Harbil Arregui Martiarena: ”Mobility mining for time- dependent urban network modeling”.

Zuzendariak_Directores: Olatz Arbelaiz/Oihana Otaegui

2021_04_30, 10:00  Sala Ada Lovelace aretoa.

Abstract: 

La planificación, monitorización y el análisis de la movilidad en un ecosistema complejo como es la ciudad es un reto. Los avances en la capacidad de sen-sorización y la inteligencia computacional son capaces hoy en día de facilitar nuevas soluciones para la toma de decisiones para gestores/as, operadores de transporte y la ciudadanía. Sin embargo, la gestión integral de la movilidad como un todo es aún lejana. Nuestras contribuciones en esta tesis esperan poder ser un paso más hacia esa visión más integrada de la gestión de la movilidad.

Los temas principales que se abordan en esta tesis se encuentran entre las áreas de investigación del aprendizaje automático y los sistemas de información geográfica para el transporte. Nuestra hipótesis principal es que la oferta y la demanda de la movilidad están fuertemente acoplados, y por tanto, am-bos deben ser representados digitalmente de una manera consistente para un análisis de datos avanzado de calidad. Los análisis basados en datos se basan en mediciones. Pero, los sensores que realizan estas mediciones de desplaza-mientos (y magnitudes asociadas) sólo pueden medir desplazamientos, en efecto, realizados. Para que ese desplazamiento se dé, es imprescindible que se cumplan dos condiciones: i) la existencia de la demanda y ii) la existencia de la infraestructura de transporte que la habilite. Además, para que la observación de la medición sea adecuada, es importante que el sensor esté localizado en un lugar e instante apropiados. Toda esta información deberá representarse de forma acorde para poder aplicar métodos avanzados de analítica que a su vez puedan sacar provecho de la representación digital de la red de transporte ofertada.

Nuestras principales contribuciones, enfocadas en la minería de datos de movilidad sobre redes de transporte urbanas, se pueden resumir en tres grupos. El primero consiste en una descripción de la representación digital de los recursos de transporte multimodales desde dos puntos de vista. El segundo grupo, está orientado a la asociación de los datos provenientes de sensores heterogéneos a dicha representación de la red de transporte, incluyendo un análisis cuantitativo de algoritmos de map-matching. El tercer grupo, para finalizar, aborda las contribuciones relativas a la estimación de la demanda de movilidad a corto plazo sobre varias métricas que representan la movilidad urbana.