Resumen de El pulso de la ciudad a través de Twitter

Henar Salas Olmedo, Borja Moya Gómez, Juan Carlos García Palomares, Javier Gutiérrez Puebla

• español

  Los datos de redes sociales ofrecen interesantes oportunidades en los estudios urbanos. En este trabajo se utilizan datos de Twitter para analizar la dinámica de la ciudad a lo largo del día. El análisis se basa en la agrupación de los usuarios de esta red social según áreas de la ciudad y franjas horarias, para analizar la dinámica diaria de la ciudad y su relación con los usos del suelo. En un primer paso la actividad de cada zona durante el día se compara con su actividad en la noche, con objeto de conocer qué áreas incrementan su actividad en cada una de las franjas horarias del día. Después se obtienen perfiles típicos de actividad en Twitter según el uso predominante en cada zona, que muestran cómo los usos del suelo vinculados a actividades se activan durante el día, pero con ritmos diferentes según el tipo de uso del suelo. Finalmente se lleva a cabo un análisis de regresión múltiple para conocer la influencia de los distintos usos del suelo en cada una de las grandes franjas horarias (mañana, medio‐día, tarde y noche) a través de sus coeficientes cambiantes. La actividad tiende a decrecer a lo largo del día en la mayor parte de los usos del suelo (como oficinas, educación, sanidad y transporte), a mantenerse en los parques y a incrementarse en las zonas comerciales y residenciales. Los análisis realizados demuestran que mediante datos de redes sociales es posible mejorar nuestro conocimiento sobre la relación entre usos del suelo y dinámica urbana.

• English

  Social network data offer interesting opportunities in urban studies. In this study, we used Twitter data to analyse city dynamics over the course of the day. Users of this social network were grouped according to city zone and time slot in order to analyse the daily dynamics of the city and the relationship between this and land use. First, daytime activity in each zone was compared with activity at night in order to determine which zones showed increased activity in each of the time slots. Then, typical Twitter activity profiles were obtained based on the predominant land use in each zone, indicating how land uses linked to activities were activated during the day, but at different rates depending on the type of land use. Lastly, a multiple regression analysis was performed to determine the influence of the different land uses on each of the major time slots (morning, afternoon, evening and night) through their changing coefficients. Activity tended to decrease throughout the day for most land uses (e.g. offices, education, health and transport), but remained constant in parks and increased in retail and residential zones. Our results show that social networking data can be used to improve our understanding of the link between land use and urban dynamics.