TRABAJO FINAL DE GRADO
TÍTULO DEL TFG: Da os masi os aplicados a la mo ilidad u bana
TITULACIÓN: G ado en Ingenie ía de Sis emas de Telecomunicación
AUTOR: Daniel Fe nández Pizá
DIRECTOR: Lluis Jo e Roca
FECHA: 30 de Ene o de 2020
Tí ulo: Da os masi os aplicados a la mo ilidad u bana
Au o : Daniel Fe nández Pizá
Di ec o : Lluis Jo e Roca
Fecha: 30 de Ene o del 2020
Resumen
Es e documen o p e ende mos a la ele ancia de los da os masi os como
he amien a pa a la mejo a de la ges ión de la mo ilidad u bana. Pa a ello, se
ep esen an y analizan da os de mo ilidad del ámbi o del STI (Sis ema
Ta i a io In eg ado) del á ea de Ba celona y se ob iene el ac o que de e mina
en mayo medida la elección del modo de anspo e de los habi an es del
AMB (Á ea Me opoli ana de Ba celona) en sus desplazamien os a Ba celona
u ilizando écnicas de ap endizaje au omá ico.
La ep esen ación de da os y el eje cicio de ap endizaje au omá ico se ha
ealizado u ilizando un en o no i ual llamado Google Colabo a o y ( ambién
llamado Google Colab en su o ma ab e iada), el cual pe mi e ejecu a y
p og ama Phy on en el na egado sin necesidad de con igu ación p e ia y
con acceso g a ui o a GPUs (G aphics P ocessing Uni s).
La es uc u a del documen o es la siguien e:
Un p ime capí ulo dedicado a ca ac e iza el AMB (municipios que la
componen, localización, demog a ía y economía).
Ac o seguido, se ep esen an y analizan da os del ámbi o del STI del á ea de
Ba celona.
El e ce capí ulo es un u o ial ace ca del uncionamien o básico del en o no
Google Colab.
Finalmen e, se ealiza un análisis p edic i o con el in de conoce cuál es la
p incipal causa (dis ancia, cos e del iaje en anspo e p i ado o cos e del
iaje en anspo e público) que mo i a a los habi an es del AMB a elegi un
modo de anspo e u o o en sus desplazamien os a Ba celona.
Tí ulo: Da os masi os aplicados a la mo ilidad u bana
Au o : Daniel Fe nández Pizá
Di ec o : Lluis Jo e Roca
Fecha: 30 de Ene o del 2020
O e iew
This documen aims o show he ele ance o Big Da a as a ool o imp o ing
u ban mobili y managemen . To his end, mobili y da a om he STI (In eg a ed
Ta i Sys em) ambi o he Ba celona a ea a e ep esen ed and analysed, and
he ac o ha mos de e mines he choice o anspo mode o he inhabi an s
o he AMB (Ba celona Me opoli an A ea) in hei jou neys o Ba celona is
ob ained using machine lea ning echniques.
The da a ep esen a ion and machine lea ning exe cise has been done using a
i ual en i onmen called Google Colabo a o y (also called Google Colab o
sho ), which allows you o un and p og am Phy on in he b owse wi hou
p e ious con igu a ion and wi h ee access o GPUs (G aphics P ocessing
Uni s).
The s uc u e o he documen is as ollows:
A i s chap e dedica ed o cha ac e ize he AMB (municipali ies ha compose
i , loca ion, demog aphy and economy).
Then, da a om he STI ambi o he Ba celona a ea a e ep esen ed and
analyzed.
The hi d chap e is a u o ial abou he basic unc ioning o he Google Colab
en i onmen .
Finally, a p edic i e analysis is made in o de o know wha is he main cause
(dis ance, cos o he ip in p i a e anspo o cos o he ip in public
anspo ) ha mo i a es he inhabi an s o he AMB o choose one mode o
anspo o ano he in hei ips o Ba celona.
ÍNDICE
INTRODUCCIÓN ............................................................................................... 1
Capí ulo 1. Á ea Me opoli ana de Ba celona ................................................ 3
1.1. Localización, usos del suelo y municipios me opoli anos ...................................... 3
1.2. Demog a ía .................................................................................................................. 5
1.2.1. E olución de la población ............................................................................... 5
1.2.2. P oyección de la población ............................................................................. 8
1.3. Economía ................................................................................................................... 11
1.3.1. Tasas de a iación en olumen del PIB y PIB pe cápi a ................................ 11
1.3.2. Tasa de ocupación y pa o ............................................................................. 12
1.3.3. Tasa de ocupación y de pa o ju enil ............................................................. 16
1.3.4. Sala ios y b echa sala ial po géne o ............................................................ 16
Capí ulo 2. Rep esen ación y análisis de da os de mo ilidad .................... 18
2.1. Ca ac e ización Sis ema Ta i a io In eg ado (STI) del á ea de Ba celona .............. 18
2.2. Mo ilidad en el STI .................................................................................................... 19
2.2.1. Mo i o del desplazamien o .......................................................................... 19
2.2.2. Modo de anspo e ..................................................................................... 20
2.2.3. Relación en e el mo i o del desplazamien o y el modo de anspo e ......... 22
2.2.4. Modo de anspo e en unción del ámbi o e i o ial .................................. 23
2.2.5. Modo de anspo e en unción de la coma ca ............................................. 24
2.2.6. Flujos in e coma cales ................................................................................. 25
Capí ulo 3. Máquina i ual pa a un en o no de machine lea ning ............ 28
3.1. El en o no Google Colabo a o y ............................................................................... 28
3.2. ¿Po qué usa Google Colabo a o y? ....................................................................... 28
3.3. Funcionamien o y componen es básicos ................................................................ 29
3.3.1. El en o no de ejecución ................................................................................ 32
3.3.2. Cómo u iliza un en o no con GPU o cambia la e sión de Py hon............... 34
3.4. Subi y u iliza a chi os locales o ex e nos ............................................................. 36
3.4.1. Desde local................................................................................................... 36
3.4.2. Desde Google D i e ...................................................................................... 37
Capí ulo 4. Análisis p edic i o pa a de e mina el ac o que más pesa en
la elección del modo de anspo e .............................................................. 39
4.1. P esen ación de los da os......................................................................................... 39

4.2. Ob ención y análisis de los esul ados .................................................................... 40
Capí ulo 5. Conclusiones y ámbi os de abajo u u os .............................. 45
5.1. Conclusiones ............................................................................................................. 45
5.2. Ámbi os de abajo u u os ....................................................................................... 46
REFERENCIAS ................................................................................................ 47
Da os masi os aplicados a la mo ilidad u bana 1
INTRODUCCIÓN
La mo ilidad en las ciudades y á eas me opoli anas demanda más
ac uaciones decisi as en a o de una mo ilidad sos enible a endiendo a las
di ec ices eu opeas y, pa a ello, la ecnología en gene al y las TIC pueden
con ibui de o ma decisi a. Es as ac uaciones, eniendo en cuen a la
complejidad de las á eas u banas, deben es a undamen adas en una amplia
oma de da os. Así, con a con una g an can idad y a iabilidad de da os de
calidad pe mi i ía de ende mejo los p oyec os (necesidad y iabilidad). Es
aquí donde los da os masi os adquie en una impo ancia i al pa a lle a a
cabo la implan ación de un modelo de mo ilidad sos enible.
