Back to results

Universitat Oberta de Catalunya (UOC)

Análisis y predicción de movilidad a partir del tráfico de dispositivos móviles

Abstract

dc:description.abstract

Este Trabajo Final de Máster utiliza un conjunto de datos de localización de tráfico móvil recogidos de antenas GPRS. Los datos estarán basados en diferentes localizaciones geográficas dentro de una ciudad con gran incidencia turística. Con el objetivo de reducir el gran volumen de registros obtenidos se analizarán tramos horarios concretos. Una vez estructurados y atendiendo a las coordenadas de latitud y longitud y tramo horario se aplican diferentes técnicas de análisis de datos sobre un lenguaje de programación para ver las zonas con mayor concurrencia. Esta información analizada se representa geográficamente y se elaboran mapas de calor. Posteriormente se utiliza la tecnología de Machine Learning para la predicción de la afluencia de personas según el tramo horario. Tiene como objetivo principal analizar el aumento progresivo de la afluencia de personas causada por la disminución de las restricciones COVID en una localización turística y poder extraer información relevante para el ámbito de las Smart Cities. Por ejemplo, reforzar medios de transporte o servicios.

Degree

thesis:*
Grantor dc:publisher
Universitat Oberta de Catalunya (UOC)
Year dc:date.issued
2021

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Gallego Sacristán, Álvaro

Subjects

dc:subject × 5

Rights

dc:rights
Statement dc:rights
  • CC BY-NC-ND
Language dc:language.iso
spa

Identifiers

dc:identifier.*
Handle dc:identifier.uri
http://hdl.handle.net/10609/138327
OAI identifier oai:identifier
oai:openaccess.uoc.edu:10609/138327

Chain of custody

source
Harvested from
Universitat Oberta de Catalunya
Base URL
openaccess.uoc.edu/server/oai/request
Last updated
2026-07-27
Source record
OAI-PMH GetRecord
citation

Gallego Sacristán, Álvaro. Análisis y predicción de movilidad a partir del tráfico de dispositivos móviles. Universitat Oberta de Catalunya (UOC), 2021. http://hdl.handle.net/10609/138327