{"id":10210,"date":"2023-05-03T18:09:40","date_gmt":"2023-05-03T16:09:40","guid":{"rendered":"https:\/\/www.nommon.es\/?post_type=pr_investigacion&p=10210"},"modified":"2024-07-31T17:56:55","modified_gmt":"2024-07-31T15:56:55","slug":"travelint","status":"publish","type":"pr_investigacion","link":"https:\/\/www.nommon.es\/es\/proyectos-de-investigacion\/travelint\/","title":{"rendered":"TravelInt"},"content":{"rendered":"\n

Contexto<\/h2>\n\n\n\n

El comportamiento de los pasajeros de transporte a\u00e9reo y los h\u00e1bitos de consumo han cambiado sustancialmente durante los \u00faltimos a\u00f1os debido, en parte, a la fuerte digitalizaci\u00f3n. En este contexto, los aeropuertos deben ser capaces de adaptarse a las nuevas demandas del mercado y adquirir un mejor conocimiento del perfil y patrones de comportamiento de los pasajeros y de aquellos segmentos de poblaci\u00f3n que constituyen una demanda potencial para el aeropuerto. La aproximaci\u00f3n tradicional para obtener esta informaci\u00f3n se basa principalmente en encuestas, que presentan importantes limitaciones en cuanto a coste, tama\u00f1o de la muestra, frecuencia de actualizaci\u00f3n y detalle de la informaci\u00f3n. Sin embargo, durante los \u00faltimos a\u00f1os, la proliferaci\u00f3n de diferentes dispositivos m\u00f3viles personales geolocalizados y la creciente sensorizaci\u00f3n de los aeropuertos han abierto nuevas oportunidades para recoger cantidades masivas de informaci\u00f3n sobre la movilidad y el comportamiento de los pasajeros<\/strong>, de manera continua, a un coste muy asequible y con un nivel de detalle imposible de obtener con las metodolog\u00edas tradicionales.<\/p>\n\n\n\n

El proyecto TravelInt <\/h2>\n\n\n\n

TravelInt <\/strong>es un proyecto de investigaci\u00f3n financiado por Red.es<\/a> que propuso aprovechar las oportunidades que ofrecen estas nuevas fuentes de datos mediante el desarrollo de un conjunto de tecnolog\u00edas basadas en el procesamiento de datos masivos y el aprendizaje autom\u00e1tico para obtener informaci\u00f3n detallada sobre el comportamiento de los pasajeros y dar soporte a la toma de distintas decisiones de planificaci\u00f3n y gesti\u00f3n aeroportuaria<\/strong>.
En particular, TravelInt abord\u00f3 tres \u00e1mbitos espec\u00edficos para los que mejorar el conocimiento de los usuarios resulta particularmente valioso para el aeropuerto:<\/p>\n\n\n\n

    \n
  1. Identificaci\u00f3n de nuevas rutas<\/strong>: an\u00e1lisis y modelizaci\u00f3n del comportamiento de los viajes de larga distancia con el objetivo de identificar nuevos destinos atractivos y ofrecer nuevas rutas.<\/li>\n\n\n\n
  2. Accesibilidad e intermodalidad<\/strong>: an\u00e1lisis del comportamiento de los pasajeros, trabajadores y otros visitantes del aeropuerto con el objetivo de mejorar la experiencia del pasajero, impulsar modos de acceso m\u00e1s sostenibles y captar nuevos usuarios que, en caso de una conectividad deficiente, optar\u00edan por un aeropuerto m\u00e1s accesible o por un modo de transporte de larga distancia alternativo al avi\u00f3n.<\/li>\n\n\n\n
  3. Ingresos no aeron\u00e1uticos<\/strong>: la caracterizaci\u00f3n detallada del comportamiento en el interior de la terminal resulta fundamental para optimizar la experiencia del pasajero y adaptar la oferta comercial y de servicios no aeron\u00e1uticos a las necesidades y caracter\u00edsticas de la demanda.<\/li>\n<\/ol>\n\n\n\n

