Análisis de la percepción de movilidad en Madrid a través del modelado de tópicos y el análisis de sentimientos en redes sociales

Las ciudades de todo el mundo se enfrentan a desafíos sin precedentes en la gestión de la movilidad. El creciente aumento en la demanda de movilidad por parte de los ciudadanos
plantea un gran reto para las autoridades encargadas, y contar con información en tiempo real sobre las opiniones de los usuarios respecto a los sistemas de movilidad puede convertirse en una herramienta efectiva para mejorar la planificación y adaptarla a los nuevos desafíos de sostenibilidad y eficiencia. En este contexto, Twitter ha demostrado ser una fuente valiosa de datos para la detección de eventos y la evaluación de las opiniones ciudadanas en tiempo real, permitiendo obtener una visión más precisa del punto de vista de los ciudadanos de manera rápida, efectiva y económica. Investigadores de todo el mundo han realizado una amplia gama de estudios sobre movilidad, focalizándose en eventos y aspectos específicos. En la mayoría de estos estudios, Twitter ha sido adoptada como plataforma principal para la extracción de datos de redes sociales, mientras que la técnica de modelado de tópicos, conocida como LDA, ha prevalecido en el análisis de dichos datos. Además, en relación al análisis de sentimientos, se observa una diversidad considerable de técnicas empleadas por los investigadores, entre las cuales se destacan enfoques basados en diccionarios y técnicas más sofisticadas de aprendizaje profundo. Este Trabajo se centró en el análisis de la movilidad en Madrid utilizando la herramienta de modelado de tópicos LDA y técnica VADER para el análisis de sentimientos. La metodología seguida se dividió en varios pasos, incluyendo la preparación y preprocesamiento de los datos, el análisis descriptivo de N-Gramas, el modelado de tópicos y el análisis de sentimientos. Los resultados de este estudio revelan la identificación de cuatro tópicos principales categorizados como “Solicitud de información”, “Movilidad sostenible y problemas en la ciudad”, “Transporte público y mejora de la movilidad en Madrid” y “Otros”. Por su parte, los sentimientos asociados a los mismos muestran que las emociones expresadas por los usuarios en los tweets tienden a situarse en el área entre sentimientos neutros y negativos. Esto indica que existe una inclinación hacia una percepción desfavorable en las conversaciones relacionadas con la movilidad en la ciudad. La identificación de las principales categorías de discusión sobre movilidad en la ciudad, así como el sentimiento involucrado en cada una
de ellas, permite extraer conclusiones fidedignas que sirvan a las autoridades gobernantes de Madrid para adaptar el sistema actual a uno más eficaz, innovador y sostenible.

Cities around the world are facing unprecedented challenges in mobility management. The increasing demand for mobility from citizens poses a major challenge for the authorities
in charge, and real-time information on users’ opinions on mobility systems can become an effective tool to improve planning and adapt it to the new challenges of sustainability
and efficiency. In this context, Twitter has proven to be a valuable source of data for event detection and evaluation of citizens’ opinions in real time, allowing a more accurate picture of citizens’ views to be obtained quickly, effectively and economically. Researchers around the world have conducted a wide range of studies on mobility, focusing on specific events and aspects. In most of these studies, Twitter has been adopted as the main platform for the extraction of social network data, while the technique of topic modelling, known as LDA, has prevailed in the analysis of such data. Furthermore, in relation to sentiment analysis, there is a considerable diversity of techniques employed by researchers,
including dictionary-based approaches and more sophisticated deep learning techniques. This paper focused on the analysis of mobility in Madrid using the LDA topic modelling
tool and VADER technique for sentiment analysis. The methodology followed was divided into several steps, including data preparation and pre-processing, descriptive N-gram analysis, topic modelling and sentiment analysis. The results of this study reveal the identification of four main topics categorised as “Information request”, “Sustainable mobility and problems in the city”, “Public transport and mobility improvement in Madrid” and “Other”. The sentiments associated with the tweets show that the emotions expressed by users in the tweets tend to be in the area between neutral and negative sentiments. This indicates that there is an inclination towards an unfavourable perception in conversations related to mobility in the city. The identification of the main categories of discussion about mobility in the city, as well as the sentiment involved in each of them, allows reliable conclusions to be drawn that can be used by Madrid’s governing authorities to adapt the current system to a more efficient, innovative and sustainable one.