Au cours des dernières décennies, le développement des infrastructures de transport a connu un grand développement, bien que les problèmes de circulation continuent de s'étendre en raison de l'augmentation de la population dans les zones urbaines qui nécessitent l'utilisation de ces moyens de transport. Cela a entraîné une augmentation des problèmes liés au contrôle de la congestion, qui a un impact direct sur les citoyens : pollution de l'air, consommation de carburant, violation des règles de circulation, pollution sonore, accidents et perte de temps. En Amérique latine, la croissance désordonnée des villes augmente les distances et les itinéraires, de même, il y a une augmentation accélérée du nombre de voitures et de motos, ce qui augmente le problème. En ce sens, les systèmes de transport intelligents sont une alternative pour améliorer l'environnement de trafic, ils intègrent l'internet des objets et des algorithmes intelligents, pour la collecte de données provenant de sources multiples et le traitement de l'information, respectivement, afin d'améliorer l'efficacité du flux de transport. Cependant, le traitement et la modélisation des données de trafic sont difficiles en raison de la complexité des réseaux routiers, des dépendances spatio-temporelles entre eux et des schémas de trafic hétérogènes. Dans cette étude de revue, (i) les techniques intelligentes utilisées pour l'analyse des données de mobilité dans la prédiction du flux de trafic dans les zones urbaines sont regroupées, de même, (ii) les résultats de la mise en œuvre desdites techniques sont présentés, en outre, (iii) les procédures effectuées sont décrites et analysées pour comprendre les avantages et les limites de ces techniques intelligentes. Compte tenu de ce qui précède, (iv) les ensembles de données utilisés dans la littérature et disponibles pour utilisation sont présentés, en outre, (v) les résultats quantifiables de précision des différentes techniques ont été comparés, mettant en évidence les avantages et les limites, ce qui nous permet (vi) d'identifier les défis connexes et, à partir de là, (vii) de proposer une taxonomie générale dans laquelle les connaissances acquises dans cette revue des flux de trafic convergent à partir d'une approche computationnelle.

En las últimas décadas, el desarrollo de la infraestructura de transporte ha tenido un gran desarrollo, aunque los problemas de tráfico continúan extendiéndose debido al aumento debido al aumento de la población en las zonas urbanas que requieren el uso de estos medios de transporte. Esto ha llevado a un aumento de los problemas relacionados con el control de la congestión, lo que tiene un impacto directo en los ciudadanos: contaminación del aire, consumo de combustible, violación de las normas de tráfico, contaminación acústica, accidentes y pérdida de tiempo. En América Latina, el crecimiento desordenado de las ciudades aumenta las distancias y las rutas, así mismo, hay un aumento acelerado en el número de automóviles y motocicletas, lo que aumenta el problema. En este sentido, los sistemas de transporte inteligentes son una alternativa para mejorar el entorno del tráfico, incorporan el internet de las cosas y algoritmos inteligentes, para la recopilación de datos de múltiples fuentes y el procesamiento de la información, respectivamente, con el fin de mejorar la eficiencia del flujo de transporte. Sin embargo, el procesamiento y modelado de los datos de tráfico es un desafío debido a la complejidad de las redes de carreteras, las dependencias espacio-temporales entre ellas y los patrones de tráfico heterogéneos. En este estudio de revisión, (i) se agrupan las técnicas Smart utilizadas para el análisis de datos de movilidad en la predicción del flujo de tráfico en áreas urbanas, así mismo, (ii) se muestran los resultados de la implementación de dichas técnicas, además, (iii) se describen y analizan los procedimientos realizados para comprender los beneficios y limitaciones de estas técnicas Smart. Dado lo anterior, (iv) se muestran los conjuntos de datos utilizados en la literatura y disponibles para su uso, además, (v) se compararon los resultados cuantificables de precisión de las diversas técnicas, destacando ventajas y limitaciones, lo que nos permite (vi) identificar los desafíos relacionados y, a partir de ahí, (vii) proponer una taxonomía general en la que converjan los conocimientos adquiridos en esta revisión de flujo de tráfico desde un enfoque computacional.

