15
ISSN electrónica 2697-3243
Revista INGENIO Vol. 3 N.° 2 (2020)
doi.org/10.29166/ingenio.v3i2.2236
Identicación de Patrones de Movilidad Utilizando Datos
en Tiempo Real Generados por Access Points en una Red de
Comunicaciones de Campus. Caso de estudio: Universidad Central
del Ecuador
Identication of Mobility Patterns Using Real-Time Data Generated by Access Point on a Campus
Communications Network. Case Study: Central University of Ecuador
Chávez-Estrella M.
1
, Cadena-Flores G.
2
, Enríquez-Reyes R.
3
, Moncayo-Unda M.
4
Universidad Central del Ecuador Facultad de Ingeniería y Ciencias Aplicadas
Carrera de Ingeniería Informática Quito Ecuador
e-mail: mrchaveze@uce.edu.ec
Universidad Central del Ecuador Facultad de Ingeniería y Ciencias Aplicadas
Carrera de Ingeniería Informática Quito Ecuador
e-mail: grcadena@uce.edu.ec
Universidad Central del Ecuador Facultad de Ingeniería y Ciencias Aplicadas
Carrera de Ingeniería Informática Quito Ecuador
e-mail: renriquez@uce.edu.ec
University of Liège Faculty of Applied Science School of Engineering Local Environment Management &
Analysis (LEMA) – Urban and Environmental Engineering (UEE
Liège Bélgica
e-mail: mgmoncayo@uliege.be
Información del artículo
Recibido: Julio 2020
Aceptado: septiembre 2020
RESUMEN
El trabajo presentado a continuación tiene como objetivo ofrecer información verídica, objetiva y en
tiempo real, relacionada con patrones de movilidad generados por los usuarios en el campus, pudiendo
identicarse características de los usuarios. Esto se logra mediante el uso de una plataforma informática
conformada por dos aplicaciones: un para el proceso de extracción y almacenamiento de la data de-
purada en la base de datos relacional, y una aplicación que muestra al usuario nal los resultados.
Fueron utilizadas herramientas de código abierto para el desarrollo de esta plataforma. Los datos se
originan en los access points ubicados en la red de comunicaciones del campus, y esta data obtenida es
anonimizada y depurada para su análisis. La plataforma ha sido desplegada en un contexto universitario,
especícamente en la Universidad Central del Ecuador, para ser utilizada como caso de estudio.
Palabras clave: aplicación , , tecnología, patrones de movilidad, big data, tiempo real.
ABSTRACT
e work presented below aims to provide truthful, objective and real-time information, pertaining to
mobility patterns generated by users on campus, being able to identify user characteristics, this is achie-
ved through the use of a computer platform made up of two applications: an API for the process of
extracting and storing the puried data in the relational database, and a web application that shows the
results at the end. Open source tools were used for the development of this platform. e data originates
from the access points located in the campus communication network, and this data obtained is anony-
mized and rened for analysis. e platform has been deployed in a university context, specically at the
Central University of Ecuador, to be used as a case study.
Keywords: application, , technology, mobility patterns, big data, real time.
16
ISSN impresa 2588-0829
Facultad de Ingeniería y Ciencias Aplicadas
1. Introducción
El continuo desarrollo de la tecnología, junta-
mente con las redes móviles y su acceso a internet
generan nuevas oportunidades para el estudio de
patrones de movilidad. Cabe mencionar en este
contexto, el estudio realizado en un campus cana-
diense [1], en donde se logró con éxito identicar
la localización temporal y espacial de actividades
mediante la utilización de big data. Sin embargo,
en el estudio mencionado se presentan correccio-
nes necesarias mediante la aplicación de métodos
estadísticos para sesgar los datos. Como comple-
mento del estudio se corrobora la riqueza infor-
mativa de los datos que se obtienen al emplear
encuestas y otros métodos tradicionales de levan-
tamiento en campo, pero más importante, en los
resultados están presentes datos de la dimensión
social [1].
En el mismo ámbito del artículo se presentó otro
estudio basado en Dhaka, en el cual se emplea un
análisis similar a través de una red de dispositivos
móviles. En este estudio se realiza la comparación
del método de levantamiento en campo denomi-
nado matriz de origen destino () mediante pun-
tos jos. Se demostró que los modos tradicionales
para llenar las matrices () son apreciados como
una alta inversión económica y un largo periodo
de elaboración, a diferencia de los métodos de dis-
positivos móviles en una red de internet [2].
