Blablacar Carpooling

El retoCajamar Carpooling nos presenta los datos obtenidos de la aplicación Blablacar,app utilizada por los usuarios para realizar viajes a bajo coste en vehículos de particulares. En este proyecto se sigue el proceso KDD para extraer información de grandes volumenes de datos.

Enlace al vídeo de presentación.

Objetivos

Objetivo principal:

Como principal objetivo vamos a extraer los viajes realizados en la población Española, estos viajes junto con los días festivos a nivel nacional y de autonomía nos servirán para extraer conclusiones sobre los desplazamientos realizados y poder inferir sobre comportamientos sociales futuros, como poder ofertar más viajes a una determinada ciudad en una festividad. Primero realizaremos la estimación por las provincias de Castilla-La Mancha y Andalucía.

Objetivo secundario:

Realizar la comparativa viajeros trenes/blablacar, usando distintitos medios de transporte, por lo tanto, podríamos discutir si se estan ofertando unos recursos no utilizados. Para este objetivo parcial necesitaremos los trenes y demás medios ofertados junto con los viajes blablacar.

Empecemos 🚀

Estas instrucciones te permitirán obtener una copia del proyecto en funcionamiento en tu máquina local para propósitos de desarrollo.

Análisis de archivos

Se ha seguido la estructura de proyecto Cookiecutter Data Science

Pre-requisitos

Las librerías necesarias para la correcta ejecución del proyecto se encuentran en el archivo requirements.txt. Para instalar las dependencias:

pip install -r requirements.txt

Es posible que su sistema use el instalador pip3, en cuyo caso la instalación se realizaría de la siguiente manera:

pip3 install -r requirements.txt

Una vez instaladas las diferentes librerías se deberán descargar algunos datos que no estan incluidos en este repositorio por contener un tamaño excesivo. Estos datos han de ser incluidos en una carpeta drive llamada Datos.

• DATOS_BLABLACAR: Rawdata con los datos del blablacar, han de ser introducidos en la carpeta data/raw
• blablacar_basic: Dataframe de DATOS_BLABLACAR preprocesado.
• df_trenes: Tarjeta de datos de los trenes, incluir en data/processed.

Modo de uso

• Primero se realizo un análisis básico de datos para encontrar diferentes problemáticas, se puede encontrar en el archivo problems_analysis de la carpeta notebooks.

• Ejecutamos el preprocesado básico de datos, para ello utilizaremos los archivos de la carpeta src/ en el siguiente orden:

• Para empezar nos ubicaremos en la carpeta src.

Archivo en el que preprocesamos los datos del archivo DATOS_BLABLACAR.txt

python3 features/preprocesing_blablacar.py

Archivo en el que preprocesamos los datos que se encuentran en la carpeta data/raw.

python3 features/preprocesing_external_data.py

Archivo en el que preprocesamos diversos datos de dos dataframes obtenidos tras la ejecución de los archivos anteriores.

python3 features/preprocesing.py

A continuación los datos de preprocesado se encuentran en la carpeta notebooks

En el archivo GráficasTrasPreprocesado que encontramos en la carpeta notebooks podemos encontrarnos dos gráficas con el total de viajes interprovinciales de Castilla-La Mancha y Andalucía

Lineas de trabajo.

Las lineas de trabajo desarrolladas se encuentran en la carpeta notebooks. Estos archivos son:

• Regresion
• Clasificacion_Binaria
• Clasificacion_Multiobjetivo
• ComparacionTransporte

Los dataset que se han utilizado se encuentran en la siguiente carpeta

Modelos

Los modelos obtenidos se han incluido en la carpeta models. El modelo de clasificación multiobjetivo de Andalucía se ha incluido en la siguiente carpeta

Construido con ⌨️

• Python3: para preprocesado de datos demasiado pesados
• Colab: para obtener la tarjeta de datos, pattern y knowledge (KDD), y muestra de datos.

Autores 📝

• María Blanco Gónzalez-Mohíno
• José Alberto Seco Sánchez-Camacho
• Pablo Velasco Crespo