Person: Romanillos Arroyo, Gustavo
Loading...
First Name
Gustavo
Last Name
Romanillos Arroyo
Affiliation
Universidad Complutense de Madrid
Faculty / Institute
Geografía e Historia
Department
Geografía
Area
Geografía Humana
Identifiers
3 results
Search Results
Now showing 1 - 3 of 3
Item Cómo aplicar Big Data en la planificación del transporte: El uso de datos de GPS en el análisis de la movilidad urbana(2020) Gutiérrez Puebla, Javier; Benítez, Carolina; García Palomares, Juan Carlos; Romanillos Arroyo, Gustavo; Rubinstein da Silva, Elías; Leaño, Juan Manuel; Ribeiro, Karisa Maia; Scholl, Lynn; Moya Gómez, Borja; Condeço Melhorado, Ana Margarida; Benítez, CarolinaLa presente nota técnica explica de qué manera el análisis de grandes volúmenes de datos de la telefonía móvil puede aplicarse a la planificación del transporte y la infraestructura urbana. La actividad de los usuarios permite conocer su huella digital y, por lo tanto, entender sus trayectorias espacio-temporales de manera desagregada y extrapolada, estableciendo matrices de origen destino. La producción de grandes volúmenes de datos masivos, Big Data, abre interesantes posibilidades para entender los flujos de movilidad de nuestras ciudades de la región y su complementariedad con los métodos tradicionales de recolección de datos, como los son las encuestas de movilidad domiciliarias de origen destino de viajes, permitiendo disponer de información siempre actualizada y en menor tiempo. La nota técnica agrupa y sistematiza los conocimientos generados por especialistas e investigadores de distintos países del mundo; y analiza 6 casos de éxito realizados de implementación en distintas ciudades latinoamericanas y en otros ámbitos internacionales, donde se indica cómo se han obtenido esas matrices de viajes y cuáles han sido sus aplicaciones.Item Cómo aplicar big data en la planificación del transporte urbano: El uso de datos de telefonía móvil en el análisis de la movilidad(2019) Gutiérrez Puebla, Javier; Benítez, Carolina; Leaño, Juan Manuel; García Palomares, Juan Carlos; Condeço Melhorado, Ana Margarida; Mojica, Carlos; Scholl, Lynn; Vera, Felipe; Adler, Verónica; Moya Gómez, Borja; Romanillos Arroyo, Gustavo; Benítez, CarolinaLa presente nota técnica explica de qué manera el análisis de grandes volúmenes de datos de la telefonía móvil puede aplicarse a la planificación del transporte y la infraestructura urbana. La actividad de los usuarios permite conocer su huella digital y, por lo tanto, entender sus trayectorias espacio temporales de manera desagregada y extrapolada, estableciendo matrices de origen destino. La producción de grandes volúmenes de datos masivos, Big Data, abre interesantes posibilidades para entender los flujos de movilidad de nuestras ciudades de la región y su complementariedad con los métodos tradicionales de recolección de datos, como los son las encuestas de movilidad domiciliarias de origen destino de viajes, permitiendo disponer de información siempre actualizada y en menor tiempo. La nota técnica agrupa y sistematiza los conocimientos generados por especialistas e investigadores de distintos países del mundo; y analiza distintos casos de éxito realizados de implementación de dicha metodología en distintas ciudades latinoamericanas y en otros ámbitos internacionales, donde se indica cómo se han obtenido esas matrices de viajes y cuáles han sido sus aplicaciones.Item Uncovering spatiotemporal micromobility patterns through the lens of space–time cubes and GIS tools(Journal of Geographical Systems, 2023) Arias Molinares, Daniela; García Palomares, Juan Carlos; Romanillos Arroyo, Gustavo; Gutiérrez Puebla, JavierIn the past ten years, cities have experienced a burst of micromobility services as they offer a flexible transport option that allows users to cover short trips or the first/last mile of longer trips. Despite their potential impacts on mobility and the fact that they offer a cleaner, more environmentally friendly alternative to private cars, few efforts have been devoted to studying patterns of use. In this paper we introduce new ways of visualizing and understanding spatiotemporal patterns of micromobility in Madrid based on the conceptual framework of Time-Geography. Hägerstrand’s perspectives are taken and adapted to analyze data regarding use of micromobility, considering each trip departure location (origins) obtained from GPS records. The datasets are collected by three of the most important micromobility operators in the city. Trip origins (points) are processed and visualized using space–time cubes and then spatially analyzed in a GIS environment. The results of this analysis help to identify the landscape of micromobility in the city, detecting hotspot areas and location clusters that share similar behavior throughout space and time in terms of micromobility departures. The methods presented can have application in other cities and could offer insights for transport planners and micromobility operators to better inform urban planning and transportation policy. Additionally, the information could help operators to optimize vehicle redistribution and maintenance/recharging tasks, reducing congestion and increasing efficiency.