La aplicación de tecnologías digitales desde dispo-
sitivos móviles, como son el geoposicionamiento
global y sistemas de información geográca, ha
dado paso a aportes característicos en estudios re-
lacionados a la movilidad. La obtención de datos,
anteriormente realizada a través de la observación
de entidades en el sitio, ya sean éstas personas, au-
tomóviles u otras, hoy son remplazadas por siste-
mas de datos colectados en tiempo real, con una
ubicación cada vez más precisa.
Además de lo mencionado anteriormente, con-
sideramos la posibilidad de ahondar en los datos
recolectados, haciendo posible la vinculación de
atributos especícos a las entidades, como identi-
cación de los dispositivos móviles, el tipo de dispo-
sitivo, el tiempo de conexión, el punto del registro
e inclusive las trazas de movilidad, mediante varios
dispositivos tanto jos, proveedores de la red de
datos (tal es el caso de los access points-s), como
móviles, en el caso de los receptores y usuarios de
esta red (teléfonos inteligentes, tablets, etc.).
Se conoce evidencia actual sobre la adquisición de
información de patrones de movilidad mediante
puntos jos, la cual ha sido procesada y ha otorga-
do excelentes resultados capaces de ser aplicados
en estudios similares. Tal es el caso del estudio de
[3], quienes lograron con gran precisión modelar
la movilidad a partir de puntos wi, comprendien-
do así la segmentación de la población localizada.
Otro estudio efectuado por [4], realiza una técnica
similar desde la extracción de información donde
se incluye perles de usuarios y clasicación de los
dispositivos tecnológicos, con un costo relativa-
mente bajo.
Otros estudios inclusive han llegado a plantear
modelos predictivos de ocupación del espacio,
como es el caso de [5] y de simulación de la mo-
vilidad humana, planteando regularidad del com-
portamiento espacio temporal de los usuarios de
dispositivos móviles, como es el caso de [6].
La estructura del artículo está dividida en 4 apar-
tados. El primero de éstos es la Introducción, en-
cargada de poner en contexto la presentación de
este artículo, basado en publicaciones que están
relacionadas con el estudio de patrones de movi-
lidad. El segundo apartado es la Fundamentación,
en la cual se describe un concepto sólido del ar-
tículo, basado en ideas que están vinculadas con
el desarrollo de la plataforma de movilidad. Un
tercer apartado abarca los Resultados y discusión,
en donde se presentan los casos de estudios en el
campus universitario, mediante la aplicación de
ciertos casos de consulta, explicando los paráme-
tros válidos para cada uno de éstos. El cuarto y
último apartado son las Conclusiones, en donde se
incluye los trabajos futuros.
Fundamentación
Con la nalidad de generar nuevos métodos para
estudios de patrones de movilidad se propone
desarrollar una plataforma informática capaz de
recopilar información obtenida desde los access
points, ubicados en la red inalámbrica del campus,
y generar una aplicación que entregue una
visualización de los patrones de movimiento en
tiempo real mediante una interfaz amigable con el
usuario, para así poder tomar decisiones basadas
en datos [7].
17
ISSN electrónica 2697-3243
Revista INGENIO Vol. 3 N.° 2 (2020)
doi.org/10.29166/ingenio.v3i2.2236
La plataforma de movilidad está construida con
datos que entregarán una importante cantidad de
información para futuros estudios estadísticos,
planicaciones y análisis de movilidad, debido a
que éstos almacenan características principales de
cada usuario en el campus, intervalos de conexión
a la red e información sobre los dispositivos desde
donde se realizaron las conexiones [7].
Para lograr este n, se ha seleccionado a la Univer-
sidad Central del Ecuador como caso de estudio
para obtener sus patrones de movilidad; de esta
forma, miembros de la comunidad, interesados
en conocer estos patrones para estudios o mejora
de servicios, podrán acceder a ellos de una mane-
ra sencilla, verídica y condencial [7]. El campus
universitario ha tenido varios inconvenientes re-
lacionados con la infraestructura arquitectónica
original de la universidad, el uso que se hace de
la misma y el acceso a internet dentro del campus.
