Sistema de tarifado dinámico en near-to-real-time para Smart Parkings
Loading...
Date
2022
Publisher
Universidad ORT Uruguay
DOI
ISSN
ISBN
URI
Abstract
El presente trabajo final nace con el objetivo de optimizar las búsquedas de lugares para estacionar y poder reducir todas estas problemáticas que este proceso conlleva. Como meta principal se pretende diseñar e implementar una arquitectura con elementos de IoT, Big Data y Machine Learning capaz de procesar un gran volumen de datos estructurados relacionados a estacionamientos inteligentes. También poder ofrecer una solución real que ahorre los tiempos del proceso de estacionar un vehículo, al mismo tiempo que sea una solución tentadora para la gerencia del estacionamiento que le permita incrementar sus ingresos mediante tarifas dinámicas. El procesamiento será en tiempo real y tendrá una interfaz de usuario capaz de desplegar distintas formas de visualizar información de interés, ya sea capacidad total y disponibilidad de los parkings, características de los distintos estacionamientos y tarifado dinámico. Los atributos de calidad manejados por la arquitectura implementada serán la escalabilidad, tolerancia a fallos, performance y disponibilidad.
En
Thesis note
Trabajo final (Master). Universidad ORT Uruguay, Facultad de Ingeniería
Thesis degree name
Master en Big Data
75 p. il., diagrs., tbls., grafs.
Notes
Incluye bibliografía y anexos.
Subject
PROYECTOS-MD, BIG DATA, INTELIGENCIA ARTIFICIAL, INTERNET DE LAS COSAS, ESTACIONAMIENTOS
Type
Trabajo final de carrera
Access the full text
Citation
Bonillo Valero, P. J., Díaz Baraibar, J. E., & Mattos León, J. D. (2022). Sistema de tarifado dinámico en near-to-real-time para Smart Parkings (Trabajo final). Universidad ORT Uruguay, Facultad de Ingeniería.