RESUMEN Este trabajo investiga la movilidad a los campos universitarios en el Área Metropolitana de Madrid a partir de datos geolocalizados de Twitter, aprovechando su alto uso por la población joven. A partir de la identificación de usuarios de Twitter, de sus campus y lugares de residencia, se estiman áreas de influencia de las distintas universidades, y se combinan los datos obtenidos con otras fuentes como ficheros de tiempos de viaje o datos de nivel de renta para analizar tiempos según modo de transporte y tipo de universidad. Los resultados muestran que los estudiantes tienden a residir cerca del campus al que asisten y la tendencia de los estudiantes de universidades privadas a residir en las zonas con mayor nivel de renta.
Recent progress in computation and the spatio-temporal richness of data obtained from new sources have invigorated Time Geography. It is now possible to visualise and represent movements of people in a dual spatial-temporal dimension. In this work, we use geo-located data from the social media platform Twitter to show the value of new data sources for Time Geography. The methodology consists of visualising space-time paths in 2D and 3D in four study zones, with different land-use profiles, based on tweets compiled over the course of two years. The results provide a view of behaviours occurring in the areas of study throughout the day, with complementary data to show the population's main activity at different times.
Este trabajo analiza los patrones espaciotemporales de un macroevento en una ciudad a partir de nuevas fuentes de datos, partiendo como hipótesis que las multitudes registran una alta actividad en las redes sociales durante los programas del evento. Identificando usuarios que han publicado tweets geolocalizados en el centro de Madrid durante la World Pride 2017, se puede localizar su procedencia, y evaluar el impacto del evento a nivel espaciotemporal a partir de la comparación con los resultados observados durante una semana habitual. Los resultados obtenidos muestran un crecimiento del número de usuarios extranjeros y un fuerte aumento de la actividad en las principales zonas del evento mientras que la actividad de las zonas más alejadas disminuye.
Public transport requires constant feedback to improve and satisfy daily users. Twitter offers monitoring of user messages, discussion and emoticons addressed to official transport provider accounts. This information can be particularly useful in delicate situations such as management of transit operations during the COVID-19 pandemic. The behaviour of Twitter users in Madrid, London and Prague is analysed with the goal of recognising similar patterns and detecting differences in traffic related topics and temporal cycles. Topics in transit tweets were identified using the bag of words approach and pre-processing in R. COVID-19 is a dominant topic for both London and Madrid but a minor one for Prague, where Twitter serves mainly to deliver messages from politicians and stakeholders. COVID-19 interferes with the meaning of other topics, such as overcrowding or staff. Additionally, specific topics were discovered, such as air quality in Victoria Station, London, or racism in Madrid. For all cities, transit-related tweeting activity declines over weekends. However, London shows much less decline than Prague or Madrid. Weekday daily rhythms show major tweeting activity during the morning in all cities but with different start times. The spatial distribution of tweets for the busiest stations shows that the best-balanced tweeting activity is found in Madrid metro stations.
RESUMENEste trabajo busca mostrar Twitter como fuente de datos alternativa para el estudio de la pandemia causada en España por el virus COVID-19. Para ello, se plantea un análisis de la distribución espacial y temporal de una muestra de usuarios obtenida en tres periodos diferentes del año 2020, y se comparan los resultados obtenidos con los mismos periodos del año anterior a la pandemia. También se elabora un análisis espaciotemporal del uso de términos asociados con la enfermedad, y se realizan mapas de calor para observar el impacto causado en dos ciudades de relevante peso turístico. Los resultados obtenidos indican una fuerte disminución del número de usuarios que publican tweets geolocalizados en todo el país a lo largo del año 2020, especialmente en la segunda mitad del año y en las provincias del interior peninsular. También se observa de forma menos pronunciada una disminución del número de usuarios en áreas costeras y provincias orientadas al sector turístico.
RESUMENEste trabajo analiza el valor de nuevas fuentes de datos basados en Big Data para estudiar la movilidad en España y comparar diferentes patrones de movilidad observados según los datos usados. Para ello, este trabajo emplea datos de Twitter geolocalizados publicados en España durante un periodo de 30 meses, analiza la distribución espaciotemporal de los usuarios de Twitter según la provincia o mes en el que se ha publicado el tweet, y diseña una serie de matrices Origen-Destino con el objetivo de visualizar diferentes patrones en los flujos de movilidad en días laborales o en el periodo vacacional estival. Finalmente, se comparan los resultados obtenidos con las matrices Origen-Destino publicadas por el Ministerio de Fomento de España a partir de datos de telefonía móvil. Los resultados obtenidos indican una distribución espacial de usuarios de Twitter cercana a la realidad, un mayor número de usuarios en el mes de agosto, y el papel de la Comunidad de Madrid como provincia núcleo de atracción de viajes a nivel nacional. Respecto a los datos de telefonía móvil se ha observado una mayor concentración de viajes con origen o destino en la provincia de Madrid a partir de datos de Twitter.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.