Desarrollo de un modelo predictivo basado en Machine Learning para anticipar emergencias por especialidad y estaciones de Bomberos del Distrito Metropolitano de Quito

Simple item page
dc.contributor.advisorNicolalde Rodríguez, Damián Aníbal
dc.contributor.authorMoina Campos, Manuel Eduardo
dc.date.accessioned2025-07-17T19:49:39Z
dc.date.available2025-07-17T19:49:39Z
dc.date.issued2024
dc.description.abstractEste trabajo presenta el desarrollo de un modelo predictivo basado en técnicas de Machine Learning cuyo objetivo es anticipar la cantidad de emergencias atendidas por Bomberos del Distrito Metropolitano de Quito. La motivación principal radica en la complejidad en la diversidad de especialidades de emergencias que atiende Bomberos: incendios, rescates, materiales peligrosos, atención prehospitalaria y eventos hídricos y meteorológicos, los cuales se distribuyen de manera desigual en el territorio y demandan una respuesta efectiva. Para abordar este problema, se recopilaron y analizaron datos históricos de los años 2022, 2023 y 2024, procedentes de los registros oficiales de Bomberos del Distrito Metropolitano de Quito. Estos datos incluyen la fecha y hora de la emergencia, la estación que brindó la atención, la especialidad de la emergencia entre otras variables relevantes. Previo al modelado, se realizó un proceso de limpieza de datos, eliminando columnas que no aportaban valor a la predicción y transformando variables categóricas para que pudieran procesarse correctamente. Por otra parte, se integraron nuevas variables como el día de la semana, se agruparon las emergencias por especialidad, fecha y día del mes y se agregó la variable número de emergencias con el fin de capturar posibles patrones temporales. Como parte de la metodología se integró CRISP-DM, partiendo de la comprensión del negocio continuando con la preparación de datos y finalizando con la validación y evaluación del modelo. El algoritmo escogido fue Random Forest, seleccionado por su robustez ante valores atípicos, su capacidad de manejar variables heterogéneas y su facilidad para capturar relaciones no lineales. Los resultados obtenidos evidencian que el modelo es capaz de predecir con un error moderado la frecuencia de emergencias en las distintas estaciones, identificando tendencias con cierto grado de confiabilidad. Sin embargo, aún se observan limitaciones en escenarios puntuales como fines de semana largos debido a feriados o eventos meteorológicos extremos. Estas situaciones exigen variables adicionales como datos climáticos.
dc.id.advisor1715641716
dc.id.author1719139246
dc.identifier.other14723
dc.identifier.urihttps://repositorio.puce.edu.ec/handle/123456789/46317
dc.language.isoes
dc.publisherPUCE - Quito
dc.subjectModelo predictivo
dc.subjectMachine Learning
dc.subjectEmergencias atendidas
dc.subjectBomberos
dc.titleDesarrollo de un modelo predictivo basado en Machine Learning para anticipar emergencias por especialidad y estaciones de Bomberos del Distrito Metropolitano de Quito
dc.typemasterThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Trabajo de Titulación - Maestría / Moina Campos Manuel Eduardo
Size:
2.77 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Tesis - Maestría en Sistemas de Información mención en Data Science