Análisis de clustering de datos funcionales de transporte público

Abstract

[Resumen]: Las redes de transporte público generan una gran cantidad de datos a partir de las validaciones de los pasajeros al acceder al sistema. Estos datos ofrecen oportunidades para analizar patrones de uso. Sin embargo, su volumen y complejidad requieren enfoques avanzados para extraer información útil. Este trabajo se centra en el análisis de los datos de entradas a las estaciones del metro de Madrid, con el objetivo de identificar patrones en su uso según la hora y el tipo de día. Para ello, se han aplicado técnicas avanzadas de análisis estadístico sobre datos reales, permitiendo clasificar las estaciones en función de sus características de uso. Los resultados obtenidos proporcionan información valiosa para la gestión del metro, pudiendo contribuir a la toma de decisiones en la planificación de horarios y optimización de recursos.[Abstract]: Public transportation networks generate vast amounts of data from passenger validations when entering the system. These data offer opportunities to analyze usage patterns. However, their volume and complexity require advanced approaches to extract meaningful insights. This work focuses on analyzing entry data from Madrid’s metro stations to identify usage patterns based on the time of day and type of day. To achieve this, advanced statistical analysis techniques have been applied to real data, enabling the classification of stations according to their usage characteristics. The results provide valuable information for metro management, potentially contributing to decision-making in schedule planning and resource optimization.