Has a aho a se han enido ealizando amplias campañas de abajo de campo,
basadas en g an pa e en encues as ele ónicas y, en meno medida,
encues as domicilia ias p esenciales, las cuáles p esen an una se ie de
p oblemas que inc emen an el sesgo en es e ipo de es udios:
 Cos e ele ado y, como consecuencia, el amaño de la mues a que se
ealiza acos umb a a se muy educido.
 Disminución signi ica i a de los hoga es con elé ono ijo y las bases de
da os no son an áciles de maneja y man ene .
 Dependencia del hoga cuando ealmen e la mo ilidad depende del
indi iduo.
 La in o mación ob enida gene almen e co esponde a un día labo able
ipo o medio.
Viendo las limi aciones de las encues as, apa ece el é mino Big Da a o da os
masi os como al e na i a pa a consegui una ges ión óp ima de la mo ilidad en
las g andes me ópolis. En un con ex o globalizado e in e conec ado como el
ac ual, millones de disposi i os que ope an en la nube egis an un sin ín de
da os que cada uno de noso os emi imos conscien e o inconscien emen e a
dia io. El Big Da a, in eg ado en un sis ema más amplio, que ecoja y analice
da os del sis ema ia io de las ciudades, puede se u ilizado como ma e ia
p ima pa a diseña un sis ema de mo ilidad más in eligen e, que op imice los
iempos y cos es asociados al anspo e, y ges ione de mane a más e icaz
con a iempos como a ascos, ob as, acciden es, e c.
En la ac ualidad, exis en aplicaciones que ecopilan da os de mane a masi a y
en iempo eal y los a an ambién en iempo eal pa a ex ae in o mación
aliosa que pueda ayuda en la oma de decisiones y en la de inición de
soluciones al e na i as de mo ilidad basadas en in o mación abundan e y
p ecisa. A pesa de que apo an una solución ecnológica de g an calidad
basada en in o mación p ecisa de GPS y algo i mos y modelos ma emá icos ya
2 Da os masi os aplicados a la mo ilidad u bana
p obados, p esen an oda ía algunos e os pa a su aplicación. El p incipal de
ellos es que equie en de da os que se ecopilan po una aplicación que debe
ins ala se en los mó iles. Es o no es ácil, pues o que los usua ios y
ciudadanos no siemp e coope an.
Es e p oyec o p e ende ealiza una p ime a ap oximación a la p esen ación de
da os de mo ilidad y al uso de machine lea ning pa a hace análisis p edic i os
u ilizando Google Colab.
En el capí ulo 1, se de ine el á ea me opoli ana de Ba celona (municipios que
la componen, ex ensión, e c.).
En el capí ulo 2, se ep esen an y analizan da os de mo ilidad del ámbi o del
Sis ema Ta i a io In eg ado (STI) del á ea de Ba celona ecopilados a a és de
encues as haciendo uso de Google Colab.
En el capí ulo 3, se explica que es Google Colab, cómo unciona y cuáles son
sus en ajas espec o a o as al e na i as.
En el capí ulo 4, se de e mina cuál es el ac o que más peso iene en la
elección del modo de anspo e de los esiden es de los municipios del AMB
en los lujos de conexión con Ba celona.
Finalmen e, en el capí ulo 5, se p esen an unas p ime as conclusiones y
ámbi os de abajo u u os.
.
Da os masi os aplicados a la mo ilidad u bana 3
Á ea Me opoli ana de Ba celona Capí ulo 1.
Localización, usos del suelo y municipios 1.1.
me opoli anos
El á ea me opoli ana de Ba celona ocupa una posición es a égica en el su de
Eu opa, en el co azón del co edo medi e áneo que comunica España con el
es o del con inen e. Es a localización p i ilegiada le ha pe mi ido con e i se
en el epicen o de Ca aluña. Su e i o io comp ende los espacios ag ícolas del
Del a del Llob ega , las zonas o almen e u banizadas del llano de Ba celona y
las g andes á eas e des de los macizos de Ga a , Collse ola y la sie a de
Ma ina. Vi en 3.239.337 pe sonas y iene un e i o io de 636 𝑘𝑚2. En é minos
de población, ep esen a un 42.8% de la población de Ca aluña mien as que,
en é minos de supe icie, ocupa únicamen e un 2% de la supe icie ca alana.
Cons i uye una de las egiones de mayo dimensión de Eu opa y ocupa la
oc a a posición en cuan o a población. El 48% del e i o io es á u banizado y
el es o es á ocupado po bosques y zonas ag ícolas. Los municipios que la
componen son los siguien es: Badalona, Badia del Vallès, Ba be à del Vallès,
Ba celona, Begues, Cas ellbisbal, Cas ellde els, Ce danyola del Vallès,
Ce elló, Co be a de Llob ega , Co nellà de Llob ega , El Papiol, El P a de
Llob ega , Esplugues de Llob ega , Ga à, L’Hospi ale de Llob ega , La Palma
de Ce elló, Molins de Rei, Mon cada i Reixac, Mon ga , Pallejá, Ripolle , San
Ad ià de Besòs, San And eu de la Ba ca, San Boi de Llob ega , San Climen
de Llob ega , San Cuga del Vallès, San Feliu de Llob ega , San Joan Despí,
San Jus Des e n, San Vicenç dels Ho s, San a Coloma de Ce elló, San a
Coloma de G amene ,Tiana, To elles de Llob ega y Viladecans [5],[6].
10 Da os masi os aplicados a la mo ilidad u bana
>95
90-94
85-89
80-84
75-79
70-74
65-69
60-64
55-59
50-54
45-49
40-44
35-39
30-34
25-29
20-24
15-19
10-14
5-9
0-4
150000 100000 50000 0 50000 100000 150000
AMB 2038 Muje es
AMB 2038 Homb es
AMB 2018 Muje es
AMB 2018 Homb es
G á ico 1.1 Pi ámides de población á ea Me opoli ana de Ba celona, 2018 y
2038
Es e inc emen o ela i o se ia causado en su mayo pa e po la población más
en ejecida, la que iene o supe a los 85 años (49,9%). El p og esi o p oceso
de en ejecimien o end ía una e olución desigual en oda la me ópolis, siendo
más impo an e en los subámbi os me opoli anos pe i é icos de O dal-
Llob ega (86,4%), Vallès-Collse ola (78,2%) y Del a (71,5%), a ándose és os
p ecisamen e de aquellos donde la población mayo iene ac ualmen e un peso
meno sob e el conjun o de la población (Tabla 1.3). En cambio, el municipio
de Ba celona se ía donde menos c ece ía es e colec i o (22,1%) y el único
pa a el cual la población más mayo end ía una asa de inc emen o in e io a la
menos en ejecida. Se es ima una endencia a la homogeneización del peso de
la población mayo en los di e en es subámbi os si uándose al ededo de un
cua o de la población o al en el caso de la población de 65 años o más y
supe io al 4% pa a la población más en ejecida de 85 años o más [8].

