Análisis de eficiencia de redes neuronales en el estudio de la calidad del servicio en el transporte público. Aplicación al área metropolitana de Granada Garrido Rodríguez, María Concepción Oña López, Juan José De Universidad de Granada. Programa de Doctorado en Ingeniería Civil y Arquitectura Redes neuronales Inteligencia artificial Sector de transportes y comunicaciones Actualmente, uno de los retos de los administradores de transporte público es conseguir que éste, en sus distintos modos, sea de uso extendido por los ciudadanos, y una alternativa al vehículo privado. El transporte en vehículo privado es percibido en general como un modo más cómodo, flexible y rápido, que se adecua mejor al ritmo de vida actual. Sin embargo, su uso excesivo genera problemas sociales y ambientales en las ciudades, como la contaminación, las congestiones de tráfico, el ruido, etc., que ponen en peligro la sostenibilidad de la movilidad en ellas. Los servicios de transporte público tienen que competir con otros modos, y garantizar unos servicios de alta calidad y efectivos, para captar viajeros. Dado que el servicio prestado repercute directamente en el pasajero, puede considerarse que la medida de la calidad del servicio es la percepción que el usuario tenga del mismo. Por tanto, el nivel de calidad de un servicio será elevado si sus características se adecuan a las necesidades y expectativas de los usuarios. En los últimos años ha emergido un interés creciente por analizar la calidad del servicio percibida por los usuarios del transporte público, y especialmente qué atributos son más importantes a la hora de hacer una valoración global del nivel de servicio. Se han usado varias técnicas como los modelos de regresión logit o probit, los árboles de decisión o las ecuaciones estructurales, pero hasta la fecha no ha logrado establecerse un consenso sobre qué método es más eficaz y ofrece mejores resultados en el análisis de la calidad del servicio, por lo que es necesario seguir avanzando e incorporando nuevas técnicas de estudio. En esta investigación, se utiliza de forma novedosa la técnica de las redes neuronales artificiales para analizar la calidad del servicio en transporte público. Por tanto, el objetivo de la presente tesis doctoral es determinar la importancia relativa de las variables incluidas en las encuestas realizadas a los usuarios del transporte público utilizando esta técnica de inteligencia artificial. Para ello se ha utilizado una base de datos de 856 encuestas realizadas a los usuarios del sistema de transporte público por autobús del área metropolitana de Granada. Los resultados obtenidos en este estudio muestran que las variables más influyentes detectadas por estos modelos coinciden con las que se han obtenido en otros estudios existentes en la literatura científica mediante otras técnicas, y concretamente se ha realizado una comparativa con la técnica de árboles de decisión utilizando la misma base de datos. Además, en este trabajo de investigación desarrolla una novedosa metodología que mitiga considerablemente la inestabilidad inherente en los modelos de redes neuronales artificiales cuando se determina la importancia relativa de las variables predictoras consideradas en ellos. Esta limitación es bien conocida en la literatura científica por los investigadores en esta materia, y supone una mejora en la estabilidad y en la robustez de los resultados, que puede aplicarse no sólo a este caso concreto de estudio sino a cualquier otro en el que se aplique la técnica de las redes neuronales artificiales. 2019-05-16T11:55:50Z 2019-05-16T11:55:50Z 2016 2016-01-27 info:eu-repo/semantics/doctoralThesis Garrido Rodríguez, María Concepción. Análisis de eficiencia de redes neuronales en el estudio de la calidad del servicio en el transporte público. Aplicación al área metropolitana de Granada. Granada: Universidad de Granada, 2016. [http://hdl.handle.net/10481/55743] 9788413062082 http://hdl.handle.net/10481/55743 spa http://creativecommons.org/licenses/by-nc-nd/3.0/es/ info:eu-repo/semantics/openAccess Atribución-NoComercial-SinDerivadas 3.0 España Universidad de Granada