El proyecto europeo Transforming Transport se encamina a su último año de trabajo en materia de I+D+i con algunas de las primeras soluciones desarrolladas con el fin de utilizar el big data para mejorar la movilidad en Europa. Es el caso del nuevo módulo de integración, análisis y modelado de datos que Indra, uno de los 48 socios del proyecto, ha desplegado dentro de una de sus propias soluciones de control, Mova Traffic, y que ha aplicado a los procesos de operación y mantenimiento de la alta velocidad ferroviaria y el tráfico vial.
![Indra es uno de los 48 socios del proyecto europeo Transforming Transport que trabaja para mejorar los sistemas de transporte en Europa a través del big data.](https://static.esmartcity.es/media/2018/11/indra-desarrolla-soluciones-aplicables-ferrocarril-carreteras-proyecto-transforming-transport-dentro.png)
El proyecto europeo, financiado por el programa H2020, está llevando a cabo 13 pilotos con diferentes formas de transporte. Indra, que lidera cuatro de estos pilotos, desarrolla el piloto de mantenimiento ferroviario inteligente en España, en el tramo de alta velocidad entre Córdoba y Málaga, con la colaboración de Adif, Ferrovial Agroman, Thales y CI3.
Este piloto ha avanzado en la recopilación de datos con las actividades de mantenimiento y la circulación de los trenes, la topología o la meteorología, revelándose como fuentes de datos de mayor calidad para el mantenimiento predictivo las inspecciones dinámicas, que proporcionan información sobre la interacción entre el tren y la vía, y las inspecciones geométricas, que informan sobre el ancho de vía, su alineación, deformación y desviación.
Predicción de la degradación de infraestructuras ferroviarias
Gracias a la integración, el análisis y el modelado de los datos, mediante big data e inteligencia artificial, la herramienta desarrollada permite predecir la degradación de cada elemento de la infraestructura (vía, enclavamientos, desvíos, etc.), la probabilidad de fallo y su severidad.
El operador puede acceder a toda esta información sobre los activos, su mantenimiento y el tráfico, así como generar informes y gráficos. Este nuevo conocimiento ayuda a la toma de decisiones, mejora la planificación del mantenimiento, facilita el mantenimiento predictivo, reduce los costes y la degradación de la infraestructura.
Además de mejorar el mantenimiento, el equipo del piloto trabaja actualmente para incorporar toda esta información a la operación ferroviaria, mediante la plataforma de gestión ferroviaria DaVinci, el sistema TMS de Indra, con el objetivo de optimizar también el uso de la infraestructura ferroviaria. El objetivo es contar con un sistema en tiempo real que, junto con los datos de tráfico y el cronograma planificado de trenes, utilice los resultados del modelo predictivo desarrollado.
Pilotos sobre carreteras inteligentes
En España, además del piloto sobre transporte ferroviario, se están haciendo pilotos sobre carreteras inteligentes dentro de Transforming Transport. Indra lo lleva a cabo con el apoyo de la DGT y en colaboración con Cintra y Ci3, en la autopista Ausol, que conecta las ciudades de Málaga, Estepona y Guadiaro en el sur España, y en la autopista Norte Litoral en Portugal, que se extiende desde Oporto a Caminha y de Viana do Castelo a Ponte de Lima.
Sobre la plataforma de gestión de tráfico y túneles Horus de Indra, se está desplegando en condiciones casi reales un módulo de big data e inteligencia artificial para gestionar todos los datos procedentes de más de 20 fuentes (datos de tráfico, peajes, mantenimiento, meteorológicos, redes sociales, etc.).
El fin es detectar patrones y mostrar información de valor añadido en tiempo real al centro de control de tráfico, con el fin de facilitar la toma de decisiones. La herramienta ya está mostrando su potencial para optimizar el uso de la infraestructura y las labores de mantenimiento, minimizar las congestiones y reducir los accidentes en el transporte por carretera.
Modelos de predicción de tráfico
Por ejemplo, los modelos de predicción de tráfico desarrollados pueden predecir los cuellos de botella en las estaciones de peaje con hasta dos horas de antelación. Esto permite ganar mucho tiempo de reacción para poder prevenirlos o mitigarlos trasladando más personal al lugar o promoviendo en los conductores cambios en los accesos y salidas de la autopista, en el uso de determinados carriles o modos de pago en cada caseta del peaje.
También se han desarrollado modelos predictivos para incidentes en la carretera, lo que ayuda al centro de control a tomar decisiones más rápidas cuando se dan condiciones extraordinarias y cuando el tiempo de reacción es crítico. Los modelos ya se acercan a poder predecir la probabilidad de un incidente en un momento concreto, como la tarde antes de un festivo en verano o en las noches de sábado de diciembre. Esta información se podría compartir, además, en tiempo real con los servicios de emergencia, mejorando la seguridad.
Detección Acústica Distribuida (DAS) basada en fibra óptica
El piloto de Portugal será una réplica del de Málaga, pero además explotará nuevas fuentes de datos proporcionadas por sistemas inteligentes de transporte (ITS) emergentes, como la detección acústica distribuida (DAS), basada en la fibra óptica enterrada a lo largo de la carretera, una solución de Indra que permite a los centros de control de tráfico recibir avisos en tiempo real cuando un vehículo choca contra una barrera de seguridad.
Además de la tecnología de control de Indra Mova Traffic, presente en los sistemas DaVinci y Horus, tanto el piloto ferroviario como los pilotos de autopistas inteligentes, utilizan Onesite Platform, (antes Minsait IoT Sofia2) la plataforma con capacidades de IoT y big data de Minsait, filial de Indra, para integrar, analizar y relacionar los datos de las diferentes fuentes. De esta forma, además de aportar sus soluciones y experiencia en el sector del transporte, Indra contribuye al proyecto con sus capacidades digitales.