Desarrollo de algoritmos basados en técnicas de aprendizaje automático para el análisis y visualización de la movilidad de los usuarios móviles

Abstract

[ES] La cantidad de datos que generan diariamente los usuarios móviles permite disponer de una huella digital extensa, esta queda almacenada en repositorios que contienen gran volumen de datos. Estos datos posibilitan obtener información geográfica y temporal de los usuarios.

En este Trabajo Final de Grado se realiza un análisis de la movilidad de los usuarios a partir de los datos generados y almacenados de los mismos. Para ello, se realiza un procesado previo de forma anónima y agregada. A los datos procesados, se les aplican unos algoritmos basados en técnicas de extracción, análisis de datos y aprendizaje automático que permiten caracterizar y etiquetar los diferentes sitios de interés frecuentados por los usuarios e identificar los flujos de movilidad a partir de matrices origen y destino. El resultado obtenido por los algoritmos son diferentes tablas que recogen a nivel usuario los análisis de movilidad y patrones de comportamiento, y que son almacenadas en una base de datos del proyecto. Se realiza la visualización de los resultados a través de las herramientas de visualización, Tableau y Kepler gl, estas permiten un análisis interactivo.

En definitiva, este trabajo permite obtener una clasificación de los usuarios en función de su procedencia, sus horarios y rutinas, así como, conocer la naturaleza de sus movimientos, los diferentes puntos de interés visitados.

[EN] The amount of data generated daily by mobile users allows for an extensive digital footprint, which is stored in repositories containing a large volume of data. This data makes it possible to obtain geographical and temporal information about users.

In this Bacherlor's Tesis, an analysis of user mobility is carried out based on the data generated and stored about them. For this purpose, an anonymous and aggregated pre-processing is carried out. Algorithms based on extraction techniques, data analysis and machine learning are applied to the processed data to characterise and label the different sites of interest frequented by users and identify mobility flows based on source and destination matrices. The result obtained by the algorithms are different tables that collect user-level mobility analyses and behavioural patterns, which are stored in a project database. The results are visualised using the visualisation tools Tableau and Kepler.gl, which allow interactive analysis.

In conclusion, this project allows us to obtain a classification of users according to their origin, their schedules and routines, as well as to know the nature of their movements and the different points of interest visited.