Sistemas de Información Geográfica sensibles para el análisis espacio-temporal de redes móviles en Barcelona
DOI:
https://doi.org/10.5821/ace.14.40.5349Palabras clave:
WebGIS, Visualización sensible, Información abierta, Ciudades InteligentesResumen
Objetivo
Este documento propone una metodología para utilizar los datos de cobertura de la red de telefonía móvil de la plataforma de Cobertura Móvil (GenCat) para detectar patrones espaciales y temporales en múltiples escalas y en diferentes niveles de granularidad geográfica (clases administrativas y de Atlas Urbano). El documento describe un Sistema de información geográfica sensible ("Cobertura móvil sensible (RMC)") de una gran cantidad de datos de puntos de redes móviles que integran técnicas de resumen y modelos visuales dinámicos.
Metodología
Para ese propósito, se describe e implementa un marco integrado de Análisis de Datos Exploratorios (EDA) y GIS Cloud Computing, utilizando herramientas de código abierto como Jupyter (Python), ArcGIS Online y el ESRI Web AppBuilder para ArcGIS. La metodología fue probada con datos de Barcelona en agosto de 2015.
Conclusiones
El marco RMC presenta capacidades para integrar información adicional del panorama de Big Data de Cataluña y, por lo tanto, mejorar el acceso a datos abiertos para el sector público, empresas privadas, ciudadanos y científicos. Los métodos desarrollados tienen potencial para la definición y el análisis de la distribución de indicadores de agregación en ciudades, el monitoreo de la precisión de las redes móviles en diferentes contextos administrativos y urbanos, y permiten a los ciudadanos dar sentido a dichos datos para mejorar su conocimiento científico, la vida diaria y Fomento de la toma de decisiones colectivas.
Originalidad
El documento demuestra que RMC puede ser una herramienta muy útil para la visualización receptiva y para mejorar los diferentes procesos de toma de decisiones en Barcelona. Sugerimos un enfoque de la ciencia de datos, donde el flujo de trabajo completo tiene lugar dentro de un paradigma de Big Data, para producir resultados reproducibles, utilizando las mejores prácticas en investigación científica.
Descargas
Publicado
Número
Sección
Licencia
COPYRIGHT
El contenido de los artículos y los comentarios en ellos expresados son responsabilidad exclusiva de sus autores, y no reflejan necesariamente la opinión del comité editor de la revista. Los trabajos publicados por ACE pueden reproducirse bajo la licencia CC-BY-NC-ND 3.0 ES más información http://creativecommons.org/licenses/by-nc-nd/3.0/es/
Lo que implica que las personas autoras sólo retienen y mantienen los derechos de Copyright dentro de las limitaciones incluidas en la licencia anterior.