaje que caracterizan grandes eventos. Al combinar datos y mediciones de capacidades, de estacionamiento, transporte

51

público, peatonal y los flujos del lugar del evento y mediante la implementación un conjunto de suposiciones, la temporal y distribuciones espaciales de la llegada de los visitantes y los flujos de salida por modo fueron estimados.

Conclusión

Un entorno integrado de datos y simulación en el que los datos multimodales se asimilan y utilizan tanto para el soporte de decisiones en tiempo real como para la evaluación táctica y estratégica de la gestión del tráfico multimodal.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?queryText=Multi-Modal%20Data%20Fusion%20for%20Big%20Events%20%5BResearch%20News%5D&newsearch=true

Estados.


Type JOUR Reading Priority VERY_HIGH



N


la tesis.

N


Abstract

Y


N



N


N


N


N


N (E) Documento

duplicado. N



datos. Y


N ITS ambiental. N

Fuente: El autor.

52

Tabla 14.Resultados del artículo 3.

ID Search Session 3 ID Paper 1661 Year 2017

Title YA, Rethinking intelligent transportation systems with Internet of Vehicles: Proposition of sensing as a service model

Authors O. Sadio ; I. Ngom ; C. Lishou

Journal 2017 3rd IEEE International Conference on Computer and Communications (ICCC)

Keywords

Cloud computing;Intelligent sensors;Sensor phenomena and characterization;Task analysis;Vehicular ad hoc networks;internet of vehicle;sensing as a service;sensor devices;vehicular cloud;vehicular networking

propuesta Crear unas redes de sensores vehiculares inteligentes en el cual se expone el modelo IVSN y el modelo S2aaS como solución a perdida de transmisión de datos recolectados.

Resultados Teniendo en cuenta los modelos utilizados de plantea una nueva solución haciendo una concatenación entre los modelos con mejores resultados para que ayuden a la recopilación de información y los paquetes perdidos

Conclusión La aplicación “VANET” con aprendizaje de maquina ayuda a trasmisión de información y a la reducción perdida de la misma.

URL

https://ieeexplore.ieee.org/search/searchresult.jsp?queryText=Rethinking%20intelligent%20transportation%20systems%20with%20Internet%20of%20Vehicles:%20Proposition%20of%20sensing%20as%20a%20service%20model&newsearch=true

Estados.





N


la tesis.

N


Abstract

Y


N



N


N


N


N


N (E) Documento

duplicado. N


APP para minería de datos.

Y Solución a la

tesis. N ITS ambiental N

Fuente: El autor.

53



Title YA. 6LoWPAN based intelligent transport system for surveillance - a model of ubiquitous computing technology

Authors V. Nagaraj ; Kiran V ; Padmaja K V

Journal 2016 Eighth International Conference on Ubiquitous and Future Networks (ICUFN)

Keywords

Internet of Things;intelligent transportation systems;personal area networks;ubiquitous computing;6LoWPAN based intelligent transport system;IOT;ITS surveillance;internet of things;ubiquitous computing technology;Accidents;Cameras;Internet;Protocols;Quality of service;Surveillance;Wireless sensor networks;6LoWPAN;CoAP;QOS

propuesta Se propone una arquitectura novedosa para el sistema de transporte inteligente (ITS) para la vigilancia basada en la tecnología 6LoWPAN que también combina tecnología de computación ubicua.

Resultados Se valida que es necesario integrar varios protocolos de transmisión con los protocolos tradicionales para poder recopilar información y no tener sesgos en la información.

Conclusión No solo abarca la vigilancia si no también es un sistema de información para el control de tráfico para prevención de colisión de los transporte.

URL

https://ieeexplore.ieee.org/search/searchresult.jsp?queryText=6LoWPAN%20based%20intelligent%20transport%20system%20for%20surveillance%20-%20a%20model%20of%20ubiquitous%20computing%20technology&newsearch=true

Estados.





N

(I) tiene datos que ayudan a la solución de la

tesis.

N


Abstract

Y


N



N


N


N


N


N (E) Documento

duplicado. N



N Solución a la

tesis. Y ITS ambiental N

Fuente: El autor.

54



Title YA. Middleware structure using Local Dynamic Map within its environment

Authors K. Nizomjon ; R. D. Oh

Journal 2017 International Conference on Information Science and Communications Technologies (ICISCT)

Keywords

middleware;mobile radio;road safety;road traffic;sensor fusion;traffic engineering computing;Intelligent Transport System;LDM;Local Dynamic Map;Middleware structure;V2I communication;V2V communication;cooperative ITS;cooperative safety driving systems;cooperative traffic services;data data fusion middleware;data processing;dynamic component;dynamic information;fuel wastage;massive delays;modular component based architecture;public infrastructure;reconfigurable data processing components;sensor nodes;static information;temporary information;traffic collection;traffic data collection;turn traffic congestion;vehicle-to-infrastructure communication;vehicle-to-vehicle communication;Accidents;Databases;Meteorology;Middleware;Roads;Vehicle dynamics;Vehicular ad hoc networks;Cooperative safety driving system;ITS;LDM;middleware;sensor networks

propuesta Construir un sistema Middleware utilizando RDBMS (Sistema de gestión de bases de datos relacionales.

Resultados A través de nodos de sensores y plataforma cliente/servidor con protocolos ITS se puede tener visualización de informacion como aplicacion en web o móvil.

Conclusión El uso de la tecnología hace que se abran nuevas posibilidades de gestión de proyecto por tal motivo la influencia a crear nuevas aplicaciones que nos ayuden acercarnos a la información en tiempo real y clara.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?queryText=Middleware%20structure%20using%20Local%20Dynamic%20Map%20within%20its%20environment&newsearch=true

Estados.





N


tesis.

N


Abstract

Y


N



N


N


N (E) Ejemplos de aplicaciones con las palabras claves.

N


N (E) Documento

duplicado. N



Y Solución a la


Fuente: El autor.

https://ieeexplore.ieee.org/search/searchresult.jsp?queryText=Middleware%20structure%20using%20Local%20Dynamic%20Map%20within%20its%20environment&newsearch=true



55



Title YA. Predictability of Public Transport Usage: A Study of Bus Rides in Lisbon, Portugal

Authors S. Foell ; S. Phithakkitnukoon ; G. Kortuem ; M. Veloso ; C. Bento

Journal IEEE Transactions on Intelligent Transportation Systems

Keywords

public transport;traffic information systems;Lisbon;Portugal;bus lines;bus ride;bus stops;bus usage frequency;personalized transport information systems;predictive travel recommender systems;public bus usage behavior;public transport usage predictability;Accuracy;History;Information systems;Intelligent transportation systems;Planning;Prediction algorithms;Smart cards;Public transport;data mining;smart card data;transport usage patterns;travel prediction;urban computing

propuesta Predecir el comportamiento del viaje en autobús en Lisboa, Portugal. sobre la totalidad días de una semana teniendo conocimiento de los patrones de conducción asociados los días y que ofrece el sistema a los usuarios finales.

Resultados Algoritmos de predicción que ayudan al proceso de creación de proyecciones o planificación cd nuevas rutas con la finalidad de reducir tiempos y haciendo más eficiente los lineamientos del servicio.

Conclusión Teniendo el registro de los datos y por medio de algoritmos de predicción de pueden predecir & utilizar para la planificación de rutas o hacer cambios en las mismas si es necesario.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?queryText=Predictability%20of%20Public%20Transport%20Usage:%20A%20Study%20of%20Bus%20Rides%20in%20Lisbon,%20Portugal&newsearch=true

Estados.





N

(I) tiene datos que ayudan a la

solución de la tesis.

N (I) Ayuda con la

solución de la tesis al leer el Abstract

Y (I) tipos de usabilidad en seguridad con las palabras claves.

N



N


N



N


N (E) Documento

duplicado. N



Y Solución a la tesis. N ITS ambiental N

Fuente: El autor.

56



Title YA. GHOST: A novel approach to smart city infrastructures monitoring through GNSS precise positioning.

Authors S. Tadic ; A. Favenza ; C. Kavadias ; V. Tsagaris

Journal 2016 IEEE International Smart Cities Conference (ISC2)

Keywords

public transport;satellite navigation;smart cities;town and country planning;GHOST;GNSS precise positioning;Galileo enhancement as booster of the smart city;ITS;LBS;SBAS advance positioning;intelligent transport system;lighting system;location-based service;public transportation system;smart city infrastructure monitoring;telematics platform;traffic;transportation system;urban maintenance;urban planning;Cameras;Monitoring;Receivers;Roads;Smart cities;Vehicles;EGNOS;GNSS;Galileo;infrastructure;monitoring;positioning;sensors;smart cities

propuesta El objetivo de GHOST es implementar un Sistema de Transporte Inteligente (ITS) para el transporte público que sea capaz de ser evolutivo.

Resultados Explotar la información georeferenciada de los elementos urbanos a lo largo de las líneas de autobús, monitoreándolos de una manera inteligente, continua y autónoma.

Conclusión

Sistema GHOST: está diseñado para alertar sobre los tatos tomados (Ejemplo huecos en las mayas viales, accidentes, retenes con retornos de posibles soluciones) bajo conectividad de datos.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=GHOST:%20A%20novel%20approach%20to%20smart%20city%20infrastructures%20monitoring%20through%20GNSS%20precise%20positioning.

Estados.





N


tesis.

Y


Abstract

N


N



N


N


N


Y


N (E) Documento

duplicado. N



Y Solución a la


Fuente: El autor.

57



Title YA. Intelligent transport systems a comprehensive way to regulate and curb vehicular pollution

Authors S. H. Imtiyaz ; S. A. M. Sadique

Journal 2015 International Conference on Communications and Signal Processing (ICCSP)

Keywords

air pollution control;automotive engineering;climate mitigation;energy consumption;transportation;Automobile emits;Carbon Monoxide;Tokyo;Yvo de Boer;automobile engineers;carbon dioxide;climate change;curb vehicular pollution;energy scarcity;environmental concern;exhaust pollutant;fuel consumption;global environmental changing;green house gas emissions;green solution;greenhouse gas;hydrocarbons;intelligent transport systems;nitrogen oxides;particulate matter;pollutants;traffic congestion;transport sector;transportation vehicles;Cancer;Gears;Hydrocarbons;Nitrogen;Pollution measurement;Vehicles;Intelligent system;air pollution;emission;green house;particulate pollutants;vehicles

propuesta Generar ITS enfocados a la revisión vehicular que perjudica el medio ambiente.

Resultados Demostrar teóricamente en términos técnicos cómo los ITS ha contribuido para frenar la liberación de contaminantes vehiculares y el de las personas también.

Conclusión Es gratificante observar que la capacidad de los ITS de ocuparse en campos que ayudan a la sociedad ya sea para la movilidad o para el caso en mención apoyar a la reducción de contaminantes.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Intelligent%20transport%20systems%20a%20comprehensive%20way%20to%20regulate%20and%20curb%20vehicular%20pollution

Estados.





N


tesis.

Y


Abstract

N


Y



N


N


N


N


N (E) Documento

duplicado. N



N Solución a la

tesis. N ITS ambiental Y

Fuente: El autor.

58



Title YA. Improved intelligent transport system for reliable traffic control management by adapting internet of things

Authors R. Eswaraprasad ; L. Raja

Journal 2017 International Conference on Infocom Technologies and Unmanned Systems (Trends and Future Directions) (ICTUS)

Keywords Artificial neural networks;Feature extraction;Hidden Markov models;Probability;Servers;Support vector machines;Training;ANN;GSS and VANETs;HANN-HMM;IOT-TM;ITS;IVS;IoT;SVM;V2I;V2V

propuesta Llevar a cabo una nueva gestión del tráfico basada en IoT (IoT-TM) que pueda tomar decisiones a corto plazo sobre la gestión del tráfico por lo que se puede lograr una autorización de tráfico precisa y eficiente. En este método de investigación.

Resultados Se demuestra que el método propuesto, a saber, IOT-TM, puede proporcionar un mejor resultado de rendimiento que las metodologías de investigación existentes.

Conclusión

La gestión del control de tráfico es el proceso de controlar los vehículos en la carretera para evitar El alto tráfico, de modo que las personas puedan llegar a su destino sin demora. Sin embargo real el control del tiempo y el control de la gestión del tráfico ser tarea más difícil que debe hacerse con preocupación a evitar el retraso en el proceso de toma de decisiones. Esto está resuelto adaptando la tecnología IoT que puede habilitar los vehículos para interconectarse con el servidor a través de la conexión a internet. La información de tráfico puede ser monitoreada y enviada al servidor para la toma de decisiones apropiadas. Esta información sería procesada para la toma de decisiones adicionales sobre el tráfico.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Improved%20intelligent%20transport%20system%20for%20reliable%20traffic%20control%20management%20by%20adapting%20internet%20of%20things

Estados.





N


tesis.

N (I) Ayuda con la


Y


N



N


N



N


N (E) Documento

duplicado. N



Y Solución a la


Fuente: El autor.

59



Title YA. ChoiceRail ??? A new concept in multi modal journey planning

Authors P. Everson

Journal Road Transport Information and Control Conference 2014 (RTIC 2014)

Keywords ChoiceRail;journey planning;multi-modal

propuesta Proporcionar un motor de transporte combinado para regresar soluciones de planificación de viaje Llevando a cabo la evaluación de ChoiceRai.

Resultados ChoiceRail es un prototipo funcional de un planificador avanzado de viaje combinado de transporte por carretera y transporte público.

Conclusión

Los planificadores de viajes existentes están sintonizados para ofrecer servicios públicos opciones de transporte desde cerca del origen del usuario hasta cerca de su destino, minimizando el no público contribución de transporte. Ellos no consideran el "¿Y si?" Donde un mayor uso de modos privados (caminar, coche) se utilizan para generar una mejor solución general.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=ChoiceRail%20%3F%3F%3F%20A%20new%20concept%20in%20multi%20modal%20journey%20planning

Estados.





N


la tesis.

N


Abstract

Y


N



N


N


N


N


N (E) Documento

duplicado. N



datos. Y


N ITS ambiental N

Fuente: El autor.

