Desarrollo de un sistema Predictivo para la Optimización de la Movilidad Urbana en Barcelona mediante Análisis de Datos y Aprendizaje Automático
Puigpiqué Sánchez, Jaume
Carreras Sala, Sergi, tut. (Universitat Autònoma de Barcelona. Departament de Microelectrònica i Sistemes Electrònics)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Título variante:	Development of a Predictive System for the Optimization of Urban Mobility in Barcelona through Data Analysis and Machine Learning
Título variante:	Desenvolupament d'un Sistema Predictiu per a l'Optimització de la Mobilitat Urbana a Barcelona mitjançant Anàlisi de Dades i Aprenentatge Automàtic
Fecha:	2025
Resumen:	En aquest treball vaig desenvolupar un sistema predictiu per detectar situacions de congestió en diferents mitjans de transport de la ciutat de Barcelona. Per a això, primer vaig haver de simular les dades necessàries, ja que no vaig aconseguir accés a dades reals de volum de passatgers per hora. Aquesta part va ser especialment complexa i va requerir combinar diferents fonts oficials, aplicar supòsits realistes i tenir en compte variables com la meteorologia, l'estacionalitat i les hores punta. Un cop generades les dades, vaig aplicar tècniques d'anàlisi i aprenentatge automàtic supervisat. Vaig detectar patrons relacionats amb el clima i l'estacionalitat mensual, cosa que va ajudar que models com el Gradient Boosting Classifier distingissin les dues categories. Finalment, amb Power BI vaig crear visualitzacions interactives, com mapes coroplètics, per representar les prediccions i comparar-les amb les dades reals. En conjunt, aquest enfocament demostra el potencial de combinar simulació, Machine Learning i visualització per millorar la gestió del transport públic.
Resumen:	En este trabajo desarrollé un sistema predictivo para detectar situaciones de congestión en distintos medios de transporte de la ciudad de Barcelona. Para ello, primero tuve que simular los datos necesarios, ya que no conseguí acceso a datos reales de volumen de pasajeros por hora. Esta parte fue especialmente compleja y requirió combinar diferentes fuentes oficiales, aplicar supuestos realistas y tener en cuenta variables como la meteorología, la estacionalidad y las horas punta. Una vez generados los datos, apliqué técnicas de análisis y aprendizaje automático supervisado. Detecté patrones relacionados con el clima y la estacionalidad mensual, lo que ayudó a que modelos como el Gradient Boosting Classifier distinguieran las dos categorías. Finalmente, con Power BI creé visualizaciones interactivas, como mapas coropléticos, para representar las predicciones y compararlas con los datos reales. En conjunto, este enfoque demuestra el potencial de combinar simulación, Machine Learning y visualización para mejorar la gestión del transporte público.
Resumen:	In this work, I developed a predictive system to detect congestion situations across various modes of transportation in the city of Barcelona. To achieve this, I first had to simulate the necessary data, as I was unable to access real data on hourly passenger volumes. This part was particularly complex and required combining different official sources, applying realistic assumptions, and considering variables such as weather conditions, seasonality, and peak hours. Once the data was generated, I applied data analysis techniques and supervised machine learning algorithms. I identified patterns related to weather and monthly seasonality, which helped models like the Gradient Boosting Classifier differentiate between the two categories. Finally, I used Power BI to create interactive visualizations, such as choropleth maps, to represent the predictions and compare them with the actual data. Overall, this approach demonstrates the potential of combining simulation, machine learning, and visualization to improve public transport management.
Derechos:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, sempre i quan aquestes es distribueixin sota la mateixa llicència que regula l'obra original i es reconegui l'autoria.
Lengua:	Castellà
Titulación:	Grau en Enginyeria de Dades [2503758]
Plan de estudios:	Enginyeria de Dades [1394]
Documento:	Treball final de grau ; Text

9 p, 1.9 MB

El registro aparece en las colecciones:
Documentos de investigación > Trabajos de Fin de Grado > Escuela de Ingeniería. TFG