A density-based heuristic for household detection in college communities through Big Data analysis

• Iván Mendoza ^[1] ; Andrés Baquero-Larriva ^[1] ; Gustavo Andrés Álvarez-Coello ^[1]
  1. [1] Universidad del Azuay

     Universidad del Azuay

     Cuenca, Ecuador

     
• Localización: Revista Facultad de Ingeniería: Universidad de Antioquia, ISSN-e 2422-2844, ISSN 0120-6230, Nº. 114, 2024, págs. 51-62
• Idioma: inglés
• Títulos paralelos:
  • Una heurística de densidad para detectar ubicaciones de hogares en comunidades universitarias mediante Big Data
• Enlaces
  • Texto completo
• Resumen
  • español

    En la era del Big Data, la abundancia de datos ofrece oportunidades sin precedentes para obtener información valiosa sobre el comportamiento y las actividades humanas. Este estudio se centra en el aprovechamiento de los datos recogidos de las aplicaciones móviles utilizadas por los estudiantes de una universidad local para identificar la ubicación de sus hogares y otros puntos de interés compartidos. A través de esta investigación, se pretende mejorar la comprensión de los patrones de movilidad dentro de las comunidades de estudiantes, proporcionando información valiosa para la toma de decisiones en la planificación del transporte y las cuestiones relacionadas con la movilidad en las zonas circundantes. Este artículo presenta una heurística a partir de clustering basado en densidades para detectar las ubicaciones de los hogares a partir de grandes volúmenes de datos, recopilados en tiempo real por una aplicación móvil. Los resultados demuestran una precisión satisfactoria, con potencial de mejora a medida que se adquieren datos adicionales, evidenciando un potencial de posibles aplicaciones y servicios futuros.

  • English

    In the age of big data, the wealth of information offers unprecedented opportunities to glean valuable insights into human behavior and activities. This study focuses on leveraging data collected from mobile applications used by students at a local college to identify their home locations and other shared points of interest. Through this research, we aim to enhance understanding of mobility patterns within student communities, providing valuable information for decision-making in transportation planning and mobility-related issues in surrounding areas. This paper introduces a heuristic based on density-related clustering to detect home locations from real-time big data collected by a mobile application. The results demonstrate satisfactory precision, with potential for further improvement as additional data is acquired, thus offering insights into potential future applications and services.