60



Title YA. Real-time optimisation-based planning and scheduling of vehicle trajectories

Authors J. Maciejowski ; A. Eele

Journal MELECON 2014 - 2014 17th IEEE Mediterranean Electrotechnical Conference

Keywords

Monte Carlo methods;air traffic control;concave programming;control engineering computing;graphics processing units;optimal control;parallel processing;particle filtering (numerical methods);path planning;predictive control;scheduling;stochastic programming;trajectory control;air-traffic management;graphical processor units;model predictive control;nonconvex optimization;optimal planning;optimal scheduling;real-time optimisation-based planning;real-time optimisation-based scheduling;sequential Monte Carlo methods;stochastic optimization methods;terminal maneouvering area;vehicle trajectories;Aerospace control;Aircraft;Monte Carlo methods;Optimization;Real-time systems;Trajectory;Vectors

propuesta Planificación basada en la optimización en tiempo real y programación de trayectorias de vehículos.

Resultados Por medio del modelo de Monte Carlo, se puede ejecutar procesos que ayudan a visualizar problemáticas en la asignación de rutas y frecuencias.

Conclusión El uso de la tecnología hace que se abran nuevas posibilidades de gestión de proyecto por tal motivo la influencia a crear nuevas aplicaciones que nos ayuden acercarnos a la información en tiempo real y clara utilizando métodos de predicción.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Real-time%20optimisation-based%20planning%20and%20scheduling%20of%20vehicle%20trajectories

Estados.





N


tesis.

N


Abstract

Y


N



N


N



N


N (E) Documento

duplicado. N



Y Solución a la


Fuente: El autor.

61



Title Comunicacion machine-to-machine para sistemas inteligentes de transporte

Authors Y. A. Quintero ; A. V. Salazar ; G. Patino

Journal 2016 IEEE Colombian Conference on Communications and Computing (COLCOM)

Keywords

Internet;intelligent transportation systems;JSON message;Public Transportation of Medellin;WebSockets;information system;intelligent transportation system;machine-to-machine communication;massive public transportation vehicle;on-board unit;Global Positioning System;IEEE 802.11 Standard;Internet;Irrigation;Machine-to-machine communications;Public transportation;Vehicles;Intelligent Transportation System;Machine-to-machine communication;On-Board Unit;Real-Time Communication System

propuesta

Algoritmo que implementa una comunicación máquina a máquina para enviar y recibir información entre una Unidad a Bordo (OBU) en un vehículo de transporte público masivo y un sistema de información administrado por la empresa de transporte que opera los ve

Resultados El algoritmo se puso en práctica en el sistema de transporte de Medellín Colombia y funciono correctamente.

Conclusión

El uso de algoritmos que implementa una coneccion de maquina a maquina hace que se abran nuevas posibilidades de gestión de proyecto por tal motivo la influencia a crear nuevas aplicaciones que nos ayuden acercarnos a la información en tiempo real y clara.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Comunicacion%20machine-to-machine%20para%20sistemas%20inteligentes%20de%20transporte

Estados.





Y


tesis.

Y


Abstract

N


Y



N


N



N


N (E) Documento

duplicado. N



Y Solución a la


Fuente: El autor.

62



Title YA. IoT approach applied in the context of ITS: monitoring highways through instant messaging

Authors L. F. Herrera-quintero ; K. Banse ; J. C. Vega-alfonso ; W. D. Jalil-nasser ; O. E. Herrera Bedoya

Journal 2015 14th International Conference on ITS Telecommunications (ITST)

Keywords

Internet of Things;electronic messaging;transportation;ITS context;Intel Edison;IoT approach;Raspberry Pi;instant messaging;intelligent transportation systems;memory hardware resources;phone hardware resources;traffic information;transportation sector;Instant messaging;Monitoring;Road transportation;Telecommunications;Vehicles;Web services;Highways monitoring;Instant Messaging;Intelligent Transportation System;Internet of things;Smartcity

propuesta Crear un canal de información de tráfico utilizando los actuales sistemas de mensajería instantánea como WhatsApp.

Resultados Es capaz de generar información de tráfico y enviarla a un específico números de teléfono por medio de un mensaje de texto utilizando ITS por medio de IoT.

Conclusión

El uso ITS por medio de IoT para mensajeria instantanea hace que se abran nuevas posibilidades de gestión de proyecto por tal motivo la influencia a crear nuevas aplicaciones que nos ayuden acercarnos a la información en tiempo real y clara.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=IoT%20approach%20applied%20in%20the%20context%20of%20ITS:%20monitoring%20highways%20through%20instant%20messaging

Estados.





N


la tesis.

N


Abstract

Y


N



N


N


N


N


N (E) Documento

duplicado. N



datos. Y


N

ITS ambiental N

Fuente: El autor.

63



Title YA. Smart cities approach for Colombian Context. Learning from ITS experiences and linking with government organization

Authors L. F. Herrera-Quintero ; W. D. Jalil-Naser ; K. Banse ; J. J. Samper-Zapater

Journal 2015 Smart Cities Symposium Prague (SCSP)

Keywords

intelligent transportation systems;local government;smart cities;Colombian smart cities;ICT;ITS experiences;digital city;government organization;information and communications technology;intelligent transportation systems;Cities and towns;Context;Government;Smart cities;Standards;Transportation;Intelligent Transportation System;Internet of things;Smartcity;Web Services

propuesta Colombia como una ciudad inteligente.

Resultados Estudio del sistemas integrado de transporte masivo en Bogotá Colombia Transmilenio.

Conclusión

El enfoque de ciudades inteligentes para contexto colombiano, teniendo en cuenta el ITS. Además se analizó que es muy importante utilizar estándares tecnológicos para generar y producir servicios de entrega en cualquier sector de la economía.

URL

https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Smart%20cities%20approach%20for%20Colombian%20Context.%20Learning%20from%20ITS%20experiences%20and%20linking%20with%20government%20organization

Estados.





N


la tesis.

N


Abstract

Y


N



N


N


N


N


N (E) Documento

duplicado. N



datos. Y


N

ITS ambiental N

Fuente: El autor.

64



Title YA. Counting public transport passenger using WiFi signatures of mobile devices

Authors T. A. Myrvoll ; J. E. HÃ¥kegÃ¥rd ; T. Matsui ; F. Septier

Journal 2017 IEEE 20th International Conference on Intelligent Transportation Systems (ITSC)

Keywords

mobile computing;road traffic;traffic information systems;transportation;wireless LAN;WiFi signatures;air quality;cost-effective data source;energy efficiency;mass transit;mobile devices;public bus transport;public transport passenger counting;resource planning;total public transport costs;traffic planners;transport vehicle;Conferences;IEEE 802.11 Standard;Intelligent transportation systems;Mathematical model;Mobile handsets;Probes;Wireless fidelity

propuesta Contar pasajeros de transporte público utilizando firmas de WiFi de dispositivos móviles

Resultados El dispositivo usará una dirección MAC falsa cuando no conectado a un punto de acceso. Esta dirección MAC falsa puede ser reutilizado por algún tiempo, o cambiado según alguna política determinado por el productor del teléfono.

Conclusión

Un factor importante que no se ha abordado en este papel es el mayor enfoque en la privacidad en el móvil marcado. Transmitir la dirección MAC del dispositivo abiertamente el usuario a ser rastreado mientras se mueve durante el día. Los principales fabricantes de dispositivos como Apple y Google (Google es desarrollador principal detrás del sistema operativo móvil Android) están abordando estos problemas mediante el uso de aleatorización MAC.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Counting%20public%20transport%20passenger%20using%20WiFi%20signatures%20of%20mobile%20devices

Estados.





Y


tesis.

Y


Abstract

Y


N



N


N



N


N (E) Documento

duplicado. N



Y Solución a la


Fuente: El autor.

65



Title Server-Based Intelligent Public Transportation System with NFC

Authors U. Demir Alan ; D. Birant

Journal IEEE Intelligent Transportation Systems Magazine

Keywords

data mining;electronic money;intelligent transportation systems;near-field communication;pricing;public transport;smart cards;NFC usage;Near Field Communication standard;contactless bank cards;data mining;fare media;intelligent public transportation system;mass transit systems;payment structure;personalized exclusive privileges;province card;public transport;serverbased fare calculation;special card;transfer fee;user management system;Credit cards;Media;Mobile handsets;Near field communication;Public transportation;Smart cards;Urban areas

propuesta Este artículo propone un servidor basado en la novela sistema de cálculo de tarifas y gestión de usuarios para proporcionar exclusivos personalizados privilegios para los pasajeros sin obtener la tarjeta especial de la provincia y permite a los pasajeros

Resultados

El sistema propuesto permite a un pasajero obtener un ingreso a medios de transporte público en cualquier ciudad. Al aplicar el proyecto en el campo, la integración de boletos interurbanos se ha logrado entre las ciudades de Turquía. La infraestructura propuesta puede establecerse para la interoperabilidad internacional en el futuro. En Además, diferentes tareas de minería de datos, como la clasificación o la agrupación puede aplicarse en futuros estudios.

Conclusión El uso de los ITS interconectados con IOT hace que se abran nuevas posibilidades de gestión de proyecto por tal motivo la influencia a crear nuevas aplicaciones que nos ayuden acercarnos a la información en tiempo real y clara.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Server-Based%20Intelligent%20Public%20Transportation%20System%20with%20NFC

Estados.





Y


tesis.

Y


Abstract

Y


Y



N


N



N


N (E) Documento

duplicado. N



Y Solución a la


Fuente: El autor.

https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Server-Based%20Intelligent%20Public%20Transportation%20System%20with%20NFC

https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Server-Based%20Intelligent%20Public%20Transportation%20System%20with%20NFC

66



Title YA. A MRT Daily Passenger Flow Prediction Model with Different Combinations of Influential Factors

Authors L. Liu ; R. C. Chen

Journal 2017 31st International Conference on Advanced Information Networking and Applications Workshops (WAINA)

Keywords

graph theory;network theory (graphs);neural nets;public transport;railways;town and country planning;traffic engineering computing;DNN;MRT daily passenger flow prediction model;Mass Rapid Transit;deep neural network;influential factors;large-scale transit network;urban planning;Neural networks;Neurons;Predictive models;Rectifiers;Tools;Training;Urban areas;combination;deep neural network;influential factors;passenger flow;prediction

propuesta Validar el flojo de pasajeros basado en DNN modelo de predicción ha sido propuesto.

Resultados Se analizaron los factores de ingreso al sistema, el flujo de pasajeros, el factor de dirección, el factor de vacaciones, el flujo histórico de pasajeros.

Conclusión

El DNN modelo de predicción, hace que se abran nuevas posibilidades de gestión de proyecto por tal motivo la influencia a crear nuevas aplicaciones que nos ayuden acercarnos a la información en tiempo real y clara.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=A%20MRT%20Daily%20Passenger%20Flow%20Prediction%20Model%20with%20Different%20Combinations%20of%20Influential%20Factors

Estados.





Y


la tesis.

Y


Abstract

Y


Y



N


N


N


N


N (E) Documento

duplicado. N



datos. Y


N ITS ambiental N

Fuente: El autor.

67



Title YA. Implementation of scalable K-Means++ clustering for passengers temporal pattern analysis in public transportation system (BRT Trans Jogja case study)

Authors F. Dzikrullah ; N. A. Setiawan ; S. Sulistyo

Journal 2016 6th International Annual Engineering Seminar (InAES)

Keywords

data mining;data warehouses;parallel processing;pattern clustering;rapid transit systems;traffic engineering computing;transportation;BRT Trans Jogja;BRT users;Hadoop Platform;SCAFCS data preprocessing;SSE;Trans Jogja public transport;bus rapid transit;data mining;data warehouse mechanism;distributed computing;e-ticketing;k-means++ clustering;parallel computing;passenger segmentation;passenger temporal pattern analysis;private vehicle users;public transportation system;smart card automated fare collection system;sum-of-square error;traffic jams;urban mobility;Clustering algorithms;Data mining;Data preprocessing;Data warehouses;Public transportation;Scalability;Seminars;BRT Trans Jogja;Data Mining;Data Warehouse;Hadoop Platform;K-Means++ Clustering;Smart Card Data

propuesta Estudio de caso BRT Trans Jogja.

Resultados Junto con la aplicación de métodos de agrupamiento para manejar grandes conjuntos de datos y datos de rápido crecimiento del Sistema de cobro automático de tarifas con tarjeta inteligente (SCAFCS), una mejora en el rendimiento del clúster se convierte en una tarea importante.

Conclusión

Scalable K-Means ++ genera 5 características de clúster, a saber: Muy bajo, bajo, promedio, alto y muy alto, para analizar los patrones temporales de los pasajeros en función del mes (temporada), días laborables, intervalo de horas (temporal) y segmentación del pasajero (estructura) determinar la variabilidad de la transacción del pasajero y pico en la ubicación de embarque (spatio). En términos de trabajo futuro, el método propuesto puede enriquecerse con la integración de datos de múltiples fuentes, como encuestas de hogares, GPS y captura de datos tap-out para monitorear el desempeño de BRT.

URL

https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Implementation%20of%20scalable%20K-Means.PLS..PLS.%20clustering%20for%20passengers%20temporal%20pattern%20analysis%20in%20public%20transportation%20system%20.LB.BRT%20Trans%20Jog

Estados.





N



N


Abstract


N



N


N



N


N (E) Documento

duplicado. N




Fuente: El autor.

68



Title YA. Finding routes in a public transport network. A case study

Authors A. Olczyk ; A. GaÅ‚uszka

Journal 2014 19th International Conference on Methods and Models in Automation and Robotics (MMAR)

Keywords

graph theory;public transport;Upper Silesian Industrial District;k-shortest path algorithm;mass transit;public transport planner service;public transportation network;time-expanded graph model;travel information;trip planner platform;Data structures;Educational institutions;Mobile communication;Planning;Reliability;Routing;Transportation

propuesta Encontrar rutas en una red de transporte público.

Resultados Se presenta la variante del modelo de gráfico expandido por tiempo para la red de transporte público. También algoritmo para encontrar rutas k-shortest en el gráfico creado, con detalles de implementación.

Conclusión

El uso de la uso de modelos y desarrollo de nuevos servicios, hace que se abran nuevas posibilidades de gestión de proyecto por tal motivo la influencia a crear nuevas aplicaciones que nos ayuden acercarnos a la información en tiempo real y clara.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?queryText=Finding%20routes%20in%20a%20public%20transport%20network.%20A%20case%20study&ranges=2014_2016_Year

Estados.





