Patrones de Comportamiento en usuarios de transporte interprovincial en Ecuador mediante Técnicas de Machine Learning

Abstract

Este estudio tiene como objetivo analizar y predecir patrones de comportamiento de los usuarios de transporte interprovincial en Ecuador mediante técnicas de aprendizaje automático. Se utilizó un conjunto de datos proporcionado por la Unión de Cooperativas de Transporte Interprovincial de Ecuador que abarca viajes realizados entre 2022 y 2024. La metodología incluyó la implementación de K-means para la segmentación de usuarios y PCA para la reducción dimensional. Inicialmente, K-means identificó cuatro clústeres, pero el solapamiento entre grupos motivó la aplicación de PCA, mejorando la separación. Los resultados revelaron cuatro grupos: Ritmo Diario, Exploradores de Fin de Semana, Nómadas de Eventos y Viajeros Flexibles. Esta segmentación ofrece información clave para optimizar los servicios de transporte y mejorar la experiencia del usuario al ajustar recursos a las necesidades de cada grupo.

This study aims to analyze and predict behavior patterns of interprovincial transport users in Ecuador using machine learning techniques. A dataset provided by the Union of Interprovincial Transport Cooperatives of Chimborazo, covering trips from 2022 to 2024, was used. The methodology involved K-means for user segmentation and PCA for dimensionality reduction. Initially, K-means identified four clusters, but group overlap led to the application of PCA, enhancing cluster separation. Results revealed four distinct groups: Daily Rhythm, Weekend Explorers, Event Nomads, and Flexible Travelers. This segmentation provides valuable insights to optimize transport services and enhance user experience by tailoring resources to the needs of each group.