Creación de un modelo predictivo para clasificar las consultas ciudadanas sobre el transporte público

Abstract

[ES] Supondría una mejora para los ciudadanos la creación de un modelo matemático predictivo, que proporcionara la inteligencia necesaria para el diseño de un programa chatbot. Dicho robot ofrecería un servicio ininterrumpido a la ciudadanía a través de la mensajería instantánea, optimizando tiempos de consulta y costes para la empresa. Para empezar se han recopilado las consultas ciudadanas enviadas a la Empresa Municipal de Transportes en València (España). Se trata de gestiones de viajeros dentro del ámbito de la movilidad y el transporte público. En general, los viajeros consultan cómo ir de un sitio a otro en la ciudad, tiempo hasta la salida del próximo autobús, incidencias con las tarjetas de transporte, reclamaciones, objetos perdidos, etcétera. Con ese propósito, se ha analizado el estado del arte en el procesamiento del lenguaje natural y se han prospectado librerías de código libre actuales, basadas en machine learning y redes neuronales. En cumplimiento de las leyes españolas se ha procedido a anonimizar los datos. Posteriormente se ha continuado con el análisis y tratamiento de estos. Finalmente, ha sido creado un modelo que predice y extrae la información relevante de cada consulta, permitiendo su clasificación e integración con otros sistemas. La evaluación del modelo otorga una precisión del 95,22%, teniendo en cuenta la estacionalidad y tamaño de la muestra recogida.

[EN] It would be an improvement for citizens to create a predictive mathematical model, which would provide the intelligence necessary for the design of a chatbot program. This robot would offer an uninterrupted service to citizens through instant messaging, optimizing consultation times and costs for the company. To begin with, the citizen queries sent to the company Empresa Municipal de Transportes in Valencia (Spain) have been gathered. These are passenger management within the scope of mobility and public transport. In general, passengers consult how to go from one place to another in the city, time until the departure of the next bus, incidents with transport cards, complaints, lost objects and so on. In compliance with Spanish law, the data has been anonymised. Subsequently, the analysis and treatment of these data has been continued. To this end, the state of the art in natural language processing has been analysed and current open source libraries based on machine learning and neural networks have been prospected. Finally, a model has been created that predicts and extracts the relevant information from each query, allowing its classification and integration with other systems. The evaluation of the model gives an accuracy of 95.22%, taking into account the seasonality and size of the sample collected.