Da os masi os aplicados a la mo ilidad u bana 11
Tabla 1.3 Va iación absolu a y ela i a de la población mayo según g upos de
edad y e i o io de esidencia. Población de 65 años y más. Á ea me opoli ana
de Ba celona, 2018-2038
Va iación absolu a
Va iación ela i a
De 65 a 84
años
de 85 años
o más
de 65 anys
o más
De 65 a 84
anys
de 85 años
o más
de 65 años
o más
Ba celona
63.031
14.177
77.208
22,3
21,2
22,1
Besòs
20.006
8.080
28.086
31,4
83,0
38,3
Del a
31.370
10.383
41.754
61,6
138,5
71,5
Llob ega con inu
22.110
10.220
32.329
26,0
73,9
32,7
O dal-Llob ega
15.246
3.402
18.649
83,0
105,7
86,4
Vallès-Collse ola
25.967
7.060
33.027
71,1
124,2
78,2
À ea me opoli ana de
Ba celona
177.730
53.323
231.053
33,1
49,9
35,9
2018 2038 2018 2038
Peso ela i o de la gen e mayo (65 años o más) Peso ela i o de la gen e muy mayo (85 años o más)
Economía 1.3.
1.3.1. Tasas de a iación en olumen del PIB y PIB pe cápi a
El PIB pe cápi a aumen a p og esi amen e en odos los ámbi os geog á icos
de inidos en la Tabla 1.4 a pa i del año 2013, siendo es e c ecimien o de
mayo magni ud en e los años 2017 y 2018 ( 5,7% en Ba celona, 6,1% ue a
del AMB, 6,4% en el AMB y 5,8% en Ca aluña). El PIB pe cápi a en los
municipios del AMB el 2018 es de 38.244 eu os, un alo supe io al del
conjun o de Ca aluña (32.000 eu os). Des aca el PIB pe cápi a de Ba celona,
G á ico 1.2. Peso ela i o de la población mayo de 65 años o más y de 85
años o más sob e el o al de la población según el e i o io de esidencia.
Á ea me opoli ana de Ba celona, 2018-2038
12 Da os masi os aplicados a la mo ilidad u bana
que es de 50.169 eu os, p ác icamen e doblando el del AMB sin Ba celona
(26.642).
Tabla 1.4 PIB pe cápi a de Ba celona, AMB sin Ba celona, AMB y Ca aluña
en eu os 2012-2018
PIB pe cápi a
Ba celona
AMB sin Ba celona
AMB
Ca aluña
2012
42.723
21.512
32.106
26.812
2013
42.386
21.457
31.815
26.688
2014
43.397
22.585
32.865
27.414
2015
44.859
23.425
33.992
28.499
2016
46.259
24.080
35.019
29.445
2017
2018
47.464
50.169
24.946
26.462
35.943
38.244
30.245
32.000
1.3.2. Tasa de ocupación y pa o
La endencia obse ada en la asa de ocupación
6
en e los años 2015 y 2018
es posi i a en odos los casos, p oduciéndose un inc emen o de al ededo de 5
pun os po cen uales, excep o en el municipio de Ba celona donde la subida es
lige amen e meno , pues se pasa de un 50,8 en el p ime imes e de 2015 a
un 54,3 en el úl imo imes e de 2018, lo que se aduce en un aumen o de 3,5
pun os. En cuan o a la seg egación po sexos, la asa de ocupación de la muje
es in e io a la del homb e, man eniéndose en es os años una di e encia más o
menos es able de en e 9 y 12 pun os en odos los ámbi os e i o iales (el peo
caso se da pa a España, donde la di e encia llega a se de 11,7 pun os en el
úl imo imes e de 2018). La asa de ocupación del homb e iene mayo
c ecimien o en e 2015 y 2018 que la de las muje es (2,2 pun os más de
c ecimien o en España, 1,6 en Ca aluña, 1,7 en la p o incia de Ba celona y 1,5
en el municipio de Ba celona). Po úl imo, el po cen aje más g ande de
pe sonas ocupadas en el úl imo imes e de 2018 co esponde a la p o incia
de Ba celona (54,9%), seguido de ce ca po Ca aluña (54,4%) y el municipio de
Ba celona (54,3%). España se encuen a lejos de es as ci as con un 50,1% al
cie e de 2018. (Véase Tabla 1.5)
6
La asa de ocupación es la elación que exis e en e la población ocupada y la población de
16 años o más. Tasa de ocupación= (población ocupada/población de 16 años o más)*100.
Da os masi os aplicados a la mo ilidad u bana 13
Tabla 1.5 E olución po sexos de la asa de ocupación en España, Ca aluña,
Ba celona y la p o incia de Ba celona en e 2015 y 2018.Valo es exp esados
en %
Ámbi o
e i o ial
Año
T imes e
Homb e
Muje
Ambos sexos
España
2015
P ime imes e
50,7
40,2
45,3
España
2015
Segundo imes e
52
41,1
46,4
España
2015
Te ce imes e
52,8
41,3
46,9
España
2015
Cua o imes e
52,6
41,7
47
España
2016
P ime imes e
52,6
41,4
46,8
España
2016
Segundo imes e
53,2
42,1
47,5
España
2016
Te ce imes e
53,9
42,5
48,1
España
2016
Cua o imes e
53,6
42,6
48
España
2017
P ime imes e
53,5
42,3
47,8
España
2017
Segundo imes e
54,6
43,1
48,7
España
2017
Te ce imes e
55,4
43,5
49,3
España
2017
Cua o imes e
54,9
43,5
49,1
España
2018
P ime imes e
54,5
43,1
48,7
España
2018
Segundo imes e
55,8
44,2
49,8
España
2018
Te ce imes e
56,4
44,3
50,2
España
2018
Cua o imes e
56,2
44,5
50,1
Ca aluña
2015
P ime imes e
54,3
45,5
49,8
Ca aluña
2015
Segundo imes e
55,8
46
50,7
Ca aluña
2015
Te ce imes e
56,5
46,4
51,3
Ca aluña
2015
Cua o imes e
56,4
46
51
Ca aluña
2016
P ime imes e
56,5
46,6
51,4
Ca aluña
2016
Segundo imes e
57,4
47,4
52,2
Ca aluña
2016
Te ce imes e
57,7
48,4
52,9
Ca aluña
2016
Cua o imes e
57,5
47,7
52,5
Ca aluña
2017
P ime imes e
57,2
47,8
52,3
Ca aluña
2017
Segundo imes e
58,3
48,9
53,4
Ca aluña
2017
Te ce imes e
59,5
49
54,1
Ca aluña
2017
Cua o imes e
59
49,1
53,9
Ca aluña
2018
P ime imes e
58,5
48,9
53,5
Ca aluña
2018
Segundo imes e
59,3
49,6
54,3
Ca aluña
2018
Te ce imes e
59,9
49,7
54,7
Ca aluña
2018
Cua o imes e
59,5
49,6
54,4
P o .
Ba celona
2015
P ime imes e
54
46
49,8
P o .
Ba celona
2015
Segundo imes e
55,7
46,1
50,7
P o .
Ba celona
2015
Te ce imes e
56,3
46,4
51,1
P o .
Ba celona
2015
Cua o imes e
56,7
46,4
51,3
P o .
Ba celona
2016
P ime imes e
56,7
47,3
51,8
P o .
Ba celona
2016
Segundo imes e
57,7
48,1
52,7
P o .
Ba celona
2016
Te ce imes e
58
48,7
53,2
14 Da os masi os aplicados a la mo ilidad u bana
P o .
Ba celona
2016
Cua o imes e
58,1
48,5
53,1
P o .
Ba celona
2017
P ime imes e
58,1
49
53,4
P o .
Ba celona
2017
Segundo imes e
58,5
49,2
53,6
P o .
Ba celona
2017
Te ce imes e
59,8
49
54,1
P o .