In recent decades, the development of transport infrastructure has had a great development, although traffic problems continue to spread due to increase due to the increase in the population in urban areas that require the use of these means of transport. This has led to increased problems related to congestion control, which has a direct impact on citizens: air pollution, fuel consumption, violation of traffic rules, noise pollution, accidents and loss of time. In Latin America, the disorderly growth of cities increases distances and routes, likewise, there is an accelerated increase in the number of cars and motorcycles, which increases the problem. In this sense, intelligent transport systems are an alternative to improve the traffic environment, they incorporate the internet of things and intelligent algorithms, for the collection of data from multiple sources and information processing, respectively, in order to improve the efficiency of the transport flow. However, the processing and modeling of traffic data is challenging due to the complexity of road networks, the space–time dependencies between them, and heterogeneous traffic patterns. In this review study, (i) the smart techniques used for the analysis of mobility data in the prediction of traffic flow in urban areas are grouped, likewise, (ii) the results of implementing said techniques are shown, in addition, (iii) The procedures performed are described and analyzed to understand the benefits and limitations of these smart techniques. Given the above, (iv) the data sets used in the literature and available for use are shown, in addition, (v) the quantifiable results of precision of the various techniques were compared, highlighting advantages and limitations, which allows us to (vi) identify the related challenges and, from there, (vii) propose a general taxonomy in which the knowledge acquired in this traffic flow review converges from a computational approach.

في العقود الأخيرة، شهد تطوير البنية التحتية للنقل تطوراً كبيراً، على الرغم من استمرار انتشار مشاكل المرور بسبب الزيادة في عدد السكان في المناطق الحضرية التي تتطلب استخدام وسائل النقل هذه. وقد أدى ذلك إلى زيادة المشاكل المتعلقة بالسيطرة على الازدحام، والتي لها تأثير مباشر على المواطنين: تلوث الهواء، واستهلاك الوقود، وانتهاك قواعد المرور، والتلوث الضوضائي، والحوادث، وضياع الوقت. في أمريكا اللاتينية، يزيد النمو غير المنضبط للمدن من المسافات والطرق، وبالمثل، هناك زيادة متسارعة في عدد السيارات والدراجات النارية، مما يزيد من المشكلة. وبهذا المعنى، فإن أنظمة النقل الذكية هي بديل لتحسين بيئة حركة المرور، فهي تدمج إنترنت الأشياء والخوارزميات الذكية، لجمع البيانات من مصادر متعددة ومعالجة المعلومات، على التوالي، من أجل تحسين كفاءة تدفق النقل. ومع ذلك، فإن معالجة ونمذجة بيانات حركة المرور أمر صعب بسبب تعقيد شبكات الطرق، وتبعيات الزمكان بينها، وأنماط حركة المرور غير المتجانسة. في هذه الدراسة الاستعراضية، (1) يتم تجميع التقنيات الذكية المستخدمة لتحليل بيانات التنقل في التنبؤ بتدفق حركة المرور في المناطق الحضرية، وبالمثل، (2) يتم عرض نتائج تنفيذ التقنيات المذكورة، بالإضافة إلى ذلك، (3) يتم وصف الإجراءات المنفذة وتحليلها لفهم فوائد وقيود هذه التقنيات الذكية. بالنظر إلى ما سبق، (4) يتم عرض مجموعات البيانات المستخدمة في الأدبيات والمتاحة للاستخدام، بالإضافة إلى ذلك، (5) تمت مقارنة النتائج القابلة للقياس الكمي لدقة التقنيات المختلفة، مع تسليط الضوء على المزايا والقيود، مما يسمح لنا (6) بتحديد التحديات ذات الصلة، ومن هناك، (7) اقتراح تصنيف عام تتقارب فيه المعرفة المكتسبة في مراجعة تدفق حركة المرور هذه من نهج حسابي.