Análisis exploratorio de comportamientos de ciclistas voluntarios mediante minería de patrones espacio-temporales en Cuenca, Ecuador

• Abad, Lorena ^[1] ; Orellana, Daniel ^[1]
  1. [1] Universidad de Cuenca

     Universidad de Cuenca

     Cuenca, Ecuador

     
• Localización: Maskana, ISSN 1390-6143, ISSN-e 2477-8893, Vol. 9, Nº. 1, 2018, págs. 141-151
• Idioma: español
• Títulos paralelos:
  • Exploratory analysis of the behavior of volunteer cyclists by spatio-temporal mining patterns in Cuenca, Ecuador
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El uso de técnicas de minería de datos combinadas con metodologías como los cubos espacio-temporales potencian en gran medida el análisis de bases de datos multidimensionales. Una de las áreas de aplicación más importantes es el estudio de la movilidad no motorizada, la cual constituye una de las prioridades más importantes de la mayor parte ciudades alrededor del mundo. Este estudio busca extraer patrones en una base de datos de movilidad de ciclistas voluntarios en Cuenca (Ecuador) para identificar lugares y momentos relevantes para el diseño y aplicación de estrategias para mejorar la movilidad en bicicleta. La metodología está basada en la caja de herramientas para la minería de patrones espacio-temporales de ArcGIS. Los resultados demuestran la viabilidad de la metodología propuesta para la caracterización de la movilidad no motorizada y su potencial uso en otros conjuntos de datos de movilidad.

  • English

    Data mining techniques combined with space-time cubes empower the analysis of multidimensional data. A study area in which these advanced analysis techniques can be applied pre-eminently is urban mobility, where investigation of non-motorized mobility patterns is a main priority for several cities around the world. The presented work aimed to extract spatio-temporal patterns from a human movement database containing volunteer-generated cycling data in Cuenca (Ecuador) with the objective to detect places and times where strategies can be applied that promote urban cycling. The methodology takes advantage of the capabilities of the space-time pattern mining toolbox in ArcGIS. The results demonstrate the viability of the proposed methodology for the characterization of non-motorized mobility patterns and its potential for analyzing other mobility datasets.