XXIII Congreso de Física Estadística - FisEs 2022, Zaragoza (Spain). 12-14 May 2022
Original summary:
La abundancia de datos de redes sociales ha catalizado el estudio cuantitativo de la movilidad humana. Con estos datos y otras fuentes de información, se han extraído diversos patrones de movilidad, surgiendo infinidad de modelos matemáticos y estadísticos para capturar dichos modelos. La mayor parte de los esfuerzos se centran en modelar las llamadas matrices origen-destino, Tij , que miden cuántos desplazamientos tienen lugar entre una localización origen i y un destino j. En muchos casos, estas matrices pueden modelarse como un campo vectorial de movilidad que permite identificar las regiones que atraen más desplazamientos. En este trabajo nos centramos en el problema de la movilidad urbana en servicios bicicletas compartidas (BSS) en la ciudad de Madrid, que han ganado popularidad en los últimos años por su potencial para contribuir al desarrollo de ciudades sostenibles. Aunque los primeros intentos de implantar un servicio público de bicicletas compartidas se remontan a 1965 (Ámsterdam), su uso generalizado llegó con el milenio, convirtiéndose en una vibrante actividad y en un área de investigación cuya actividad ha aumentado de forma constante en la última década.
English summary:
The abundance of social network data has catalysed the quantitative study of human mobility. With these data and other sources of information, various mobility patterns have been extracted, and a myriad of mathematical and statistical models have emerged to capture these patterns. Most efforts focus on modelling the so-called origin-destination matrices, Tij , which measure how many movements occur between an origin location i and a destination j. In many cases, these matrices can be used as a proxy for the number of movements. In many cases, these matrices can be modelled as a mobility vector field that allows us to identify the regions that attract the most trips. In this paper, we focus on the urban mobility problem of bicycle-sharing services (BSS) in Madrid, which have gained popularity in recent years for their potential to contribute to the development of sustainable cities. Although the first attempts to implement a public bike-sharing service date back to 1965 (Amsterdam), its widespread use came with the millennium, becoming a vibrant activity and an area of research whose activity has steadily increased in the last decade.
Spanish layman's summary:
Usando conceptos de la Física estadística como el principio de máxima entropía, encontramos un modelo probabilístico que captura la distribución de viajes en un servicio de bicicletas compartidas en la ciudad de Madrid.
English layman's summary:
Using concepts from statistical physics such as the principle of maximum entropy, we find a probabilistic model that captures the distribution of trips in a bike-sharing service in the city of Madrid.
Keywords: Machine Learning probabilístico, Sostenibilidad, Bicicletas compartidas, Entropía; Probabilistic Machine Learning, Sustainability, Bicycle sharing, Entropy
Publication date: 2022-05-12.
Citation:
C.M. Vallez Fernández, M. Castro, D. Contreras, The maximum entropy principle and the trip distribution in bike-sharing services, XXIII Congreso de Física Estadística - FisEs 2022, Zaragoza (Spain). 12-14 May 2022.