N


la tesis.

N


Abstract


N



N


N



N


N (E) Documento

duplicado. N



datos. Y


N ITS ambiental N

Fuente: El autor.

69



Title YA. A proposal of a transport system connecting demand responsive bus with mass transit

Authors K. Uehara ; Y. Akamine ; N. Toma ; M. Nerome ; S. Endo

Journal 2014 IEEE International Conference on Consumer Electronics - Taiwan

Keywords

path planning;public transport;demand responsive bus;mass transit;path planning;public transit;suburban area;system users;traffic congestions;transport system;trip time reduction;Cities and towns;Educational institutions;Path planning;Roads;Schedules;Urban areas

propuesta Un sistema de transporte que conecta el bus receptivo con el tránsito masivo.

Resultados

El propuesto sistema se comparó el tiempo de viaje promedio de los pasajeros con el sistema DRB programado por inserción heurística y el autobuses de ruta fija. El resultado mostró que el sistema propuesto tiene el potencial de acortar el tiempo total de viaje de sus pasajeros En el futuro

Conclusión El uso de sistema DRB hace que se abran nuevas posibilidades de gestión de proyecto por tal motivo la influencia a crear nuevas aplicaciones que nos ayuden acercarnos a la información en tiempo real y clara.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=A%20proposal%20of%20a%20transport%20system%20connecting%20demand%20responsive%20bus%20with%20mass%20transit

Estados.





N


la tesis.

N


Abstract

Y


N



N


N


N


N


N (E) Documento

duplicado. N



datos. Y


N ITS ambiental N

Fuente: El autor.

70



Title YA. Design of mass customized paratransit services

Authors D. Mo ; Y. Wang ; T. K. Y. Cheung

Journal 2017 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM)

Keywords

public transport;scheduling;community transportation organizations;dial-a-ride service;different service types;mass customized paratransit services;scheduler route service;shared ride program;social welfare expenditure;system design;vehicle resources;vehicle scheduling;Aging;Mass customization;Optimization;Organizations;Scheduling;Sociology;Transportation;Service design;service product family;vehicle routing and scheduling

propuesta Diseño de servicios personalizados de para tránsito masivo.

Resultados

En este documento, estudiaron el diseño de servicios de para tránsito personalizados a gran escala mediante la integración de dos tipos de servicios de transporte. Identificando las características comunes de dos tipos de servicio, se propone una opción de viaje compartido para el servicio de marcación. La opción de viaje compartido no está limitada para que los pasajeros viajen en un vehículo con otros pasajeros de servicio de marcado por trayecto, sino también para viajar con pasajeros de servicio de ruta programada. Esta disposición amplía el alcance del servicio, mejora la utilización del vehículo, así como la disponibilidad del servicio para personas con discapacidades o inconvenientes de viaje de manera sostenible.

Conclusión

El enrutamiento de vehículos para minimizar el tiempo de viaje de los vehículos y la desviación entre rutas al mismo tiempo. Esto no solo mejorará la calidad del servicio, sino que también aumentará el potencial de compartir el viaje con otros pasajeros. Se recopilarán más datos reales de la organización colaboradora para evaluar el diseño de dicha disposición de servicio flexible y diferentes tipos de estrategias de enrutamiento.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Design%20of%20mass%20customized%20paratransit%20services

Estados.





N



N (I) Ayuda con la



N



N


N



N


N (E) Documento

duplicado. N




Fuente: El autor.

71



Title

YA. Predicting passenger flow using different influence factors for Taipei MRT system.

Authors Y. C. Shiao ; L. Liu ; Q. Zhao ; R. C. Chen

Journal 2017 IEEE 8th International Conference on Awareness Science and Technology (iCAST)

Keywords

public transport;random processes;rapid transit systems;MRT passenger flow;Mass Rapid Transit;Taipei MRT system;Taipei Main station;passenger flow prediction;public transportations;random forest;Conferences;Decision trees;Detectors;Predictive models;Support vector machines;Training;Vegetation;MRT;passenger flow;prediction model;random forest

propuesta Predicción de flujo de pasajeros utilizando diferentes factores de influencia para el sistema MRT de Taipei.

Resultados

Cuatro modelos de predicción difieren del potencial factor, que se compone del día de la semana, pasajero dirección, vacaciones / no festivo, y el número de flujo de pasajeros en la última hora para predecir el flujo de pasajeros de la estación principal de Taipei.

Conclusión

El uso de la metodos hace que se abran nuevas posibilidades de gestión de proyecto por tal motivo la influencia a crear nuevas aplicaciones que nos ayuden acercarnos a la información en tiempo real y clara.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Predicting%20passenger%20flow%20using%20different%20influence%20factors%20for%20Taipei%20MRT%20system

Estados.





N


tesis.

N


Abstract

Y


N



N


N



N


N (E) Documento

duplicado. N



Y Solución a la


Fuente: El autor.

72



Title YA. A Privacy-Preserving Mobile Payment System for Mass Transit

Authors J. Kang ; D. Nyang


Keywords

data privacy;digital signatures;electronic money;intelligent transportation systems;mobile computing;public transport;smart phones;anonymous signatures;free-transfer services;identity-based signatures;mass transit services;passenger privacy;postpaid programs;privacy-preserving mobile payment systems;privacy-preserving transit payment system;private information;proactive misbehaving passenger blocking;smartphones;traceable signatures;transfer discount;Authentication;Mobile communication;Organizations;Privacy;Smart phones;Mobile payment;anonymity;mass transit system;traceable signature;user privacy

propuesta Un sistema de pago móvil que preserva la privacidad para el tránsito masivo.

Resultados

El sistema propuesto está diseñado para el transporte masivo servicios tales como metro o sistemas de metro, se puede aplicar a los sistemas de pago móvil fuera de línea que respaldan la privacidad por fusionar adecuadamente los procedimientos de entrada y salida en uno procedimiento.

Conclusión

En el futuro cercano, los sistemas de pago móvil basados en los teléfonos inteligentes se espera que se apliquen ampliamente en diversos entornos, incluidos los servicios de tránsito. Cuando los pasajeros usan tránsito masivo, su información privada, como su identidad y ruta, puede estar disponible para algunas organizaciones relacionadas, tales como agencias de tránsito, instituciones financieras, dispositivos móviles operadores, y proveedores de tarjetas inteligentes, entre otros, incluso cuando los pasajeros pueden no querer que su información sea revelado.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=A%20Privacy-Preserving%20Mobile%20Payment%20System%20for%20Mass%20Transit

Estados.





N


tesis.

N


Abstract

Y


N



N


N



N


N (E) Documento

duplicado. N



Y Solución a la


Fuente: El autor.

73



Title YA. Intelligent bus information service with the support of mobile social community on the Internet

Authors H. J. Hsiao ; Y. F. Huang ; H. S. Deng ; Y. F. Hsu ; C. L. Hu

Journal 2015 8th International Conference on Ubi-Media Computing (UMEDIA)

Keywords

Internet;information services;intelligent transportation systems;mobile computing;public transport;real-time systems;GPS;Internet;NFC;bus information services;bus passengers;bus route;development work;geographic information;intelligent bus information service;intelligent bus system;location tags;mobile devices;mobile social community;real-time bus information system;social-based bus information service;system design;time tags;ubiquitous network environments;virtual social community;virtual social relations;Databases;Facebook;Information services;Mobile communication;Mobile handsets;Real-time systems;Servers;Bus information system;Mobile information service;Mobile networks;Ubiquitous computing

propuesta El estudio en este documento ha mencionado un nuevo escenario de servicio de información de autobús en tiempo real, y según desarrollado un sistema inteligente de información de autobuses con demostración práctica.

Resultados sistema proporciona a los usuarios varios autobuses servicios, como la descarga de ruta de autobús, donde está el autobús, mis favoritos, informes de comentarios

Conclusión

El sistema propuesto permite a los pasajeros del autobús participar en compartir datos de tiempo y ubicación cuando toman el autobús servicios en la carretera. Con una colección de datos proporcionados por el usuario, el sistema puede deducir información de autobús actualizada mediante referencia a las posibles relaciones implícitamente involucradas en las redes sociales virtuales comunidades.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Intelligent%20bus%20information%20service%20with%20the%20support%20of%20mobile%20social%20community%20on%20the%20Internet

Estados.





N


tesis.

N


Abstract

Y


N



N


N


N


N


N (E) Documento

duplicado. N



N Solución a la

tesis. Y ITS ambiental N

Fuente: El autor.

74



Title YA. Improving Mass Transit Operations by Using AVL-Based Systems: A Survey

Authors L. Moreira-Matias ; J. Mendes-Moreira ; J. F. de Sousa ; J. Gama


Keywords

intelligent transportation systems;public transport;reliability;road traffic control;scheduling;AVL-based systems;SP reliability;automated data collection frameworks;automatic control strategy;automatic vehicle location data;intelligent transportation systems;long-term travel time prediction;mass transit operations;optimal slack time;public road transportation companies;schedule instability;schedule plan reliability;Companies;Global Positioning System;Reliability;Schedules;Vehicles;Automatic passenger counting (APC);automatic vehicle location (AVL);operational control;operational planning (OP);public transportation (PT) networks

propuesta Este documento ha revisado las aplicaciones ITS basadas en la ubicación para mejorar tanto el OP como el control del tránsito masivo redes de transporte.

Resultados

Proporciona nuevas oportunidades para revelar patrones subyacentes en comportamientos inesperados que son deteriorando la calidad del servicio. Es aún más importante proporcionar información en tiempo real a los pasajeros sobre lo que está sucediendo en la red (es decir, información sobre el lugar en los tiempos de llegada). Más que construir una predicción exacta pero que exige mucho tiempo de llegada, los investigadores se han centrado en la construcción de marcos simples capaces de aprender de flujos de datos basados en la ubicación y de proporcionar predicciones con baja incertidumbre.

Conclusión

Las mejoras basadas en AVL para la planificación y el control son cada vez más maduro. Los estudios de evaluación existentes siguen siendo principalmente pruebas de concepto centrado en la perspectiva los pasajeros, mientras que las técnicas de mejora suelen depender de modelos de TTP a corto plazo, ignorando los problemas de planificación relevantes como el TTP a largo plazo o la búsqueda del tiempo de holgura óptimo para agregar a cada cronograma Por otro lado, el área de control se enfoca en la retención óptima del bus en las estaciones de control, sin tener en cuenta otras acciones de control.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Improving%20Mass%20Transit%20Operations%20by%20Using%20AVL-Based%20Systems:%20A%20Survey

Estados.





N



N (I) Ayuda con la



N



N


N



N


N (E) Documento

duplicado. N




Fuente: El autor.

75



Title YA. Transactive Control in Smart Cities

Authors M. Annaswamy ; Y. Guan ; H. E. Tseng ; H. Zhou ; T. Phan ; D. Yanakiev

Journal Proceedings of the IEEE

Keywords

Energy management;Feedback;Mobile communication;Pricing;Real-time systems;Smart cities;Traffic congestion;Transactive energy;Transportation;Urban areas;Vehicles;Dynamic Pricing;Dynamic Shuttle;Transactive Control;Urban Mobility;dynamic Tariffs;mobility on Demand (MoD)

propuesta Control Transactivo en Smart Cities. Este documento explora el uso de tarifas dinámicas para aumentar la calidad de la movilidad urbana a través del control transactivo.

Resultados

Las metas de la movilidad urbana son una congestión reducida, poco carbono huella, tiempo de viaje reducido y tiempo de espera, y máximo utilización de recursos de movilidad. Con varias habilitaciones tecnologías que proporcionan un fácil acceso a la información en tiempo real y la capacidad de realizar cálculos rápidos utilizando edge inteligencia y computación en la nube, el momento es adecuado para uso de control de retroalimentación para realizar estos objetivos. Este papel examina el uso de un nuevo concepto de control transactivo, que se refiere al diseño de circuitos de retroalimentación utilizando financiera transacciones, para alcanzar los objetivos de la movilidad urbana como congestión reducida y tiempo de viaje reducido.

Conclusión

Uno de los objetivos importantes de una ciudad inteligente es aumentar la calidad de la movilidad urbana. Este documento explorará uso de tarifas dinámicas para este propósito. Control de transacciones, el concepto de retroalimentación a través de transacciones económicas, es una promesa concepto para lograr tales tarifas dinámicas, y es el enfoque de este papel.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Transactive%20Control%20in%20Smart%20Cities

Estados.





N



N


Abstract


N



N


N



N


N (E) Documento

duplicado. N




Fuente: El autor.

76



Title YA. Transit assignment with strict capacity constraints in presence of countdown information

Authors S. Padma ; S. Velmurugan

Journal 2018 10th International Conference on Communication Systems & Networks (COMSNETS)

Keywords Additives;Capacity planning;Information systems;Planning;Reliability;Roads;Stochastic processes;Disaggregate learning process;countdown information;strict capacity constraints

propuesta Asignar un modelo estocástico para la generación de nuevas posibles soluciones al transporte masivo.

Resultados

Con una mayor longitud de memoria y una mayor importancia para su experiencia se han elegido caminos que resultan en minimizando sus tiempos de viaje incluso si implica la transferencia de líneas; en ausencia de penalización de transferencia. Con mayor importancia para información de los pasajeros es más probable que elegir un servicio sin saber la estocasticidad asociada con el fracaso para abordar.

Conclusión

El comportamiento estacionario de los resultados se evalúan utilizando técnicas estadísticas y el modelo es parcialmente calibrado para una sección de la red de tránsito de Delhi. Los modelo de proceso de aprendizaje explica los tiempos de viaje experimentados del pasajero e intenta evaluar el cambio en los flujos cuando el importancia relativa de la experiencia frente a los cambios de información. Políticas tales como una llegada confiable de servicios de tránsito es evaluado.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Transit%20assignment%20with%20strict%20capacity%20constraints%20in%20presence%20of%20countdown%20information

Estados.





N


tesis.

N


Abstract

Y


N



N


N



N


N (E) Documento

duplicado. N



Y Solución a la


Fuente: El autor.

