• Determinación de ciclos semafóricos optimizados con Synchro 10.0 aplicados y evaluados en intersecciones de gran congestión vehicular con el software PTV Vissim 9.0.

      Bravo Lizano, Aldo Rafael; Rivera Saavedra, Gabriel; Velásquez Ochochoque, Luis Alberto (Universidad Peruana de Ciencias Aplicadas (UPC), 2019-07-24)
      Este artículo presenta la evaluación del tráfico vehicular en dos intersecciones semaforizadas ubicadas en la ciudad de Lima; una de las principales ciudades del mundo con gran congestión vehicular; mediante un modelo microscópico desarrollado con el software Vissim 9.0. La finalidad de esta investigación es proponer la implementación de un sistema de semaforización inteligente para mejorar los niveles de servicio y disminuir la congestión vehicular. El proceso de construcción del modelo consiste en cuatro etapas. Primero, es el trabajo previo, en la cual se realizó la recolección de datos de campo. Luego, se construyó el modelo mediante el software Vissim 9.0. Después, se realizó la calibración y validación del modelo en ambas intersecciones en base a parámetros psicofísicos para certificar que los resultados del modelo se asemejen a las condiciones reales de las intersecciones. Por último, se incorporaron los nuevos flujos futuros en el modelo cada 15 minutos los cuales se simularon y evaluaron con los NS obtenidos, que incorporan la propuesta de mejora. Esencialmente los niveles de servicio de las intersecciones mejoran, determinando cada 15 minutos durante la hora pico nuevos ciclos semaforizados optimizados con el programa Synchro 10.0 aplicados a Vissim 9.0, pasando de un NS E a D, esto se deduce a partir de la disminución de longitudes de colas en todos los accesos y la reducción de las demoras de viaje, las cuales fueron 14% en la Av. Javier Prado – Ca. Las Flores y 24% en la Av. Javier Prado – Ca. Las Palmeras.
      Acceso abierto
    • Modelo Predictivo para el diagnóstico de la Diabetes Mellitus Tipo 2 soportado por SAP Predictive Analytics

      Chumpitaz Avendaño, Max Raul; Ordóñez Barrios, Diego Alberto; Vizcarra Infantes, Erick Raphael (Universidad Peruana de Ciencias Aplicadas (UPC), 2018-07-31)
      El presente proyecto se centra en el desarrollo de un modelo predictivo que permite pronosticar el diagnóstico de la diabetes mellitus tipo 2, siendo soportado por la herramienta SAP Predictive Analytics. Tiene como propósito el definir un modelo predictivo cuya implementación permita la optimización del proceso de diagnóstico de la Diabetes Mellitus tipo 2, además permitiendo que el resultado pueda brindar indicios sobre las acciones que una institución prestadora de servicios de cobertura de salud (tanto pública como privada) puede tomar por cada paciente en beneficio del mismo. Para lograr el propósito del proyecto, se ha realizado una investigación donde hemos alineado las 10 metas mundiales planteadas por la Organización Mundial de la Salud (OMS) a las 4 agrupaciones de enfermedades crónicas de mayor impacto económico, con lo que se ha identificado a la diabetes como la enfermedad crónica de mayor impacto para el Perú debido al creciente factor de incidencia en el país, causado principalmente por serias deficiencias en las costumbres diarias de alimentación y ejercicio en la población peruana, además de ser una enfermedad cuya propagación es alta en países en vías de desarrollo como el Perú debido a que no es mitigada adecuadamente por falta de prevención, desconocimiento o por motivos tan diversos como los económicos. Seguidamente, se realiza un benchmarking de herramientas de Predictive Analytics y las capacidades disponibles de las mismas para identificar cuál de ellas brinda el mejor soporte al modelo predictivo planteado, según el contexto identificado.
      Acceso abierto