Extracción de conocimiento de puntos de interés georreferenciados de una ciudad utilizando técnicas de aprendizaje automático.

Abstract

El objetivo principal de este proyecto es desarrollar un modelo basado en técnicas de aprendizaje automático que permita trabajar con datos georreferenciados altamente desestructurados de forma generalista, para extraer conocimiento relevante asociado a la distribución espacial de diferentes aspectos socioeconómicos de una región. El proyecto se ha dividido en tres partes: descarga y almacenamiento de la información, desarrollo del modelo y aplicación del modelo en dos problemas concretos. En la primera parte del proyecto se han desarrollado código específico en Matlab para descargar información de Open Street Map (OSM) y del Instituto Nacional de Estadística (INE). Posteriormente esta información se ha filtrado y estructurado para generar una base de datos propia que ha servido para desarrollar el modelo. En el caso de OSM se ha estudiado tres formas diferentes de descarga para seleccionar la forma que mejor se ajusta a la región de estudio, la Comunidad de Madrid. En la segunda parte se ha desarrollado un modelo ajustado en cuatro etapas. Para demostrar su utilidad, se ha aplicado en dos problemas diferentes: la clasificación de los barrios de Madrid y la extracción de conocimiento sobre la evolución de la pandemia del coronavirus en Madrid. Basándose en el conocimiento extraído con este tipo de modelado se podría facilitar la comprensión de la organización socioeconómica de las zonas que puedan verse afectadas en nuevos rebrotes de COVID-19 o futuras pandemias, ayudando de esta forma a la toma de decisiones para realizar una buena gestión de los casos, tanto desde el punto de vista asistencial en los hospitales implicados, como social de los barrios. En conclusión, se ha demostrado con los dos casos concretos considerados la flexibilidad del enfoque propuesto diversidad de soluciones que pueden aportar estos modelos a posibles problemas que se puedan dar en la sociedad.

The main objective of this project is to develop a model based on automatic learning techniques that allows working whit highly unstructured georeferenced data in a generalist way, to extract relevant knowledge associated with the spatial distribution of different socioeconomic aspects of a region. The project has been divided into three parts: download and storage of the information, development of the model and the application of the model for two specific problems. In the first part of the project specific Matlab code has been developed to download information from Open Street Map (OSM) and the National Institute of Statistics (INE). This information was then filtered and structured in order to generate the database used to develop the model. For the OSM extraction, three different ways of downloading have been studied in order to select the most duiting method for the region of study, The Community of Madrid. In the second part, a model has been developed in four steps. To illustrate its usefulness, it has been applied in two problems: (i) the classification of Madrid’s neighborhoods and (ii) the knowledge extraction of the evolution of the coronavirus pandemic in Madrid. Based on the knowledge extracted with this type of modeling, we could facilitate the understanding of the socioeconomic organization of the areas that could be affected in new outbreaks of COVID-19 or future pandemics, thus helping in the decision-making process to carry out good case management, both from the point of view of care in the hospitals involved, and from the social point of view of the neighborhoods. In conclusion, the two specific cases considered demonstrate the flexibility of the proposed approach and the diversity of solutions that these models can provide to possible problems that may arise in society.