Comunicación presentada al IV Congreso de Ciudades Inteligentes
Autores
- Julian Sastre González, Socio Director Ingeniería y Economía del Transporte, S3Transportation
- Cinta Romero Adame, Directora España y América Latina, S3Transportation
- José Luis Tovaruela Garrido, Director Proyectos, qosITconsulting
- Alfredo García Hernández-Díaz, Chief Scientific Officer, qosITconsulting
- Juan Carlos Rubio, Director General, qosITconsulting
Resumen
La movilidad en áreas metropolitanas requiere de actuaciones decisivas por una movilidad sostenible. Deben basarse en una amplia toma de datos que fundamenten la toma de decisiones. Tradicionalmente se han venido realizando amplias campañas basándose en encuestas domiciliarias presenciales y/o telefónicas. Estas siguen presentando problemas: coste, desuso de la telefonía fija, dependencia del hogar, etc. Presentamos una metodología de recopilación y análisis de la información en tiempo real sobre movilidad mediante una primera captura de información a través de dispositivos móviles (precisión GPS) y una segunda fase de análisis mediante algoritmos que transforman estos datos de localización y tiempos en información útil para la movilidad: ¿cuánto, cómo y dónde se mueve?.
Palabras clave
Big Data, Movilidad, Encuestas, Transporte, Modelos, Motus, Anonimato, Fiabilidad, Urbano, Metropolitano
Enfoque del problema: la movilidad en las ciudades
La movilidad en las ciudades y áreas metropolitanas requiere cada vez de más actuaciones decisivas en favor de una movilidad sostenible de acuerdo con las directrices europeas y no puede dar la espalda a los avances en Tecnología, sino todo lo contrario, aprovecharla y enriquercerse de ésta.
Estas actuaciones, en un entorno bien complejo como es el de las áreas urbanas, debe basarse en una amplia toma de datos que fundamenten la toma de decisiones. Por ello, contar con una gran cantidad y variabilidad de datos de calidad permitirían defender mejor los proyectos (necesidad y viabilidad), y no solo fundamentarlos. Por lo tanto, los datos son un instrumento clave en los procesos de participación ciudadana y concertación de gran importancia en planes de movilidad urbana sostenibles.
Inconvenientes de las tomas de datos actuales
Tradicionalmente se han venido realizando amplias campañas de trabajo de campo, basándose una gran parte en encuestas domiciliarias. En una determinada época, en Europa, se basaban en encuestas domiciliarias presenciales, que prácticamente se han abandonaro, sustituyéndose por encuestas telefónicas. Estas encuestas siguen presentando una serie de problemas que incrementan el sesgo en este tipo de estudios:
- Son muy costosas y, como consecuencia, el tamaño de la muestra que se realiza finalmente suele ser muy reducido.
- Cada vez existen menos hogares con teléfono fijo y las bases de datos de móviles no son tan sencillas de manejar y mantener.
- Siguen teniendo una dependencia del hogar, cuando la movilidad depende en realidad del individuo.
- Sólo aporta información, en general, de un día laborable tipo o medio
Soluciones tecnológicas basadas en algoritmos y modelos: el Proyecto Motus
Motus es una solución tecnológica integral, desarrollada conjuntamente por qsoITconsulting y S3Transportation, y que está basada en una plataforma tecnológica cloud soportada por una biblioteca de algoritmos y modelos matemáticos de Machine Learning, que permite recopilar datos de manera masiva y en tiempo real (Big Data) mediante una aplicación móvil y tratarlos también en tiempo real para extraer información valiosa que ayude a la toma de decisiones y en la definición de soluciones alternativas de movilidad basadas en información abundante y precisa. En definitiva:
- Motus resuelve un problema de captura de información de movilidad que dificulta los procesos de toma de decisión y de desarrollo de soluciones en aras de una movilidad sostenible.
- Motus introduce una solución digital, innovadora y disruptiva que permite cambiar la forma de captura de datos y la creación de bases de datos de movilidad urbana y metropolitana para estudiar la demanda de movilidad, y desarrollar planes de transporte.
El funcionamiento de Motus es el siguiente: Por una parte, se parte de una aplicación móvil que sirve para que los usuarios, tradicionales encuestados, aporten la información solo con llevarla instalada en sus dispositivos móviles (principalmente los teléfonos). Tras rellenar un breve cuestionario con 5 preguntas básicas (anónimas en el proceso de instalación inicial), la aplicación informará y almacenará de manera absolutamente anonimizada las posiciones geolocalizadas (mediante el uso de GPS) con alta precisión.
