/valenbisi

Análisis sobre valenbisi, servicio público de biciletas de Valencia, España.

Primary LanguagePython

Valenbisi. Un análisis sobre ruedas

Python R

Presentación

En este proyecto, Valenbisi: un análisis sobre ruedas, se ha realizado un análisis exhaustivo del sistema de bicicletas compartidas en la ciudad de Valencia. Este estudio ha buscado comprender los diferentes aspectos relacionados con el uso de este sistema de transporte sostenible:

  • Análisis exploratorio de los datos. Este análisis ha consistido principalmente en comparar cómo se comportan las estaciones centrales con respecto a las periféricas.

  • Influencia de variables meteorológicas en el uso de las bicicletas Valenbisi. Se recopilaron datos meteorológicos, como temperatura, viento y precipitación, y se evaluó su relación con los patrones de uso de bicicletas.

  • Técnicas de clustering. Las estaciones de Valenbisi se han agrupado según su similitud en términos de patrones de uso. Esto ha permitido la identificación de diferentes grupos de estaciones con características y necesidades particulares, que pueden utilizarse para mejorar la planificación y distribución de bicicletas en la ciudad. Asimismo, se ha considerado la incorporación de información sobre lugares de interés en la ciudad de Valencia, como universidades, hospitales, playas, áreas comerciales, etc.

  • Modelo predictivo. Utilizando los datos recopilados, se intentó predecir la demanda futura de Valenbisi. Este modelo puede utilizarse para planificar la distribución de bicicletas y optimizar la capacidad de las estaciones según la demanda esperada en diferentes momentos y estaciones de la ciudad.

Datos

Los datos se han obtenido a través de la API del Ayuntamiento de Valencia:

Enlace a los datos: https://valencia.opendatasoft.com/explore/dataset/valenbisi-disponibilitat-valenbisi-dsiponibilidad/download/?format=csv&timezone=Europe/Berlin&lang=es&use_labels_for_header=true&csv_separator=%3B

¿Quién está contribuyendo a este repositorio?

Hemos dividido el proyecto en los puntos mencionados anteriormente:

Autor Tarea asignada
Javier Luque Análisis exploratorio de los datos
Daniel Garijo Influencia de variables meteorológicas
Pablo Parrilla Técnicas de clustering
Jose Valero Modelo predictivo
Qilu Diana Wu Técnicas de clustering