Modelación de la percepción subjetiva del espacio público mediante técnicas de machine learning y modelos de elección discreta

Abstract

La manera en que las personas perciben el espacio construido es relevante para entendercómo lo utilizan y se mueven por él. La mayor parte de las contribuciones en el campo demodelar dichas percepciones usando datos recolectados a un nivel masivo ocupan técnicas demachine learning, logrando resultados significativos. Sin embargo, estos modelos resultan pocoinformativos debido a la alta dificultad asociada a identificar analíticamente la forma en que losdistintos atributos de los espacios públicos contribuyen a las percepciones de los usuarios.Este trabajo plantea estimar modelos que cuantifiquen percepciones mediante modelos basados en la teoría de utilidad aleatoria, usando como variables explicativas segmentacionessemánticas de imágenes de espacios públicos generadas mediante algoritmos de machine learning. Utilizando el set de datos Place Pulse, se estimaron modelos con buenas capacidadespredictivas y que permiten un análisis de la relevancia de los atributos, aunque con ajustes menores a los logrados con métodos directos de machine learning. A partir de esto, planteamosuna línea de investigación centrada en la estimación de modelos que logren cuantificar percepciones al nivel de las técnicas de machine learning, y que alimenten el proceso de diseño depolíticas públicas y la toma de decisiones en cuanto a inversión en infraestructura y espaciospúblicos.