    Objetivos<\/h2>\n\n\n\n

    Los objetivos espec\u00edficos de TravelInt fueron los siguientes:<\/p>\n\n\n\n

      \n
    1. Identificar las oportunidades que ofrecen las nuevas fuentes de datos masivos procedentes de dispositivos m\u00f3viles geolocalizados para mejorar el conocimiento de los pasajeros y otros usuarios de los aeropuerto en tres \u00e1mbitos espec\u00edficos<\/strong>:\n
        \n
      1. El comportamiento de la demanda de viajes de larga distancia.<\/li>\n\n\n\n
      2. El comportamiento de los pasajeros, trabajadores y acompa\u00f1antes en el acceso al aeropuerto.<\/li>\n\n\n\n
      3. El comportamiento de los pasajeros en el interior de la terminal.<\/li>\n<\/ol>\n<\/li>\n\n\n\n
      4. Desarrollar nuevas metodolog\u00edas para el an\u00e1lisis y fusi\u00f3n de datos que permitan caracterizar el perfil y el comportamiento de los pasajeros y otros usuarios de los aeropuertos<\/strong>.<\/li>\n\n\n\n
      5. Desarrollar modelos predictivos basados en t\u00e9cnicas de aprendizaje autom\u00e1tico que permitan anticipar el comportamiento futuro de los pasajeros y permitir an\u00e1lisis de tipo what-if<\/em>.<\/strong><\/li>\n\n\n\n
      6. Desarrollar el prototipo de una soluci\u00f3n de ayuda a la decisi\u00f3n<\/strong> que integre los nuevos algoritmos y modelos desarrollados en el proyecto con una herramientas de visualizaci\u00f3n interactiva.<\/li>\n\n\n\n
      7. Validar la soluci\u00f3n propuesta a trav\u00e9s de un conjunto de experimentos llevados a cabo en colaboraci\u00f3n con usuarios finales<\/strong>, que permitan demostrar la madurez de la tecnolog\u00eda y evaluar sus beneficios.<\/li>\n<\/ol>\n\n\n\n

        Metodolog\u00eda<\/h2>\n\n\n\n

        TravelInt desarroll\u00f3 una soluci\u00f3n big data de ayuda a la toma de decisiones para operadores aeroportuarios. La plataforma consta de tres componentes principales:<\/p>\n\n\n\n

          \n
        1. El proceso de extracci\u00f3n, tratamiento y carga de datos<\/strong> (ETL, por las siglas en ingl\u00e9s de Extract, Transform, Load<\/em>), que integra los datos de distintas fuentes y lleva a cabo diferentes tareas de preprocesado (limpieza, formateo, etc.) para su posterior an\u00e1lisis.<\/li>\n\n\n\n
        2. El motor de c\u00e1lculo, compuesto por:\n
            \n
          1. Una capa de an\u00e1lisis de datos<\/strong> que integra diferentes algoritmos para analizar y caracterizar el perfil y comportamiento de los usuarios del aeropuerto utilizando las diferentes fuentes de datos disponibles.<\/li>\n\n\n\n
          2. Una capa de generaci\u00f3n y predicci\u00f3n de indicadores<\/strong> que se alimentan de la informaci\u00f3n generada en la capa anterior y que consta de tres m\u00f3dulos diferentes, cubriendo los tres casos de uso de la plataforma<\/li>\n<\/ol>\n<\/li>\n\n\n\n
          3. Una herramienta de visualizaci\u00f3n y generaci\u00f3n autom\u00e1tica de informes<\/strong>, consistente en un interfaz que permite analizar y comparar distintos escenarios.<\/li>\n<\/ol>\n\n\n\n

            <\/p>\n\n\n\n

            La arquitectura de la plataforma se muestra en la siguiente figura:<\/p>\n\n\n\n

            \"Figura
            Figura 1. Arquitectura de la plataforma propuesta por el proyecto TravelInt.<\/figcaption><\/figure>\n\n\n\n

            Resultados<\/h2>\n\n\n\n

            La finalizaci\u00f3n del proyecto ha arrojado los siguientes resultados:<\/p>\n\n\n\n