77



Title YA. Updating a robust optimization model for improving bus schedules

Authors Y. Baghoussi ; J. Mendes-Moreira ; M. T. M. Emmerich

Journal 2018 10th International Conference on Communication Systems & Networks (COMSNETS)

Keywords

Companies;Delays;Legged locomotion;Optimization;Robustness;Schedules;Urban areas;Automatic Passenger Counting (APC);Automatic Vehicle Location (AVL);Operational Planning;Optimization

propuesta

Actualiza un modelo de optimización. El modelo inicial demostrado una buena absorción de desviaciones, sin embargo, tiene sido incompleto debido al hecho desatendido que es que el tiempo de holgura asignado a cada segmento afecta su próximo segmento (s).

Resultados Se han agregado dos nuevos restricciones al modelo. Este último aseguró que los tiempos de holgura se computan para cada etapa del viaje. El modelo actualizado (UM) se aplicó a un estudio de caso del mundo real.

Conclusión

Los datos de ubicación automática del vehículo obtenidos del autoridad organizadora del transporte en la ciudad de Oporto (STCP) ha se muestra una gran utilidad para lograr nuestro objetivo inicial. Como esto lo último es ajustar el horario del autobús, la UM usa el viaje tiempos observados durante un conjunto de días y sus desviaciones del horario actual para calcular los tiempos de holgura. La UM tiene demostrado un buen ajuste con un conjunto de datos. Esto fue evaluado usando diferentes métricas de evaluación.

URL https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=Updating%20a%20robust%20optimization%20model%20for%20improving%20bus%20schedules

Estados.





N


la tesis.

N


Abstract

Y


N



N


N


N


N


N (E) Documento

duplicado. N



datos. Y


N ITS ambiental N

Fuente: El autor.

78

3.2. SÍNTESIS DE DATOS

3.2.1. Síntesis de datos en START. En la Ilustración 23, se observan las coincidencias de los enfoques que tienen los 28 artículos seleccionados y distribuidos en tres grandes grupos representando el direccionamiento del trabajo de los sistemas inteligentes de transporte enfocado al internet de las para el transporte masivo de pasajeros con ayuda de la minería de datos y aprendizaje de máquina. Ilustración 24. Porcentaje de coincidencias.

Fuente: El autor. En la ilustración 24, se pueden validar las coincidencias por año teniendo en cuenta los artículos que fueron aceptados en el momento de la revisión sistemática. Ilustración 25. Coincidencias anuales.

Fuente: El autor.

0

5

10

15

2014 2015 2016 2017 2018

3 1

14

8

4 84

COINCIDENCIAS POR AÑO.

Métodos, algoritmos o APP móvil para minería de datos.

ITS Ambiental

86%

11%3%

COINCIDENCIAS.Métodos, algoritmoso APP móvil paraminería de datos.

Enfoque para lasolución a la tesis.

Enfoque ITSAmbiental

79

Ilustración 26. Word Cloud.

Fuente: El autor.

3.2.2. Síntesis de datos en VOSVIEWER. Se estudian las fuentes de las bases de datos que se extraen de los distintos artículos seleccionados, luego de leer cada uno de ellos se extrae los datos pertinentes, a través de la herramienta VOSviewer (herramienta de minería de datos) el cual ayudara para levantamiento de resultados el cual permiten enriquecer el conocimiento y así poder explorar, recolectar y organizar la información debidamente, mejorando los períodos de tiempos y resultados de las investigaciones realizadas. Ilustración 27. Herramienta VOSviewer.

Fuente: El autor. Se crea el proyecto en VOSviewer, adjuntando la base de datos que tuvo que ser guardada en .RIS

80

Ilustración 28. Importación de la base de datos en voz.

Fuente: El autor. En las siguientes ilustraciones se validan las relaciones en los puntos focalización y centralización de información, tomado como punto de apoyo los documentos aceptados revisión sistemática. Ilustración 29. Focalización general de los documentos aceptados en VOSviewer.

Fuente: El autor.

81

Ilustración 30. Focalización de sistemas inteligentes de transporte.

Fuente: El autor. Ilustración 31. Focalización en transporte Público.

Fuente: El autor.

82

Ilustración 32. Focalización de IoT.

Fuente: El autor.

Ilustración 33.Sistemas en tiempo real.

Fuente: El autor.

83

Ilustración 34. Focalización en Conexión de Smart Phone.

Fuente: El autor. Ilustración 35.Focalización en vehículos.

Fuente: El autor.

84

Ilustración 36.Red ad hoc vehicular.

Fuente: El autor. Ilustración 37. Focalización en ingeniería de tráfico informática.

Fuente: El autor. Ilustración 38. Focalización en transporte.

Fuente: El autor.

85

Ilustración 39. Focalización en informática móvil.

Fuente: El autor. Ilustración 40. Focalización en carreteras.

Fuente: El autor.

86

Ilustración 41.visualización de densidad.

Fuente: El autor.

87

3.3. DISCUSIÓN

3.3.1. Discusión de los resultados obtenidos. No hay una solución particular en este momento que ayude a la satisfacción del transporte masivo de pasajeros. Sin embargo, a través de los sistemas inteligentes de transporte e internet de las cosas se ha progresado en la búsqueda de soluciones para transportar masivamente pasajeros de un lugar al otro, con la finalidad de reducir tiempos en los trayectos, aumentar la comodidad y seguridad, adicional ayudando a la satisfacción de los usuarios.

La tecnología 6LoWPAN para vigilancia con ITS soportada en IoT, con la finalidad de integrar el sistema de información y así poder controlar el tráfico para prevención de colisión de los vehículos y ayudando a la fluidez del transporte particular y masivo, planteado en el estudio 1678.

Los problemas emergentes de las ciudades modernas y las necesidades relevantes en términos de planificación y mantenimientos urbanos por medio de ITS a través de IoT. Para abordar las necesidades antes mencionadas, los autores proponen GHOST el cual es un servicio basado en la ubicación (LBS) fundado en GNSS europeo (E-GNSS) y posicionamiento avanzado SBAS. Cuyo objetivo es explotar la información georreferenciada a lo largo de las trayectorias de los buses, monitoreándolos de una manera inteligente, continúa y autónoma e informando a los usuarios la posición del bus o posibles rutas adicionales, abordado en el estudio 1721.

Un sistema de información llamado Mass Rapid Transit (MRT), el cual extrae información con ITS a través de IoT, permitiendo recolectar información y así ejecutar el modelo de predicción teniendo en cuenta el flujo de pasajeros, el factor de dirección, el factor de vacaciones, el flujo histórico de pasajeros, para la respectiva asignación de buses del sistema masivo, expuesto en el estudio 3139.

Un escenario organizado con ITS a través de IoT, una aplicación llamada Bus Rapid Transit (BRT), el cual consiste en que el pasajero hace recargas en línea (organizando el flujo de caja del sistema de transporte) y dependiendo el valor acumulado de recargas por mes, el sistema asigna una prioridad para la asignación del sistema de buses y silla a ocupar, planteado en el estudio 3180.

El uso de tarifas dinámicas para producir servicios de entrega en cualquier sector de la economía, con el propósito de transporte masivo de pasajeros. Controlando a través de ITS e IoT el traslado de personas de un punto al otro en determinado tiempo; como lo son los estudios 2752, 3140 y 3209.

88

Un sistema de información para el transporte masivo de pasajeros bajo ITS soportados en IoT con la finalidad de brindar información automática (ubicación y tiempo) de los buses en curso, a pasajeros y administradores del servicio, no obstante, ayudando a la mejorar de calidad del servicio con la toma de decisiones, propuestos en los estudios 3146 y 3210.

Un entorno integrado a través de ITS soportado en IoT para la recopilación de datos y generar simulaciones en el que los datos multimodales se asimilan y utilizan tanto para el soporte de decisiones en tiempo real como para la evaluación táctica y estratégica de la gestión del tráfico multimodal y sistemas de transporte masivo; planteados en los estudios 1658 y 1698.

Una investigación de los ITS enfocados al IoT ayudan al transporte masivo de pasajeros pero también indaga a profundidad las técnicas y tecnologías para la reducción del consumo de combustible y la minimización del contaminante de escape. Destaca el impacto ambiental de la aplicación ITS para proporcionar la solución ecológica de última generación; planteada en el estudio 1727.

Modelar una red inteligente de sensores vehiculares (IVSN) a partir de cuatro tipos de estudios: estudio espacial, estudio de los datos recolectados, estudio de grupo y estudio del contexto. Con la finalidad de clasificación, selección y evolución de información para ejecutar planes de acción a los sistemas de transporte masivo; propuestos en los estudios 1661 y 3153.

Crear sistemas cooperativos de manejo de seguridad de la información con el fin de ayudar al transporte masivo de pasajeros teniendo en cuenta los ITS soportados en IoT, utilizando comunicaciones V2I (vehículo a infraestructura) y V2V (vehículo a vehículo) con componentes que ayudan a admitir funciones de middleware que son componentes de procesamiento de datos reutilizables y reconfigurables, interfaces con el sistema y componentes dinámicos, planteadas los estudio 1688 y 2744.

Por medio de los ITS a través de los IoT se puede recopilar información de múltiples perfiles de tráfico que incluyen atributos como el consumo de tiempo, la tasa de tráfico, el número de vehículos, etc. El cual estos datos se utilizan en el método de aprendizaje de maquina mediante el uso de la Red Neuronal Artificial Híbrida con Hidden Markov Model (HANN-HMM) que puede conocer con precisión la información del perfil de tráfico con un tiempo reducido. Para realizar un reconocimiento preciso de la selección de características optimizadas para el tráfico y ayudar a la toma de decisiones a corto plazo, planteado en el estudio 1733.

89

Los modelos y algoritmos de predicción como lo son ChoiceRail (es un prototipo funcional de un planificador avanzado de viaje combinado de transporte por carretera y transporte público), algoritmo k-shortest paths el cual usan una estructura con múltiples vértices dentro de una parada identificada por triple (parada, tiempo, línea) y MRT (Mass Rapid Transit) predecir el flujo de pasajeros MRT con bosque al azar, utilizando diferentes factores recogidos de la estación principal de Taipei como entrada para el entrenamiento. El resultado muestra que algunos de los factores influenciados son importantes para afectar la predicción del flujo de pasajeros y destino a donde se dirigen. Incluidos en los estudios 1736, 1749, 3144, 3147 y 3145.

Los sistemas inteligentes de transporte enfocado en internet de las cosas hacen que la evolución de los procesos para trasladar personas de un punto a otro cada día sean más eficientes, por esto se trabaja en nuevos modelos y métodos que ayuden a la organización y optimización de tiempos para la satisfacción de los pasajeros. Como se puede observar en el estudio 1655 donde incluye el uso de técnicas biométricas, basadas en UID para que los procesos de transparente fueran más rápidos y seguros ('India digital' perteneciente a Visión 2020). En el estudio 2751 plantea iniciar el proceso de inclusión de sistemas de información instantánea, por medio de una herramienta ya establecida como lo es WhatsApp ayudando a los pasajeros a acercarse a la información en tiempo real y clara (tiempo y posibles rutas) y a su vez ayudando a los prestadores de servicio vigilar y generar nuevas rutas que sean más eficientes. En el estudio 3136 plantea generar conexión automática de los dispositivos móviles a las redes WiFi del sistema de transporte con información personal y así poder validar frecuencias y destinos con el fin de proporcionar a los planificadores información actualizada y realmente rentable para el sistema. El estudio 3137 propone un sistema de cálculo de tarifas y gestión de usuarios para proporcionar privilegios exclusivos personalizados para los pasajeros sin obtener la tarjeta especial de la provincia y permite a los pasajeros para beneficiarse de todas las ventajas de los precios de transporte de las ciudades. Además, elimina los obstáculos que impiden el uso de nuevas tecnologías como tarjetas bancarias sin contacto y Near Norma de Comunicación de campo (NFC) como una tarjeta de provincia tradicional en transporte público.

3.3.2. Desarrollo de la propuesta.

El contenido de este trabajo de grado es la revisión sistemática de los ITS* soportados en IoT** para problemas de transporte terrestre de pasajeros, el cual se planteó teniendo en cuenta varios aspectos para la investigación.

Iniciando por la importancia de la investigación de la unión de los dos modelos (ITS e IoT) para mejorar la calidad del servicio de transporte masivo de pasajeros,

* ITS: Sistemas Inteligentes de Transporte. ** IoT: Internet de las cosas.

90

pasando por la forma de saber y definir en qué se está trabajando, las proyecciones que se esperan y en que se puede aportar desde el ámbito académico al proceso de desarrollo e implementación de nuevos sistemas que aporten a la evolución de un mejor país y que ayuden a la satisfacción de las necesidades de los pasajeros. Finalizado con la variedad de métodos aplicables al área de investigación para su exitoso desarrollo, en este proceso se tomó la decisión de recurrir a una revisión sistemática siguiendo el protocolo de Bárbara Kitchenham (Barbara_Kitchenham, 2017), teniendo en cuenta que es una de las pocas que se relaciona con procesos de la ingeniería de sistemas, adicional cuenta con un proceso formal claramente establecido, el cual asegura la claridad de los procesos de revisión. Por tal razón este trabajo de grado cumple los siguientes objetivos:

3.3.2.1. Identificar los enfoques más comunes para la solución de la problemática planteada.

Para la ejecución de este objetivo, se desarrolló la revisión sistemática donde se identificaron los principales enfoques y resultados que se encuentran abordados en la sección 3.1. (Extracción de la información) en las tablas 12 a la 28, proporcionando como resultado los enfoques de métodos, algoritmos, desarrollos de aplicaciones móviles con el 86%, que aportan a la evolución de la problemática ambiental con el 3% y al desarrollo implícito de soluciones al transporte masivo de pasajeros con sistemas inteligentes de transporte (ITS), enfocado a internet de las cosas (IoT) con el 11%, el cual se encuentra en la ilustración 23.

