Noelia Cáceres Sánchez TESIS DOCTORAL - Universidad de Sevilla
Noelia Cáceres Sánchez TESIS DOCTORAL - Universidad de Sevilla
Noelia Cáceres Sánchez TESIS DOCTORAL - Universidad de Sevilla
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Capítulo 1: INTRODUCCIÓN 9<br />
<strong>de</strong> facturación, incluso existen proyectos que <strong>de</strong>sarrollan un software propio para captura <strong>de</strong><br />
señalización <strong>de</strong> los teléfonos móviles. A continuación se enumeran una serie <strong>de</strong> proyectos<br />
relacionados con la materia. Todos focalizan su atención en el uso <strong>de</strong> los datos <strong>de</strong> localización<br />
asociados a teléfonos móviles para obtener información sobre <strong>de</strong>splazamientos <strong>de</strong> vehículos,<br />
respetando en todo momento la privacidad <strong>de</strong>l abonado móvil.<br />
Uno <strong>de</strong> los más recientes es el <strong>de</strong>sarrollado por el SENSEable City Laboratory <strong>de</strong>l MIT con<br />
estudios realizados en diferentes ciuda<strong>de</strong>s <strong>de</strong>l mundo como Graz (Austria), Milán o Roma<br />
(Italia). En el <strong>de</strong>sarrollado en Graz se consiguió mapear una ciudad en tiempo real, siguiendo a<br />
miles <strong>de</strong> personas que se <strong>de</strong>splazaban por la ciudad con sus teléfonos móviles encendidos (Ratti<br />
et al., 2005). Esto fue posible gracias a la colaboración <strong>de</strong>l operador austriaco A1/Mobilkom<br />
que entregó datos anónimos <strong>de</strong> los teléfonos para permitir a los investigadores <strong>de</strong>l MIT<br />
<strong>de</strong>sarrollar el proyecto “Mobile Landscapes”. Con ello, se crearon mapas digitales <strong>de</strong>l uso <strong>de</strong> los<br />
terminales en el área metropolitana <strong>de</strong> Graz, visualizando la dinámica total <strong>de</strong> la ciudad en<br />
tiempo real. Los investigadores cruzaron tres tipos <strong>de</strong> datos cedidos por el operador: la <strong>de</strong>nsidad<br />
<strong>de</strong> las llamadas (medida en Erlang), los orígenes y <strong>de</strong>stinos <strong>de</strong> éstas (a través <strong>de</strong> “handovers”), y<br />
las posiciones <strong>de</strong> usuarios muestreados a intervalos regulares. La misma metodología se aplicó a<br />
la ciudad <strong>de</strong> Milán, obteniendo resultados similares (Ratti et al., 2006).<br />
Otro estudio <strong>de</strong>sarrollado por el SENSEable City Laboratory fue en la ciudad <strong>de</strong> Roma, aunque<br />
éste estuvo enfocado a cuestiones <strong>de</strong> dinámica social <strong>de</strong> una ciudad, tales como relaciones entre<br />
hábitos telefónicos y tipos <strong>de</strong> actividad asociadas al terreno (áreas resi<strong>de</strong>nciales, comerciales,<br />
zonas turísticas,…). El proyecto “Real Time Rome” utilizó diferentes tipos <strong>de</strong> datos proce<strong>de</strong>ntes<br />
<strong>de</strong> teléfonos móviles. Uno <strong>de</strong> ellos fue una medida <strong>de</strong> uso <strong>de</strong> ancho <strong>de</strong> banda <strong>de</strong> la red,<br />
recogidos a nivel <strong>de</strong> antena (Erlangs). Los otros se correspondían con datos <strong>de</strong> posición y<br />
trayectoria <strong>de</strong> usuarios llamantes obtenidos mediante la plataforma Lochness <strong>de</strong>l operador<br />
Telecom Italia. La investigación se centró principalmente en revelar la similitud entre zonas<br />
urbanas basándose en patrones <strong>de</strong>l uso <strong>de</strong> la red móvil. Agrupando áreas con actividad<br />
telefónica similar se clasificaba la ciudad en zonas, <strong>de</strong> modo que dichas zonas eran comparadas<br />
con otras <strong>de</strong>finidas según el tipo <strong>de</strong> actividad que se <strong>de</strong>sarrollaba en el área (comercial,<br />
resi<strong>de</strong>ncial, turística…). Para ello, se dividió la ciudad en píxeles y utilizó esos datos <strong>de</strong> uso <strong>de</strong><br />
la red para promediar valores <strong>de</strong> Erlang que caracterizaban cada píxel (Rea<strong>de</strong>s et al., 2007).<br />
Según los valores que tomaba dicha magnitud en cada píxel y aplicando el algoritmo <strong>de</strong><br />
agrupación K-Means, se obtenían clusters que representaban características espacio-temporales<br />
<strong>de</strong> la ciudad en función <strong>de</strong>l uso <strong>de</strong>l teléfono móvil, por ejemplo, se obtenían diferentes clusters a<br />
primera hora <strong>de</strong> la mañana <strong>de</strong>bido a <strong>de</strong>splazamientos asociados a la jornada laboral que a última<br />
hora <strong>de</strong> la tar<strong>de</strong> <strong>de</strong> un fin <strong>de</strong> semana, don<strong>de</strong> los cluster están asociados a activida<strong>de</strong>s <strong>de</strong> ocio. Por