@metroaverias: Los ciudadanos como sensores de los servicios públicos

Diseño del logo realizado por AdTC Uno de los efectos de los recortes presupuestarios es el deterioro de los servicios públicos, siendo un caso muy llamativo Metro de Madrid. Hace unos años los madrileños estábamos orgullosos de nuestro transporte público subterráneo y ahora lo padecemos como una pesadilla. No solo la frecuencia de los trenes ha bajado sino que ha aumentado el número de cortes en el servicio, el calor, las aglomeraciones, la suciedad y la falta de accesibilidad por avería de escaleras mecánicas y ascensores. Muchos ciudadanos se comportan como sensores humanos cuando se lamentan en Twitter de la degradación del servicio y suben fotos relacionadas con sus quejas. Estos tweets por si mismos son algo pequeño pero adquieren valor cuando se agregan y desvelan los puntos más críticos del funcionamiento del servicio indicando qué líneas son las que reciben más quejas y qué tipo de quejas son las más frecuentes. Una iniciativa muy interesante es la del perfil de Twitter @sufridoresmetro que difunde estas quejas para darles visibilidad a la vez que aglutina a personas sensibilizadas con el funcionamiento del metro. Como una sufridora más llegué a esta cuenta de Twitter que me inspiró un servicio para medir las quejas de los usuarios y alertar de posibles interrupciones del servicio. Puse la idea en Twitter y pedí ayuda para darle nombre, acudiendo en mi socorro @amfumero, @PacoLopezH y @vectart. Al final, gracias a una sugerencia de @martapastor quedó bautizado como @metroaverias @metroaverias es un bot que escucha los tweets que hacen referencia al metro de Madrid y analiza su contenido para detectar quejas, alerta de posibles averías y tuitea periódicamente los resultados de sus medidas. Utiliza un diccionario de palabras clasificadas en distintos tipos de quejas y las asocia a las líneas de metro cuando se las mencionan. Estas son sus funciones:

• Alerta de avería: cuando en un periodo corto de tiempo muchos usuarios se quejan de la avería de una línea concreta
• Hora punta: tanto por la mañana como por la tarde se informa de las líneas con más quejas
• Hora nocturna: indica las incidencias nocturnas
• Resumen diario: sobre las líneas y las quejas
• Informe semanal: proporciona una visión conjunta de quejas por línea

Metodología

• Captura los Tweets con el Streaming API de Twitter que contengan una de estas expresiones: metro madrid, @metro_madrid, #metromadrid, #metro_madrid
• Elaboración del timeline de tweets con la herramienta @t-hoarder
• Detección de averías mediante el algoritmo de Leaky bucket. Se ha probado con datos retroactivos pero aún no ha saltado una alerta en tiempo real
• Clasificación de los tweets en averías, lento, calor, aglomeración, suciedad, accesibilidad, inundación o precio, según un diccionario de palabras confeccionado con la observación del contenido de los tweets
• Publicación de los resultados utilizando el REST API de Twitter
• El informe semanal se realiza con un sankey utilizando las librerías js de tamc

@metroaverias tuitea así:

Hora punta

Miércoles, 2014-04-09 de 19 a 20 ⌚ ▶ Hora punta @metro_madrid ◀ L6►Calor(5) L1►Calor(5) L5►Calor(3) L5►Aglomeración(3) — Averías del Metro (@metroaverias) abril 9, 2014

Hora nocturna

Viernes, 2014-04-04 de 22 a 23 ⌚ ▶ Nocturno @metro_madrid ◀ L6►Calor(5) L1►Lento(4) L1►Calor(4) L1►Aglomeración(3) — Averías del Metro (@metroaverias) abril 4, 2014

Informe Diario

Jueves, 2014-03-27: quejas @metro_madrid █████→Avería(1419) ██▒▒▒→Lento(428) █▒▒▒▒→Accesos(164) █▒▒▒▒→Suciedad(38) █▒▒▒▒→Calor(33) — Averías del Metro (@metroaverias) marzo 28, 2014

Jueves, 2014-03-27: menciones líneas @metro_madrid █████→L5(534) █▒▒▒▒→L1(39) █▒▒▒▒→L9(38) █▒▒▒▒→L3(22) █▒▒▒▒→L6(20) — Averías del Metro (@metroaverias) marzo 28, 2014

Informe Semanal

Semana 24-30 marzo ▒ informe semanal @metro_madrid ▒ pic.twitter.com/PXHSxKOOvg — Averías del Metro (@metroaverias) abril 1, 2014