Objetivo

La explotación de los datos de registros detallados de llamadas (CDR) permite obtener una visión profunda y granular de las interacciones y comportamientos de la población en una ciudad. Estos datos, que registran información sobre el uso de las redes de telecomunicaciones, son una fuente valiosa para comprender patrones de movilidad, densidad poblacional y actividad económica.

En este proyecto se propone una metodología para la identificación de regiones en la ciudad de Madrid utilizando técnicas de Graph Embedding a partir de datos CDR. El objetivo principal consiste en determinar agrupaciones significativas dentro de la ciudad que puedan ser explotadas a través de modelos estocásticos y estudios descriptivos. Para lograrlo, se construye un grafo donde los nodos representan torres de comunicación (antenas) y las aristas reflejan la intensidad de conexiones realizadas por parte de usuarios extranjeros, es decir, se contabilizan los desplazamientos que han realizado los turistas en base a la secuencia de antenas a las que se han conectado a lo largo del tiempo.

Se aplican técnicas avanzadas de Graph Embedding para convertir la estructura del grafo en un espacio vectorial de baja dimensión, preservando las propiedades topológicas esenciales. Estos embeddings permiten identificar comunidades y patrones de comportamiento comunicacional. Los resultados obtenidos proporcionan una base sólida para el análisis de características demográficas, socioeconómicas y de movilidad dentro de las distintas regiones, facilitando la implementación de modelos predictivos y el desarrollo de políticas urbanas informadas. Este enfoque innovador no solo mejora la comprensión de la dinámica urbana de Madrid, sino que también abre nuevas posibilidades para la planificación y gestión eficiente de recursos urbanos.

 

 PABLO ZUBASTI RECALDE

Titulación

Grado en Ingeniería Informática, Universidad Carlos III de Madrid (septiembre 2018 – junio 2024)

Experiencia laboral:

Investigador en Universidad Carlos III de Madrid. Proyectos: SIMBAT project: Solutions for Intelligent Monitoring based on drone data and AI Tools (PDC2021-121567-C22) y Modelos de datos para fenómenos Precipitación-Escorrentía-Data-driven models for rainfall-streamflow events (TED2021-131520B-C22).

Becario Cátedras Grupo MásMóvil (MásOrange).

Habilidades ténicas:

Lenguajes de programación: C/C++, Python, R, Java, Matlab JavaScript y ARM.

Herramientas: WSL, Docker, Visual Studio Code, Vim, Git, Eclipse, Pycharm, Unreal Engine, Unity, Blender, QGIS y ArcGIS.

Bases datos: Oracle, MySQL, MariaDB y Big Query.

Extra: GCP y LaTeX.