Análisis comparativo de técnicas de representación latente para entidades territoriales: caso de estudio en la Comunidad de Madrid

Resumen

El presente trabajo propone un enfoque innovador para la representación vectorial de municipios mediante técnicas de graph embeddings, aplicado al caso de la Comunidad de Madrid. La investigación parte del contexto de desigualdad territorial y reconfiguración socioeconómica que caracteriza al área metropolitana madrileña, y plantea como hipótesis que las relaciones entre municipios pueden aprenderse en un espacio latente capaz de preservar su estructura urbana, económica y temporal. Para ello, se construye un grafo urbano en el que cada municipio constituye un nodo y las aristas representan interacciones de diversa naturaleza (distancias, colindancias, flujos migratorios o conectividad). A partir de un conjunto heterogéneo de fuentes públicas se desarrollan distintos modelos basados en redes neuronales que integran información nodal, internodal y temporal. La validación de los embeddings combina métricas intrínsecas de coherencia y tareas predictivas externas, contrastadas mediante tests estadísticos (Friedman, Nemenyi y Wilcoxon-Holm) y bootstrap paramétrico. Los resultados evidencian diferencias significativas entre modelos, destacando E2A-SAGE-MAE como el de mejor desempeño y mayor robustez, alcanzando el mejor rendimiento en torno al 80 % de las configuraciones analizadas. Asimismo, se confirma que la ciudad de Madrid actúa como outlier, afectando de forma notable la estructura latente del grafo. En conjunto, los resultados demuestran que es posible generar representaciones vectoriales de unidades urbanas que capturen relaciones complejas, ofreciendo una herramienta útil para el análisis territorial.