A statistical approach for studying urban human dynamics

• Autores: Luis Fernando Santa Guzmán
• Directores de la Tesis: Roberto Henriques (dir. tes.), Joaquín Torres Sospedra (codir. tes.), Edzer Pebesma (codir. tes.)
• Lectura: En la Universitat Jaume I ( España ) en 2018
• Idioma: inglés
• Número de páginas: 102
• Tribunal Calificador de la Tesis: Pedro Coelho (presid.), Sven Casteleyn (secret.), Roberto Henriques (voc.), Christian Kray (voc.), Ana Cristina Marinho da Costa (voc.), Cristina Catita (voc.)
• Enlaces
  • Tesis en acceso abierto en: TDX
• Resumen
  • español

    Esta tesis doctoral propuso varios enfoques estadísticos para analizar la dinámica urbana con el objetivo de proporcionar herramientas para los procesos de toma de decisiones y estudios urbanos. Supuso que la actividad humana y la movilidad humana componen dinámicas urbanas. Inicialmente, estudió datos de redes sociales geolocalizados y los consideró como un proxy de dónde y cuándo las personas realizan lo que se define como la actividad humana. Se emplearon técnicas asociadas con modelos lineales generalizados, análisis de datos funcionales, agrupación jerárquica y datos epidémicos, para explicar la distribución espacio-temporal de los lugares donde las personas interactúan con sus redes sociales. Posteriormente, para comprender la movilidad en entornos urbanos, se utilizaron datos provenientes de un sistema de ferrocarril subterráneo. La información se consideró medidas diarias repetidas para capturar la regularidad del comportamiento humano. Mediante la implementación de métodos de componentes principales funcionales, análisis de datos y agrupación jerárquica, fue posible describir el sistema e identificar patrones de movilidad humana.

  • English

    This doctoral dissertation proposed several statistical approaches to analyse urban dynamics with aiming to provide tools for decision making processes and urban studies. It assumed that human activity and human mobility compose urban dynamics. Initially, it studied geolocated social media data and considered them as a proxy for where and when people carry out what it is defined as the human activity. It employed techniques associated with generalised linear models, functional data analysis, hierarchical clustering, and epidemic data, to explain the spatio-temporal distribution of the places where people interact with their social networks. Afterwards, to understand the mobility in urban environments, data coming from an underground railway system were used. The information was considered repeated daily measurements to capture the regularity of human behaviour. By implementing methods from functional principal components data analysis and hierarchical clustering, it was possible to describe the system and identify human mobility patterns.