Espacios métricos y Python en la modelización del transporte público en el AMBA

Descripción completa

Este trabajo analiza la mayor concentración de población en la Argentina, representada por los 41 distritos del Área Metropolitana de Buenos Aires (AMBA), en el contexto de COVID-19. Se estudian diversas métricas para identificar cual es la más óptima para modelar el transporte público durante esa crisis, con el propósito de facilitar la toma de decisiones que contribuyan a minimizar la propagación del virus y garantizar la seguridad de las personas. El objetivo principal de esta charla es estudiar y modelar los distritos del AMBA utilizando Python y la teoría de grafos. En este modelo, los nodos del grafo representan los 41 distritos y las aristas reflejan las conexiones proporcionadas por el transporte público a través de la tarjeta SUBE. Analizamos estas conexiones utilizando diversas métricas, que incluyen los enfoques de Gromov y de Coifman y Lafon, específicamente las métricas de Gromov-Hausdorff, Gromov-Lipschitz y la métrica difusiva. El uso de estas métricas nos proporciona una forma más precisa de entender el transporte público en el AMBA y de prever el contagio, lo que permite ofrecer herramientas más efectivas para tomar decisiones que regulen la circulación en los distritos.