Entre estos inconvenientes, se presentan los más
relevantes:
• Accesos peatonales (puertas) cerrados por
motivos de seguridad, lo que causa que se eli-
jan otras rutas que a veces complican la movi-
lidad dentro del campus universitario.
• Ubicación de los access points en lugares in-
correctos, lo que causa que varios de éstos se
saturen por muchas conexiones, al igual que
otros no sean usados a su capacidad total o
que casi no se usen.
• Áreas verdes de la ciudadela universitaria con
apariencia desagradable. Esto a causa de los
senderos creados por los estudiantes ya que les
facilita su movilidad.
• Robos en determinados lugares donde no
existe personal de seguridad, ya que las autori-
dades no tienen una visión real de cuántos es-
tudiantes se conectan y su lugar de conexión;
por esta razón la seguridad es escasa en zonas
especícas, sin un análisis previo, lo que di-
culta la llegada a ciertos lugares donde ocu-
rren los percances.
Los datos que servirán para la construcción de la
plataforma de movilidad otorgan gran cantidad
de información útil para futuras planicaciones,
estudios estadísticos y análisis de movilidad, pues
almacenan las características principales de cada
individuo, intervalos de tiempo e información
sobre los dispositivos que realizaron la conexión.
Nos permite denir diferencias entre métodos tra-
dicionales y los obtenidos con la ayuda de tecnolo-
gía, que es el aporte del trabajo.
2. Metodología
La investigación propone un método para identi-
car de forma gráca las correlaciones entre va-
riables de tipo métrico, cualitativo y espacial. Para
la presentación de este método se creó una plata-
forma de movilidad constituida por dos compo-
nentes. El primer componente, denominado
(interfaz de programación de aplicaciones), se en-
carga de obtener la información, depurarla, clasi-
carla y almacenarla en la base de datos; el segundo
componente, es una aplicación que permite
mostrar de una forma gráca la información que
se obtiene al someter a un proceso de análisis los
datos recolectados por el .
La plataforma de movilidad utiliza varias herra-
mientas de desarrollo de soware, tanto para fron-
tend como para backend. En la siguiente tabla se
muestran los detalles de cada una de las herramien-
tas utilizadas para el desarrollo de la aplicación:
18
ISSN impresa 2588-0829
Facultad de Ingeniería y Ciencias Aplicadas
Tabla 1. Herramientas usadas para la realización de la plataforma de movilidad [7].
Nombre Descripción Versión
Windows Sistema operativo 10
Java jdk Kit de desarrollo Java 1.8.0
Java jre Java runtime environment 1.8.0
Spring framework Framework que usa Java 5.1.9
Spring tool suite de desarrollo 3.9.8
Spring boot Autoconguración proyectos Spring 2.1.8
Postgres 10 Motor de base de datos 10.10
pgAdmin 4 de administrador 4.13
Apache Tomcat 8.5 Contenedor de servlets
8.5
Sistema de información geográca 2.8.8
Complemento de 2
Apache Librería que trabaja con archivos csv 1.5
ymeleaf extras Librería que permite trabajar sobre Frontend 3.0.2
Apache BeanUtils Libreríadearquitectura basada componentes 1.9.3
IText Core Libreríaparacrear y manipular 5.5
JQuery Interactuar con los documentos 3.4.1
Estructurar y presentar el contenido
5
Lenguaje de diseño gráco para 4
En la siguiente imagen se muestra la arquitectura de la plataforma de movilidad desde una perspectiva
técnica, tomando como inicio la recolección de la data desde los access points del campus en estudio,
hasta la presentación de los patrones de movilidad al usuario, luego de haber sido estos datos depurados,
clasicados e interpretados en la aplicación .
19
ISSN electrónica 2697-3243
Revista INGENIO Vol. 3 N.° 2 (2020)
doi.org/10.29166/ingenio.v3i2.2236
Figura 1. Arquitectura de la plataforma de movilidad.
