Análisis de patrones anómalos en la secuencia de transacciones de pago en el sistema de transporte público de Santiago

Abstract

El presente trabajo de título tiene por objetivo analizar ciertos patrones anómalos en las transacciones realizadas por los usuarios de Transantiago, sistema de transporte público de Santiago, realizado mediante la tarjeta de pago integrado llamada bip!, los cuales impiden obtener la estimación de bajada en paradero de los usuarios mediante la metodología aplicada para aquello, que actualmente logra obtener un 80% de estimaciones de bajada. El objetivo específico de este trabajo es proponer soluciones desde el punto de vista metodológico a aquellas anomalías detectadas y estudiadas que impiden una obtención completa de la estimación de bajada de los usuarios de Transantiago. Estas soluciones deben ser factibles de incorporar en el modelo, tanto del punto de vista metodológico como del punto de vista computacional. Como parte de este trabajo se revisó tanto el modelo de asignación de bajada en paraderos, en el cual se basa este trabajo, como experiencias internacionales en el uso de información extraída a partir de sistemas de pago similares al de Santiago. Ambas revisiones permiten dar a conocer la base en la cual se trabajará en encontrar y analizar aquellas problemáticas que afecten la metodología. Se realiza además un análisis estadístico de los problemas encontrados, con el fin de tener un estudio más acabado de las anomalías, y desprender de ellas las causas que las originan. Esto conlleva hacer un análisis a parte importante del 20% de estimaciones de bajada que no son posibles de obtener. Entre los principales problemas se destacan el multipago, los problemas de datos de los buses y la validación en zonas paga. En estos tres casos se abordan problemas relacionados con estimación de paradero de bajada nula como estimaciones de bajada incorrectas producto de fallas en el modelo. Luego de analizar las principales anomalías y sus causas, se proponen soluciones factibles orientadas a dos ámbitos: una mejora en los datos de ingreso y cambios en las definiciones de patrones asociados a la forma de viajar de los usuarios de transporte público. Esto si bien no permitirá que el 100% de las estimaciones sean obtenidas, si logrará aumentar con respecto al porcentaje actual de estimaciones.