Atascos, trenes que llegan con retraso, rutas inverosímiles, metros que no cubren la demanda, convoyes vacíos, sobrecostes, emisiones desmedidas… El transporte y la movilidad tienen muchos frentes abiertos. ¿Puede el análisis de Big Data contribuir a mejorar la situación en alguno de ellos?
Solo en España, se realizan decenas de millones de desplazamientos urbanos al día. Madrid se acerca a los 13 millones, mientras Barcelona registra casi 10 millones. Las áreas metropolitanas de Valencia, Sevilla y Bilbao superan los tres millones, según los datos del Observatorio de la Movilidad Metropolitana.
[hde_related]
Estos millones de movimientos son de todo menos homogéneos. Combinan vehículos privados con autobuses, metros, trenes y tranvías. Fluctúan en horas punta a lo largo del día y registran jornadas con mucha más congestión que otras. Y varían en gran medida en función de la zona en la que se producen. Además, se ven afectados por variables puntuales y más o menos imprevistas, como la celebración de un evento o un fenómeno meteorológico adverso.
Toda esta variabilidad repercute, en el caso del transporte urbano, sobre las administraciones encargadas de organizar el sistema público, así como sobre las empresas gestoras de los servicios. Es decir, afecta a la gobernanza inteligente de las ciudades. Pero también influye en las operaciones de las compañías de transporte interurbano, las líneas aéreas, las empresas de logística o las compañías de viajes turísticos.
[infogram id=»transporte-big-data-1h7g6ky0mg704oy?live»]
El potencial del análisis de grandes conjuntos de datos para mejorar eficiencias operativas, reducir costes, minimizar riesgos y, en última instancia, reforzar la satisfacción del cliente y la habitabilidad de las ciudades es real. A continuación, analizamos tres casos de aplicación de tecnología Big Data en el sector del transporte y la movilidad.
TfL, MIT y el transporte integrado de Londres
Los algo más de ocho millones de habitantes de Londres se convierten en 10 durante el día. La capital de Reino Unido es una de las ciudades más ajetreadas de Europa. Cada 24 horas, se producen más de 20 millones de desplazamientos solo en el sistema de transporte público integrado de Londres. 20 millones de eventos de los que recabar valiosos datos para la gestión inteligente de la red de transporte.
Transport for London (abreviado como TfL) es la autoridad que controla y gestiona todo el tráfico de la ciudad, en la superficie y bajo tierra, incluyendo el metro, el tranvía ligero, los autobuses urbanos y el tránsito de la mayoría de las calles. Durante los últimos años, TfL ha estado desarrollando un intenso proyecto de colaboración con el Instituto Tecnológico de Massachussets (MIT) para estudiar la aplicación de la tecnología Big Data en su campo de acción. Entre los resultados obtenidos, destacan:
- Sistema para predecir los patrones de movilidad individual. Con precisiones superiores al 80% (y del 90% una vez que el pasajero ha iniciado su viaje), el sistema se utiliza para ofrecer información personalizada del viajero, gestionar la demanda de forma específica y operar la red de transporte dinámicamente.
- Predicción de la demanda total en tiempo real. El método desarrollado es especialmente útil durante eventos puntuales y masivos. Mediante el análisis de datos obtenidos de las estaciones en tiempo real, los picos de demanda pueden gestionarse de forma eficiente. Así, la calidad del servicio no se ve perjudicada.
- Integración de sistemas de movilidad autónoma bajo demanda. Gracias a la gran cantidad de datos recabados durante los últimos años, el MIT y la agencia TfL han desarrollado una serie de modelos para estudiar el impacto probable de los vehículos autónomos y los servicios de movilidad bajo demanda en la red de transporte. Entre las conclusiones de su investigación, resaltan la importancia de la gestión predictiva de la demanda mediante técnicas de Big Data para optimizar las operaciones.
Orange y Flux Vision, en la práctica
Una de las grandes ventajas de las soluciones de Big Data es su escalabilidad y flexibilidad. Un algoritmo de análisis para predecir la demanda y los patrones de movimiento de las personas. Por ejemplo, puede utilizarse para la industria del turismo, para el comercio y, claro, para el transporte y la movilidad. Este es el caso de la solución Flux Visión de Orange, utilizada en festivales de música o compañías hoteleras, y que también tiene su hueco en empresas de transporte.