3.3.2.2. Realizar un proceso de revisión sistemática para estudios primarios.

El desarrollo de la revisión, inicio con la selección del protocolo a seguir que es el de Bárbara Kitchenham (Barbara_Kitchenham, 2017), el cual tiene de 3 alcances, cada uno con sus respectivas actividades. Comenzando con la pregunta de investigación, pasando por la recolección de estudios y finalizando con el respectivo análisis, controlando la calidad de los mismos. El cual se procedió con la elección del motor de búsqueda (IEEE Xplore (IEEE, 2018)) teniendo en cuenta la accesibilidad y que permitiera realizar búsquedas avanzadas, luego se realizó el proceso de búsqueda con filtros e inclusión de operadores lógicos (ADN y OR) con las palabras claves, creando cadenas de búsquedas que sirvieron para la selección de estudios. El cual quedaron 214 documentos, encontrando 79 documentos con coincidencias, a los que se les aplicaron unos criterios de inclusión (I) y exclusión (E) quedando con quedando con 28 documentos, para ser analizados y así realizar la respectiva síntesis los aspectos importantes.

91

3.3.2.3. Sintetizar la información recopilada en la revisión sistemática.

Después de efectuar el proceso del objetivo dos, se realizó la sintetización de la información de los aspectos relevantes de cada uno de los 28 estudios utilizados para esta Revisión Sistemática no dejando de lado el enfoque de ITS a través de IoT para transporte masivo de pasajeros.

Se evidencio en el transcurso de la revisión que no hay muchas investigaciones publicadas con respecto a Colombia Bogotá, enfocadas en ITS basados en IoT para el transporte masivo de pasajeros o que procesos se están utilizando actualmente en el país, sin embargo se quiso indagar en el tema con el ministerio de transporte pero no hubo respuesta como se evidencia en los anexos de la sección 3.6. Bajo el Radicado 20183030028872.

3.3.3. Valoración social, técnica y económica. Se enuncia la evaluación del trabajo de grado detallando los beneficios ostentados en los siguientes aspectos:

3.3.3.1. Valoración Social. 1. Saber cuál es la metodología adecuada para realizar una revisión sistemática. 2. Saber el funcionamiento de los ITS e IoT y como se relacionan entre ellos. 3. Saber la problemática enfocada hacia la tesis de la revisión sistemática. 4. Saber cuáles son los resultados enfocados hacia la tesis de la revisión

sistemática.

3.3.3.2. Valoración Técnica.

Con el uso de la aplicación Start se ahorró tiempo, ya que permite organizar la información de acuerdo a las necesidades del usuario.

Con el uso de la aplicación VosViewer se ahorró tiempo, ya que permite organizar la información y poder ver fácilmente los puntos de focalización de acuerdo a las necesidades del usuario.

Con el uso del gestor bibliográfico Mendeley Desktop se ahorró tiempo, ya que este permite organizar las referencias.

Utilizando Google Docs en Google Drive, permitió la revisión del trabajo de grado, ya que es en línea y con acceso a la información en tiempo real permitiendo comunicación constante y fluida con el director de trabajo de grado.

92

3.3.3.3. Valoración Económica.

La Universidad Católica de Colombia ya que ayuda con el proceso de control y seguimiento del trabajo que cubre el director o tutor del trabajo de grado.

Las herramientas utilizadas ayudaron en el proceso de desarrollo del trabajo de grado ya que ahorro tiempo, dinero y finalizando con el aporte ambiental que hace la Universidad Católica de Colombia al no requerir evidencias físicas (impresas) al momento de reuniones o socializaciones.

93

CONCLUSIONES Teniendo en cuenta los anteriores pasos de la metodología, se detallan las conclusiones para poder visualizar el impacto que se obtiene al dar solución a la pregunta de la investigación.

Los documentos que se estudiaron en esta revisión sistemática revelan que no hay muchas investigaciones publicadas con respecto a Colombia, enfocadas en ITS basados en IoT para el transporte masivo de pasajeros o que procesos se están utilizando actualmente en el país, no obstante se valida el sistema de información del ministerio de transporte (MinTransporte, 2017) está enfocado a las licitaciones que se ejecutan en todo el país pero no hay información de relevancia en cuanto a resultados se refiere de los procesos ejecutados, el cual se realizó el proceso de solicitud de información al ministerio de transporte y no brindaron respuesta alguna, como se evidencia en el anexo 2.

La revisión sistemática utilizada en este trabajo de grado permite seguir un proceso metodológico, con la finalidad de ir ordenando la información de estudios a analizar y así poder de justificar cada uno de los parámetros del protocolo de Kitchenham, además de obtener información relevante y dar solución a la tesis planteada.

En el análisis de los artículos seleccionados se identificaron grandes procesos para ayudar a la problemática del transporte masivo de pasajeros, donde se evidencia que se trabaja constantemente en la evolución de los principales enfoques y resultados de métodos, algoritmos, desarrollos de software, de aplicaciones móviles, captura de información y minería de datos, con la finalidad de poder predecir posibles soluciones al transporte con sistemas inteligentes de transporte (ITS), enfocado a internet de las cosas (IoT).

Los ITS soportados en IoT están en crecimiento y es un área interesante para abordar en el país como lo son los proyectos de Big Data y Data Analytics para sistemas de información multi-nodo para brindar información en tiempo real debido a que ayuda a los analistas (creadores de rutas) para tomar decisiones oportunas y beneficie al sistema de transporte con la satisfacción de los usuarios finales.

94

RECOMENDACIONES

Constituir bien las cadenas de búsqueda, relacionando las palabras claves con los operadores lógicos AND y OR en base a la pregunta de investigación ya que de esto depende que los resultados de estudios primarios relevantes y de calidad.

Utilizar la metodología de Bárbara Kitchenham (Barbara_Kitchenham, 2017), ya que el proceso de desarrollo ayuda que a que se realice una investigación de calidad y que se ejecute los objetivos planteados en el trabajo de grado.

En trabajos futuros, se recomienda implementar sistemas donde se generen soluciones al transporte masivo de pasajeros, bajo sistemas inteligentes de transporte (ITS), soportados en internet de las cosas (IoT), tales como; Simulaciones en las cuales se contemple el análisis de información (minería de datos, datos abiertos) bajo el marco teórico de modelos matemáticos predictivos, para la implementación de sistemas de información que infieran en la toma de decisiones.

95

BIBLIOGRAFÍA A_Leppisaari. (13 de 11 de 2017). General packet radio service. Obtenido de patents.google:

https://patents.google.com/patent/US6532227B1/en Andrew_Meola. (13 de 11 de 2017). What is the Internet of Things (IoT)? Obtenido de

businessinsider: http://www.businessinsider.com/what-is-the-internet-of-things-definition-2016-8

Aws_Amazon. (13 de 11 de 2017). El Internet de las cosas (IoT). Obtenido de aws.amazon: https://aws.amazon.com/es/iot/

Barbara_Kitchenham. (16 de 12 de 2017). Procedures for Performing. Obtenido de inf.uf: http://www.inf.ufsc.br/~aldo.vw/kitchenham.pdf

BR_Neumann. (13 de 11 de 2017). Engine control unit. Obtenido de patents.google: https://patents.google.com/patent/US5598825A/en

CHRISTEN_PETER. (16 de 11 de 207). Context Aware Computing for The Internet of Things: A Survey. Obtenido de IEEE Xplore: https://www.ncbi.nlm.nih.gov/nlmcatalog?term=1530-437X%5BISSN%5D

Contraloría. (14 de 12 de 2017). Malla vial de Bogotá, todo un caos. Obtenido de Dinero: http://www.dinero.com/pais/articulo/malla-vial-bogota-mal-estado-falta-ejecucion-recursos/188533

DANE, C. (04 de 04 de 2018). DANE INFORMACIÓN ESTRATÉGICA. Obtenido de La población proyectada de Colombia en el Reloj siendo las 10:46am: http://www.dane.gov.co/reloj/

El_Espectador. (14 de 12 de 2017). Bogotá tiene déficit de policías de tránsito. Obtenido de El Espectador: https://www.elespectador.com/noticias/bogota/bogota-tiene-deficit-de-policias-de-transito-articulo-639597

Evans_Dave. (16 de 11 de 2017). Internet de las cosas Como la próxima evolución de Internet loT cambia todo. Obtenido de CISCO SYSTEMS INC: http://www.cisco.com/web/LA/soluciones/executive/assets/pdf/internet-of-things-iot-ibsg.pdf

Garas_A. (16 de 11 de 2017). Interconected Networks. Obtenido de springer.com: http://www.springer.com/us/book/9783319239453

GTZ. (13 de 11 de 2017). Sistemas inteligentes de transporte. Obtenido de sutp: http://www.sutp.org/files/contents/documents/resources/A_Sourcebook/SB4_Vehicles-and-Fuels/GIZ_SUTP_SB4e_Intelligent-Transport-Systems_ES.pdf

Gustavo_Moreno_Montalvo. (12 de 11 de 2017). El desastre del transporte masivo en Colombia. Obtenido de Las 2 Orillas: https://www.las2orillas.co/el-desastre-del-transporte-masivo-en-colombia/

Han-Lee_Song. (10 de 11 de 2017). Automatic vehicle location in cellular communications systems. Obtenido de ieeexplore: http://ieeexplore.ieee.org/abstract/document/330153/

IEEE. (11 de 04 de 2018). IEEE. Obtenido de https://ieeexplore.ieee.org/Xplore/home.jsp jjtorres. (13 de 12 de 2017). ¿Qué es y cómo funciona el Internet de las cosas? Obtenido de

hipertextual: https://hipertextual.com/archivo/2014/10/internet-cosas/ LLD. (13 de 11 de 2017). WHAT IS OBD? Obtenido de OBD SOLUTIONS:

http://www.obdsol.com/knowledgebase/on-board-diagnostics/what-is-obd/ M_Ruff. (13 de 11 de 2017). Evolution of local interconnect network (LIN) solutions. Obtenido de

ieeexplore: http://ieeexplore.ieee.org/abstract/document/1286317/ Margaret_Rouse. (13 de 11 de 2017). Original Equipment Manufacturer (OEM). Obtenido de

searchitchannel.techtarget: https://searchitchannel.techtarget.com/definition/OEM Mikael_Desertot. (11 de 10 de 2017). Intelligent Transportation Systems. Obtenido de Wiley Online

Library: https://onlinelibrary.wiley.com/doi/10.1002/9781118580974.ch13 Min_Transporte. (13 de 11 de 2017). DECRETO 2060 DE 2015. Obtenido de mintransporte:

https://www.mintransporte.gov.co/descargar.php?idFile=13112 MinTransporte. (12 de 11 de 2017). Ministerio de Transporte en Colombia. Obtenido de Documentos

Corporativos: https://www.mintransporte.gov.co/Documentos/Normatividad/grupo_its Movilidad_Bogotana. (12 de 10 de 2017). Principales problemas del transporte en Bogotá. Obtenido

96

de movilidadbogotana.blogspot: http://movilidadbogotana.blogspot.com.co/p/principales-problemas-del-transporte-en.html

MT_Qadri. (13 de 11 de 2017). System and methods for vehicle identification number validation. Obtenido de patents.google.: https://patents.google.com/patent/US6259354B1/en

OMM. (14 de 11 de 2017). LA MOVILIDAD EN BOGOTÁ UNA VERDADERA PESADILLA. Obtenido de CicloBR: https://www.ciclobr.com/movilidad.html

R_Ferri. (16 de 12 de 2017). Wireless sensor network. Obtenido de patents.google: https://patents.google.com/patent/US20050275532A1/en

Redacción_EL_TIEMPO. (14 de 11 de 2017). ¿Por qué colapsa Bogotá con solo un accidente en una troncal? Obtenido de EL TIEMPO: http://www.eltiempo.com/bogota/causas-de-las-fallas-en-la-movilidad-de-bogota-51936

RI_Davis. (13 de 11 de 2017). Controller Area Network (CAN) schedulability analysis: Refuted, revisited and revised. Obtenido de link.springer: https://link.springer.com/article/10.1007/s11241-007-9012-7

Rolf_H._Weber. (15 de 11 de 2017). Internet of Things. Obtenido de link.springer: https://link.springer.com/book/10.1007/978-3-642-11710-7

RUNT. (04 de 04 de 2018). ESTADÍSTICAS DEL RUNT. Obtenido de Matriculas iniciales en el Runt hora:12:23: http://www.runt.com.co/cifras?field_fecha_de_la_norma_value%5Bvalue%5D%5Byear%5D=2018&field_grafica_value=1

Sice. (16 de 11 de 2017). SICE estará presente en el ITS World Congress 2017, el congreso más importante a nivel mundial en el área de Sistemas Inteligentes de Transporte (ITS por sus siglas en inglés). Obtenido de sice: http://www.sice.com/actualidad/sice-estara-presente-en-el-its-world-congress-2017-el-congreso-mas-importante-a-nivel-mundial-en-el-area-de-sistemas-inteligentes-de-transporte-its-por-sus-siglas-en-ingles

Sice_a. (16 de 11 de 2017). Diseño, suministro e instalación de un Back Office System (BOS) nuevo para la autopista East Link. Obtenido de Sice: http://www.sice.com/proyectos-relevantes/eastlink_backoffice_system_tos_bis

Sice_B. (16 de 11 de 2017). Sistema de Gestión de Tráfico (OMCS) para “M5 West Widening Project” (LEND LEASE ). Obtenido de Sice: http://www.sice.com/proyectos-relevantes/M5-West-Widening-project

Sice_C. (16 de 11 de 2017). Módulo de tarificación y reconstrucción de viajes (TRARM) para el backoffice operacional de peaje de WestConnex en Sídney. Obtenido de Sice: http://www.sice.com/proyectos-relevantes/modulo-de-tarificacion-y-reconstruccion-de-viajes-trarm-para-el-backoffice-operacional-de-peaje-de-westconnex-en-sidney-

SITT. (14 de 11 de 2017). Sistemas Inteligentes de Transporte. Obtenido de Con soluciones ITS se logra mejorar la seguridad, reducir la congestión, aumentar la movilidad, minimizar el impacto ambiental, ahorrar energía y promover la productividad económica en nuestros sistemas de transporte.: https://www.sittycia.com/its

T_Cubierta. (12 de 11 de 2017). El TPI de una cubierta. Obtenido de cubiertasytubulares: http://cubiertasytubulares.com/blog/2013/01/el-tpi-de-una-cubierta-pero-sabemos-que-es/

Transporte_Masivo. (14 de 11 de 2017). SITT. Obtenido de APOYO EN LA GESTIÓN OPERATIVA Y TECNOLÓGICA EN SISTEMAS DE TRANSPORTE MASIVO.: https://www.sittycia.com/transporte-masivo

TU_Cubiertas. (13 de 11 de 2017). El TPI de una cubierta, pero…. ¿sabemos que es? Obtenido de cubiertasytubulares: http://cubiertasytubulares.com/blog/2013/01/el-tpi-de-una-cubierta-pero-sabemos-que-es/

Vere_Tejada. (15 de 12 de 2017). HISTORIA DEL INTERNET DE LAS COSAS. Obtenido de timetoast: https://www.timetoast.com/timelines/historia-del-internet-de-las-cosas

W_Lechner. (13 de 11 de 2017). Global navigation satellite systems. Obtenido de sciencedirect: https://www.sciencedirect.com/science/article/pii/S0168169999000563

Y_Masumoto. (12 de 11 de 2017). Global positioning system. Obtenido de patents.google: https://patents.google.com/patent/US5210540A/en

97

ANEXOS

A. TOTAL DE LOS ARTÍCULOS REVISADOS

N ID TITULO AUTOR AÑO LUGAR DE

PUBLICACIÓN

1 1736

ChoiceRail ??? A new concept in multi modal journey planning

P. Everson 2014 IEEE Xplore. (IEEE, 2018)

2 1749

Real-time optimisation-based planning and scheduling of vehicle trajectories

J. Maciejowski ; A. Eele

2014 IEEE Xplore. [41]

3 3144 Finding routes in a public transport network. A case study

A. Olczyk ; A. GaÅ‚uszka


4 3145

A proposal of a transport system connecting demand responsive bus with mass transit

K. Uehara ; Y. Akamine ; N. Toma ; M. Nerome ; S. Endo


5 1662 Congestion-aware MTC device triggering.