El primer paso dentro de esta arquitectura es obte-
ner los datos de todas las conexiones que se reali-
zan a la red inalámbrica de la universidad. Esta ta-
rea la realiza un servidor alojado en el data center
de la universidad que recoge la información reco-
lectada por cada uno de los access points ubicados
en el campus principal y la almacena en un servi-
dor como archivos con extensión .csv para su
posterior tratamiento y uso.
En esta etapa del proceso entra en ejecución la ;
esta se ejecutará como un proceso adicional
del servidor en el cual está instalada la aplicación,
ya que siempre va a estar ejecutándose y encargán-
dose de copiar datos de los archivos que se encuen-
tran en el servidor ; todos estos datos pasarán
por un proceso de depuración, validación, clasi-
cación y almacenamiento.
• Depuración: Los archivos son generados con
un encabezado especicando todo lo que con-
tiene el archivo, este encabezado es eliminado
ya que no forma parte de los datos de interés
para la plataforma.
• Validación: Se verica que los diferentes regis-
tros tengan todos los campos, que no existan
campos vacíos y, además, cada campo no ten-
ga caracteres especiales.
20
ISSN impresa 2588-0829
Facultad de Ingeniería y Ciencias Aplicadas
• Clasicación: Se clasica todos los datos de acuerdo con el siguiente modelo entidad relación:
Figura 2. Modelo entidad relación que utiliza la plataforma de movilidad.
En el modelo de la gura 2 se muestran dos con-
juntos de datos clasicados. El primer conjunto
de datos está constituido por las tablas género,
rol, facultad, carrera, miembro. Todas estas tablas
contienen información de los individuos que con-
forman la comunidad universitaria, mientras que
el segundo conjunto de datos constituido por las
tablas cliente, dispositivo, sesión, , ubicación,
, conexión, desconexión, representan los da-
tos que se obtienen de las conexiones, precisamen-
te los datos que se encarga de almacenar el .
• Almacenamiento: Con todos los pasos aplica-
dos satisfactoriamente, el siguiente paso con-
siste en el almacenamiento de los datos dentro
de una base de datos, en este caso se usó la
base de datos relacional Postgre.
Con todos los datos consolidados en la base de da-
tos, ya pueden ser usados por la aplicación
que permite mostrar de forma gráca los resulta-
dos del proceso y análisis de estos datos.
3. Resultados y discusión
Los mapas que presenta la aplicación son graca-
dos con base en ltros que el usuario debe elegir
previamente antes de que se graquen. Entre estos
ltros se encuentran los siguientes:
• Filtro del tiempo:
• mes, semana, día y hora
• Filtro de género:
Masculino, femenino e invitado (los invitados
son personas no pertenecientes a la comuni-
dad universitaria que se conectan a los access
points para hacer uso del internet).
• Filtro de rol:
• estudiantes, docentes, servicios e invitados.
• Filtro de lugar:
Se debe elegir la facultad de acuerdo con lo
que se quiere buscar. Una vez que se escoja la
facultad se puede elegir una carrera o todas las
carreras de la facultad seleccionada.
El software desarrollado proporciona la fun-
cionalidad de obtener datos estadísticos en
tiempo real o histórico de patrones de movi-
lidad, estos datos pueden ser consultados me-
diante 4 ltros principales, estos son:
• Según el rol:
estudiante, docente y administrativo
• Filtro de género:
masculino y femenino
• Filtro de ubicación:
departamento, piso y nombre del access point
• Filtro de origen:
miembros pertenecientes a cierta facultad y
cierta carrera
Los datos pertenecientes a los miembros de la co-
munidad universitaria han sido sometidos a ltros
de anonimización, dando solo resultados estadís-
ticos sin información personal, de acuerdo con la
Ley de Protección de Datos que fue entregada a la
Asamblea Nacional en busca de su aprobación.
Después de algunas consultas hemos podido ob-
servar patrones de movilidad que permiten a los
investigadores elaborar modelos con más informa-
ción que los métodos tradicionales con encuestas
21
ISSN electrónica 2697-3243
Revista INGENIO Vol. 3 N.° 2 (2020)
doi.org/10.29166/ingenio.v3i2.2236
y con costos signicativamente menores. A con-
tinuación, mostramos resultados relevantes de las
consultas, en función de su cantidad y precisión
que sería muy costoso realizarlo con encuestas:
Movilidad de estudiantes de cultura física
Mediante una consulta a la aplicación, con datos
relacionados a los estudiantes de la Facultad de
Cultura Física, se puede mostrar un mapa con to-
dos los recorridos dentro del campus principal que
han realizado los estudiantes de esta facultad. Para
este caso se eligió la gráca de los recorridos en un
intervalo de tiempo de un mes, dando como resul-
tado el siguiente mapa [7]:
Figura 2. Mapa de movilidad de los estudiantes de la Facultad de Cultura Física [7].
