Noelia Cáceres Sánchez TESIS DOCTORAL - Universidad de Sevilla

Capítulo 1: INTRODUCCIÓN 9
de facturación, incluso existen proyectos que desarrollan un software propio para captura de
señalización de los teléfonos móviles. A continuación se enumeran una serie de proyectos
relacionados con la materia. Todos focalizan su atención en el uso de los datos de localización
asociados a teléfonos móviles para obtener información sobre desplazamientos de vehículos,
respetando en todo momento la privacidad del abonado móvil.
Uno de los más recientes es el desarrollado por el SENSEable City Laboratory del MIT con
estudios realizados en diferentes ciudades del mundo como Graz (Austria), Milán o Roma
(Italia). En el desarrollado en Graz se consiguió mapear una ciudad en tiempo real, siguiendo a
miles de personas que se desplazaban por la ciudad con sus teléfonos móviles encendidos (Ratti
et al., 2005). Esto fue posible gracias a la colaboración del operador austriaco A1/Mobilkom
que entregó datos anónimos de los teléfonos para permitir a los investigadores del MIT
desarrollar el proyecto “Mobile Landscapes”. Con ello, se crearon mapas digitales del uso de los
terminales en el área metropolitana de Graz, visualizando la dinámica total de la ciudad en
tiempo real. Los investigadores cruzaron tres tipos de datos cedidos por el operador: la densidad
de las llamadas (medida en Erlang), los orígenes y destinos de éstas (a través de “handovers”), y
las posiciones de usuarios muestreados a intervalos regulares. La misma metodología se aplicó a
la ciudad de Milán, obteniendo resultados similares (Ratti et al., 2006).
Otro estudio desarrollado por el SENSEable City Laboratory fue en la ciudad de Roma, aunque
éste estuvo enfocado a cuestiones de dinámica social de una ciudad, tales como relaciones entre
hábitos telefónicos y tipos de actividad asociadas al terreno (áreas residenciales, comerciales,
zonas turísticas,…). El proyecto “Real Time Rome” utilizó diferentes tipos de datos procedentes
de teléfonos móviles. Uno de ellos fue una medida de uso de ancho de banda de la red,
recogidos a nivel de antena (Erlangs). Los otros se correspondían con datos de posición y
trayectoria de usuarios llamantes obtenidos mediante la plataforma Lochness del operador
Telecom Italia. La investigación se centró principalmente en revelar la similitud entre zonas
urbanas basándose en patrones del uso de la red móvil. Agrupando áreas con actividad
telefónica similar se clasificaba la ciudad en zonas, de modo que dichas zonas eran comparadas
con otras definidas según el tipo de actividad que se desarrollaba en el área (comercial,
residencial, turística…). Para ello, se dividió la ciudad en píxeles y utilizó esos datos de uso de
la red para promediar valores de Erlang que caracterizaban cada píxel (Reades et al., 2007).
Según los valores que tomaba dicha magnitud en cada píxel y aplicando el algoritmo de
agrupación K-Means, se obtenían clusters que representaban características espacio-temporales
de la ciudad en función del uso del teléfono móvil, por ejemplo, se obtenían diferentes clusters a
primera hora de la mañana debido a desplazamientos asociados a la jornada laboral que a última
hora de la tarde de un fin de semana, donde los cluster están asociados a actividades de ocio. Por