Ciencia de datos y reportes de movilidad Google para modelizar la demanda de combustible

Data science and Google mobility reporting for fuel demand modeling

dc.creatorNo, Irma Noemí
dc.creatorTornillo, Julián E.
dc.creatorPascal, Guadalupe
dc.creatorMaldonado, Aixa
dc.date2023-05
dc.date2023-08-25T17:47:14Z
dc.date.accessioned2024-07-24T03:46:06Z
dc.date.available2024-07-24T03:46:06Z
dc.identifierhttp://sedici.unlp.edu.ar/handle/10915/156928
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9535115
dc.descriptionLa reciente situación de pandemia mundial impulsó la generación de reportes abiertos de movilidad, iniciativa creada por la empresa Google en apoyo a las políticas sanitarias asociadas al COVID-19. El cambio significativo en el flujo de vehículos durante la situación de pandemia y la variación en el consumo de combustible asociado al transporte y a diversas actividades productivas, requirió la creación de nuevos modelos predictivos relacionados con un conjunto de datos inusuales (por ejemplo, la geolocalización de los conductores). La manipulación y el análisis adecuado de estos datos proporcionan un pronóstico que mejora la previsión de la demanda de combustible asociada al consumo real. En este trabajo analizamos las bases de datos de la venta de combustibles (Nafta y gasoil), disponibles y abiertas en sitios web oficiales e información de la empresa YPF. Los resultados muestran una correlación positiva entre las variables relacionadas a la demanda de estos combustibles y los registros de movilidad de Google, con ciertas particularidades. El lenguaje de programación utilizado para el desarrollo del código de visualización, geoestadística, cálculo predictivo y reportes de la investigación es “R”.
dc.descriptionThe recent global pandemic situation prompted the generation of open mobility reports, an initiative created by Google in support of health policies associated with COVID-19. The significant change in the flow of vehicles during the pandemic situation and the variation in fuel consumption associated with transportation and various productive activities required the creation of new predictive models related to an unusual data set (e.g., geolocation of drivers). Proper manipulation and analysis of these data provide a forecast that improves the traditional forecast of fuel demand associated with actual consumption. In this paper we analyze the databases of fuel sales (gasoline and diesel), available and open in official websites and information of the company YPF. The results show a positive correlation between the variables related to the demand for these fuels and the Google mobility records, with some particularities. The programming language used for the development of the visualization code, geostatistics, predictive calculation and research reports is "R".
dc.descriptionSociedad Argentina de Informática e Investigación Operativa
dc.formatapplication/pdf
dc.format206-223
dc.languagees
dc.rightshttp://creativecommons.org/licenses/by-nc/4.0/
dc.rightsCreative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.subjectCiencias Informáticas
dc.subjectDemanda de combustible
dc.subjectMovilidad Google
dc.subjectSeries de tiempo
dc.subjectTransporte y Logística
dc.subjectAprendizaje Automático
dc.subjectFuel demand
dc.subjectGoogle Mobility
dc.subjectTime series
dc.subjectTransportation and Logistics
dc.subjectMachine Learning
dc.titleCiencia de datos y reportes de movilidad Google para modelizar la demanda de combustible
dc.titleData science and Google mobility reporting for fuel demand modeling
dc.typeArticulo
dc.typeArticulo


Este ítem pertenece a la siguiente institución