BusesRamdomForest

Modelo de predicción basado en Random Forest para estimar tiempos de llegada de autobuses en tiempo real, integrado con Firebase como backend.

Desarrollado como motor de predicción para la aplicación Confibus.

---

¿Qué hace?

• Entrena un modelo Random Forest con datos históricos de autobuses
• Exporta el modelo como .pkl y lo despliega en Firebase Cloud Functions
• Guarda predicciones pre-calculadas en Firestore por parada
• Expone una API HTTP que devuelve el resultado al instante cuando el usuario pulsa una parada en Confibus

️ Arquitectura

Datos en tiempo real
        ↓
Modelo Random Forest (.pkl)
        ↓
Firebase Cloud Functions (Python)
        ↓
Firestore → predicciones por parada_id
        ↓
API HTTP → Confibus (app móvil)

Estructura del proyecto

BusesRandomForest/
├── functions/
│   ├── main.py               # Cloud Function + API HTTP
│   └── requirements.txt      # Dependencias Python
├── firestore.rules           # Reglas de seguridad
├── firestore.indexes.json    # Índices de Firestore
├── firebase.json             # Configuración Firebase
└── pyproject.toml            # Configuración del proyecto Python

️ Stack

Tecnología	Uso
Python 3.12	Entrenamiento del modelo y Cloud Functions
scikit-learn	Random Forest
Firebase Cloud Functions	API y lógica backend
Firestore	Almacenamiento de predicciones
Firebase CLI	Despliegue

Despliegue

# Instalar Firebase CLI
npm install -g firebase-tools

# Login y configuración
firebase login
firebase init

# Desplegar funciones
firebase deploy --only functions

Actualizar modelo

1. Entrenas en local (cuando tengas datos nuevos)
cd entrenamiento/
python train_model.py        

2. Copias el modelo a functions/
cp model.pkl ../functions/

3. Despliegas a Firebase
cd ..
firebase deploy --only functions

Proyecto relacionado

Este repositorio es el backend de predicción de Confibus, una aplicación móvil para consultar llegadas de autobuses en tiempo real.

---