| dc.creator | Quezada, Adriana | |
| dc.creator | Orellana, Daniel | |
| dc.date | 2017-11-24 | |
| dc.date.accessioned | 2023-08-10T19:16:14Z | |
| dc.date.available | 2023-08-10T19:16:14Z | |
| dc.identifier | https://revistas.uazuay.edu.ec/index.php/memorias/article/view/83 | |
| dc.identifier | 10.33324/memorias.v1iXVI.83 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8165942 | |
| dc.description | RESUMENLa movilidad en bicicleta conlleva beneficios para el ambiente, la economía y la salud de la población. No obstante, la adopción de la bicicleta como medio de transporte, está limitada por la carencia de geoinformación detallada que describa el comportamiento de los ciclistas y permita la creación de estrategias adecuadas de planificación y promoción. En este estudio presentamos un método para obtener conocimiento sobre los patrones de movilidad de ciclistas urbanos utilizando datos crowdsourcing, minería de datos y técnicas de visualización de geo-información. Demostramos la viabilidad del método analizando un año de datos de la aplicación Strava METRO en la ciudad de Cuenca, y extrayendo y visualizando patrones secuenciales generalizados (GSP) de movimiento. Los resultados evidencian que la aplicación del método propuesto permite generar información relevan-te para el conocimiento sobre movilidad no motorizada utilizando conjuntos masivos de datos recolectados con técnicas de crowdsourcing. Palabras clave: movilidad no motorizada, bicicletas, geoinformación de crowdsourcing, patrones secuenciales generalizados, comportamiento colectivo espacial.
ABSTRACTBicycle mobility lead to environmental, economic and health benefits to the population. Nonetheless, the implementation of bicycle-based transport systems is limited due to lack of detailed geodata describing the behavior of cyclists in order to build appropriate planning and promotion strategies. In this study, we present a method to extract knowledge about urban cyclist’s mobility patterns using crowdsourced geodata, data mining and ge-odata visualization techniques. We demonstrate the viability of the method by analyzing a year-long data from the Strava METRO application in the city of Cuenca (Ecuador); and extracting and visualizing generalized sequential patterns (GSP) of movement. The results that data mining analysis technique applied to massive datasets allows the generation of relevant information about the non-motorized mobility knowledge.
Keywords: non-motorized mobility, bikes, crowdsourced geoinformation, generalized sequential patterns, collective spatial behavior. | es-ES |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Universidad del Azuay | es-ES |
| dc.relation | https://revistas.uazuay.edu.ec/index.php/memorias/article/view/83/77 | |
| dc.relation | 10.33324/memorias.v1iXVI.83.g77 | |
| dc.rights | Derechos de autor 2017 Memorias Uazuay | es-ES |
| dc.source | Memorias y Boletines de la Universidad del Azuay; Núm. XVI (2017): XVI Conferencia de Sistemas de Información Geográfica; 367 - 373 | es-ES |
| dc.source | 10.33324/memorias.v1iXVI | |
| dc.subject | movilidad no motorizada, bicicletas, geoinformación de crowdsourcing, patrones secuenciales generalizados, comportamiento colectivo espacial | es-ES |
| dc.title | EJE 07-05 Detección de patrones secuenciales generalizados de movilidad de ciclistas a partir de datos crowdsourcing | es-ES |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
| dc.type | Artículo revisado por pares | es-ES |
