Person: Moya Gómez, Borja
Loading...
First Name
Borja
Last Name
Moya Gómez
Affiliation
Universidad Complutense de Madrid
Faculty / Institute
Geografía e Historia
Department
Geografía
Area
Geografía Humana
Identifiers
5 results
Search Results
Now showing 1 - 5 of 5
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 City dynamics through Twitter: Relationships between land use and spatiotemporal demographics(Cities, 2018) García Palomares, Juan Carlos; Moya Gómez, Borja; Condeço Melhorado, Ana Margarida; Gutiérrez Puebla, Javier; Salas Olmedo, María HenarSocial network data offer interesting opportunities in urban studies. In this study, we used Twitter data to analyse city dynamics over the course of the day. Users of this social network were grouped according to city zone and time slot in order to analyse the daily dynamics of the city and the relationship between this and land use. First, daytime activity in each zone was compared with activity at night in order to determine which zones showed increased activity in each of the time slots. Then, typical Twitter activity profiles were obtained based on the predominant land use in each zone, indicating how land uses linked to activities were activated during the day, but at different rates depending on the type of land use. Lastly, a multiple regression analysis was performed to determine the influence of the different land uses on each of the major time slots (morning, afternoon, evening and night) through their changing coefficients. Activity tended to decrease throughout the day for most land uses (e.g. offices, education, health and transport), but remained constant in parks and increased in retail and residential zones. Our results show that social network data can be used to improve our understanding of the link between land use and urban dynamics.- Project number: 424
Item Realidad Aumentada para el aprendizaje en asignaturas vinculadas a las Tecnologías de la Información Geográfica (TIG-RA)(2023) Talavera García, Rubén; Condeço Melhorado, Ana Margarida; García Palomares, Juan Carlos; Gutiérrez Puebla, Javier; Michelini, Juan José; Moya Gómez, Borja; Pérez Campaña, Rocío; Romanillos Arroyo, Gustavo; Hewitt, Richard James; Santiago Iglesias, Enrique; Cara Santana, Yeray; Rodríguez Pacheco, Farid Leonardo Item The Rio Olympic Games: A Look into City Dynamics through the Lens of Twitter Data(Sustainability, 2020) Condeço Melhorado, Ana Margarida; Mohino, Inmaculada; Moya Gómez, Borja; García Palomares, Juan CarlosThe Olympic Games have a huge impact on the cities where they are held, both during the actual celebration of the event, and before and after it. This study presents a new approach based on spatial analysis, GIS, and data coming from Location-Based Social Networks to model the spatiotemporal dimension of impacts associated with the Rio 2016 Olympic Games. Geolocalized data from Twitter are used to analyze the activity pattern of users from two different viewpoints. The first monitors the activity of Twitter users during the event—The arrival of visitors, where they came from, and the use which residents and tourists made of different areas of the city. The second assesses the spatiotemporal use of the city by Twitter users before the event, compared to the use during and after the event. The results not only reveal which spaces were the most used while the Games were being held but also changes in the urban dynamics after the Games. Both approaches can be used to assess the impacts of mega-events and to improve the management and allocation of urban resources such as transport and public services infrastructure.