Modelación de heterogeneidad en la percepción cualitativa de espacios públicos con modelos de elección discreta y aprendizaje de máquina

Modelación de heterogeneidad en la percepción cualitativa de espacios públicos con modelos de elección discreta y aprendizaje de máquina

307.12160983

Ciencias sociales

Planificación urbana - Chile - Santiago - Simulación por computadores

Aprendizaje de máquina

Espacio urbano - Chile - Santiago - Simulación por computadores

Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2020

Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a
entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de
manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas
cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja
escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente
generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de
los estudios, pero sacrificando la cantidad de variables analizadas. En la última década,
grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido
aumentar la escalabilidad, generando resultados más generalizables respecto de
las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado
incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de
algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos
cualitativos aún presentan una importante ventaja en esta dimensión.
En el presente estudio se combinan herramientas computacionales y estadísticas para
lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar
comportamientos heterogéneos frente a elementos específicos del paisaje. Para
lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la
cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una
caracterización sociodemográfica del observador. Luego se complementó el proceso de
parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo
de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en
la percepción de espacios públicos según género y patrones de movilidad de los observadores.
Estos resultados además nos han permitido explorar la aplicación de los modelos
para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la
población.Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a
entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de
manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas
cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja
escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente
generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de
los estudios, pero sacrificando la cantidad de variables analizadas. En la última década,
grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido
aumentar la escalabilidad, generando resultados más generalizables respecto de
las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado
incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de
algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos
cualitativos aún presentan una importante ventaja en esta dimensión.
En el presente estudio se combinan herramientas computacionales y estadísticas para
lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar
comportamientos heterogéneos frente a elementos específicos del paisaje. Para
lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la
cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una
caracterización sociodemográfica del observador. Luego se complementó el proceso de
parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo
de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en
la percepción de espacios públicos según género y patrones de movilidad de los observadores.
Estos resultados además nos han permitido explorar la aplicación de los modelos
para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la
población.Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a
entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de
manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas
cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja
escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente
generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de
los estudios, pero sacrificando la cantidad de variables analizadas. En la última década,
grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido
aumentar la escalabilidad, generando resultados más generalizables respecto de
las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado
incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de
algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos
cualitativos aún presentan una importante ventaja en esta dimensión.
En el presente estudio se combinan herramientas computacionales y estadísticas para
lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar
comportamientos heterogéneos frente a elementos específicos del paisaje. Para
lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la
cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una
caracterización sociodemográfica del observador. Luego se complementó el proceso de
parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo
de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en
la percepción de espacios públicos según género y patrones de movilidad de los observadores.
Estos resultados además nos han permitido explorar la aplicación de los modelos
para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la
población.Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a
entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de
manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas
cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja
escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente
generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de
los estudios, pero sacrificando la cantidad de variables analizadas. En la última década,
grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido
aumentar la escalabilidad, generando resultados más generalizables respecto de
las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado
incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de
algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos
cualitativos aún presentan una importante ventaja en esta dimensión.
En el presente estudio se combinan herramientas computacionales y estadísticas para
lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar
comportamientos heterogéneos frente a elementos específicos del paisaje. Para
lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la
cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una
caracterización sociodemográfica del observador. Luego se complementó el proceso de
parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo
de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en
la percepción de espacios públicos según género y patrones de movilidad de los observadores.
Estos resultados además nos han permitido explorar la aplicación de los modelos
para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la
población.Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a
entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de
manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas
cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja
escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente
generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de
los estudios, pero sacrificando la cantidad de variables analizadas. En la última década,
grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido
aumentar la escalabilidad, generando resultados más generalizables respecto de
las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado
incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de
algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos
cualitativos aún presentan una importante ventaja en esta dimensión.
En el presente estudio se combinan herramientas computacionales y estadísticas para
lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar
comportamientos heterogéneos frente a elementos específicos del paisaje. Para
lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la
cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una
caracterización sociodemográfica del observador. Luego se complementó el proceso de
parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo
de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en
la percepción de espacios públicos según género y patrones de movilidad de los observadores.
Estos resultados además nos han permitido explorar la aplicación de los modelos
para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la
población.Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a
entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de
manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas
cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja
escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente
generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de
los estudios, pero sacrificando la cantidad de variables analizadas. En la última década,
grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido
aumentar la escalabilidad, generando resultados más generalizables respecto de
las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado
incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de
algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos
cualitativos aún presentan una importante ventaja en esta dimensión.
En el presente estudio se combinan herramientas computacionales y estadísticas para
lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar
comportamientos heterogéneos frente a elementos específicos del paisaje. Para
lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la
cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una
caracterización sociodemográfica del observador. Luego se complementó el proceso de
parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo
de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en
la percepción de espacios públicos según género y patrones de movilidad de los observadores.
Estos resultados además nos han permitido explorar la aplicación de los modelos
para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la
población.

Ramírez Sarmiento, Tomás Ignacio

2020-08-14T14:19:38Z

2020-08-14T14:19:38Z

2020

Hurtubia González, Ricardo

Löbel Díaz, Hans-Albert

Pontificia Universidad Católica de Chile. Escuela de Ingeniería

acceso abierto

xii, 70 páginas

application/pdf

es

tesis de maestría

10.7764/tesisUC/ING/38940

https://doi.org/10.7764/tesisUC/ING/38940

https://repositorio.uc.cl/handle/11534/38940