Posteriormente, toda la información recopilada en las bases de datos de la plataforma MathIT, propieda de qosITconsulting, es analizada con potentes herramientas de Inteligencia Artifical, Machine Learning y Data Mining para convertirla en datos sobre la movilidad.
El objetivo de Motus es, por tanto, conseguir responder a las 7 preguntas que todo Estudio de Movilidad debe plantearse:
- Quién se mueve, para caracterizar el viajero. En este punto, evidentemente cuanto más se pueda detallar esta caracterización, mucho más valor podremos obtener de los datos, pero hay cinco datos que son considerados básicos:
- Edad (o rango de edad)
- Género
- Ocupación
- Situación socio-económica
- Tiene coche propio o no
- Por qué se mueve, el motivo del viaje. En este punto, es muy importante diferenciar entre lo que sería un traslado “obligado” (por trabajo o estudios mayormente), o un traslado “no obligado” (ocio, deporte, compras, sanidad, etc.).
- Cuándo se mueve. Fechas, días de la semana, del mes, horas.
- Cuánto se mueve. En este punto se buscaría identificar si ese traslado es “recurrente” (trabajo, estudios, etc.) o “circunstancial” (compras, ocio, etc.).
- Cómo se mueve. En este punto se precisa identificar de qué manera se está moviendo ese individuo, si lo hace a pie, en bicicleta, en autobús, metro, avión, taxi, etc.
- Dónde se mueve, Origen y destino. En este punto necesitamos identificar para cada trayecto, los puntos de origen y destino.
- Cuánto le cuesta moverse. En este punto necesitamos identificar cuál es el coste del trayecto realizado.
El valor añadido
Motus proporciona una solución que, a coste competitivo, aporta información de una muestra con mayor precisión, mayor número de personas y tipo de día, que permite disponer una fotografía de la situación de la movilidad en un determinado momento y área de estudio inexistente hasta la fecha, y así tomar mejores decisiones.
Seguridad, confianza y anonimato
Esta solución tecnológica se basa y soporta en infraestructura cloud de Microsoft Azure, fiable, escalable y segura, que permite ofrecer servicios altamente exigentes, proporcionando un altísimo grado de disponibilidad replicando en varios centros de datos de diversas regiones. Así, se obtienen los datos, se anonimizan los atributos que identifican al usuario y nunca se usa la información del usuario ni anonimizada para otros fines. MS Azure garantiza la seguridad del acceso a los datos de manera garante y acorde a los estándares de seguridad de la información.
Motus asegurará siempre y en todo momento la absoluta anonimidad del usuario final, sin almacenar ningún tipo de dato en ningún momento que permita la asociación de un determinado dispositivo con una persona específica ni con un número de teléfono, tarjeta SIM, tipo de dispositivo móvil, etc.Se asegurará el más estricto cumplimiento de todos los estándares nacionales e internacionales de seguridad y confidencialidad en el proceso de registro, extracción y almacenamiento de los datos asociados a Motus. De manera adicional, se está trabajando para conseguir las certificaciones y esponsorizaciones del más alto nivel posible para trasladar esa seguridad hacia los individuos que en último término deberán instalar y mantener instalada la aplicación en sus dispositivos.
Actualmente, Motus es una solución que ha sido capaz de solventar los principales inconvenientes y riesgos de un proyecto de estas características:
- Confianza en la seguridad de la aplicación móvil
- Trazabilidad de la localización del dispositivo
- Confianza en el anonimato del dispositivo
- Uso de batería
- Uso de espacio de almacenamiento
Conclusiones y grandes retos
Si bien este proyecto aporta una solución tecnológica de gran calidad basada en información precisa de GPS y algoritmos y modelos matemáticos ya probados, presenta todavía algunos retos para su aplicación. EL principal de ellos es que requiere de datos que se recopilan por una aplicación que debe instalarse en los móviles. Esto no es fácil, ya que los usuarios y ciudadanos no siempre cooperan. Tres son las estrategias para solvertarlo:
- Campaña de incentivos ciudadanos dirigida por las Administraciones, lo que implica un cierto coste.
- Inclusión en aplicaciones existentes de amplia difusión, como por ejemplo, las de transporte público de la ciudad o el área metropolitana.
- Aplicación corporativa en instituciones concretas o centros empresariales para resolver problemas en grandes equipamientos o en áreas de negocios.