Mobility in Lisbon based on smartphone data

Abstract

This research covers five months (September, October, November, December 2021, and January 2022) of georeferenced data of the Vodafone mobile phone service, provided by the municipality of Lisbon (CML). The motivation of this research regards the fact that the urban mobility study with mobile phone data is a relatively unexplored topic. This study focused on the city of Lisbon, with a case study conducted in the parish of Santa Maria Maior with the aim to understand the urban mobility patterns of mobile phone users. The number of roaming and non-roaming devices in the case study is related to the subject of a vibrant neighborhood and tourism, characterized by transportation and historical points of interest. We used a data mining approach to analyze mobility trends, adopting a CRISP-DM methodology, to perform statistical analysis, visualization, and clustering (DBSCAN) methods. Results showed eight clusters in Santa Maria Maior, with outstanding clusters along 28-E electric tram and Lisbon Cruise Terminal. Foremost, we looked at these two clusters and performed a forecast model with Prophet, resulting in downward trend, influenced by the pandemic restrictions in December and January data. This thesis contributes considerably to the digital transformation of Lisbon into a smart city by understanding urban mobility patterns with smartphone data of no roaming and roaming users.

Este estudo abrange cinco meses (setembro, outubro, novembro, dezembro de 2021 e janeiro de 2022) de dados georreferenciados do serviço da operadora móvel Vodafone, fornecido pela Câmara Municipal de Lisboa (CML). A motivação da tese considera o facto de o estudo da mobilidade urbana com dados de telemóveis ser um tópico relativamente inexplorado. Este estudo centrou-se na cidade de Lisboa, com um caso de estudo na freguesia de Santa Maria Maior com o objetivo de compreender os padrões de mobilidade urbana dos utilizadores da rede móvel. O número de dispositivos de nãoroaming e roaming no caso de estudo está relacionado com o tema das ‘vibrant neighborhoods’ e turismo, caracterizado por pontos de interesse históricos e de transportes. Utilizámos uma abordagem de ‘data mining’ para analisar as tendências de mobilidade, adotando uma metodologia CRISP-DM, para realizar análise estatística, visualização e agrupamentos (DBSCAN). Os resultados mostraram nove agrupamentos em Santa Maria Maior, dos quais dois agrupamentos de destaque, um ao longo do elétrico 28-E e outro à volta do Terminal de Cruzeiros de Lisboa. Em primeiro lugar, analisámos estes dois agrupamentos e realizámos análises de previsão, resultando numa tendência decrescente, como consequência das restrições da pandemia nos meses de dezembro e janeiro. Esta tese contribui consideravelmente para a transformação digital de Lisboa numa cidade inteligente, ao compreender os padrões de mobilidade urbana com dados dos utilizadores da rede móvel em não-roaming e roaming.