Analysis of urban dynamics in three different study cases through spatial semantics

Abstract

[ES] Esta tesis es una implementación del paquete PyTre Python a través de tres casos diferentes. Este paquete proporciona un modelo que utiliza 'embeddings' como herramienta para el tratamiento de variables categóricas. Sus principales propósitos son, primero, la reducción de la dimensionalidad que se logra en comparación con otros métodos (por ejemplo, variables ficticias) y, segundo, el significado que pueden dar a estas variables y las consecuencias que genera, como medidas de similitud semántica. Los tres casos en los que se utilizará este modelo son a) para dar sentido a las áreas de Copenhague en cuanto a los propósitos de viaje que tienen las personas que van allí, b) medir similitudes entre diferentes zonas de la ciudad de Santiago de Chile en función de las percepciones visuales humanas, y c) extraer la relación entre las características de movilidad de una ciudad y sus emisiones de C02 y cómo esta relación ayuda en la tarea de predicción.

[EN] This thesis is an implementation of the PyTre Python package through three different cases. This package provides a model that uses embeddings as a tool for categorical variables treatment. Its main purposes are first the dimensionality reduction that is achieved compared with other methods (e.g. dummy variables) and second the meaning that can give to these variables and the consequences that it generates, as semantic similarity measurements. The three cases where this model will be used are a) for giving meaning to Copenhagen areas regarding the travel purposes that people that go there have b) measure similarities between different zones of the city of Santiago de Chile depending on human visual perceptions and c) to extract the relationship between the mobility characteristics of a city and its C02 emissions and how this relationship helps in the prediction task.