Compartir

Enrique Frías-Martinez de Telefónica I + D hablará sobre cómo las redes celulares podrían ayudar a modelar las infraestructuras urbanas en el futuro

A medida que aumentan las capacidades de los dispositivos móviles, las personas dejan rastros de su interacción con el entorno urbano. Como resultado, nuevas áreas de investigación como Urban Computing y Smart Cities se centran en mejorar la calidad de vida en un entorno urbano a través de la comprensión de la dinámica de la ciudad. Tradicionalmente, el análisis urbano ha utilizado datos recopilados de Encuesta. Sin emabargo, nuevas fuentes de datos (incluidos GPS, puntos de acceso Wi-Fi, redes sociales con etiquetas geográficas, etc.) cobran importancia a medida que las técnicas tradicionales se enfrentan a importantes limitaciones, en particular: (1) la complejidad y el costo de recopilar datos de encuestas; (2) el hecho de que los datos son estáticos y representan una instantánea de la situación en un momento determinado, y (3) la creciente disposición de las personas a proporcionar información personal (tal como la perciben). Una de las nuevas fuentes de datos más importantes para el estudio de los entornos urbanos es Registro de teléfono celulars ya que tienen una amplia gama de Información sobre dinámica humana (de la movilidad al contexto social y las redes sociales) que se puede utilizar para caracterizar individuos o áreas geográficas.

En Telefónica I + D trabajamos en tres aplicaciones que utilizan los datos de una infraestructura de red celular para demostrar cómo la información extraída se puede utilizar para modelar la dinámica de la ciudad: Detección de áreas densas (Puntos calientes), Identificación del uso de la tierra (es decir, residencial, industrial, comercial, etc.) y el Construcción de matrices de cercanías.

La detección de áreas densas implica la identificación de áreas dentro de un entorno urbano donde Las personas tienden a caminar en determinados momentos del día y su desarrollo a lo largo del tiempo. Esta información es de suma importancia para, entre otras cosas Planificador de ciudad y tráfico porque proporciona información importante sobre dónde y cuándo hay áreas de alta densidad en un entorno urbano. El problema de registrar áreas densas se presentó originalmente en la comunidad de minería de datos como la identificación del grupo (s) de regiones a partir de datos espacio-temporales que cumplen con un valor mínimo de densidad. Lo que todos estos métodos tienen en común es que se utiliza una cuadrícula de tamaño fijo que no se superpone para agregar los valores. Por lo tanto, estos métodos “restringen” la forma de las áreas detectadas y generalmente identifican áreas densas que son un superconjunto / subconjunto de las áreas densas deseables. En Telefónica I + D hemos desarrollado una nueva tecnología que Algoritmo de Dense Area Discovery (DAD-MST) (ver detalles en referencia [1]) a automáticoy Detecta áreas densas usando datos de redes celulares. A diferencia de los enfoques anteriores, nuestro enfoque no se basa en cuadrículas de un tamaño fijo, sino en la teselación natural del área espacial y, por lo tanto, supera las limitaciones de las soluciones anteriores. Como ejemplo, la Figura 1 muestra las áreas densas identificadas para la ciudad de Guadalajara, México.

Con la información en una base de datos de registros de teléfonos celulares, puede caracterizar los usos de determinadas áreas urbanas (como residencial, comercial, parque, etc.). Las áreas geográficas en las que se divide la ciudad están definidas por la cobertura aproximada de las torres de comunicación. Definimos la actividad de una torre de comunicaciones y, ampliando su área de cobertura, como el número de llamadas gestionadas por este BTS durante un período de tiempo, distinguiendo entre actividad en día laborable y fin de semana. Con estos datos, la identificación de los usos del suelo se puede hacer automáticamente agrupando los Conjunto de firmas mediante técnicas de agrupación en clústeres (como k-significa o agrupamiento espectral). Se pueden encontrar más detalles en [2] y [3]. A modo de ejemplo, la Figura 2 muestra el uso del suelo de actividad nocturna determinado para Madrid, donde se puede observar que la actividad de este tipo de torre se caracteriza por un valor pico durante las noches de fin de semana.

La información espacio-temporal contenida en las grabaciones de teléfonos móviles se puede agregar para crear una matriz de viajeros para un área urbana. Dicha información es clave para eso Diseño de rutas de tráfico o para correlacionar las rutas de tráfico actuales con las necesidades reales de la ciudad. definir nuevas rutas de transporte público. Formalmente, el problema puede ser más común que la identificación. Cambio entre dos áreas geográficas en determinados momentos. En Telefónica I + D propusimos un nuevo algoritmo (ver referencia [4] y [5]) para la construcción de matrices de cercanías utilizando grabaciones de teléfonos celulares que validamos con las matrices de cercanías generadas por los ayuntamientos. Nuestros resultados muestran que podemos aproximar la matriz original con un error del 15%.

En resumen, las técnicas tradicionales de análisis urbano se basan en cuestionarios que implican limitaciones de tiempo y costo. Al extraer el conocimiento generado por infraestructuras omnipresentes como las redes celulares, podemos Modelos que explican la dinámica urbana y complementan el análisis tradicional de la ciudad. Enfoques superando las restricciones anteriores. Estos ejemplos solo pretenden ser una demostración de las capacidades de dicho enfoque y pueden usarse como bloques de construcción para desarrollar aplicaciones más específicas.

Referencias

[1] M. Vieira, V. Frias-Martinez, N. Oliver, E. Frias-Martinez, “Caracterización de áreas urbanas densas a partir de datos de llamadas de teléfonos móviles: descubrimiento y dinámica social”, 2º Int. Conf. Sobre informática social (SocialCom 2010), 2010.

[2] V. Soto y E. Frias-Martinez, “Caracterización robusta del uso del suelo de paisajes urbanos usando datos de teléfonos celulares”, 1er taller sobre Aplicaciones Urbanas Pervasivas, en relación con el 9º Int. Conf. Pervasive Computing, San Francisco, 2011.

[3] V. Soto y E. Frias-Martinez, “Identificación automatizada del uso de la tierra usando registros de teléfonos celulares”, ACM Hotplanet 2011, 3rd Int. Taller sobre temas candentes en medición a escala planetaria, junto con ACM Mobisys 2011, Washington DC

[4] “Estimación de patrones de péndulo urbano a partir de datos de redes celulares”, V. Frías-Martínez, C. Soguero, E. Frías-Martínez, ACM SIGKDD Int. Taller de Computación Urbana (UrbComp), Beijing, China, 2012

[5] “Un modelo de propagación epidémica basado en agentes utilizando información sobre movilidad humana y redes sociales”, E. Frias-Martinez, G. Williamson, V. Frias-Martinez, The 3rd IEEE Int. Conf. On Social Computing (SocialCom 2011), Boston, MA, EE. UU.

Dejar una respuesta

Please enter your comment!
Please enter your name here