© 2020 Nommon Solutions and Technologies, S.L. 

Follow us:

BD4PT.png

Big Data for Public Transport

La planificación y gestión de los sistemas de transporte requiere información precisa, fiable y actualizada sobre la demanda de viajes. La proliferación de fuentes de datos geolocalizados procedentes de dispositivos móviles ha dado lugar a nuevas formas de estudiar la movilidad de las personas y obtener información de demanda de transporte en un plazo de tiempo reducido y a un coste significativamente menor que el de los métodos tradicionales, eliminando o mitigando muchas de las limitaciones de las encuestas de movilidad (alto coste en presupuesto y plazo de ejecución, muestras pequeñas que impactan en la calidad de la información, etc.). Una de las fuentes de datos de mayor interés para la caracterización de la movilidad urbana es la procedente de los sistemas inteligentes de pago empleados en los servicios de transporte público. Cada cancelación del usuario deja un registro asociado a la hora en la cual se ha producido y a la línea y/o parada utilizada. Un adecuado análisis y fusión de estos datos con información de la red de transporte público, la oferta de servicios y la localización de los vehículos permite obtener información relevante, como el número de trayectos realizados al día, el origen y destino de los mismos, las horas de los viajes, número de trasbordos, etc. Esta información permite a las autoridades de transporte público evaluar sus políticas y proponer medidas de mejora en el servicio. Sin embargo, la explotación de estos datos es aún muy limitada debido a que, en muchas ocasiones, las autoridades de transporte no disponen internamente de las capacidades necesarias para aplicar las técnicas de Big Data que permiten explotar dicha información.

El presente proyecto pretende sentar las bases de una futura solución comercial que facilite a las autoridades públicas de transporte y a los operadores de transporte la explotación de estas fuentes de datos para monitorizar de manera continua la demanda de transporte público. Para ello, se propone investigar diferentes mejoras a un conjunto de métodos y técnicas descritos en el estado del arte e implementar y validar los nuevos algoritmos resultantes de dichas mejoras, tanto en el laboratorio como en casos de estudio realizados en colaboración con autoridades y operadores de transporte público. La solución a desarrollar analizará los registros procedentes de los sistemas inteligentes de pago en transporte público y los fusionará con otras fuentes de datos relevantes, ya sean propiedad de las autoridades públicas de transporte (por ejemplo, red de transporte, usos del suelo o datos de Sistemas de Ayuda a la Explotación (SAE)) o estén disponibles por otros medios para proporcionar información sobre la movilidad en transporte público y otras estadísticas de uso relevantes para la planificación y gestión de dichos sistemas.

Desde el punto de vista científico-técnico el proyecto aborda distintos aspectos para los que aún no se ha encontrado una respuesta plenamente satisfactoria:

1. Determinación de la secuencia de etapas del trayecto en transporte público: para aquellos sistemas donde sólo se valida al inicio del trayecto, sigue existiendo margen de mejora en los algoritmos encaminados a inferir la parada asociada al fin del trayecto y la identificación de transbordos entre diferentes líneas o modos. El análisis longitudinal de los datos y su fusión con otras fuentes que proporcionen información de contexto sobre los viajes son elementos centrales para una nueva aproximación al problema;

2. Determinación del origen y destino del viaje: más allá de la matriz de paradas que se obtiene al analizar únicamente los trayectos en transporte público, las autoridades de transporte público necesitan conocer el origen y el destino de los viajes asociados a dichos trayectos. Para ello es indispensable utilizar otras fuentes de datos que aporten información sobre la presencia y actividad de la población en las áreas de influencia de la red del transporte público. En este sentido se plantea el reto de integrar nuevas fuentes de datos que pueden proporcionar una medida dinámica de la presencia de la población en un área determinada, por ejemplo, registros anonimizados procedentes de las redes de telefonía móvil y/o datos geolocalizados procedentes de apps;

3. Elevación del comportamiento de la muestra al total de usuarios del transporte público: aunque el uso de los sistemas inteligentes de pago está ampliamente extendido entre los usuarios del transporte público, todavía hay un porcentaje de usuarios que utiliza títulos o medios de pago que no permiten la trazabilidad de los viajes. Por tanto, es necesario definir una metodología de elevación muestral que tenga en cuenta los datos disponibles sobre el universo de la muestra.