Modelo basado en redes neuronales para la predicción de disponibilidad de un sistema urbano de préstamo de bicicletas

Abstract

Los servicios de préstamo de bicicletas permiten a los usuarios acercarse a una estación y depositar o retirar bicicletas. Uno de sus inconvenientes es que la disponibilidad no está garantizada como puede ser en otros medios como autobús o metro. Se analizará el comportamiento del sistema propio de Bilbao (Bilbon Bizi) empleando técnicas de Machine Learning para reconocer patrones de uso. Generando una red neuronal que, en base a datos anteriores, prediga la disponibilidad para el día siguiente. El entrenamiento de la red neuronal es posible gracias al acceso a catálogos de datos abiertos que contienen datos de disponibilidad esenciales para este proyecto. Éstos son públicos y la mayoría de sus usos son la creación de proyectos de analítica de datos como este. Finalmente, intentando mejorar la experiencia del usuario, se implementará este algoritmo de predicción en una aplicación de consulta que utiliza otros métodos menos precisos.

Bizikleta mailegu-zerbitzuei esker, erabiltzaileak geltoki batera hurbildu daitezke eta bizikleta hauek hartu edo utzi. Beste garraiotan (autobusa, metroa...) erabilgarritasuna bermatuta egon daiteke, baina zerbitzu honetan ez da hori gertatzen, hau izanik haren desabantailetako bat. Proiektu hau aurrera eramateko ezinbestekoa da datu irekien katalogoak erabiltzea, hauek baitituzte erabilgarritasunarekin erlazionatutako datuak. Katalogo hauek publikoak dira eta datuen analitikarekin erlazionatutako proiektuek erabili ohi dituzte. Bilboko berezko sistemaren (Bilbon Bizi) portaera aztertuko da, Machine Learning tekniketaz baliatuz erabilera-patroiak ezagutzeko. Datu historikoak erabiliz, hurrengo eguneko erabilgarritasuna iragarriko duen sare neuronala sortuko da. Azkenik, erabiltzaileen esperientzia hobetzeko asmoz, algoritmo hau mugikorreko aplikazio batean inplementatuko da.

Bike sharing services let users get to a station and take or return bikes. It has a main drawback, availability is not guaranteed as it can be in other means such as bus or metro. Access to open data catalogs containing availability data is crucial for this project. These are public and most of their uses are the creation of data analytics projects like this one. The behavior of Bilbao's system (Bilbon Bizi) will be analyzed using Machine Learning techniques to recognize patterns of use. A neural network will be generated and, based on previous data, will predict availability for the next day. Finally, trying to improve the user experience, this prediction algorithm will be implemented in an application that uses less accurate methods.