Ba celona
2017
Cua o imes e
59,7
49,7
54,5
P o .
Ba celona
2018
P ime imes e
59,3
49,6
54,2
P o .
Ba celona
2018
Segundo imes e
59,5
50,1
54,6
P o .
Ba celona
2018
Te ce imes e
59,7
49,8
54,6
P o .
Ba celona
2018
Cua o imes e
59,9
50,2
54,9
Ba celona
2015
P ime imes e
54,2
47,9
50,8
Ba celona
2015
Segundo imes e
56,3
48
51,8
Ba celona
2015
Te ce imes e
56,2
47,5
51,5
Ba celona
2015
Cua o imes e
57,8
47,1
52
Ba celona
2016
P ime imes e
58,1
47,6
52,4
Ba celona
2016
Segundo imes e
e
58,3
49,6
53,6
Ba celona
2016
Te ce imes e
60,1
48,9
54
Ba celona
2016
Cua o imes e
60,3
49,8
54,5
Ba celona
2017
P ime imes e
60,2
50,7
55
Ba celona
2017
Segundo imes e
59,2
50
54,3
Ba celona
2017
Te ce imes e
60,3
48,8
54,3
Ba celona
2017
Cua o imes e
59,8
49,7
54,6
Ba celona
2018
P ime imes e
58,9
49,2
53,8
Ba celona
2018
Segundo imes e
60,2
49,3
54,5
Ba celona
2018
Te ce imes e
58,6
49,9
54,1
Ba celona
2018
Cua o imes e
58,4
50,6
54,3
La asa de pa o
7
ha expe imen ado descensos en e 2016 y 2018 en odos los
municipios del á ea me opoli ana, siendo los más signi ica i os los casos de
Badia del Vallès (3,6 pun os menos pasando del 21% al 17,4%), San Vicenç
dels Ho s (3,4 pun os menos pasando del 16% al 12,6%) y San Climen de
Llob ega (3,1 pun os menos pasando del 10% al 6,9%). El municipio que
p esen a una meno asa de pa o en 2018 es San Cuga del Vallès (6,1%),
seguido de ce ca po Begues (6,3%), San Jus Des e n (6,4%) y Tiana (6,4%).
En cambio, los municipios con mayo asa de pa o en 2018 son Badia del
Vallès (17,4%) y San Ad ià de Besòs (15,7%). A mayo dis ancia, apa ecen
Ripolle (13,2%), San a Coloma de G amene (13,1%), Badalona (12,7%)
Mon cada i Reixac (12,6%) y San Vicenç dels Ho s (12,6%). (Véase Tabla
1.6)
7
La asa de pa o es la elación en e la población desocupada egis ada mensualmen e en las
o icinas de ocupación (SOC) y la población ac i a es imada imes almen e.
Da os masi os aplicados a la mo ilidad u bana 15
Tabla 1.6 Tasa de pa o egis ado en los municipios me opoli anos los años
2016,2017 y 2018. Valo es exp esados en %
Municipio
2016
2017
2018
Badalona
14,8
13,7
12,7
Badia del Vallès
21
19
17,4
Ba be à del Vallès
13,1
11,5
10,5
Ba celona
10,3
9,5
8,7
Begues
8
6,7
6,3
Cas ellbisbal
10,8
9,9
8,9
Cas ellde els
11,3
10
9,1
Ce danyola del Vallès
11,1
9,5
8,7
Ce elló
10,5
10
9,1
Co be a de Llob ega
9,9
8,9
7,9
Co nellà de Llob ega
12,8
11,4
10,6
Esplugues de Llob ega
11,3
10,1
9
Ga à
12,7
11,3
10,2
Hospi ale de Llob ega , l'
13,2
11,7
10,7
Molins de Rei
9,8
8,3
7,7
Mon cada i Reixac
14,7
13,1
12,6
Mon ga
11,1
10,1
9,9
Pallejà
10,9
9
8,2
Palma de Ce elló, la
10,3
10,5
8,8
Papiol, el
11,1
10,4
8,9
P a de Llob ega , el
13,4
11,6
11,1
Ripolle
15,6
13,9
13,2
San Ad ià de Besòs
18,3
16,9
15,7
San And eu de la Ba ca
13,1
11,1
10,6
San Boi de Llob ega
14
11,9
11,4
San Climen de Llob ega
10
7,4
6,9
San Cuga del Vallès
7,5
6,6
6,1
San Feliu de Llob ega
10,6
9,2
8,2
San Joan Despí
10,2
9
7,9
San Jus Des e n
7,6
6,9
6,4
San Vicenç dels Ho s
16
14,1
12,6
San a Coloma de Ce elló
8,8
7,7
7,1
San a Coloma de
G amene
15,7
14,2
13,1
Tiana
7,7
6,9
6,4
To elles de Llob ega
10,2
9,3
8,5
Viladecans
13,2
11,9
10,7

16 Da os masi os aplicados a la mo ilidad u bana
1.3.3. Tasa de ocupación y de pa o ju enil
La asa de ocupación ju enil (16-24 años), ya sea del municipio de Ba celona,
la p o incia de Ba celona o de Ca aluña, ha seguido con la e olución posi i a
en e los años 2017 y 2018 si uándose en el 31,2%, 34,2% y el 33%,
espec i amen e (aunque oda ía se encuen an lejos de los alo es p e ios a
la c isis económica). En el caso de España, la asa de ocupación expe imen ó
un impo an e descenso, alcanzando pun ualmen e alo es in e io es al 20%,
aunque en los úl imos años se ha empezado a ecupe a has a llega al 24,3%
en el 2018. En odos los casos, cabe des aca que la asa de ocupación ju enil
es signi ica i amen e más baja que la asa de ocupación o al y que, en
gene al, la di e encia ha es ado al ededo de 25 pun os po cen uales.
La asa de pa o ju enil de Ba celona en 2018 se ha si uado en el 22,8% de la
población ac i a. Es a ci a es meno que las de la p o incia de Ba celona
(27,5%), Ca aluña (27,7%) y España (33,5%). De nue o, en odos los casos la
asa de pa o ju enil es mucho más ele ada, p ác icamen e el doble, que la asa
de pa o o al [7].
1.3.4. Sala ios y b echa sala ial po géne o
Los sala ios medios anuales de los abajado es esiden es en los 14
municipios de más de 40000 habi an es del AMB el año 2016 se si ua on en los
27.290 eu os. Las emune aciones sala iales medias de la mayo ía de los
municipios del AMB e an in e io es al sala io medio o al, siendo San a Coloma
de G amene el que p esen aba un sala io medio más bajo (20185 eu os/año) y
San Cuga del Vallès el que p esen aba el sala io medio más al o (40.769
eu os).
La b echa sala ial po géne o, en endida como la di e encia sala ial en e
homb es y muje es exp esada en po cen aje de los ing esos b u os medios de
los homb es, ue del 24% (las muje es cob a on de media 7.440 eu os menos
que los homb es) [7].
