PT
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.
EN
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.