A. Ksentini ; T. Taleb ; X. Ge ; H. Honglin


6 1671

Planning fixed to flexgrid gradual migration: drivers and open issues.

M. Ruiz ; L. Velasco ; A. Lord ; D. Fonseca ; M. Pioro ; R. Wessaly ; J. P. Fernandez-palacios


7 1681

Experiences With Tungsten Plasma Facing Components in ASDEX Upgrade and JET.

R. L. Neu ; S. Brezinsek ; M. Beurskens ; V. Bobkov ; P. de Vries ; C. Giroud ; E. Joffrin ; A. Kallenbach ; G. F.


98


PUBLICACIÓN

Matthews ; M. L. Mayoral ; G. Pautasso ; T. PÃ¼tterich ; F. Ryter ; J. Schweinzer ; ASDEX Upgrade Team ; JET EFDA Contributors

8 1683 Evolution of the cosmic web.

M. Cautun ; R. van de Weygaert ; B. J. T. Jones ; C. S. Frenk


9 1696

Analysis of performance issues in point-to-multipoint data transport for big data.

A. V. Bakharev ; E. Siemens ; V. P. Shuvalov


10 1699

Angular momentum redistribution by SASI spiral modes and consequences for neutron star spins.

J. Guilet ; R. FernÃ¡ndez


11 1701

A survey of platform designs for portable robotic welding in large scale structures.

A. G. Dharmawan ; A. A. Vibhute ; S. Foong ; G. S. Soh ; K. Otto


12 1704

Starbursts and high-redshift galaxies are radioactive: high abundances of 26Al and other short-lived radionuclides.

B. C. Lacki 2014 IEEE Xplore. [41]

13 1709

IP for Contribution Broadcasting: The Next Step of IP Ubiquity.

C. C. Koh 2014 IEEE Xplore. [41]

99


PUBLICACIÓN

14 1711

Conductivity measurements and space charge inference in polymeric-insulated HVDC model cables.

J. Y. Steven ; T. T. N. Vu ; G. Teyssedre ; N. I. Sinisuka


15 1735 The dynamics of ultracompact H II regions.

N. Roth ; S. W. Stahler ; E. Keto


16 1755

A high-level Petri nets approach for multi-objective optimization in pipeline networks.

H. Kadri ; B. Zouari


17 2753

Analysis of experiences related with dependability and security fails at the Costa Rican power system protective relaying schemes

J. Cordero-LeitÃ³n


18 2754

Predictive DTC algorithm for induction machines using Sliding Horizon Prediction

J. Rengifo ; J. Aller ; A. Berzoy ; J. Restrepo


19 1651

Predicting Object Trajectories from High-Speed Streaming Data

N. Zorbas ; D. Zissis ; K. Tserpes ; D. Anagnostopoulos


20 1655

YA Biometric Authentication for UID-based Smart and Ubiquitous Services in India

P. Chatterjee ; A. Nath


21 1658 Multi-Modal Data Fusion for Big Events [Research News]

A. E. Papacharalampous ; S. Hovelynck ; O. Cats ; J. W. Lankhaar ; W.


100


PUBLICACIÓN

Daamen ; N. van Oort ; J. W. C. van Lint

22 1668

A Transport-SDN application for incremental on-line network optimization

I. Ilchmann ; L. Dembeck ; J. Milbrandt


23 1687 Finding alternative paths in city bus networks

K. D. Vo ; T. V. Pham ; H. T. Nguyen ; N. Nguyen ; Tran Van Hoai


24 1692

Prospects for electric vehicles technology with renewable energy sources in a Smart-Grid environment - An introduction

J. StuchlÃ½ ; S. MiÅ¡Ã¡k ; L. Prokop


25 1697

A calculation method of OD matrix in multi-modal transit network based on traffic big data

L. X. Gao ; G. y. Li ; J. h. Hu ; J. x. Liang


26 1698

Predictability of Public Transport Usage: A Study of Bus Rides in Lisbon, Portugal

S. Foell ; S. Phithakkitnukoon ; G. Kortuem ; M. Veloso ; C. Bento


27 1724

Distortion-Aware Concurrent Multipath Transfer for Mobile Video Streaming in Heterogeneous Wireless Networks

J. Wu ; B. Cheng ; C. Yuen ; Y. Shang ; J. Chen


28 1727

YA. Intelligent transport systems a comprehensive way to regulate and curb vehicular pollution

S. H. Imtiyaz ; S. A. M. Sadique


101


PUBLICACIÓN

29 1737

Human mobility during religious festivals and its implications on public health in Senegal: A mobile dataset analysis

C. Scharff ; K. Ndiaye ; M. Jordan ; A. N. Diene ; F. M. Drame


30 1758

YA An Energy-Efficient Strategy for VoD Content Replication in Integrated Metro/Access Networks

M. Savi ; G. Verticale ; M. Tornatore ; A. Pattavina


31 2750

Impact of electric vehicle charging in power distribution networks using a transport model approach

J. Mendoza-Baeza ; B. R. Cerda ; R. F. LÃ³pez ; M. F. Caicedo


32 2751

IoT approach applied in the context of ITS: monitoring highways through instant messaging

L. F. Herrera-quintero ; K. Banse ; J. C. Vega-alfonso ; W. D. Jalil-nasser ; O. E. Herrera Bedoya


33 2752

Smart cities approach for Colombian Context. Learning from ITS experiences and linking with government organization

L. F. Herrera-Quintero ; W. D. Jalil-Naser ; K. Banse ; J. J. Samper-Zapater


34 3141

Design of geographic information system for tracking and routing using Dijkstra algorithm for public transportation

M. A. Indrajaya ; A. Affandi ; I. Pratomo


102


PUBLICACIÓN

35 3142

Tram and trolleybus net traction energy consumption comparison

J. J. Mwambeleko ; T. Kulworawanichpong ; K. A. Greyson


36 3152

Intelligent bus information service with the support of mobile social community on the Internet

H. J. Hsiao ; Y. F. Huang ; H. S. Deng ; Y. F. Hsu ; C. L. Hu


37 3153

Improving Mass Transit Operations by Using AVL-Based Systems: A Survey

L. Moreira-Matias ; J. Mendes-Moreira ; J. F. de Sousa ; J. Gama


38 1663

The impact of angular momentum on black hole accretion rates in simulations of galaxy formation.

Y. M. Rosas-Guevara ; R. G. Bower ; J. Schaye ; M. Furlong ; C. S. Frenk ; C. M. Booth ; R. A. Crain ; C. Dalla Vecchia ; M. Schaller ; T. Theuns


39 1664

Taxi-RS: Taxi-Hunting Recommendation System Based on Taxi GPS Data.

X. Xu ; J. Zhou ; Y. Liu ; Z. Xu ; X. Zhao


40 1666

H ingestion into He-burning convection zones in super-AGB stellar models as a potential site for intermediate neutron-density nucleosynthesis.

S. Jones ; C. Ritter ; F. Herwig ; C. Fryer ; M. Pignatari ; M. G. Bertolli ; B. Paxton


103


PUBLICACIÓN

41 1673

MOOC-DASH: A DASH System for Delivering High-Quality MOOCs Videos.

Y. Wang ; W. Wu ; Y. Lou


42 1674

Dual-Matrix Sampling for Scalable Translucent Material Rendering.

Y. T. Wu ; T. M. Li ; Y. H. Lin ; Y. Y. Chuang


43 1684

Observing gas and dust in simulations of star formation with Monte Carlo radiation transport on Voronoi meshes.

D. A. Hubber ; B. Ercolano ; J. Dale


44 1707

Assessment of future backhaul and fronthaul networks for HetNet architectures.

D. Breuer ; E. Weis ; S. KrauÃŸ ; J. Belschner ; F. Geilhardt


45 1712

High frequency vibration and high gravity force shock testing for potential Mars Sample Return.

K. Acord ; M. Parker ; E. Dodd ; J. Kang ; E. Kulczycki ; C. Budney


46 1714

Topological insulators: Potential devices and applications.

K. L. Wang 2015 IEEE Xplore. [41]

47 1719

Web-Based Performance Monitor for Distributed Computing.

K. Hua ; K. Wu ; Y. Ding ; W. T. Tsai


48 1720 Reliability of offshore pipelines subject to upheaval buckling.

S. Ismail ; S. Najjar ; S. Sadek


49 1722 Domestic oil by rail distribution analysis.

A. Czenczek ; V. Clatterbuck ; I. Oh ; T. Hutson ; P.


104


PUBLICACIÓN

Williams ; W. Scherer

50 1726

Software defined 5G networks for anything as a service [Guest Editorial]

D. Soldani ; B. Barani ; R. Tafazolli ; A. Manzalini ; C. l. I


51 1730

ADEPT: “ADvanced electric powertrain technology” - Virtual and hardware platforms.

E. A. Lomonova ; J. J. H. Paulides ; S. Wilkins ; J. Tegenbosch


52 1732

Redesigning fronthaul for next-generation networks: beyond baseband samples and point-to-point links.

J. Liu ; S. Xu ; S. Zhou ; Z. Niu


53 1739

Four phases of angular-momentum buildup in high-z galaxies: from cosmic-web streams through an extended ring to disc and bulge.

M. Danovich ; A. Dekel ; O. Hahn ; D. Ceverino ; J. Primack


54 1743

5G transport and broadband access networks: The need for new technologies and standards.

P. T. Dat ; A. Kanno ; N. Yamamoto ; T. Kawanishi


55 1745

Efficient Indexing and Querying of Massive Astronomical Data Using Compressed Word-Aligned Hybrid Bitmap

Y. B. Liu ; H. M. Dai ; F. Wang ; W. Dai ; H. Deng


56 1750

Runaway stars as cosmic ray injectors inside molecular clouds.

M. V. del Valle ; G. E. Romero ; R. Santos-Lima


105


PUBLICACIÓN

57 2745

Telemetry seismic events: Adquisición de Datos, almacenamiento y transporte.

P. R. Narvaez 2015 IEEE Xplore. [41]

58 2746

A new approach to the massive processing of satellite images.

W. Nina ; R. Cruz ; J. Serrano ; J. Cuba ; Y. Huaynacho ; A. Mamani-Aliaga ; Y. Yari ; P. Yanyachi


59 3143

Tram and trolleybus net traction energy consumption comparison

J. J. Mwambeleko ; T. Kulworawanichpong ; K. A. Greyson


60 1678

6LoWPAN based intelligent transport system for surveillance - a model of ubiquitous computing technology

V. Nagaraj ; Kiran V ; Padmaja K V


61 1705

Informed consent in Internet of Things: The case study of cooperative intelligent transport systems

R. Neisse ; G. Baldini ; G. Steri ; V. Mahieu


62 1706

CIGO! Mobility management platform for growing efficient and balanced smart city ecosystem

P. Mrazovic ; I. De La Rubia ; J. Urmeneta ; C. Balufo ; R. Tapias ; M. Matskin ; J. L. Larriba-Pey


63 1710 Revolution ahead — What it takes to enable securely

L. Reger 2016 IEEE Xplore. [41]

106


PUBLICACIÓN

connected, self-driving cars

64 1713

Development of multiple tracking system for smart VIP car placement and monitoring

N. Khajiev ; Chol-U Lee ; Kyung-Sook Kim ; Seung-Ho Kim ; Ryum-Duck Oh


65 1721

ya. GHOST: A novel approach to smart city infrastructures monitoring through GNSS precise positioning.

S. Tadic ; A. Favenza ; C. Kavadias ; V. Tsagaris


66 1734

FlushMF: A Transport Protocol Using Multiple Frequencies for Wireless Sensor Network

R. C. Tavares ; M. A. M. Vieira ; L. F. M. Vieira


67 1748

Data-centric publish-subscribe approach for Distributed Complex Event Processing deployment in smart grid Internet of Things

Xiangrong Zu ; Yan Bai ; Xu Yao


68 1752

Smart card in public transportation: Designing a analysis system at the human scale

E. Tonnelier ; N. Baskiotis ; V. Guigue ; P. Gallinari


69 1757

Haptic Feedback to Assist Bus Drivers for Pedestrian Safety at Low Speed

V. GirbÃ©s ; L. Armesto ; J. Dols ; J. Tornero


70 2744

Comunicacion machine-to-machine para sistemas inteligentes de transporte

Y. A. Quintero ; A. V. Salazar ; G. Patino


107


PUBLICACIÓN

71 2757

Smart cities technologies applied to sustainable transport. Open data management

F. R. Soriano ; J. J. Samper ; J. J. Martinez ; R. V. Cirilo ; E. Carrillo


72 3140

Implementation of scalable K-Means++ clustering for passengers temporal pattern analysis in public transportation system (BRT Trans Jogja case study)

F. Dzikrullah ; N. A. Setiawan ; S. Sulistyo


73 3150

Mining the GPS big data to optimize the taxi dispatching management

F. T. D. Atmaji ; K. Y. Sig


74 3151

Railway transportation system's resilience: Integration of operating conditions into topological indicators

K. Adjetey-Bahun ; J. L. Planchet ; B. Birregah ; E. ChÃ¢telet


75 1656

5G transport networks: the need for new technologies and standards.