[hde_summary] La solución Flux Vision de Orange proporciona a las autoridades de movilidad onformación sobre los patrones de viaje y el tráfico ya sea por línea de transporte o datos en tiempo real acerca de los distintos puntos de congestión[/hde_summary]
Los municipios del valle de Chamomix, en Francia, reciben más de tres millones de turistas al año. Se encuentra a los pies del mítico Mont Blanc, uno de los techos de Europa. Con el objetivo de conocer mejor el perfil de los visitantes y cómo se desplazaban, se implementó la solución FluxVision de Orange. Con el uso de Big Data, las autoridades locales lograron, entre otras cosas, anticiparse mejor a los picos de demanda y ajustar mejor sus recursos.
FluxVisión también se ha puesto en marcha en la Costa Azul francesa con el objetivo de conocer los patrones de desplazamiento de los 11 millones de turistas que la visitan cada año, tanto en referencia a cuándo llegan y cuándo se van como en relación a sus movimientos durante las vacaciones. De nuevo, gracias al análisis de datos masivos, se ha logrado conocer mejor los comportamientos en las áreas más concurridas y, en especial, durante eventos puntuales que suponen picos de afluencia.
La solución Flux Vision de Orange proporciona a las autoridades de movilidad, así como a las compañías de transporte, información sobre los patrones de viaje y el tráfico por línea de transporte o datos relevantes en tiempo real acerca de los distintos puntos de congestión. Además, permite comparar el desempeño de las redes de transporte entre diferentes ciudades, con el objetivo de mejorar la eficiencia de todo el sistema.
La gestión inteligente de pasajeros aéreos en Atenas y Milán
Con 24,7 y 24,1 millones de pasajeros en 2018 (datos de ACI), los aeropuertos de Milán Malpensa y Atenas son los números 27 y 29 en el ranking de aeropuertos más transitados de Europa. Tienen tráfico, pero se alejan de las cifras astronómicas de Londres (Heathrow superó los 80 millones) y París (72 millones en el Charles de Gaulle). Por eso, ambos fueron seleccionados para estudiar el impacto de la tecnología Big Data en las operaciones aeroportuarias dentro del proyecto Transforming Transport de la Unión Europea.
“El crecimiento en el número de pasajeros y el tráfico aéreo están generando grandes cantidades de datos”, señalan desde la web del proyecto. “Si bien los datos generados serían demasiado difíciles de manejar con los sistemas de bases de datos tradicionales, el análisis de datos masivo puede superar este desafío […] Con la tecnología Big Data, pueden explotarse los datos obtenidos de todos los sistemas en tierra y a bordo para generar nuevos modelos predictivos mucho más precisos y mejorar así la operación del aeropuerto”.
[hde_summary] En el aeropuerto de Atenas ha sido posible predecir los retrasos por culpa de pasajeros que llegaban tarde a la puerta de embarque. Y reducir los tiempos de conexión entre vuelos. El resultado es la mejora de las operaciones diarias del aeropuerto y el incremento de la seguridad[/hde_summary]
En el caso de Atenas, se aplicaron tecnologías Big Data para estudiar los patrones de comportamiento de los pasajeros. Fue posible predecir los retrasos por culpa de pasajeros que llegaban tarde a la puerta de embarque y reducir los tiempos de conexión entre vuelos. El resultado final fue la mejora de las operaciones diarias del aeropuerto y el incremento de la seguridad.
En Milán Malpensa, ya con los resultados de Atenas en la mano, se estudió la aplicación de Big Data para reducir los tiempos que transcurren entre que una aeronave aterriza y vuelve a despegar (conocido por el término inglés turnaround time o TAT). Para ello, se aplicó el análisis avanzado sobre los datos históricos de varias aerolíneas. De esta manera, fue posible mejorar la operativa del aeropuerto. Y diseñar una nueva estrategia para los procesos de embarque y reducir los tiempos en pista de las aeronaves.
El poder de los datos reside en la información que pueda extraerse de ellos. Con el aumento exponencial de la cantidad de datos disponibles (dispositivos conectados e internet de las cosas) y la mejora continua de las capacidades de almacenamiento, procesamiento y análisis, la tecnología Big Data tiene el potencial de extraer información útil para mejorar el funcionamiento de los servicios movilidad y los sistemas de transporte de todo el planeta.
Imágenes | Unsplash/Firdouss Ross, Humphrey Muleba, Carlos Zurita, Matt Twyman
