Noelia Cáceres Sánchez TESIS DOCTORAL - Universidad de Sevilla

114 ESTIMACIÓN DE MATRICES DE MOVILIDAD MEDIANTE DATOS DE TELEFONÍA MÓVIL
prestaciones, aunque en menor medida que las del modelo 1, sigan proporcionando resultados
limitados. En cambio, los modelos 2 y 3, los cuales sí contienen información tanto de las
llamadas en movilidad como de variabilidad horaria, consiguen resultados eficientes,
demostrando una capacidad predictiva admisible para cualquier frontera entre celdas.
Por otro lado, el modelo 6 alcanza predicciones razonables de volúmenes de vehículos aunque
exige realizar un estudio previo para caracterizar la frontera en términos de velocidad y longitud
de las vías que discurren por la celda origen de cada frontera. Su forma funcional establece una
dependencia espacial con la frontera monitorizada, por lo que las predicciones no sólo dependen
del número de llamadas en movilidad sino sobre qué frontera han sido observadas. Este modelo
es menos flexible que los modelos 2 y 3, dado que requiere un estudio previo de la frontera,
pero su capacidad predictiva, evaluada en anteriores apartados, también lo habilita como un
modelo apto para estimar volúmenes de vehículos. En consecuencia, los modelos 2, 3 y 6 serán
los seleccionados para predecir volúmenes de vehículos, por ser los que mejores prestaciones
alcanzan; mientras que los modelos 1, 4 y 5 son descartados como modelos viables para la
inferencia.
Observando los resultados respecto a la comparación de los criterios estudiados sobre esos tres
modelos {2, 3 y 6}, resulta difícil establecer un orden de prioridad claro dado que:
i) respecto a las medidas de error medio, error absoluto y error relativo, así como de
percentiles del error relativo en valor absoluto, aunque el modelo 6 presenta una
ligera ventaja respecto a los modelos 2 y 3, el orden de magnitud es muy similar en
los tres modelos;
ii) gráficamente, las predicciones de los tres modelos reflejan un comportamiento
semejante a la hora de alcanzar con exactitud los picos y valles en las curvas de los
volúmenes reales;
iii) respecto a correlación por rango y correlación lineal, el modelo 6 refleja una cierta
mejora respecto a los modelos 3 y 2;
iv) aunque, respecto a los estadísticos AIC, BIC y log-verosimilitud, los modelos 3 y 2,
son mejores que el modelo 6.
En general, puede decirse que el modelo 6 presenta una capacidad predictiva ligeramente
superior al considerar dependencia espacial, función de características geométricas que habría
que medir específicamente para cada punto kilométrico monitorizado. Sin embargo dicha
mejora puede no ser suficiente para justificar la pérdida de flexibilidad del modelo frente a los
modelos 2 y 3, que son independientes de la frontera. A la vista de estas conclusiones,