Investigación desarrollada para evaluar algoritmos basados en densidad, distancia-tiempo y velocidad que permitan la identificación del número mínimo de viajes que se requieren para detectar correctamente puntos de ubicación (PUs) que correspondan a POIs casa y trabajo. Considerando la información geoespacial, temporal y de viajes de entrada/salida se caracterizó los PUs para entrenar un clasificador con los algoritmos de árboles de decisión, bosques aleatorios y máquinas de soporte. Los mejores resultados se obtuvieron con el algoritmo basado en velocidad ya que con un promedio de tres viajes se pudo detectar los PUs hasta en un 90% de exactitud. Mientras que, el mejor clasificador fue entrenado con el algoritmo de bosques aleatorios el cual permitió clasificar un PU en un POI hasta con una exactitud del 86.6%.