Predicción de la demanda de transporte público urbano a partir de variables meteorológicas y de movilidad

Abstract

[Resumen]: El presente trabajo estudia la demanda del transporte público urbano en A Coruña a partir de los registros horarios de validaciones por línea, sentido y tipo de día. Se emplean técnicas de análisis de datos funcionales para construir perfiles horarios, detectar valores atípicos, agrupar líneas mediante clustering funcional y ajustar modelos de regresión funcional orientados principalmente a describir y, de forma exploratoria, predecir curvas de demanda diaria. Asimismo, se integran datos meteorológicos procedentes de AEMET para evaluar su posible aportación. Como resultado, se obtiene un marco metodológico que combina perfiles funcionales, clústeres y modelos predictivos de carácter exploratorio, complementado con una aplicación web interactiva desarrollada en Shiny que permite explorar de forma dinámica las curvas, los clústeres y las predicciones.

[Abstract]: This work examines the demand for urban public transport in A Coruña using hourly validation records by line, direction, and type of day. Functional data analysis techniques are employed to build hourly profiles, detect outliers, group lines using functional clustering, and fit functional regression models aimed mainly at describing and, in an exploratory manner, predicting daily demand curves. Meteorological data from AEMET are also incorporated to assess their potential contribution. As a result, a methodological framework is obtained that combines functional profiles, clusters, and exploratory predictive models, complemented by an interactive Shiny web application that allows users to dynamically explore the curves, clusters, and predictions.