Modelo de análisis de datos para simular y visualizar el destino de los usuarios de un sistema de Buses de Transito Rápido (BTR)

Abstract

Las ciudades inteligentes buscan aprovechar las tecnologías de la información y comunicación para analizar los datos recolectados de las actividades cotidianas de los ciudadanos. Una de esas actividades (y fuente grande de información) es el transporte público. A nivel mundial, una solución de transporte público son los buses de transito rápido (BTR), principalmente para las ciudades en crecimiento. Su implementación es rápida y económica, versus otras opciones, por lo que es una gran iniciativa de solución a la movilidad. La limitante para analizar estos sistemas se presenta cuando se observa que la información que se recolecta proviene únicamente del momento en el que el usuario ingresa, por lo que no hay un seguimiento de su trayecto y su destino. El presente trabajo propone un modelo para estimar el destino de los usuarios, y un artefacto para visualizar los resultados, basándose en la información histórica ya recolectada (tomando el caso del sistema Transmilenio, de Bogotá, Colombia). El desarrollo del modelo supone dos retos: 1. transformar los datos que genera el sistema, de tal forma que pueda encontrarse la estimación esperada, y, 2. encontrar una forma visual de presentar dicha solución a los interesados. La base del modelo se sustenta en el supuesto de que el usuario tiene un comportamiento recurrente, por lo que el primer paso es identificar las estaciones de mayor recurrencia en dos momentos diferentes del día. Una vez adoptado este supuesto, y como solución del primer reto, los datos deberán ser agrupados a nivel de usuario, lo que permitirá reducir considerablemente el tamaño de las bases a procesar; posteriormente, las transformaciones darán pautas para realizar análisis con otros enfoques diferentes al del usuario. Por el lado de las visualizaciones, primero debe entenderse al público objetivo y definir el valor que esta información puede significar para él. El apoyo gráfico, se sustentará en esta definición para recurrir a los atributos preatentivos correctos y elegir el tipo de visualización adecuado. Una vez se tengan los resultados del modelo de simulación y de visualización, el artefacto permitirá validar la información con casos reales y evaluar trabajos futuros a partir de los datos procesados y el cruce de nuevas fuentes.

Smart cities seek to take advantage of information and communication technologies to analyze the data collected from the daily activities of citizens. One of those activities (and a great source of information) is public transport. Globally, a public transport solution is the bus rapid transit (BRT) system, mainly for growing cities. Its implementation is faster and cheaper, compared to other options, making it a great mobility solution initiative. The limitation to analyze these systems occurs when it is observed that the information that is collected comes only from the moment in which the user enters, so there is no tracking of their journey and their destination. The present work proposes a model to estimate the destination of the users, and an artifact to visualize the results, based on the historical information already collected (taking the case of the Transmilenio system, from Bogotá, Colombia). The development of the model involves two challenges: 1. transforming the data generated by the system, in such a way that the expected estimate can be found, and 2. finding a visual way to present said solution to the interested parties. The basis of the model assumes that the user has a recurring behavior, so the first step is to identify the stations with the highest recurrence at two different times of the day. Once this assumption has been adopted, and as a solution to the first challenge, the data must be grouped at the user level, which will considerably reduce the size of the databases to be processed; later, the transformations will give guidelines to carry out analysis with other approaches. On the visualization side, we must first understand the target audience and define the value that this information can mean for them. The graphic support will be based on this definition to select the correct preattentive attributes and choose the appropriate type of visualization. Once the results of the simulation and visualization model are available, the artifact will allow to validate the information with real cases and evaluate future work from the processed data and the crossing of new sources.