Compartir

Enrique Frías-Martínez de Telefónica I + D habla sobre cómo aplican diferentes técnicas que utilizan información de antenas de comunicación para predecir el movimiento en zonas urbanas

Con las crecientes capacidades de los dispositivos móviles, las personas están dejando rastros de su interacción con el entorno urbano. Por tanto, nuevas áreas de investigación como la informática urbana y las “ciudades inteligentes” se centran en mejorar la calidad de vida en el entorno urbano mediante la comprensión de la dinámica de la ciudad. Tradicionalmente, el análisis de ciudades ha utilizado datos obtenidos de Encuesta. Sin emabargo, nuevas fuentes de datos (incluidos GPS, puntos de acceso Wi-Fi, redes sociales con etiquetas geográficas, etc.) están aumentando Lo más relevante porque las técnicas tradicionales enfrentan limitaciones importantes, principalmente: (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 datos personales (percibidos por ellos). Uno de los datos más importantes obtenidos de estas nuevas fuentes y relevante para el estudio del entorno urbano, son los registros del teléfono celularya 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 mostrar cómo la información extraída de esos datos se puede utilizar para modelar la dinámica de la ciudad: Detección de áreas densas (Hotspots / Hot Spots o Puntos de acceso), Identificación del uso de la tierra (es decir, residencial, industrial, comercial, etc.) y el Construcción de matrices de caminos o Migración de viajeros.

La Detección de áreas densass implica la identificación de las áreas dentro de un entorno urbano en las que Las personas tienden a caminar a determinadas horas del día y su desarrollo a lo largo del tiempo.. Esta información es de suma importancia para, entre otras cosas Planificador de ciudad y tráficoporque proporciona información vital sobre dónde y cuándo hay áreas de alta densidad en un entorno urbano. El problema de identificar estas áreas se presentó originalmente en la comunidad de minería de datos como identificar a partir de datos espacio-temporales el conjunto de regiones que cumplen con un valor mínimo de densidad. Todos estos métodos tienen en común que se utiliza una cuadrícula de tamaño fijo sin superposición para agregar los valores. Por lo tanto, estos métodos “limitan” 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 el algoritmo “Dense Area” (DAD-MST) (ver detalles en la referencia [1] ) para detectar automáticamente áreas densas a partir de datos de la red celular. A diferencia de los enfoques anteriores, nuestro enfoque no se basa en teléfonos fijos, sino en el teselado espacio espacial natural, que supera las limitaciones de las soluciones anteriores. Como ejemplo, la siguiente imagen muestra las áreas densas identificadas para la ciudad de Guadalajara, México.

Con la información contenida en la base de datos registrada en un teléfono celular, podemos describir el uso de ciertas áreas urbanas (como áreas residenciales, parques, etc.). Las áreas geográficas en las que se dividirá la ciudad se definen en función de la proximidad a las distintas antenas o torres de transmisión. Definimos la actividad de una torre de comunicaciones, y por tanto su área de cobertura, como el número de llamadas realizadas por su. ser manejado BTS en un determinado período de tiempo, distinguiendo entre semana laboral y fin de semana. Con estos datos, el uso de la tierra se puede determinar automáticamente. Agrupar el conjunto de firmas mediante técnicas de agrupación (por ejemplo k-significa Ö agrupación espectral de datoss). En las referencias [2] sí [3] Puede encontrar más información. A modo de ejemplo, la siguiente imagen muestra la actividad observada del uso del suelo en Madrid durante la noche, observándose que la actividad de este tipo de torres tiene un pico en las noches de fin de semana.

La información espacio-temporal contenida en las grabaciones de un teléfono móvil se puede agregar para producir una Matriz de migración del péndulo para una zona urbana. Este tipo de información también es clave Diseñar rutas de transporte o correlacionar las rutas de transporte actuales con las necesidades actuales de la ciudad. con el objetivo de definir nuevas rutas de transporte público. El problema se puede presentar formalmente como identificación de cambios frecuentes entre dos áreas geográficas en determinados momentos. En Telefónica I + D propusimos un nuevo algoritmo (ver referencias [4] sí [5]) para la creación de matrices de migración de péndulo utilizando los registros de los teléfonos móviles que hemos validado con las matrices de migración de péndulo elaboradas por los municipios. Nuestros resultados muestran que podemos aproximar la matriz original con un error del 15%.

En resumen, que las técnicas tradicionales de análisis urbano se basan en Cuestionarios con restricciones de tiempo y costo. Al extraer el conocimiento generado por estructuras ubicuas como las redes celulares, podemos Modelos que explican la dinámica urbana y que complementan el enfoque tradicional de análisis urbano y al mismo tiempo superan limitaciones anteriores. Estos ejemplos solo están destinados a demostrar las capacidades de este tipo de enfoque y pueden usarse como bloques de construcción para desarrollar otras aplicaciones 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. Frias-Martinez, C. Soguero, E. Frias-Martinez, 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 El tercer IEEE Int. Conf. Sobre informática social (SocialCom 2011), Boston, MA, EE. UU.

Dejar una respuesta

Please enter your comment!
Please enter your name here