Analysis and characterization of the public transport mobility of senior citizens

Abstract

Esta tesis describe diferentes aspectos de la movilidad de las personas de edad avanzada (PEAs) en el área metropolitana de Madrid, especialmente aquellos en relación con su condición personal –el decaimiento en la movilidad de una PEA puede indicar una situación de riesgo. En este estudio se han evaluado los registros de las tarjetas de transporte de usuarios reales del CRTM, utilizándose para caracterizar el comportamiento de las PEAs en los dominios de frecuencia, temporal y espacial. Se han calculado y promediado las funciones de distribución de probabilidad de las muestras de los usuarios, y se han realizado tareas de clustering en el dominio temporal para identificar grupos dominantes dentro de la población. También se ha investigado la movilidad de las PEAs a fin de detectar conductas que serían perjudiciales para un estilo de vida activo y saludable. Esto se ha logrado mediante el uso de modelos de análisis de supervivencia (Cox proportional hazard model), que identifican el impacto que tiene el viaje a diferentes vecindarios en las tasas de retención de clientes. Los modelos obtenidos se utilizan, además, para investigar la posibilidad de un sistema de intervención, que analizaría continuamente el comportamiento de viaje de los individuos y alertaría de cambios de comportamiento que podrían apuntar la existencia de una situación de riesgo.---ABSTRACT---This thesis describes an analysis of the mobility of senior citizens in the Madrid metropolitan area within the cooperation between the Consorcio Regional de Transportes de Madrid and the Ontology Engineering Group. Check-in registrations from real user smart cards are evaluated in order to characterize the behavior of senior citizens in the frequency, temporal, and spatial domains. In addition, clustering of users is performed in the temporal domain in order to identify dominant groups within the population. The mobility of senior citizens is additionally investigated for behavior that would be detrimental to an active and healthy lifestyle. This is accomplished with the use of survival analysis models, which identify what impact the travel to different neighborhoods has on customer retention rates. The obtained models are, furthermore, used in order to investigate the possibility of an intervention system. Such a system would continually analyze the travel behavior of individu