Da os masi os aplicados a la mo ilidad u bana 17
Tabla 1.7 Sala ios medios po sexo, 14 municipios AMB,eu os/año,2016
Di e ència home dona
To al
Home
Dona
eu os/any
en %
San a Coloma de G amene
20.185
23.778
16.472
7.306
30,7
Hospi ale de Llob ega , l'
21.564
24.887
17.989
6.898
27,7
Badalona
22.580
25.725
19.303
6.422
25,0
Co nellà de Llob ega
23.314
27.051
19.311
7.740
28,6
San Boi de Llob ega
23.662
27.026
19.788
7.238
26,8
Espanya
23.677
26.797
20.266
6.531
24,4
P a de Llob ega , el
23.789
27.068
20.239
6.829
25,2
Viladecans
24.255
27.887
19.898
7.989
28,6
Ca alunya
25.491
29.074
21.723
7.351
25,3
Esplugues de Llob ega
26.603
29.532
23.194
6.338
21,5
Ce danyola del Vallès
26.781
31.466
22.221
9.245
29,4
Ga à
27.030
32.529
21.364
11.165
34,3
AMB
27.290
31.003
23.563
7.440
24,0
San Feliu de Llob ega
28.093
31.948
23.894
8.054
25,2
Ba celona
29.176
32.819
25.669
7.150
21,8
Cas ellde els
29.442
35.022
24.046
10.976
31,3
San Cuga del Vallès
40.769
49.342
32.636
16.706
33,9
18 Da os masi os aplicados a la mo ilidad u bana
Rep esen ación y análisis de da os de Capí ulo 2. mo ilidad
Ca ac e ización Sis ema Ta i a io In eg ado (STI) del 2.1.
á ea de Ba celona
El ámbi o e i o ial del STI (Mapa 2.1) lo con o man las siguien es coma cas:
Ba celonès, Ma esme, Baix Llob ega , Vallès Occiden al, Vallès O ien al, Al
Penedès, Bages, Ga a , Anoia, Osona, Be guedà y Moianès. También es án
incluidos algunos municipios de las coma cas de Sel a y Baix Penedès.
Mapa 2.1 Ámbi o e i o ial STI [9]
El STI iene una ex ensión de 8.112,8 𝑘𝑚2, lo que supone más del 25% del
e i o io de Ca aluña. La supe icie u banizada es de 1.004,5 𝑘𝑚2, lo que
co esponde a un 12,4% del ámbi o e i o ial. La densidad o al de población es
de 709,4 hab/𝑘𝑚2, pe o conside ando solo el suelo u bano, la densidad es de
5.729,7 hab/𝑘𝑚2 [9].
Da os masi os aplicados a la mo ilidad u bana 19
Mo ilidad en el STI 2.2.
Hay 4.815.772 pe sonas esiden es en el ámbi o del STI, las cuales ealizan
18.957.915 desplazamien os
8
en un día labo able, lo que se aduce en una
media de 3,9 desplazamien os po pe sona en un día labo able [10].
2.2.1. Mo i o del desplazamien o
Es necesa io de ini los mo i os de los desplazamien os pa a hace la
adiog a ía de la mo ilidad de un ámbi o geog á ico. Se dis inguen es ipos de
desplazamien os en unción del mo i o que los p opicia: mo ilidad pe sonal,
mo ilidad ocupacional y la uel a a casa. La mo ilidad pe sonal se e ie e a los
desplazamien os po mo i os de ocio, comp as, ges iones del hoga , isi a
médica, e c.; la mo ilidad ocupacional iene como obje i o acudi al pues o de
abajo o de es udio; y la uel a a casa es el iaje de e o no pa a cualquie a de
los o os dos mo i os.
En 2018, se p oducen 7,2 millones de desplazamien os al día po mo i os
pe sonales, ci a muy supe io a los 3,7 millones que se o iginan po mo i os
ocupacionales. El es o de desplazamien os son los de uel a a casa (8
millones de desplazamien os al día) [10]. En el G á ico 2.1 se obse an los
po cen ajes que ep esen a cada uno de los mo i os espec o al núme o o al
de desplazamien os en el STI.
G á ico 2.1 Mo i os de los desplazamien os en el ámbi o STI 2018
8
Un desplazamien o se co esponde con un único mo i o y puede es a compues o po una o
más e apas lle adas a cabo con modos de anspo e di e en es
26 Da os masi os aplicados a la mo ilidad u bana
Mapa 2.2 Flujos in e coma cales exp esados en milla es [10]
Los p incipales mo imien os de pe sonas de las coma cas del Baix Llob ega ,
el Ga a , Al Penedès, Osona, el Vallès Occiden al, el Vallès O ien al, el
Ma esme y el Baix Penedès (municipios del STI) se p oducen con el
Ba celonès.
Los esiden es en la coma ca de Anoia o iginan y eciben más desplazamien os
de la coma ca del Baix Llob ega que de cualquie o a; los de Bages del Vallès
Occiden al; los de Sel a (municipios del STI) del Ma esme; los de Moianès de
Osona; y los de Be guedà de Bages [10].
2.2.6.1. Modo de anspo e en los p incipales lujos in e coma cales
El mayo po cen aje de uso de anspo e público, eniendo en cuen a
únicamen e los p incipales lujos nomb ados en el apa ado an e io [2.2.6], se
da en el lujo del Ba celonès con el Ga a , siendo es e alo igual al 57,6%. Se
in uye que la causa de es e hecho es que no hay una al e na i a ápida en
ehículo p i ado pa a cub i es e ayec o que no sea una ía de pago [9].
El po cen aje de desplazamien os sos enibles (mo ilidad ac i a y anspo e
público) cob a ambién impo ancia en e el Ba celonès y el Baix Llob ega ,
siendo es e del 46% (42% en anspo e público y 4% de mo ilidad ac i a). Muy

Da os masi os aplicados a la mo ilidad u bana 27
ce ca es á el 45% del lujo en e el Ba celonès y el Vallès Occiden al [9],
g acias a una excelen e conexión con la línea Ba celona-Vallès de los
Fe oca iles de la Gene ali a de Ca alunya (FGC).
La elación en e el Ma esme y el Ba celonès se p oduce en su mayo ía en
ehículo p i ado, pues solo 1 de cada 3 ayec os se ealizan en anspo e
público (33,7%)[9]. Es o pod ía se debido a la can idad de incidencias que se
egis an en Rodalies de RENFE (Red Nacional de los Fe oca iles
Españoles), ocasionando e asos impo an es, sumado a la exis encia de una
al e na i a más ápida po ca e e a a un p ecio más o menos asequible.
28 Da os masi os aplicados a la mo ilidad u bana
Máquina i ual pa a un en o no de machine Capí ulo 3. lea ning
El en o no Google Colabo a o y 3.1.
Google Colabo a o y [1] es un en o no g a ui o de Jupy e No ebook [2] (de
aho a en adelan e, simplemen e Jupy e ) que no equie e con igu ación y que
se ejecu a comple amen e en la nube. Esa es la de inición o icial, pe o es
necesa io ahonda un poco más en ella pa a quién no es é amilia izado con
Jupy e o Py hon [3].
Py hon es un lenguaje de p og amación pode oso y ácil de ap ende . Cuen a
con es uc u as de da os e icien es y de al o ni el y un en oque simple pe o
e ec i o a la p og amación o ien ada a obje os. Pe o en el con ex o de Google
Colab sus ca ac e ís icas más impo an es son que se a a de un lenguaje
ideal pa a sc ip ing y que es un lenguaje in e p e ado.
Py hon ae consigo un modo in e ac i o que con un in é p e e de línea de
comandos pe mi e lanza sen encias y ob ene los esul ados, pe o sus
uncionalidades se queda on co as pa a los desa ollado es, po lo que su gió
IPy hon, que más a de e oluciona ía en Jupy e .
