Predicción de tiempo de llegada entre paradas de autobuses de transporte público de Cuernavaca mediante redes neuronales artificiales

El transporte público es un componente fundamental de la movilidad urbana en las ciudades. Sin embargo, uno de los principales desafíos que enfrentan los usuarios es la falta de información precisa sobre los tiempos de llegada en cada parada. Este trabajo presenta un enfoque de aprendizaje supervisado que utiliza redes neuronales artificiales para estimar el tiempo de viaje entre dos paradas de autobús. El conjunto de datos comprende información de 2,073 viajes, incorporando diversos factores, como horarios de salida y llegada, velocidad, tiempo total de recorrido, número de topes y semáforos, distancia recorrida y otros eventos imprevistos. El estudio de caso se centró en el transporte público urbano en Cuernavaca, Morelos, México, abarcando el periodo del 1 de octubre de 2024 al 20 de febrero de 2025. Los resultados mostraron que el modelo propuesto de red neuronal artificial alcanzó un alto coeficiente de determinación (R2), que osciló entre 0.9995 y 0.9998, en comparación con el método de referencia para predecir los tiempos de llegada. El enfoque propuesto resalta el potencial del uso de redes neuronales artificiales como herramienta de apoyo a la toma de decisiones para optimizar los tiempos de llegada del transporte en cada parada, facilitando así una mejor organización y planificación de los horarios de viaje.