Persona:
Osorio Arjona, Joaquín

Foto de perfil
Dirección de correo electrónico
ORCID
0000-0002-0102-8756
Fecha de nacimiento
Proyectos de investigación
Unidades organizativas
Puesto de trabajo
Apellidos
Osorio Arjona
Nombre de pila
Joaquín
Nombre

Filtros

2019 - 201922020 - 20235
Restablecer filtros

Ajustes

search.filters.applied.f.accessLevel: Atribución-NoComercial-SinDerivadas 4.0 Internacional × Tiene archivos: true ×

Resultados de la búsqueda

Mostrando 1 - 7 de 7
  • Miniatura
    Publicación
    Social media and urban mobility: Using twitter to calculate home-work travel matrices
    (Elsevier, 2019-06-01) García Palomares, Juan Carlos; Osorio Arjona, Joaquín
    The proliferation of Big Data is beneficial to the study of mobility patterns in cities. This work investigates the use of social media as an efficient tool for urban mobility studies. In this case, the social network Twitter has been used, due to its wealth of spatial and temporal data and the possibility of accessing data free of charge. Using a database of geotagged tweets in the Madrid Metropolitan Area over a two-year period, this article describes the steps followed in the preparation and cleansing of the initial data and the visualisation of the results in Geographic Information Systems in the form of home-work matrices. The Origin-Destination matrices obtained were then compared with the official data provided by the Madrid Transport Consortium from the 2014 Synthetic Mobility Survey. The results of this comparison demonstrate that the level of precision offered by Twitter as a source of geographic information is adequate and efficient, thereby permitting a more in-depth analysis of flows between different zones of interest in the study area.
  • Miniatura
    Publicación
    Big Data y matrices Origen-Destino: cartografía de flujos de movilidad en España a partir de datos de Twitter y comparación con datos de telefonía móvil
    (AEG- Asociación Española de Geografía, 2022) Osorio Arjona, Joaquín
    Este 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.
  • Miniatura
    Publicación
    Big Data y universidades: análisis de movilidad de los estudiantes universitarios a partir de datos de Twitter
    (Asociación Española de Geografía, 2019-10-16) García Palomares, Juan Carlos; Osorio Arjona, Joaquín
    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.
  • Miniatura
    Publicación
    Redes sociales geolocalizadas y COVID-19: análisis de la actividad espaciotemporal de los usuarios de Twitter de España durante la pandemia
    (Asociación Española de Geografía, 2022-12-30) Osorio Arjona, Joaquín
    Este 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.
  • Miniatura
    Publicación
    Spatio-temporal mobility and Twitter: 3D visualisation of mobility flows
    (Taylor & Francis, 2020-06-18) García Palomares, Juan Carlos; Osorio Arjona, Joaquín
    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.
  • Miniatura
    Publicación
    Mapping of functional areas in Spain based on mobile phone data during different phases of the COVID-19 pandemic
    (Taylor & Francis, 2023-05-22) Ruiz Santacruz, Javier Sebastián; Obras Loscertales Sampériz, Julia de las; Osorio Arjona, Joaquín
    Mobility functional areas are tools based on human mobility that can be useful for spatial andtransport planning in delicate situations such as the COVID-19 pandemic. In this work, we aimto map functional areas in Spain from four days corresponding to different phases of thedisease. For that goal, mobile phone data provided by Spanish Statistical National Institute(INE) has been used due to its value and potential to provide constantly updatedinformation of mobility at almost-real time. The methodology consists of a network analysisover an origin-destination matrix to obtain modularity values for 3214 population cellsprovided by the INE. These values were then used to cluster the cells into functional areas. The results show how different confinement and mobility restriction policies influence theamount, size and shape of the functional areas, and therefore, they affect access to servicesor jobs.
  • Miniatura
    Publicación
    Social media semantic perceptions on Madrid Metro system: Using Twitter data to link complaints to space
    (Elsevier, 2021-01-01) Horak, Jiri; Svoboda, Radek; García Ruiz, Yolanda; Osorio Arjona, Joaquín
    Social networks are platforms widely used by travelers who express their opinions about many services like public transport. This paper investigates the value of texts from social networks as a data source for detecting the spatial distribution of problems within a public transit network by geolocating citizens' feelings, and analyzes the effects some factors such as population or income have over that spatial spread, with the goal of developing a more intelligent and sustainable public transit service. For that purpose, Twitter data from the Madrid Metro account is collected over a two-month period. Topics and sentiments are identified from text mining and machine learning algorithms, and mapped to explore spatial and temporal patterns. Lastly, a Geographically Weighted Regression model is used to explore the causality of the spatial distribution of complaining users, by using official data sources as exploratory variables. Results show Twitter users tend to be mid-income workers who reside in peripheral areas and mainly tweet when traveling to workplaces. The main detected problems were punctuality and breakdowns in transfer stations or in central areas, mainly in the early morning of weekdays, and affected by density of points of interest in destination areas.