Jupy e es un en o no in e ac i o que pe mi e desa olla código Py hon de
mane a dinámica. Jupy e se ejecu a en local como una aplicación clien e-
se ido y posibili a an o la ejecución de código como la esc i u a de ex o,
a o eciendo así la in e ac i idad del en o no y que se pueda en ende el
código como la lec u a de un documen o.
¿Po qué usa Google Colabo a o y? 3.2.
La p incipal en aja que o ece es a he amien a es que libe a a la compu ado a
de ene que lle a a cabo un abajo demasiado cos oso an o en iempo como
en po encia o incluso pe mi e ealiza ese abajo a pesa de que la máquina
no disponga de ecu sos su icien emen e po en es, ya que acili a al usua io un
en o no en la nube con la posibilidad de hace uso de sus GPU (G aphics
P ocessing Uni ). Y odo es o, como ya se ha mencionado, de o ma g a ui a.
O o de los bene icios que iene lo indica el p opio nomb e, Colabo a o y, es
deci , colabo a i o, pues pe mi e ealiza a eas en la nube y compa i los
cuade nos si se necesi a abaja en equipo.
Da os masi os aplicados a la mo ilidad u bana 29
Cabe des aca ambién que Google Colab iene p eins aladas la mayo pa e de
las lib e ías de Py hon, lo que signi ica que se dispond á p ác icamen e de odo
el so wa e necesa io ins alado, aduciéndose es o en un aho o de iempo
conside able. Además, hay posibilidad de ins ala o as lib e ías que se
equie an.
Po odo es o, Google Colab es una magní ica opción pa a p incipian es que
quie an ene un p ime con ac o con machine lea ning
9
y deep lea ning
10
pe o
sin incu i en gas os de p ocesamien o cloud.
Funcionamien o y componen es básicos 3.3.
Pa a hace uso de Google Colab bas a con accede a la cuen a de Google del
usua io y, o bien en a di ec amen e al enlace de Google Colab o i al Google
D i e del usua io, pulsa el bo ón de Nue o y desplega el menú de Más pa a
selecciona Colabo a o y, lo que c ea á un nue o cuade no (no ebook).
9
El machine lea ning (ap endizaje au omá ico en español) es el subcampo de las ciencias de
compu ación y una ama de la in eligencia a i icial, cuyo obje i o es desa olla écnicas que
pe mi an que las compu ado as ap endan.
10
El deep lea ning (ap endizaje p o undo en español), ambién conocido como edes
neu onales, es un aspec o de la in eligencia a i icial (AI) que se ocupa de imi a los p ocesos
que el se humano u iliza pa a adqui i conocimien os.
30 Da os masi os aplicados a la mo ilidad u bana
Fig. 3.1 Acceso a Google Colab
Un cuade no es un documen o que con iene código ejecu able (po ejemplo,
Py hon) y ambién elemen os de ex o en iquecido (links, igu as, e c.). Es el
en o no con el que a a abaja el usua io en Colab y iene el siguien e aspec o
(Fig. 3.2) nada más c ea lo:
Fig. 3.2 Cuade no c eado
Da os masi os aplicados a la mo ilidad u bana 31
En la pa e supe io se localiza el nomb e del cuade no (ob iamen e se puede
cambia a olun ad) y su o ma o es .ipynb, que iene de IPy hon No ebook y
es un o ma o que pe mi e ejecu a cuade nos an o en IPy hon, como en
Jupy e y Colab. El iche o .ipynb con iene en o ma o JSON cada celda y su
con enido.
Un cuade no es á o mado po celdas. Una celda es la unidad de ejecución
mínima den o de un cuade no, es deci , es donde se incluye el código y se
ejecu a. Pa a ejecu a una celda se puede pulsa el bo ón con el icono de Play
que se encuen a a la izquie da o pulsando C +En e (ejecu a celda) o
Shi +En e (Ejecu a celda y sal a a la siguien e). Como se e en la Fig. 3.3,
as la ejecución, debajo de la celda apa ece el esul ado (si lo hay).
Fig. 3.3 Ejemplo de ejecución de una celda
En la pa e izquie da de una celda ejecu ada se puede obse a un núme o
en e co che es (Fig. 3.3). Es e núme o indica el o den en el que se ha
ejecu ado cada celda. En la Fig. 3.3, po ejemplo, se puede e un 11 po que la
celda ha sido ejecu ada 11 eces. Si a con inuación se añadie a una celda y se
ejecu a a, el núme o que apa ece ía a la izquie da de és a se ía un 12. De es e
modo, el núme o aumen a cada ez que se ejecu a una celda,
independien emen e de si ha sido ejecu ada an e io men e. Al pasa el cu so
po es a pa e izquie da de la celda ambién se puede e in o mación ace ca
de quién ejecu ó la celda, en qué momen o y cuán o a dó la ejecución.
Desde los bo ones de la pa e supe io (+Código o +Tex o) o en el menú
Inse a ( e Fig. 3.2) podemos añadi nue as celdas, an o especí icas pa a
código como pa a ex o. La dis inción que hace Colab sob e ellas es que las
celdas de código son ejecu ables, mien as que las de ex o mues an
di ec amen e el ex o que incluyamos y disponen ambién de un pequeño edi o
de ex o (Fig. 3.4).
También exis e la posibilidad de cambia el o den de las celdas con las lechas
de la pa e supe io ( e Fig. 3.2), hacia a iba ( ambién con el a ajo C l+M K) o
hacia abajo (C l+M J), o modi ica las con el menú desplegable de la pa e

32 Da os masi os aplicados a la mo ilidad u bana
de echa de cada celda, bo ándolas (C l+M D) o añadiendo comen a ios y
enlaces.
Fig. 3.4 Ejemplo de celda de ex o
3.3.1. El en o no de ejecución
Cada celda es independien e, pe o odas las celdas en un cuade no u ilizan el
mismo ke nel. El ke nel es el mo o de compu ación que es á po debajo y cuya
unción es ejecu a el código y de ol e el esul ado pa a mos a lo en la celda.
El es ado del ke nel pe sis e du an e el iempo, lo que signi ica que aunque
cada celda sea independien e, las a iables decla adas en una celda se
pueden u iliza en las demás.
Habi ualmen e, el lujo de ejecución de las celdas se á de a iba hacia abajo, el
o den na u al en el que es án c eadas, pe o es posible que en algún momen o
se p ecise ejecu a o cambia algo en una celda an e io . Aquí es donde esul a
ú il el núme o que apa ece a la izquie da que, como se ha comen ado
an e io men e, indica el o den de ejecución.
Fig. 3.5 Ejecución de una unción que ele a al cuad ado un nomb e alea o io
Da os masi os aplicados a la mo ilidad u bana 33
En es e cuade no, p ime o se impo a la lib e ía numpy
11
[4] y luego se decla a
una unción pa a ele a núme os al cuad ado. En celdas siguien es, se u iliza
esa unción y la lib e ía pa a ele a al cuad ado núme os alea o ios.
Fig. 3.6 Ejemplo de ob ención de un esul ado e óneo debido a una ejecución
de las celdas en el o den inco ec o
Aho a se puede e en la Fig. 3.6 un cambio del alo de “y” en la celda
añadida y como al ejecu a la celda la ase imp imida deja de ene sen ido,
pe o g acias a los núme os de o den se puede descub i lo que ha ocu ido.
Todo es o acili a mucho la sepa ación del código en bloques lógicos sin la
necesidad de ol e a impo a lib e ías, o ec ea a iables o unciones.
