| dc.contributor.advisor | Gaitán Ospina, Rafael | |
| dc.coverage.spatial | cead_-_barranquilla | |
| dc.creator | Pino Diaz Granados, José Domingo | |
| dc.creator | Campo Trochez, Juan Felipe | |
| dc.date.accessioned | 2025-03-25T16:57:53Z | |
| dc.date.available | 2025-03-25T16:57:53Z | |
| dc.date.created | 2024-12-12 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/67643 | |
| dc.description.abstract | El cambio climático ha generado gran preocupación a nivel mundial, esto ha generado la implementación de medidas que permitan el uso de tecnologías que empleen energías alternas que reemplacen los motores de combustión interna los cuales generan una cantidad significativa de gases de efecto invernadero. Actualmente, la venta de vehículos eléctricos (EV) en el mercado colombiano ha presentado un incremento destacado, sin embargo, este valor sigue siendo inferior a la cantidad de venta de vehículos que funcionan con combustibles fósiles. Esta tendencia global requiere un análisis detallado para comprender sus causas y proponer soluciones.
El impacto de la contaminación ambiental en Colombia ha llevado a que algunas ciudades densamente pobladas adopten medidas de mitigación, como la restricción de la movilidad mediante el "pico y placa" o el día sin carro y moto, evidenciando la significativa repercusión en la calidad de vida de las personas. El abordaje del problema mediante técnicas de machine learning es explorado desde diferentes ángulos, desde lo tecnológico hasta lo funcional y económico.
Aunque se han analizado barreras que restringen la adopción masiva de EV en otros países, esta investigación propone un análisis de los factores locales en Colombia, con el objetivo de identificar causas y proponer estrategias de mitigación.
En este marco, el objetivo general pretende diseñar un modelo predictivo usando técnicas de machine learning que permita pronosticar la venta de vehículos eléctricos en Colombia así mismo, describir los factores asociados con la baja tendencia de ventas de EV en Colombia, identificar causas. | |
| dc.format | pdf | |
| dc.title | Análisis de tendencia de vehículos híbridos y eléctricos en Colombia | |
| dc.type | Proyecto aplicado | |
| dc.subject.keywords | Vehículos eléctricos | |
| dc.subject.keywords | Aprendizaje automatizado | |
| dc.subject.keywords | Series de tiempo | |
| dc.subject.keywords | Pronósticos | |
| dc.subject.keywords | Machine learning | |
| dc.description.abstractenglish | Climate change has generated great concern worldwide, which has led to the implementation of measures that allow the use of technologies that use alternative energies to replace internal combustion engines, which generate a significant amount of greenhouse gases. Currently, the sale of electric vehicles (EV) in the Colombian market has shown a significant increase, however, this value is still lower than the number of sales of vehicles that run on fossil fuels. This global trend requires a detailed analysis to understand its causes and propose solutions.
The impact of environmental pollution in Colombia has led some densely populated cities to adopt mitigation measures, such as restricting mobility through "pico y placa" or the day without cars and motorcycles, evidencing the significant impact on people's quality of life. The approach to the problem through machine learning techniques is explored from different angles, from the technological to the functional and economic. Although barriers restricting mass adoption of EVs have been analyzed in other countries, this research proposes an analysis of local factors in Colombia, with the aim of identifying causes and proposing mitigation strategies.
Within this framework, the general objective is to design a predictive model using machine learning techniques that allows forecasting the sale of electric vehicles in Colombia, as well as to describe the factors associated with the low trend of EV sales in Colombia, and to identify causes. | |
| dc.subject.category | Ciencia de datos y analítica | |
| dc.subject.category | Medio ambiente y sustentabilidad | |