Este mapa genera una tabla de datos, para entender su interpretación, la cual se muestra a continuación:
Tabla 2. Datos del mapa de movilidad de los estudiantes de la Facultad de Cultura Física [7].
Origen Destino N.° de usuarios
Estadio Facultad Cultura Física 976
Facultad Cultura Física Estadio 952
Edicio de Idiomas Facultad Cultura Física 388
Facultad Cultura Física Edicio de Idiomas 323
Facultad Cultura Física Biblioteca 269
El informe presenta una participación de más de
3000 personas que recorrieron las vías, lo que sig-
nica que usando los métodos tradicionales se ne-
cesitaría muchos encuestadores durante el mismo
tiempo de muestra, impactando en el presupuesto
de los proyectos de movilidad en un campus, to-
mando en cuenta que sería muy complejo física-
mente determinar a qué facultad pertenecen; con
el soware se puede granular la información de
acuerdo con la estructura de la base de datos.
22
ISSN impresa 2588-0829
Facultad de Ingeniería y Ciencias Aplicadas
Concentración de invitados en el campus
La gura 3 muestra las conexiones que realizan los invitados, la cual se puede obtener al realizar una
consulta con los datos de las personas que se conectan a la red de invitados del campus [7].
Figura 3. Mapa de calor de los invitados en la ciudadela universitaria.
Haciendo una comparación con los métodos tra-
dicionales vemos que sería muy costoso sacar este
patrón, pues se necesitaría encuestadores durante
periodos largos de tiempo, además la precisión de
los datos no se podría comparar con los obtenidos
con la tecnología en tiempo real.
Al visualizar el mapa de la ciudadela universitaria,
expresado como mapa de calor, se puede ver que
existen 3 lugares que concentran las conexiones de
usuarios que se conectaron a la red de invitados;
para comprender de una manera más fácil lo que
representa el mapa también existe una tabla la cual
presenta datos relacionados a las conexiones que
se hacen a cada access point de la ciudadela uni-
versitaria [7]:
Tabla 3. Datos del mapa de calor de los invitados en la ciudadela universitaria
Origen Destino N.° de usuarios
Dirección General Financiera Administración-Teatro 9567
Biblioteca General Administración Central 6575
Derecho Facultad de Jurisprudencia 6245
Biblioteca General Administración Central Interior 6194
Economía Edicio A Facultad de Economía Biblioteca 5610
23
ISSN electrónica 2697-3243
Revista INGENIO Vol. 3 N.° 2 (2020)
doi.org/10.29166/ingenio.v3i2.2236
Figura 4. Gráco de barras sobre los lugares de conexión de estudiantes de Ciencias Médicas [7].
Se puede visualizar que el lugar en donde existen
más conexiones es el Instituto de Idiomas, después
le siguen la Dirección General Financiera y el De-
partamento de Servicios Generales [7].
El obtener este nivel de granularidad en los datos
es muy costoso por métodos tradicionales. Los re-
sultados obtenidos pueden impactar incluso en las
decisiones estratégicas de la universidad para crear
centros satélites con el n de evitar que alumnos
alejados de los edicios de servicios administrati-
vos gasten tiempo y dinero para llegar a sus clases
en otro campus.