P. T. Dat ; A. Kanno ; N. Yamamoto ; T. Kawanishi


76 1659

On the fragmentation boundary in magnetized self-gravitating discs.

D. Forgan ; D. J. Price ; I. Bonnell


77 1665

The ASDEX Upgrade Program Targeting Gaps to Fusion Energy.

R. Neu ; V. Bobkov ; A. Bock ; M. Bernert ; M. Beurskens ; A. Herrmann ; A. Kallenbach ; P. T. Lang ; J. M. Noterdaeme ;


108


PUBLICACIÓN

G. Pautasso ; M. Reich ; J. Schweinzer ; J. Stober ; W. Suttrop ; H. Zohm ; A. Kirk

78 1672

Monitoring and Tracking the Green Tide in the Yellow Sea With Satellite Imagery and Trajectory Model.

Q. Xu ; H. Zhang ; Y. Cheng ; S. Zhang ; W. Zhang


79 1676

Emerging optical access network technologies for 5G wireless [invited]

X. Liu ; F. Effenberger


80 1679

Modeling energy performance of C-RAN with optical transport in 5G network scenarios.

M. Fiorani ; S. Tombaz ; J. Martensson ; B. Skubic ; L. Wosinska ; P. Monti


81 1680

Young and turbulent: the early life of massive galaxy progenitors.

D. Fiacconi ; L. Mayer ; P. Madau ; A. Lupi ; M. Dotti ; F. Haardt


82 1682

No Need for Black Chambers: Testing TLS in the E-mail Ecosystem at Large.

W. Mayer ; A. Zauner ; M. Schmiedecker ; M. Huber


83 1689

In Situ Eddy Analysis in a High-Resolution Ocean Climate Model.

J. Woodring ; M. Petersen ; A. SchmeiÎ²er ; J. Patchett ; J. Ahrens ; H. Hagen


109


PUBLICACIÓN

84 1690

Investigation of printed dipole match realized on a zinc tungstate.

A. V. Bakharev ; B. P. Zelentsov ; V. P. Maximov ; V. P. Shuvalov


85 1700

Merging binary black holes formed through chemically homogeneous evolution in short-period stellar binaries.

I. Mandel ; S. E. deÂ Mink


86 1703

Achieving of reliable multi-gigabit data delivery in presence of multiple receivers with P2M.

A. V. Bakharev ; B. P. Zelentsov ; V. P. Maximov ; V. P. Shuvalov


87 1716

Electromagnetic field and cylindrical compact objects in modified gravity.

Z. Yousaf ; M. Z. u. H. Bhatti


88 1718

Amplification of magnetic fields in a primordial H ii region and supernova.

D. Koh ; J. H. Wise


89 1729

Super-Eddington stellar winds driven by near-surface energy deposition.

E. Quataert ; R. FernÃ¡ndez ; D. Kasen ; H. Klion ; B. Paxton


90 1731 On the survival of zombie vortices in protoplanetary discs.

G. R. J. Lesur ; H. Latter


91 1740

Traffic Density-Based RRH Selection for Power Saving in C-RAN.

W. Zhao ; S. Wang


92 1742 Raining on black holes and massive galaxies: the top-

M. Gaspari ; P. Temi ; F. Brighenti


110


PUBLICACIÓN

down multiphase condensation model.

93 1746 Large-scale mass distribution in the Illustris simulation.

M. Haider ; D. Steinhauser ; M. Vogelsberger ; S. Genel ; V. Springel ; P. Torrey ; L. Hernquist


94 1747

Air-Interface Slice Based Dynamic Resource Reservation for Ultra-Low-Latency IoT Transmissions

G. Sun ; G. Wang ; G. Liu


95 1751

Virtualization in high-throughput network elements and its impact on energy consumption.

H. Woesner ; C. Lange ; R. Schlenk ; M. Schlosser ; D. Kosiankowski


96 1753

Large Scale Parallel Computing for Fluid Dynamics on Unstructured Grid.

J. Tang ; B. Li ; J. Chen ; X. Gong


97 2743

Gamificando un proceso de evaluación de competencias masivo — Un abordaje practico

R. Borgia 2016 IEEE Xplore. [41]

98 1652

Efficient expression and deep analysis platform of massive traffic video data

X. Dong ; G. Xiong ; B. Hu ; F. Zhu ; Z. Shen


99 1661

Rethinking intelligent transportation systems with Internet of Vehicles: Proposition of

O. Sadio ; I. Ngom ; C. Lishou


111


PUBLICACIÓN

sensing as a service model

100 1667 Money markets [News Briefing]

C. Chambers 2017 IEEE Xplore. [41]

101 1677

An architecture model for smart city using Cognitive Internet of Things(CIoT)

M. K. Patra 2017 IEEE Xplore. [41]

102 1688

Middleware structure using Local Dynamic Map within its environment

K. Nizomjon ; R. D. Oh


103 1694

Recent research trends in wireless multimedia communications

S. E. El-Khamy


104 1695

Block Gauss-Seidel Method Based Detection in Vehicle-to-Infrastructure Massive MIMO Uplink

F. Jiang ; C. Li ; Z. Gong


105 1708

Improving Mobility in Smart Cities with Intelligent Tourist Trip Planning

P. Mrazovic ; J. L. Larriba-Pey ; M. Matskin


106 1723

An adaptive strategy to mitigate instability in the ETSI DCC: Experimental validation

E. Cinque ; F. Valentini ; A. Iovine ; M. Pratesi


107 1728

Challenges for ICT business development in intelligent transport systems

A. Karapantelakis ; J. Markendahl


108 1733

Improved intelligent transport system for reliable traffic control management by

R. Eswaraprasad ; L. Raja


112


PUBLICACIÓN

adapting internet of things

109 1744

Customs Risk Analysis through the ConTraffic Visual Analytics Tool

M. Poulymenopoulou ; A. Tsois


110 1759

Stakeholder Impact on the Software Architecture of Intelligent Transport Systems Implementations

J. Redegeld ; P. J. L. Cuijpers ; J. J. Lukkien


111 3136

YA. Counting public transport passenger using WiFi signatures of mobile devices

T. A. Myrvoll ; J. E. HÃ¥kegÃ¥rd ; T. Matsui ; F. Septier


112 3138

YA Network survivability and recoverability in urban rail transit systems under disruption

W. Hua ; G. P. Ong


113 3139

YA. A MRT Daily Passenger Flow Prediction Model with Different Combinations of Influential Factors

L. Liu ; R. C. Chen


114 3146 Design of mass customized paratransit services

D. Mo ; Y. Wang ; T. K. Y. Cheung


115 3147

Predicting passenger flow using different influence factors for Taipei MRT system

Y. C. Shiao ; L. Liu ; Q. Zhao ; R. C. Chen


116 3148

The assessment of inter-city rail operation policy in China

B. Wang ; X. Zhang ; Q. Qin


113


PUBLICACIÓN

117 3149

A Privacy-Preserving Mobile Payment System for Mass Transit

J. Kang ; D. Nyang


118 1653

Control orchestration protocol: Unified transport API for distributed cloud and network orchestration.

A. Mayoral ; R. Vilalta ; R. MuÃ±oz ; R. Casellas ; R. MartÃnez ; M. S. Moreolo ; J. M. Fabrega ; A. Aguado ; S. Yan ; D. Simeonidou ; J. M. Gran ; V. LÃ³pez ; P. Kaczmarek ; R. Szwedowski ; T. Szyrkowiec ; A. Autenrieth ; N. Yoshikane ; T. Tsuritani ; I. Morita ; M. Shiraiwa ; N. Wada ; M. Nishihara ; T. Tanaka ; T. Takahara ; J. C. Rasmussen ; Y. Yoshida ; K. i. Kitayama


119 1654

On the Simulation of Complex Visibilities in Imaging Radiometry by Aperture Synthesis.

E. Anterrieu ; F. Cabot ; A. Khazaal ; Y. H. Kerr


114


PUBLICACIÓN

120 1657

The ADRENALINE testbed: An SDN/NFV packet/optical transport network and edge/core cloud platform for end-to-end 5G and IoT services

R. MuÃ±oz ; L. Nadal ; R. Casellas ; M. S. Moreolo ; R. Vilalta ; J. M. FÃ brega ; R. MartÃnez ; A. Mayoral ; F. J. VÃlchez


121 1660 Photonics for electronic inteference suppression.

V. J. Urick ; D. C. Mikeska ; M. E. Godinez


122 1669 Does warm debris dust stem from asteroid belts?

F. Geiler ; A. V. Krivov


123 1670

Toward Physiology-Aware DASH: Bandwidth-Compliant Prioritized Clinical Multimedia Communication in Ambulances

M. Hosseini ; Y. Jiang ; R. R. Berlin ; L. Sha ; H. Song


124 1675 End-to-end service orchestration from access to backbone.

V. Lopez ; J. M. Gran Josa ; V. Uceda ; F. Slyne ; M. Ruffini ; R. Vilalta ; A. Mayoral ; R. Munoz ; R. Casellas ; R. Martinez


125 1685

Massive Non-Orthogonal Multiple Access for Cellular IoT: Potentials and Limitations

M. Shirvanimoghaddam ; M. Dohler ; S. J. Johnson


126 1691

Control plane architectures enabling transport network adaptive and autonomic operation.

R. Casellas ; R. Vilalta ; A. Mayoral ; R. MartÃnez ; R.


115


PUBLICACIÓN

MuÃ±oz ; L. M. Contreras

127 1693

Datacenter Traffic Control: Understanding Techniques and Trade-offs.

M. Noormohammadpour ; C. S. Raghavendra


128 1702

Cyber-healthcare cloud computing interoperability using the HL7-CDA standard.

C. Lubamba ; A. Bagula


129 1715

Evaluation and Trade-offs of Graph Processing for Cloud Services.

C. Xu ; J. Zhou ; Y. Lu ; F. Sun ; L. Gong ; C. Wang ; X. Li ; X. Zhou


130 1717

Lightweight & secure industrial IoT communications via the MQ telemetry transport protocol

S. Katsikeas ; K. Fysarakis ; A. Miaoudakis ; A. Van Bemten ; I. Askoxylakis ; I. Papaefstathiou ; A. Plemenos


131 1725

On the Transport Capability of LAN Cables in All-Analog MIMO-RoC Fronthaul.

S. H. R. Naqvi ; A. Matera ; L. Combi ; U. Spagnolini


132 1738 TCP dynamics over mmwave links.

M. Zhang ; M. Mezzavilla ; J. Zhu ; S. Rangan ; S. Panwar


133 1741 Hydrogen generation sailing ship:

K. Ouchi ; J. Henzie


116


PUBLICACIÓN

Conceptual design and feasibility study.

134 1756

Study of Internet-of-Things Messaging Protocols Used for Exchanging Data with External Sources

A. Chaudhary ; S. K. Peddoju ; K. Kadarla


135 2741

An Active Safety System for Low-Speed Bus Braking Assistance

V. GirbÃ©s ; L. Armesto ; J. Dols ; J. Tornero


136 2747

Sensitivity analysis of medical centers energy consumption with EnergyPlus.

S. Rastegarpour ; L. Ferrarmi ; R. Pacheco-Torres ; A. Kalogeras ; C. Koulamas


137 2748

Scenario-based sensitivity analysis of energy dynamic behavior in residential buildings with radiant floors.

R. Pacheco-Torres ; L. A. Dao ; L. Ferrarini


138 2749

Energy consumption modeling by machine learning from daily activity metering in a hospital

E. Ruiz ; R. Pacheco-Torres ; J. Casillas


139 2756

Evaluation of load distribution factors in prestressed bridges in México

J. I. V. Delgado ; S. E. C. SÃ¡nchez ; M. A. P. L. y HernÃ¡ndez ; F. J. C. Viramontes ; J. H. Rangel ; M. A. Contreras


117


PUBLICACIÓN

140 1686

Low Complexity and Fast Processing Algorithms for V2I Massive MIMO Uplink Detection

C. Li ; F. Jiang ; Z. Gong


141 3137

ya. Server-Based Intelligent Public Transportation System with NFC

U. Demir Alan ; D. Birant


142 3154

Protection model of PCS of subway from attacks type «wanna cry», «petya» and «bad rabbit» IoT

A. S. Petrenko ; S. A. Petrenko ; K. A. Makoveichuk ; P. V. Chetyrbok


143 3156

PortoLivingLab: An IoT-Based Sensing Platform for Smart Cities

P. M. Santos ; J. G. P. Rodrigues ; S. B. Cruz ; T. LourenÃ§o ; P. M. dâ€™Orey ; Y. Luis ; C. Rocha ; S. Sousa ; S. CrisÃ³stomo ; C. QueirÃ³s ; S. Sargento ; A. Aguiar ; J. Barros


144 3157

State Tracking of Linear Ensembles via Optimal Mass Transport

Y. Chen ; J. Karlsson


145 3161

Passenger flow prediction for new line using region dividing and fuzzy boundary processing

H. Yu ; C. Jiang ; R. Xiao ; H. Liu ; W. Lv


118


PUBLICACIÓN

146 3162

IEEE 1451-1-6: Providing common network services over MQTT

J. Velez ; R. Trafford ; M. Pierce ; B. Thomson ; E. Jastrzebski ; B. Lau


147 3163

Passenger's location estimation using Kalman filter for Beacon fare collection in a wireless low floor tram

K. Jung ; P. B. V. Bermudez ; H. Hwang ; Y. Oh ; J. Kwak


148 3166 Internet of Things security: Are we paranoid enough?