Desde el menú de En o no de Ejecución ( e Fig. 3.2) se puede einicia el
es ado del en o no de ejecución (C l+M) pa a libe a oda la memo ia que
hayamos u ilizado (pe diendo a iables y demás), in e umpi cualquie
ejecución lanzada (C l+M I), y lanza ejecuciones sob e las celdas: C l+F9
pa a ejecu a odo el cuade no, C l+F8 pa a ejecu a las celdas an e io es,
C l+Shi +En e pa a ejecu a las celdas seleccionadas o C l+F10 pa a
ejecu a la siguien e celda.
Cuando se c ea un nue o cuade no, es e es es á ico, es deci , se e su
con enido, pe o no se es á conec ado a ningún en o no de ejecución. El
cuade no se conec a a una VM de Google Compu e Engine (la in aes uc u a
de máquinas i uales de Google en la nube) cuando una celda es ejecu ada o
se pulsa sob e el bo ón de Conec a . Al hace lo, el cuade no oma un momen o
en conec a se y después mues a, de ahí en adelan e, el espacio de RAM y
disco que se es á consumiendo. La máquina en un inicio cuen a con 12 GB de
RAM y 50 GB de almacenamien o en disco disponibles pa a el uso.
11
Numpy es una lib e ía de Py hon que p opo ciona po en es es uc u as de da os,
implemen ando ma ices y ma ices mul idimensionales y que ga an iza cálculos e icien es con
ellas.
34 Da os masi os aplicados a la mo ilidad u bana
Fig. 3.7 A la izquie da se e el bo ón de Conec a que se ha de pulsa pa a
conec a se a la máquina i ual de Google y, en el lado de echo, se puede
comp oba que el cuade no se ha conec ado y la RAM y disco que se es á
consumiendo.
Se dispone de un iempo de conexión a la máquina i ual limi ado, siendo és e
de 12 ho as. Una ez anscu ido ese in e alo, se limpia el ambien e y se
pie den los a chi os y las a iables que se engan almacenados. Si se es án
lle ando a cabo ejecuciones que necesi an mucho iempo, se debe ene en
cuen a lo siguien e: el en o no se desconec a al anscu i más de 90 minu os
sin u iliza un cuade no. Pa a que es o no suceda es su icien e con deja la
en ana del na egado abie a o celdas ejecu ándose. La en aja pa a dichos
casos es que, si se deja una celda ejecu ándose y se cie a el na egado , la
ejecución con inua á y se end á el esul ado al ab i el na egado nue amen e.
3.3.2. Cómo u iliza un en o no con GPU o cambia la e sión de
Py hon
El en o no p ede e minado al que se conec a Colab u iliza un ke nel con Py hon
3 y no pe mi e la ejecución con GPU. Inicialmen e, Colab u ilizaba Py hon 2,
pe o en la ac ualidad pe mi e c ea nue os cuade nos an o en Py hon 3 como
en Phy on 2, desde el menú de A chi o ( éase Fig. 3.8).
Da os masi os aplicados a la mo ilidad u bana 35
Fig. 3.8 Cómo c ea nue o cuade no en Py hon 3 o Py hon 2
En caso de que e cambia la e sión de Py hon cuando el cuade no ya se ha
c eado o u iliza la GPU en luga de la CPU ( Cen al P ocessing Uni ) pa a
ealiza ejecuciones más po en es, como la c eación de modelos de
ap endizaje p o undo, Colab pe mi e cambia los ajus es del en o no pa a
u iliza una GPU de o ma g a ui a. Sólo se debe i al desplegable de En o no
de Ejecución ( éase Fig. 3.8 pa a localiza lo) y selecciona Cambia ipo de
en o no de ejecución.
Fig. 3.9 Ajus a en o no pa a u iliza GPU
42 Da os masi os aplicados a la mo ilidad u bana
Tabla 4.3 Pa áme os es adís icos de los alo es de la columna po cen aje de
uso de modos de anspo e sos enibles de la Tabla 4.1 y de los de la
p edicción pa a el caso del cos e po km del anspo e público.
p edic ions
a ge s
coun
35.000
35.000
mean
47.800
47.563
s d
4.314
14.013
min
38.330
19.700
25%
44.919
39.200
50%
47.824
46.900
75%
51.124
54.750
max
56.455
78.300
G á ico 4.2 A la izquie da, p edicción en el uso de los modos de anspo e
sos enibles en unción del cos e po km del anspo e público, y a la de echa,
e olución del RMSE ( aíz del e o cuad á ico medio) a lo la go de los pe iodos.

Da os masi os aplicados a la mo ilidad u bana 43
Tabla 4.4 Pa áme os es adís icos de los alo es de la columna de uso de
modos de anspo e sos enibles de la Tabla 4.1 y de los de la p edicción pa a
el caso del cos e del iaje en anspo e p i ado.
p edic ions
a ge s
coun
35.000
35.000
mean
47.419
47.563
s d
8.640
14.013
min
27.586
19.700
25%
40.662
39.200
50%
48.067
46.900
75%
53.108
54.750
max
61.931
78.300
G á ico 4.3 A la izquie da, p edicción en el uso de los modos de anspo e
sos enibles en unción del cos e del iaje en anspo e p i ado, y a la de echa,
e olución del RMSE ( aíz del e o cuad á ico medio) a lo la go de los pe iodos.
Se a a p ocede aho a al análisis de los esul ados. Se obse a en el G á ico
4.2 (el de la izquie da) que la pendien e es in e io a la de los o os dos g á icos
( e pa e izquie da, an o del G á ico 4.1 como del G á ico 4.3). En e es os
dos, es di ícil e a simple is a cuál es el que p esen a una mayo pendien e.
Pa a ello, se a a examina el alo máximo y mínimo pa a sendas p edicciones
( iendo la Tabla 4.2 y la Tabla 4.4) y se a ob ene la di e encia en e ambos
alo es. La p edicción pa a la que se ob enga el alo más g ande se á la que
enga mayo pendien e. Pa a la p edicción en unción de la dis ancia, es e alo
es de 35,81, mien as que pa a la p edicción en unción del p ecio del iaje en
anspo e p i ado es de 34,35. Así, se ob iene como esul ado que la dis ancia
es el ac o que más in luye en la elección de un modo de anspo e sos enible
44 Da os masi os aplicados a la mo ilidad u bana
en los lujos de conexión en e cada uno de los municipios del AMB y
Ba celona, de modo que cuan o más se aleja el usua io de la capi al ca alana
meno es el uso de modos de anspo e sos enibles.
Da os masi os aplicados a la mo ilidad u bana 45
Conclusiones y ámbi os de abajo u u os Capí ulo 5.
Conclusiones 5.1.
Es un hecho que la población mayo de 65 años a a i adqui iendo más peso
en la pi ámide poblacional del AMB a co o, medio y la go plazo. Es e es un
da o que no pueden ob ia las adminis aciones públicas a la ho a de aza
planes u u os de mo ilidad, ya que pueden cae en el e o de aisla de la
sociedad a es e g upo de población si lo hacen.
Habiendo analizado la mo ilidad en el ámbi o del STI, se in ie e que la
mo ilidad ac i a y el ehículo p i ado son los medios de anspo e más
u ilizados, siendo la mo i ación p incipal de los desplazamien os la uel a a
casa seguida de la mo ilidad pe sonal. El uso del ehículo p i ado es
mayo i a io en la mo ilidad ocupacional, mien as que en la mo ilidad pe sonal
p edomina la mo ilidad ac i a.
