Datos masivos para mejorar las redes de transporte urbano

Autobus en Madrid / Wikimedia - Mdiagom

La mejora del transporte público puede ser una tarea harto compleja. Pero ¿y si las ciudades pudieran aprovechar el potencial ilimitado de los datos masivos para adoptar medidas mejores? Gracias a SIADE SaaS ahora es posible descubrir los patrones de movilidad de los usuarios y revelar las fortalezas y debilidades de las redes de transporte urbano en activo o previstas.

 

Cordis / El proyecto SIADE SaaS (Spatial Decision Support System for Transportation Planning) supone un punto de inflexión para la pyme española Terrain Technologies. A partir de un servicio de consultoría en torno a un algoritmo que infiere los destinos de los pasajeros, la empresa solicitó apoyo a Horizonte 2020 para convertirse en un proveedor de «software».

Ahora ciudades de toda Europa pueden disfrutar de una tecnología que enriquece los datos masivos para mejorar las redes de transporte

Ahora ciudades de toda Europa pueden disfrutar de una tecnología que enriquece los datos masivos con un componente espacial a fin de ejecutar un análisis complejo del comportamiento de los viajeros y en definitiva mejorar las redes de transporte.

María J. Argüelles, coordinadora del proyecto, habla sobre la tecnología de la empresa y lo logrado hasta la fecha.

¿De qué manera pueden los datos masivos mejorar la experiencia del transporte público en Europa?

María J. Argüelles: Los sistemas de billetaje basados en tarjetas inteligentes ya utilizados en los sistemas de transporte público de muchas ciudades generan enormes cantidades de datos. Estos conjuntos de datos muestran el comportamiento de los usuarios, lo cual significa que sería posible evaluar sus necesidades de transporte y generar una idea precisa de sus costumbres, tanto de grupo (en función de tipos de tarifas, como de estudiante, jubilado, etc.) como a título individual. Gracias a técnicas de análisis de datos masivos podemos adaptar el transporte público a estas necesidades, planificar servicios nuevos, reducir las distancias que se andan, etc.

¿Qué inconvenientes han aparecido a la hora de utilizar estos datos y cómo los ha resuelto el «software» diseñado?

Hay que dejar claro que los datos masivos aportan una gran complejidad al transporte debido a algo inherente a estos, esto es, lo que se denomina las cinco uves: volumen, velocidad, veracidad, variedad y valor.

En ciudades como Madrid, por ejemplo, se producen 500 millones de desplazamientos al año y cerca de 1 200 millones en el área metropolitana de Madrid

Por ejemplo, para albergar una gran cantidad de datos es necesario contar con una gran capacidad de almacenamiento. No hay que olvidar que en ciudades como Madrid, por ejemplo, se producen 500 millones de desplazamientos al año y cerca de 1 200 millones en el área metropolitana de Madrid, casi tantos como en Estambul.

La variedad implica conjuntos de datos generados a partir de fuentes distintas como tornos o teléfonos móviles, mientras que la veracidad hace referencia a la importancia de la calidad de los datos y el grado de confianza en estos. La situación se complica aún más debido a que los registros de transporte guardan relación con ubicaciones geográficas, lo cual implica que existe un componente espacial, o datos masivos espaciales.

Para superar estas dificultades, se creó SIADE SaaS como un desarrollo core-GIS que une la naturaleza espacial de los datos con metodologías de análisis de datos avanzadas.

¿Cómo se compensa la falta de información sobre los destinos de los viajeros?

Esta función la realiza uno de los algoritmos fundamentales de SIADE. Podemos determinar hasta el 88 % de los destinos de los pasajeros con una precisión del 96 %. Estos resultados confirman nuestra solidez a la hora de crear matrices de origen-destino basadas en datos de transporte y que son mucho más rápidas, menos caras y más completas que las generadas mediante las metodologías tradicionales empleadas en el transporte público, esto es, mediante encuestas. Cabe señalar que nuestras matrices se basan en millones de registros, mientras que las encuestas recogen un porcentaje pequeño de la población.

Podemos determinar hasta el 88 % de los destinos de los pasajeros con una precisión del 96 %

¿Qué han logrado gracias a la financiación de la Unión Europea? ¿Qué objetivos les quedan por alcanzar antes de que finalice el proyecto?

El proyecto se basó en la necesidad de cambiar el modelo de negocio y convertirlo en un SaaS (software como servicio). Pero esta transición es cara, y sin la financiación de la Unión Europea (UE) no lo habríamos conseguido con tanta rapidez. En el proyecto también participan varias empresas consultoras de transporte, operadores de medios de transporte y agencias de transporte de toda Europa, un hecho fundamental de cara a realizar las pruebas con cada versión de SIADE. Además, disfrutamos de la asistencia de un grupo de tutores de la UE que orientan nuestras decisiones en cuanto a estrategia comercial.

Ya hemos concluido dos de las tres fases del proyecto, entre ellas el módulo analítico al completo y el simulador. El simulador es capaz de predecir con una exactitud del 93 % los cambios en los flujos de pasajeros tras modificar o eliminar alguno de los elementos que componen una red de transporte como, por ejemplo, una parada de autobús, una línea, una política de trasbordos, frecuencias, etc. Ahora nos encontramos en la fase de datos masivos y estamos resolviendo los problemas asociados a las cinco uves. Ya se han mejorado partes del algoritmo para adaptarse al marco nuevo.

El simulador es capaz de predecir con una exactitud del 93 % los cambios en los flujos de pasajeros

¿Puede mencionar algún ejemplo de los desafíos de clientes específicos que se han resuelto gracias a su tecnología?

Por supuesto. Hemos mostrado que el transporte con autobuses en Oradea (Rumanía) no abarcaba todo el centro de la ciudad con eficacia, por ejemplo. En Gijón (España), descubrimos, gracias al simulador, que los cambios en la ruta 14 aumentarían la velocidad comercial pero a un coste: los habitantes de uno de los barrios afectados por el nuevo diseño de la ruta dejarían de coger el autobús y la mayoría optaría por otra ruta (18) en lugar de servirse de trasbordos. En Módena (Italia), el modelo de datos se ha mejorado y modificado para aprovechar mejor las capacidades de SIADE. Nuestras sugerencias para crear una ruta ciclista en Gijón también se han incluido en el nuevo plan de movilidad de la ciudad.

¿Puede hablarnos más sobre su cuota de mercado actual?

Estamos colaborando con varias empresas de consultoría dedicadas al transporte para estudiar juntos distintas licitaciones en España, América Latina y Europa oriental. El contar con un proyecto financiado por la UE es una ventaja competitiva extraordinaria.

¿Cuáles son sus planes para después del proyecto?

Trabajamos en la creación de una plataforma que se ajuste a la perfección a las necesidades de nuestros clientes y socios, y confiamos en continuar nuestra evolución en otros mercados fuera de Europa y América Latina, como por ejemplo en los Estados Unidos y Canadá.

Dejar comentario

Deja tu comentario
Pon tu nombre aquí