S. Bhunia 2018 IEEE Xplore. [41]

149 3167

A Handshake Protocol With Unbalanced Cost for Wireless Updating

J. Cai ; X. Huang ; J. Zhang ; J. Zhao ; Y. Lei ; D. Liu ; X. Ma


150 3170

IoT security vulnerability: A case study of a Web camera

Y. Seralathan ; T. T. Oh ; S. Jadhav ; J. Myers ; J. P. Jeong ; Y. H. Kim ; J. N. Kim


151 3172

An energy-efficient reconfigurable DTLS cryptographic engine for End-to-End security in iot applications

U. Banerjee ; C. Juvekar ; A. Wright ; Arvind ; A. P. Chandrakasan


152 3173

Build an app and they will come? Lessons learnt from trialling the GetThereBus app in rural communities

D. Corsar ; C. Cottrill ; M. Beecroft ; J. D. Nelson ; K. Papangelis ; P. Edwards ; N. Velaga ; S. Sripada


119


PUBLICACIÓN

153 3180 Transactive Control in Smart Cities

A. M. Annaswamy ; Y. Guan ; H. E. Tseng ; H. Zhou ; T. Phan ; D. Yanakiev


154 3189

Changes of Superconducting Properties Due to the Unidirectional Tensile Deformation on Bronze-Processed Nb3Sn Multifilamentary Wires Using Various Cu–Sn–Zn Ternary Alloy Matrices

Y. Hishinuma ; H. Oguro ; H. Taniguchi ; A. Kikuchi


155 3201 Regularization and Interpolation of Positive Matrices

K. Yamamoto ; Y. Chen ; L. Ning ; T. T. Georgiou ; A. Tannenbaum


156 3202

YA. Smartphone Sensing Meets Transport Data: A Collaborative Framework for Transportation Service Analytics

Y. Lu ; A. Misra ; w. Sun ; H. Wu


157 3209

Transit assignment with strict capacity constraints in presence of countdown information

S. Padma ; S. Velmurugan


158 3210

Updating a robust optimization model for improving bus schedules

Y. Baghoussi ; J. Mendes-Moreira ; M. T. M. Emmerich


120


PUBLICACIÓN

159 3211 A Public Transit Assistant for Blind Bus Passengers

G. H. Flores ; R. Manduchi


160 3212

Modeling of Driver Behavior on Trajectory-Speed Decision Making in Minor Traffic Roadways With Complex Features

J. Xu ; H. B. Shu ; Y. M. Shao


161 1754

Boosting 5G Through Ethernet: How Evolved Fronthaul Can Take Next-Generation Mobile to the Next Level.

N. J. Gomes ; P. Sehier ; H. Thomas ; P. Chanclou ; B. Li ; D. Munch ; P. Assimakopoulos ; S. Dixit ; V. Jungnickel


162 2755

Flexible Job Shop Scheduling With Operators in Aeronautical Manufacturing: A Case Study

T. Borreguero-SanchidriÃ¡n ; R. Pulido ;

Ã�. GarcÃa-SÃ¡nchez ; M. Ortega-Mier


163 3158

Integration of IoT, Transport SDN, and Edge/Cloud Computing for Dynamic Distribution of IoT Analytics and Efficient Use of Network Resources

R. MuÃ±oz ; R. Vilalta ; N. Yoshikane ; R. Casellas ; R. MartÃnez ; T. Tsuritani ; I. Morita


164 3159

Fabrication of high-density microneedle masters towards the commercialisation of dissolving microneedles

M. Chiaranairungroj ; A. Pimpin ; W. Srituravanich


121


PUBLICACIÓN

165 3160

A Large-scale Concurrent Data Anonymous Batch Verification Scheme for Mobile Healthcare Crowd Sensing

J. Liu ; H. Cao ; Q. Li ; F. Cai ; X. Du ; M. Guizani


166 3165

Deep fraud. A fraud intention recognition framework in public transport context using a deep-learning approach

J. L. L. Herrera ; H. V. R. Figueroa ; E. J. R. RamÃrez


167 3168 Implement smart farm with IoT technology

C. Yoon ; M. Huh ; S. G. Kang ; J. Park ; C. Lee


168 3174

Distributed Network Structure Estimation Using Consensus Methods

Sai Zhang ; Cihan Tepedelenlioglu ; Andreas Spanias ; Mahesh Banavar ; William Tranter


169 3175

Atomistic modelling of thin film argon evaporation over different solid surfaces at different wetting conditions

M. N. Hasan ; S. M. Shavik ; K. M. Mukut ; K. F. Rabbi ; A. H. M. Faisal


170 3176 5G Readiness on the Horizon [Mobile Radio]

M. Patzold 2018 IEEE Xplore. [41]

171 3177

Understanding Plasma–Liquid Interface Instabilities Using Particle Image Velocimetry and Shadowgraphy Imaging Methods

J. Lai ; V. Petrov ; J. E. Foster


122


PUBLICACIÓN

172 3178

First Operation of the Complete KATRIN Superconducting Magnet Chain

W. Gil 2018 IEEE Xplore. [41]

173 3179

Microchannel Plate Detection Efficiency to Monoenergetic Photons Between 0.66 and 20 MeV

R. C. Blase ; R. R. Benke ; K. S. Pickens ; J. H. Waite


174 3181

Optimal number of e-buses in the solar-assisted smart public transit system and its failure analysis

M. Bhaskar Naik ; P. Kumar ; S. Majhi


175 3182

Real-Time Awareness Scheduling for Multimedia Big Data Oriented In-Memory Computing

J. Xu ; K. Ota ; M. Dong


176 3183

Nonlinear Circle-Criterion Observer Design for an Electrochemical Battery Model

P. Blondel ; R. Postoyan ; S. RaÃ«l ; S. Benjamin ; P. Desprez


177 3184

Distributed Group Key Management for Event Notification Confidentiality among Sensors

C. Esposito ; M. Ficco ; A. Castiglione ; F. Palmieri ; A. De Santis


178 3185

Joint Admission Control and Resource Allocation in Edge Computing for Internet of Things

S. Li ; N. Zhang ; S. Lin ; L. Kong ; A. Katangur ; M. K. Khan ; M. Ni ; G. Zhu


179 3186

Velocity Control Strategies to Improve Automated Vehicle Driving Comfort

Y. Du ; C. Liu ; Y. Li


123


PUBLICACIÓN

180 3187

Cooling Mechanisms of Switching Arcs Under Transverse Magnetic Fields in Comparison With Arcs Without Magnetic Blast

M. Lindmayer 2018 IEEE Xplore. [41]

181 3188

Design and Analysis Progress of ITER Diagnostic Equatorial Port #09

Y. Zhai ; A. Basile ; R. Feder ; W. Wang ; J. Chen ; A. Khodak ; J. P. Klabacha ; D. Johnson ; M. Hause ; M. Messineo ; H. Zhang ; J. R. Gonzalez-Teodoro ; J. Guirao ; S. Iglesias


182 3190

TCP in the Internet of Things: From Ostracism to Prominence

C. Gomez ; A. Arcia-Moret ; J. Crowcroft


183 3191

Production of Aluminum Stabilized Superconducting Cable for the Mu2e Transport Solenoid

V. Lombardo ; G. Ambrosio ; D. Evbota ; A. Hocker ; M. Lamm ; M. Lopes ; P. Fabbricatore ; S. Curreli ; R. Musenich


184 3192

Optimal Steering of a Linear Stochastic System to a Final Probability Distribution, Part III

Y. Chen ; T. T. Georgiou ; M. Pavon


124


PUBLICACIÓN

185 3193

From mind to products: towards social manufacturing and service

G. Xiong ; F. Y. Wang ; T. R. Nyberg ; X. Shang ; M. Zhou ; Z. Shen ; S. Li ; C. Guo


186 3194

Experimental Identification and Parameter Estimation of the Mechanical Driveline of a Hybrid Bus

J. H. Montonen ; N. Nevaranta ; T. Lindh ; J. Alho ; P. Immonen ; O. PyrhÃ¶nen


187 3195

SEAT: Secure Energy-Efficient Automated Public Transport Ticketing System

C. Sarkar ; J. J. Treurniet ; S. Narayana ; R. V. Prasad ; W. de Boer


188 3196 Reverse $k$ Nearest Neighbor Search over Trajectories

S. Wang ; Z. Bao ; J. S. Culpepper ; T. Sellis ; G. Cong


189 3197

Improved Rear Local Contact Formation Using Al Paste Containing Si for Industrial PERC Solar Cell

S. Joonwichien ; S. Utsunomiya ; Y. Kida ; M. Moriya ; K. Shirasawa ; H. Takato


190 3198

Multidomain Optimization of High-Power-Density PM Electrical Machines for System Architecture Selection

D. Golovanov ; L. Papini ; D. Gerada ; Z. Xu ; C. Gerada


125


PUBLICACIÓN

191 3199

Dynamics Model and Vibration Control of Piezoelectric Feeder in Semiconductor Manufacturing Assembly

Z. Long ; H. Shen ; J. Zhang ; S. Zhao ; Y. Lin ; Z. Li


192 3200

Internet of Things for Smart Railway: Feasibility and Applications

O. Jo ; Y. K. Kim ; J. Kim


193 3203

An In Vitro and Numerical Study of Moxibustion Therapy on Biological Tissue

Y. Li ; C. Sun ; J. Kuang ; C. Ji ; S. Feng ; J. Wu ; H. You


194 3204

Enabling 5G verticals and services through network softwarization and slicing

K. Samdanis ; A. Prasad ; M. Chen ; Kai Hwang


195 3205

Session 2 overview: Processors: Digital architectures and systems subcommittee

T. Burd ; M. Khellah ; B. G. Nam


196 3206

How to drive passenger airport experience: a decision support system based on user profile

R. Rossi ; M. Gastaldi ; F. Orsini


197 3207 Impact of SDN on optical router bypass

F. A. Ghonaim ; T. E. Darcie ; S. Ganti


198 3208

Delay Estimation of Industrial IoT Applications Based on Messaging Protocols

P. Ferrari ; A. Flammini ; E. Sisinni ; S. Rinaldi ; D. BrandÃ£o ; M. S. Rocha


126


PUBLICACIÓN

199 3213

Combining the Matter-Element Model With the Associated Function of Performance Indices for Automatic Train Operation Algorithm

J. Meng ; R. Xu ; D. Li ; X. Chen


200 3214

Integration of LoRaWAN and 4G/5G for the Industrial Internet of Things

J. Navarro-Ortiz ; S. Sendra ; P. Ameigeiras ; J. M. Lopez-Soler


201 3215

First-Principles Simulations of FETs Based on Two-Dimensional InSe

E. G. Marin ; D. Marian ; G. Iannaccone ; G. Fiori


202 3216

A Dual-Link Soft Handover Scheme for C/U Plane Split Network in High-Speed Railway

J. Zhao ; Y. Liu ; Y. Gong ; C. Wang ; L. Fan


203 3217

Germanane MOSFET for Subdeca Nanometer High-Performance Technology Nodes

M. Brahma ; M. Bescond ; D. Logoteta ; R. k. Ghosh ; S. Mahapatra


204 3218

Development of SiPM-based X-ray counting scanner for human inspection

D. Philippov ; E. Popova ; S. Vinogradov ; A. Stifutkin ; A. Pleshko ; S. Klemin ; A. Ilyin ; V. Belyaev ; D. Besson ; M. Vandychev


205 3219 Power and Control Autonomy for High-Speed Locomotion

B. Goldberg ; R. Zufferey ; N. Doshi ; E. F. Helbling ;


127


PUBLICACIÓN

With an Insect-Scale Legged Robot

G. Whittredge ; M. Kovac ; R. J. Wood

206 3220

A 9-mm2 Ultra-Low-Power Highly Integrated 28-nm CMOS SoC for Internet of Things

Y. Pu ; C. Shi ; G. Samson ; D. Park ; K. Easton ; R. Beraha ; A. Newham ; M. Lin ; V. Rangan ; K. Chatha ; D. Butterfield ; R. Attar


207 3221

Feasible Device Architectures for Ultrascaled CNTFETs

A. Pacheco-Sanchez ; F. Fuchs ; S. Mothes ; A. Zienert ; J. Schuster ; S. Gemming ; M. Claus


208 3222

PtSe2 Field-Effect Transistors: New Opportunities for Electronic Devices

A. AlMutairi ; D. Yin ; Y. Yoon


209 3223

Adaptive Sliding Mode Control of Dynamic Systems Using Double Loop Recurrent Neural Network Structure

J. Fei ; C. Lu 2018 IEEE Xplore. [41]

210 3224

In-Silico Modeling of the Functional Role of Reduced Sialylation in Sodium and Potassium Channel Gating of Mouse Ventricular Myocytes

D. Du ; H. Yang ; A. R. Ednie ; E. S. Bennett


211 3155 Server-Based Intelligent Public

U. Demir Alan ; D. Birant


128


PUBLICACIÓN

Transportation System with NFC

212 3164

Co-iOAM: In-situ telemetry metadata transport for resource constrained networks within IETF standards framework

R. Ballamajalu ; S. V. R. Anand ; M. Hegde


213 3169 Implement smart farm with IoT technology

C. Yoon ; M. Huh ; S. G. Kang ; J. Park ; C. Lee


214 3171

IoT security vulnerability: A case study of a Web camera

Y. Seralathan ; T. T. Oh ; S. Jadhav ; J. Myers ; J. P. Jeong ; Y. H. Kim ; J. N. Kim


Fuente: El autor.

129

B. EVIDENCIA MINISTERIO DE TRANSPORTE EN COLOMBIA BOGOTÁ Se adjunta la siguiente evidencia ya que se solicitó información al ministerio de transporte con fecha de radicación 2018-03-14, bajo Radicado 20183030028872 y al día de hoy no se brindó información. Ilustración 42. Evidencia, plantilla generada por el sistema de información del MinTransporte.

Fuente: El autor.

130

Ilustración 43. Evidencia, estado de la solicitud.

Fuente: El autor. Ilustración 44. Evidencia, histórico de la solicitud a MinTransporte.

Fuente: El autor.

REVISIÓN SISTEMÁTICA DE SISTEMAS INTELIGENTES DE ...“… · sistemas de transporte para mejorar...

Documents

Transcript of REVISIÓN SISTEMÁTICA DE SISTEMAS INTELIGENTES DE ...“… · sistemas de transporte para mejorar...