Si observamos el mapa de calor generado con la
misma consulta, se verica los datos anteriormen-
te expresados:
Lugares de conexión de los estudiantes de cien-
cias médicas
Una de las opciones de la aplicación permite visua-
lizar en tiempo real o en una fecha especíca las
estadísticas de las conexiones dentro del campus
universitario. Para denir el patrón se utilizaron
los datos de los estudiantes de la Facultad de Cien-
cias Médicas, dando como resultado el siguiente
gráco [7]:
24
ISSN impresa 2588-0829
Facultad de Ingeniería y Ciencias Aplicadas
La información que presenta la aplicación muestra
el potencial que posee el soware desarrollado, al
utilizar los access points como elementos para in-
crementar el nivel de integridad y veracidad de los
datos. Con el soware se puede obtener informa-
ción relevante sobre los patrones de movilidad que
se producen en el campus central, tales como reco-
rridos realizados, lugares con mayor frecuencia de
conexiones, estadísticas de dónde se conectan las
personas con los diferentes roles que les asigna la
red, entre otros [7].
La información que entrega la plataforma permite
conocer los lugares que más frecuentan los inte-
grantes de la ciudadela universitaria. Ha permiti-
do identicar cuáles son los recorridos de grupos
de usuarios, detallados por género, rol, facultad de
procedencia, entre otras; entregar estadísticas de
clasicación de usuarios y dispositivos de cone-
xión, todo esto en tiempo real o histórico, para su
posterior análisis [7].
Observamos también que los datos provenientes
de los access points permiten analizar información
sobre los miembros de la comunidad universita-
ria, lo que facilita caracterizarlos por género, rol,
edad, facultad de pertenencia o lugar de trabajo
que incluye dispositivo de conexión, esto permite
a la aplicación mostrar estadísticas útiles en
estudios de movilidad [7].
4. Conclusiones
El uso de tecnologías de adquisición de datos en
tiempo real y la utilización de análisis de big data
permite mejorar los métodos tradicionales en fun-
ción de tiempo y costo.
La arquitectura que se utilizó en el desarrollo de
la plataforma de movilidad permite alcanzar los
objetivos de los investigadores y la aplicación de
tecnologías nuevas como ágil por los desarrolla-
dores, demostrando que es posible la creación de
proyectos multidisciplinarios con éxito.
Se puede pensar en la posibilidad de la fusión de la
plataforma de movilidad con un sistema de seguri-
dad institucional, en el cual la plataforma contaría
con herramientas propias para alertar de posibles
sucesos en contra de la integridad de los miembros
de la comunidad universitaria.
Referencias
[1] G. Poucin, B. Farooq y Z. Patterson, “Ac-
tivity patterns mining in Wi-Fi access
point logs”, Computers, Environment and
Urban Systems, vol. 67, pp. 55-67, 2018.
Figura 5. Mapa de calor de los estudiantes de la Facultad De Ciencias Médicas en la ciudadela universitaria [7].
25
ISSN electrónica 2697-3243
Revista INGENIO Vol. 3 N.° 2 (2020)
doi.org/10.29166/ingenio.v3i2.2236
[2] C. Choudhury, S. Iqbal, P. Wang y M.
González, “Development of origin–desti-
nation matrices using mobile phone call
data.”, Transportation Research Part C:
Emerging Technologies, vol. 40, pp. 63-
74, 2014.
[3] M. Traunmueller, N. Johnson, A. Malik y
C. Kontokosta, “Digital footprints: Using
WiFi probe and locational data to analyze
human mobility trajectories in cities.”,
Computers, Environment and Urban Sys-
tems, vol. 72, pp. 4-12, 2018.
[4] A. Redondi y M. Cesana, “Building up
knowledge through passive WiFi probes.”,
Computer Communications, vol. 117, pp.
1-12, 2018.
[5] W. Wang, J. Chen, T. Hong y N. Zhu,
“Occupancy prediction through Markov
based feedback recurrent neural network
(M-FRNN) algorithm with WiFi probe
technology”, Building and Environment,
vol. 138, pp. 160-170, 2018.
[6] K. Keramat Jahromi, M. Zignani, S. Gaito
y P. G. Rossi, “Simulating human mobility
patterns in urban areas”, Simulation Mod-
elling Practice and eory, vol. 62, pp.
137-156, 2015.
[7] M. Chávez, R. Enríquez y G. Cadena,
“Desarrollo de una plataforma informáti-
ca para identicar patrones de movilidad
en la Universidad Central del Ecuador
mediante los datos en tiempo real gene-
rados por los access point ubicados en la
Ciudadela Universitaria”, tesis pregrado,
Universidad Central del Ecuador, Quito,
Ecuador, 2020.
