Fusión de datos para la planificación de servicios urbanos sostenibles

Casos de uso en transporte, medio ambiente y turismo

Autores/as

  • Miguel Picornell España
  • Ricardo Herranz España
  • Manuel Álvarez España
  • Iris Galloso España
  • Kineo Mobility Analytics, S.L España

DOI:

https://doi.org/10.24310/wps.vi7-8.14291

Palabras clave:

Fusión de datos, datos de telefonía móvil, patrones de movilidad y actividad, transporte, calidad del aire, turismo.

Resumen

La planificación y gestión de ciudades sostenibles requiere entender el
comportamiento de la población: la planificación y operación del transporte necesita
información precisa, fiable y actualizada sobre la demanda de viajes; la definición de
estrategias efectivas que mitiguen la exposición a la contaminación requiere conocer la
distribución espacio-temporal de la población a lo largo del día; el diseño de una oferta
turística sostenible necesita conocer los patrones de actividad de los turistas. Las
fuentes de datos tradicionales, basadas fundamentalmente en encuestas,
proporcionan información muy valiosa, pero no están exentas de inconvenientes. En
general, las encuestas resultan caras y lentas de realizar, lo que limita el tamaño de la
muestra y su frecuencia de actualización. Además, están sujetas a respuestas
incorrectas e imprecisas y dependen de la disposición a responder de los
entrevistados.


La posibilidad de recoger datos geolocalizados procedentes de dispositivos móviles
personales, de manera dinámica y a un coste inferior al de los métodos tradicionales,
abre nuevas oportunidades para superar estos problemas. En particular, los datos
procedentes de las redes de telefonía móvil permiten obtener un tamaño de muestra
uno o dos órdenes de magnitud superior al de las encuestas convencionales.
Asimismo, el alto nivel de penetración de los servicios móviles en prácticamente todos
los estratos de la sociedad garantiza muestras muy bien distribuidas. La elevada
granularidad temporal de los datos permite determinar con detalle la localización del
móvil a lo largo del día y su resolución espacial resulta en general adecuada para
estudios a escala urbana y metropolitana.

La presente comunicación aborda el análisis de registros anonimizados de telefonía
móvil y su fusión con otras fuentes de datos para proporcionar información sobre
actividad y movilidad de la población. Se discute la necesidad de enriquecer la
información obtenida mediante telefonía móvil con diversas fuentes de datos, se
expone la metodología y se presentan tres casos de uso: el estudio de la movilidad
general y en transporte público en Málaga mediante la fusión de datos de telefonía
móvil y datos de tarjeta inteligente de transporte; el estudio de la exposición a la
contaminación en Madrid a partir de mapas dinámicos de población y de un modelo de
dispersión de contaminantes; y el análisis de los visitantes al Parque Nacional de la
Sierra de Guadarrama a partir de datos de telefonía móvil y datos de aforo.

Descargas

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Citas

[1] S. Çolak, L.P. Alexander, B.G. Alvim, S. R. Mehndiratta, M.C. González (2015), “Analyzing cell phone location data for urban travel: current methods, limitations, and opportunities”, Transportation Research Record: Journal of the Transportation
Research Board 2526, pp. 126-135.

[2] M. Picornell, T. Ruiz, M. Lenormand, J. J. Ramasco, T. Dubernet, E. Frías-Martínez, “Exploring the potential of phone call data to characterize the relationship between social network and travel behavior”, Transportation, vol. 42, no 4, pp. 647-668, 2015.

[3] M. Lenormand, A. Tugores, P. Colet, J. J. Ramasco, “Tweets on the Road”, PLoS ONE 9(8): e105407, 2014.

[4] S. Sobolevsky, I. Sitjo, R. Tachet Des Combes, B. Hawelka, J. Murillo Arias, C. Ratti, “Money on the move: Big Data of bank card transactions as the new proxy for human mobility patterns and regional delineation. The case of residents and foreign
visitors in Spain”, IEEE International Congress on Big Data, 2014.

[5] H. Samiul, C. M. Schneider, S. V. Ukkusuri, M.C. González, “Spatiotemporal patterns of human mobility”, Journal of Statistical Physics, vol. 151, no 1-2, pp. 304-318, 2013.

[6] L. Alexander, S. Jiang, M. Murga, and M.C. González, “Origin–destination trips by purpose and time of day inferred from mobile phone data”, Transportation Research Part C: Emerging Technologies vol. 58 pp. 240-250, 2015.

[7] Trépanier, M., Tranchant, N., & Chapleau, R. (2007). Individual trip destination estimation in a transit smartcard automated fare collection system. Journal of Intelligent Transportation Systems, 11(1), 1-14.

[8] Munizaga, M. A., & Palma, C. (2012). Estimation of a disaggregate multimodal public transport Origin–Destination matrix from passive smartcard data from Santiago, Chile. Transportation Research Part C: Emerging Technologies, 24, 9-18.

[9] Cui, A. (2006). Bus passenger origin-destination matrix estimation using automated data collection systems (Doctoral dissertation, Massachusetts Institute of Technology).

[10] Alsger, Azalden A., et al. "Use of smartcard Fare Data to Estimate Public Transport Origin–Destination Matrix." Transportation Research Record: Journal of the Transportation Research Board 2535 (2015): 88-96.

Descargas

Publicado

2018-12-28

Cómo citar

Picornell, M., Herranz, R., Álvarez, M., Galloso, I., & Mobility Analytics, S.L, K. (2018). Fusión de datos para la planificación de servicios urbanos sostenibles: Casos de uso en transporte, medio ambiente y turismo. WPS Review International on Sustainable Housing and Urban Renewal, (7-8), 44–53. https://doi.org/10.24310/wps.vi7-8.14291

Número

Sección

Parámetros de Sostenibilidad