Datos masivos aplicados a la movilidad urbana

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