Análisis y predicción de movilidad a partir del tráfico de dispositivos móviles

Abstract

Este Trabajo Final de Máster utiliza un conjunto de datos de localización de tráfico móvil recogidos de antenas GPRS. Los datos estarán basados en diferentes localizaciones geográficas dentro de una ciudad con gran incidencia turística. Con el objetivo de reducir el gran volumen de registros obtenidos se analizarán tramos horarios concretos. Una vez estructurados y atendiendo a las coordenadas de latitud y longitud y tramo horario se aplican diferentes técnicas de análisis de datos sobre un lenguaje de programación para ver las zonas con mayor concurrencia. Esta información analizada se representa geográficamente y se elaboran mapas de calor. Posteriormente se utiliza la tecnología de Machine Learning para la predicción de la afluencia de personas según el tramo horario. Tiene como objetivo principal analizar el aumento progresivo de la afluencia de personas causada por la disminución de las restricciones COVID en una localización turística y poder extraer información relevante para el ámbito de las Smart Cities. Por ejemplo, reforzar medios de transporte o servicios.

This Master's thesis uses a set of mobile traffic location data collected from GPRS antennas. The data will be based on different geographical locations within a city with high tourist incidence. In order to reduce the large volume of records obtained, specific time periods will be analyzed. Once structured and taking into account the latitude and longitude coordinates and the time slot, different data analysis techniques are applied on a programming language to see the areas with greater concurrence. This analyzed information is represented geographically and heat maps are created. Subsequently, Machine Learning technology is used to predict the influx of people according to the time slot. The main objective is to analyze the progressive increase in the influx of people caused by the decrease of COVID restrictions in a tourist location and to extract relevant information for the field of Smart Cities. For example, to reinforce means of transport or services.

Aquest Treball Final de Màster utilitza un conjunt de dades de localització de trànsit mòbil recollits d'antenes GPRS. Les dades estaran basades en diferents localitzacions geogràfiques dins d'una ciutat amb gran incidència turística. Amb l'objectiu de reduir el gran volum de registres obtinguts s'analitzaran trams horaris concrets. Una vegada estructurats i ateses les coordenades de latitud i longitud i tram horari s'apliquen diferents tècniques d'anàlisis de dades sobre un llenguatge de programació per a veure les zones amb major concurrència. Aquesta informació analitzada es representa geogràficament i s'elaboren mapes de calor. Posteriorment s'utilitza la tecnologia de Machine Learning per a la predicció de l'afluència de persones segons el tram horari. Té com a objectiu principal analitzar l'augment progressiu de l'afluència de persones causada per la disminució de les restriccions COVID en una localització turística i poder extreure informació rellevant per a l'àmbit de les Smart Cities. Per exemple, reforçar mitjans de transport o serveis.