Show simple item record

Geospatial characterization of road infrastructure through Machine Learning in the district of San Isidro de El General

Caracterización geoespacial de infraestructura vial mediante machine learning en el distrito de San Isidro de El General

dc.creatorMena-Ureña, Sebastián David
dc.creatorBorge-Leandro, David
dc.date2024-06-28
dc.date.accessioned2026-05-18T21:28:28Z
dc.date.available2026-05-18T21:28:28Z
dc.identifierhttps://revistas.tec.ac.cr/index.php/tec_marcha/article/view/6735
dc.identifier10.18845/tm.v37i3.6735
dc.identifier.urihttps://hdl.handle.net/2238/18182
dc.descriptionThe proposal to get to know the estimated value of the road network of Pérez Zeledón will be to divide the roads by homogeneous zones, these present different prices per square meter; in addition, from the survey of some roads, estimation of quantities of materials with projects carried out in these zones. An approximate value of the road network of the district of San Isidro de El General is provided for the cost per square meter of road surfaces, linear meter of drainage system and square meter of sidewalks. Thus, the idea of creating a model integrated to QGis and determine these variables is concretized. Steps to complete the methodology: Data mining: the largest amount of information is extracted to integrate into the model, review of physical files of the roads, obtaining relevant layers of the network through the departments of Cadastre and Road Management in the Municipality of Perez Zeledon, geographic information from SNIT as hydrological layers, homogeneous zones and orthophotos. Then, to classify the results, supervised classification is performed to the spectrum of analysis (materials). Once the data is accommodated, the unsupervised classification by means of clustering algorithms, vector and raster tools, API complements integrated to the system, also as advanced digitizing or different geoprocesses of a GIS that optimally adjust the characteristics of the road network. These parameters are adapted to the models found in the budget bases and accurate estimates are established. The network is evaluated and its parametric estimation is concluded.en-US
dc.descriptionLa propuesta para lograr conocer el valor estimado de la red de caminos de Pérez Zeledón será dividir los caminos por zonas homogéneas, estas presentan diferentes precios por metro cuadrado; además, del levantamiento de algunos caminos, estimación de cantidades de materiales con proyectos realizados en estas zonas. Se brinda un valor aproximado de la red vial del distrito de San Isidro de El General para el costo de metro cuadrado a superficies de ruedo, metro lineal de sistema de drenajes y metro cuadrado de aceras. Así, se concreta la idea de crear un modelo integrado a QGis y determine estas variables. Pasos para completar la metodología: Minería de datos: se extrae la mayor cantidad de información para integrar al modelo, revisión de expedientes físicos de los caminos, obtención de capas relevantes de la red por medio de los departamentos de Catastro y Gestión Vial en la Municipalidad de Pérez Zeledón, información geográfica del SNIT como capas hidrológicas, zonas homogéneas y orto fotos. Luego, para clasificar los resultados, se realiza clasificación supervisada al espectro de análisis (materiales). Una vez acomodados los datos, la clasificación no supervisada por medio de algoritmos de clustering, herramientas vectoriales y ráster, complementos API integrados al sistema, también como la digitalización avanzada o diferentes geoprocesos de un SIG que ajusten de manera óptima las características de la red vial. Estos parámetros se adaptan a los modelos que se encuentran en las bases presupuestarias y se establecen estimaciones acertadas. Se evalúa la red y se concluye con su estimación paramétrica.es-ES
dc.formatapplication/pdf
dc.formattext/html
dc.languagespa
dc.publisherEditorial Tecnológica de Costa Rica (entidad editora)es-ES
dc.relationhttps://revistas.tec.ac.cr/index.php/tec_marcha/article/view/6735/7080
dc.relationhttps://revistas.tec.ac.cr/index.php/tec_marcha/article/view/6735/7239
dc.rightsDerechos de autor 2024 Revista Tecnología en Marchaes-ES
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0es-ES
dc.sourceTecnología en marcha Journal; 2024: Vol. 37 Núm. 3: Julio-Setiembre 2024en-US
dc.sourceRevista Tecnología en Marcha; 2024: Vol. 37 Núm. 3: Julio-Setiembre 2024es-ES
dc.source2215-3241
dc.source0379-3982
dc.subjectData miningen-US
dc.subjectgeographic information systemsen-US
dc.subjectunsupervised classificationen-US
dc.subjectsupervised classificationen-US
dc.subjectQGisen-US
dc.subjectroad managementen-US
dc.subjectMinería de datoses-ES
dc.subjectsistemas de información geográficaes-ES
dc.subjectclasificación no supervisadaes-ES
dc.subjectclasificación supervisadaes-ES
dc.subjectQGises-ES
dc.subjectgestión viales-ES
dc.titleGeospatial characterization of road infrastructure through Machine Learning in the district of San Isidro de El Generalen-US
dc.titleCaracterización geoespacial de infraestructura vial mediante machine learning en el distrito de San Isidro de El Generales-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record