Presentación a cargo de Elena Kraseninnikova, de IKUSI, en el marco del 32º Encuentro de la Economía Digital y las Telecomunicaciones, "Dando voz a la industria digital", organizado por Ametic, Banco Santander y la UIMP los días 3 a 5 de septiembre de 2018.

2. Data Science
Dotando de inteligencia a las ciudades del futuro
Septiembre 2018

3. Ingeniería y desarrollo
tecnológico para la
transformación digital
de negocios
IT’S NOT ONLY ABOUT TECHNOLOGY, IT’S ABOUT BUSINESS

5. Es necesaria una visión integrada y
coherente, que aborde la ciudad como
un todo.
Es imprescindible superar la
compartimentación de la información que
generan los diferentes departamentos,
organismos e instituciones que intervienen
en la gestión de la ciudad.

6. Spider es el nuevo concepto de
solución Integral de Ikusi basado en
una arquitectura de gestión,
información y comunicación robusta,
abierta, horizontal y altamente
escalable, que permite el desarrollo y
despliegue de servicios y aplicaciones
avanzados, eficientes y sostenibles en
el ámbito de la gestión de los servicios
municipales de la ciudad.

7. Caso de uso
Dbizi

8. POC BICI PÚBLICA – SPIDER UMP

9. OBJETIVO DEL CASO DE USO
Predicción del nivel de disponibilidad
de bicicletas en una estación (una hora
determinada) -> ayuda al ciudadano a
saber si tiene bicis disponibles en una
estación y ayuda al proveedor en
planificación del reparto de bicicletas.

10. Analítica descriptiva
Se ha querido dar respuesta a una
serie de preguntas sobre el
funcionamiento de bici pública en
los siguientes ámbitos:
• USO DEL SISTEMA DE ALQUILER
• TIPOS DE USO DEL SISTEMA
• NUMERO DE USUARIOS
• FLUJOS DEL SISTEMA
• UTILIZACIÓN SIMULTÁNEA
• DURACIÓN DEL USO
• USO DE LAS BICIS
Fig. 1 Gráfica alquileres por mes

11. Analítica descriptiva
Fig. 2 Número de alquileres por mes y estación de desenganche Fig. 3 Número de alquileres diarios de una estación por año
y tipo de alquiler

12. Analítica predictiva
ESTAMOS ANTE UN CASO DE CLASIFICACIÓN MULTICLASE
• Múltiples variables de entrada
• Una variable de salida que puede ser de clases diferentes
¿CÓMO SE REALIZA LA PREDICCIÓN?
• Preprocesamiento de datos
• División del dataset (80/20)
• Entrenamiento de modelos
• Evaluación de modelos
• Comparación de modelos
• Selección del modelo final
• Mejora del modelo

13. Analítica predictiva
• Se calcula la disponibilidad de bicicletas en
cada estación por hora en el dataset
histórico (variable clase_hora)
Clase_hora puede tener 5 niveles:
L1 = 1 empty
L2 = 2 almost empty
L3 = 3 balanced
L4 = 4 almost full
L5 = 5 full
• Se identifican las variables relevantes y se
eliminan las variables correladas (matriz de
correlación y de Cramer)

14. Analítica predictiva
¿CÓMO SE REALIZA LA PREDICCIÓN?
• Preprocesamiento de datos
• División del dataset (80/20)
• Entrenamiento de modelos
• Evaluación de modelos
• Comparación de modelos
• Selección del modelo final
• Mejora del modelo
• Regresión Logística Multiclase
• SVM
• Redes Neuronales Artificiales (ANNs)
⇢ Balanceadas
⇢ No balanceadas
• Random Forest
⇢ Caret
⇢ No caret
• Se calculan las métricas de los distintos modelos:
⇢ Matriz de confusión
⇢ Estadísticas generales
⇢ Estadísticas por clase
Predicción 1 2 3 4 5
1 1994 551 173 29 11
2 831 2974 915 114 40
3 705 3991 21489 3904 1189
4 3 13 203 755 227
5 4 12 72 256 1649

15. Analítica predictiva
‣¿CÓMO SE REALIZA LA PREDICCIÓN?
• Preprocesamiento de datos
• División del dataset (80/20)
• Entrenamiento de modelos
• Evaluación de modelos
• Comparación de modelos
• Selección del modelo final
• Mejora del modelo
• Se utiliza como métrica de comparación el área bajo la
curva ROC:
• Tras escoger RANDOM FOREST con Caret la precisión
del modelo se puede mejorar así que se realizan
diferentes pruebas para obtener mejor resultado:
⇢Reducir el tamaño de la muestra (sólo 2017)
⇢Upsample
⇢SMOTE
⇢Variación de pesos para calcular clase_hora
Modelo %
MRL-1 69.14
MRL-2 69.36
MRL-3 67.99
SVM 62.15
ANN 78.65
RF - Caret 82.05
RF - randomForest 80.20

16. Analítica predictiva
APLICACIÓN DEL MODELO
Utilizamos los datos de enero de 2018
para la validación:
Área bajo la curva ROC: 74,4%