Mobidata: Un nuevo paradigma para conocer los patrones de movilidad en la ciudad de Barcelona
Monitorización de los episodios de malos olores en Vacarisses
septiembre 15, 2021
Desarrollan robots cooperativos para recolectar uvas de mesa
septiembre 8, 2021Actualmente, la movilidad es una de las principales preocupaciones en las áreas urbanas. La movilidad se puede definir como el movimiento de personas y bienes de una manera eficiente y segura, y se puede considerar que es la capacidad de viajar cuando y donde el viajero o los bienes necesitan. Esto significa que la movilidad urbana es un medio para garantizar una finalidad, es decir, la accesibilidad, que quiere decir que los ciudadanos deben llegar a destinos para satisfacer sus necesidades y acceder a las ubicaciones de las actividades.
La movilidad también debe ser sostenible y contabilizar varias modalidades de transporte, bien tradicionales o nuevas formas surgidas del desarrollo de las TIC (Tecnologías de la Información y la Comunicación), para alcanzar la accesibilidad.
A partir de este análisis y de la base de que cualquier intervención en una ciudad debe fundamentarse en una comprensión profunda de la entidad urbana, el inLab FIB, a través de CARNET, ha llevado a cabo un análisis de los patrones de movilidad y de los procesos asociados que se determinan mediante interacciones sistémicas entre el sistema de transporte y los usos del suelo.
Tradicionalmente los datos procedían de instalaciones en las carreteras, la mayoría propiedad de las administraciones públicas, que junto con encuestas a la población, de los cuales se extraían las matrices Origen-Destino, matrices que dan información sobre dónde inician y donde terminan los ciudadanos sus viajes por una determinada ciudad o àrea y durante un periodo de tiempo preestablecido.
Las nuevas fuentes de datos procedentes de las TIC abren un nuevo paradigma y pueden aportar una valiosa información sobre los patrones de movilidad, los tiempos de viaje y las matrices Origen-Destino. El proyecto MOBIDATA, que así se llama, explora las fuentes procedentes de los datos de tracks GPS para establecer estos patrones de uso de los caminos en una red de tráfico o inferir el nivel de congestión, o bien obtener una matriz Origen-Destino. A nivel metodológico, estos datos ofrecen muchas posibilidades. No sólo proporcionan información sobre el inicio y el final de los viajes, sino que además dan información bastante exacta sobre las rutas que hacen los ciudadanos. Así, se puede saber cuánta gente circula por cada calle y en qué tipo de vehículos se desplaza, por lo que se puede conocer el nivel de congestión viaria que hay.
Actualmente se está trabajando en la metodología a seguir por el filtrado y tratamiento de estos datos.
En el proyecto ha participado también la empresa alemana PTV-AG. El presupuesto es de 15.000 Euros y ha tenido una duración de 3 meses (2021).
Proyectos Relacionados
- MobilitApp es una aplicación capaz de predecir el modo de transporte empleado por la ciudadanía mediante una herramienta basada en aprendizaje profundo a partir de tres sensores del teléfono móvil.
- Els vehicles autònoms són una realitat a la qual ens acostem a poc a poc, però de manera inexorable. El Centre de Desenvolupament de Sensors i Sistemes (CD6) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC) ha desenvolupat tecnologies per a aquest tipus de vehicles, que milloren la seguretat en els desplaçaments. En aquest sentit, i per cobrir les necessitats de percepció de l’entorn a llarg abast, es requereix el desenvolupament d’un conjunt molt complet de sensors, entre els quals s’inclouen càmeres, LIDAR (Light Detection And Ranging) i radar.
- El objetivo de ANEM, en el que participa el SISCOM de la UPC, ha sido desarrollar, con modelos y técnicas de última generación, una plataforma modular capaz de generar datos sintéticos (es decir, no reales pero que servirán para entrenar la inteligencia artificial) protegidas de posibles amenazas en el ámbito de la ciberseguridad.
- La movilidad del futuro tiene que ser más inteligente, sostenible y conectada. En este contexto, el proyecto ‘Soluciones para la movilidad inteligente’, en el que ha participado el Laboratorio de la Facultad de Informática de Barcelona (inLab FIB) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC), ha logrado el desarrollo de un modelo predictivo de la ocupación de pasajeros en autobuses del transporte público basado en métodos de aprendizaje profundo (Deep Learning).