La mo ilidad en el STI, así como en cualquie á ea me opoli ana, se
ca ac e iza po su he e ogeneidad. Combina ehículos p i ados con au obuses,
me os y an ías. Fluc úa en ho as pun a du an e el anscu so del día y
egis a jo nadas con mucha más conges ión que o as. Además, se e
a ec ada po sucesos pun uales y más o menos imp e is os, ales como la
celeb ación de un e en o o un enómeno me eo ológico ad e so. El es udio de
mo ilidad en el que se ha basado es e abajo no iene en cuen a la g an
a iabilidad de los da os, ya que la in o mación ob enida, basada en encues as
ele ónicas, co esponde a un día labo able ipo o medio y iene una
dependencia del hoga , cuando la mo ilidad depende ealmen e del indi iduo.
Así, se concluye que pa a ob ene una adiog a ía mucho más p ecisa de la
mo ilidad y ac ua en consecuencia la adminis ación pública debe dispone de
una can idad ingen e de da os pa a pode aplica ecnología Big Da a. Pe o
pa a ello es necesa ia la colabo ación de los ciudadanos, que deben p es a se
a compa i oda la in o mación ace ca de sus desplazamien os.
Se ha podido e que Google Colab es una he amien a ideal pa a el desa ollo
de aplicaciones de machine lea ning, odo ello sin depende de la po encia de
la compu ado a, de o ma g a ui a y sin necesidad de con igu a nada.
Únicamen e se necesi a un na egado . Se dispone de un u o ial ex enso con
g an can idad de ejemplos y eje cicios pa a p ac ica de una g an u ilidad pa a
los iniciados. Pe o los ecu sos que o ece es a he amien a no es án
ga an izados ni son ilimi ados e incluso pueden a ia los lími es de uso. Es el
p ecio que hay que paga po la g a uidad de los ecu sos.
En es e p ime con ac o con las he amien as de machine lea ning, se ha
ap endido a ob ene in o mación ú il de un conjun o de da os a pa i de sus
46 Da os masi os aplicados a la mo ilidad u bana
pa áme os es adís icos (media, des iación es ánda , e c.) y, ambién,
isualizando su ma iz de co elación. Finalmen e, se ha sido capaz de ex ae
conclusiones en base a los esul ados que se han ob enido con el machine
lea ning.
Como se ha obse ado en el análisis p edic i o de la mo ilidad en el AMB, la
dis ancia que sepa a los luga es es lo más impo an e pa a los habi an es de
una ciudad a la ho a de oma la decisión de elegi un modo de anspo e u
o o, de modo que, cuan o mayo es la dis ancia meno es el po cen aje de uso
de modos de anspo e sos enibles ( anspo e público y mo ilidad ac i a). Po
el con a io, el p ecio del anspo e público iene poco peso en la elección del
modo de anspo e.
Ámbi os de abajo u u os 5.2.
Es e apa ado iene como obje i o p esen a algunos ámbi os en los que pod ía
p o undiza más es e T abajo Final de G ado en un u u o.
Disponiendo de una base de da os de mo ilidad mucho más amplia y a iada,
se pod ía p edeci el compo amien o de los iaje os cuando las condiciones
clima ológicas son ad e sas, lo que pe mi i ía oma mejo es decisiones con el
in de e i a las conges iones que se suelen p oduci en esas ci cuns ancias.
Teniendo en cuen a lo ap endido en es e abajo, se pod ían aplica los
conocimien os adqui idos al mundo del ú bol, de o ma que se es a ía en
condiciones de aconseja a un equipo que jugado es icha . También se pod ía
medi el endimien o indi idual de un g upo de u bolis as con el obje i o de
sabe cuándo exis e iesgo de lesión o cuándo se encuen an en su mejo
momen o.
Da os masi os aplicados a la mo ilidad u bana 47
REFERENCIAS
[1] Google Colab. h ps://colab. esea ch.google.com/no ebooks/welcome.ipynb
[2] Gwydion Ma ín (18 de Ene o, 2018). P ime os pasos con Jupy e No ebook.
Adic os al abajo. Disponible en:
h ps://www.adic osal abajo.com/2018/01/18/p ime os-pasos-con-jupy e -
no ebook/
[3] Qué es Py hon. Desa ollo web. Disponible en:
h ps://desa olloweb.com/a iculos/1325.php
[4] Numpy. h ps://numpy.o g/
[5] À ea me opoli ana de Ba celona (AMB). El á ea me opoli ana| Conoce el
á ea me opoli ana| Localización y usos del suelo Disponible en:
h p://www.amb.ca /s/es/web/a ea-me opoli ana/coneixe -l-a ea-
me opoli ana/locali zacio-i-usos-del-sol.h ml
[6] À ea me opoli ana de Ba celona (AMB). El á ea me opoli ana| Municipios
me opoli anos Disponible en: h p://www.amb.ca /s/es/web/a ea-
me opoli ana/municipis-me opoli ans.h ml
[7] Ins i u d’Es udis Regionals i Me opoli ans de Ba celona (Mayo 2019). La
me ópoli en 100 indicado s. L’AMB EN XIFRES 2018 Recupe ado de:
h ps://ie mb.uab.ca /es/amb-en-xi es/la-me opoli-en-100-indicado s-lamb-en-xi es-2018-
2/
[8] Ins i u d’Es udis Regionals i Me opoli ans de Ba celona (Julio 2019). Can i
demog à ic, en ellimen i me ópoli Recupe ado de:
h p://www.amb.ca /es/web/desen olupamen -socioeconomic/es udis-
socioeconomics/de all/-/es udi e i o ial/can i-demog a ic--en ellimen -i-
me opoli/8015174/11708?_Es udiTe i o ialSea chLis Po le _WAR_AMBSea c
hPo le po le _pageNum=1&_Es udiTe i o ialSea chLis Po le _WAR_AMBSe
a chPo le po le _ ipus_es udi=es udis_socioeconomics&_Es udiTe i o ialSea
chLis Po le _WAR_AMBSea chPo le po le _de ailBackURL=%2Fes%2Fweb
%2Famb%2Fla-ins i ucio%2Fes udis-me opoli ans%2Fllis a
[9] Au o i a del T anspo Me opoli à (Mayo 2019). Enques a de mobili a en
dia eine 2018 (EMEF 2018). La mobili a a l’àmbi e i o ial del Sis ema
Ta i a i In eg a . Recupe ado de: h ps://obse a o i.a m.ca /enques es-de-
mobili a /Enques es_ambi _ATM/EMEF/2018/EMEF_2018_In o me_STI.pd

48 Da os masi os aplicados a la mo ilidad u bana
[10] Au o i a del T anspo Me opoli à (Ab il 2019). Enques a de mobili a en
dia eine 2018 (EMEF 2018). Fulle ó p incipals esul a s. Recupe ado de:
h ps://obse a o i.a m.ca /enques es-de-
mobili a /Enques es_ambi _ATM/EMEF/2018/In o me_publicacio_EMEF_2018.
pd
[11] À ea Me opoli ana de Ba celona (AMB). Mobili a | Plani icació| Es udis
mobili a Disponible en: h p://www.amb.ca /s/web/mobili a /plani icacio/es udis-de-
mobili a .h ml