Modelo de Machine Learning para la caracterización de carga y estimación de costos de transporte, a partir de histórico de manifiestos de carga en Colombia entre 2015 y 2023

Abstract

El transporte de carga en Colombia presenta grandes desafíos debido a la variabilidad en la demanda y los costos asociados en los que se incurre, este trabajo propone el diseño de un modelo de Machine Learning que permita la caracterización de la carga y estimar los costos de transporte basándose en el histórico de manifiestos de carga recopilados entre 2015 y 2023 en Colombia a través de la plataforma RNDC del Ministerio de Transporte, se busca mejorar la precisión en la estimación de costos y optimizar la logística del transporte de carga Para alcanzar este objetivo, se establecerá un análisis exploratorio de los datos que permita una caracterización del transporte de carga, se implementará diversas técnicas de Machine Learning, incluyendo regresión lineal, árboles de decisión y redes neuronales, entre otros. Los datos fueron preprocesados para manejar la variabilidad y las inconsistencias, y se aplicaron métodos de validación cruzada para asegurar la robustez del modelo. Se espera que los resultados muestren un modelo que se ajuste que permita su implementación en las plataformas que faciliten la visualización de los datos y permitir interactuar con los datos, se espera que el modelo seleccionado ofrezca la mayor precisión en la estimación de costos, con una reducción significativa en el error promedio comparado con los métodos probados Estos hallazgos demuestran el potencial del Machine Learning para transformar la gestión del transporte de carga, proporcionando herramientas más precisas para la toma de decisiones y la planificación logística. La implementación de este modelo puede resultar en ahorros considerables y en una mejora general en la eficiencia del transporte de carga en Colombia, además de permitir dejar unas bases sólidas para mejorar el modelo para predicción de costos, incluyendo nuevos datos, como características de la región, tamaño económico, vocación productiva, variación de precios de fletes y combustible, esto subrayaría la importancia de considerar una gama más amplia de variables para capturar con precisión la dinámica del costo de transporte. Finalmente, en un futuro desarrollar otro tipo de estudios como clasificación de tipo de carga, segmentación de rutas de transporte, análisis de tendencias temporales y predicción de la demanda de transporte en Colombia