Somos un colectivo de investigación que busca proveer información oportuna para la interpretación de dinámicas urbanas
Artículos en línea destacados

Gobernanza y Territorialización de los Servicios de Agua
En 2015, la Zona Metropolitana de Querétaro (ZMQ) fue la décima ZM más poblada de México y registró la segunda mayor tasa de crecimiento medio anual para el periodo 2010-2015. Entre 1970 y 2017, el área urbana del municipio de Querétaro se expandió 17.6 veces, mientras que la población aumentó solo 4.3 veces. La expansión de la mancha urbana se ha caracterizado por ser de baja densidad, dispersa y tendiente a la desconexión y segregación. El crecimiento de la ZMQ se ha reflejado en un boom inmobiliario que ha privilegiado la construcción masiva de fraccionamientos residenciales, principalmente condominios horizontales, en toda la periferia de la zona metropolitana.

Predicción de Homicidios con Arma de Fuego Utilizando ANNs
Se utilizó una red neuronal artificial de perceptrón multicapa para predecir los homicidios por arma de fuego en los 50 municipios más violentos de México, usando 17 delitos de la base de datos del Secretariado Ejecutivo como predictores, encontrados mediante la correlación que tienen con el delito principal (homicidios). Se logró estimar el número de homicidios en los últimos 4 meses disponibles con un error máximo de 25%.

Un análisis del hashtag #MetroCDMX en la red social X
La Zona Metropolitana del Valle de México depende críticamente del servicio de transporte colectivo Metro para su funcionamiento diario. Este análisis explora más de 158 mil publicaciones en la red social X (antes Twitter) que contienen el hashtag #MetroCDMX, con el objetivo de comprender cómo se percibe este sistema de transporte desde la ciudadanía. El estudio identifica temas clave como movilidad, seguridad y campañas sociales; analiza emociones predominantes como anticipación y miedo; y revela estructuras complejas de interacción mediante redes de co-ocurrencia.

Predicción de COVID-19 en contextos metropolitanos: optimización de modelos de contagio con Recocido Simulado
En este estudio se propone una mejora al algoritmo de predicción NIPA (Network Inference-based Prediction Algorithm), que se basa en modelos epidémicos de tipo SIR e inferencia de redes, mediante la aplicación del algoritmo de Recocido Simulado para optimizar parámetros críticos. Esta optimización permite mejorar la predicción de la evolución temporal de enfermedades infecciosas como el COVID-19, especialmente en regiones densamente pobladas. La validación se realizó utilizando datos del brote de COVID-19 en la provincia china de Hubei entre el 21 de enero y el 14 de febrero de 2020. Los resultados muestran que el uso de Recocido Simulado mejora la precisión predictiva respecto a técnicas tradicionales como la validación cruzada, lo que representa una contribución relevante para la modelación y gestión de crisis sanitarias en entornos metropolitanos.
Últimas entradas del blog
- Avances en la Predicción de Epidemias: Nueva Publicación Disponible en IEEE Xplore
- Artículo “Decoding Online Hate in the United States: A BERT-CNN Analysis of 36 Million Tweets from 2020 to 2022” ya disponible en IEEE Xplore
- Presentación de póster sobre la correlación entre área edificada y temperatura en las ZM de México en el 1er. Encuentro Internacional de Observatorios
- Aceptación del artículo “Decoding Online Hate in the United States: A BERT-CNN Analysis of 36 Million Tweets from 2020 to 2022”
- Lanzamiento de video sobre Dash Sylvereye y promoción en la cuenta de LinkedIn de Plotly
