BD4PT

Big Data for Public Transport
2019 – 2021

El proyecto

BD4PT (Big Data For Public Transport) es un proyecto de investigación industrial liderado por Nommon y financiado por el Ministerio de Asuntos Económicos y Transformación Digital y el Fondo Europeo de Desarrollo Regional (FEDER) que propuso desarrollar una nueva tecnología capaz de procesar datos de sistemas inteligentes de pago y combinarlos con otras fuentes de datos (posicionamiento de vehículos, usos del suelo, datos anonimizados de telefonía móvil, etc.) para analizar los patrones de comportamiento de usuarios de transporte público y generar indicadores de movilidad para la planificación y gestión eficiente de los sistemas de transporte público.

El proyecto, con número de expediente TSI-100903-2019-37, se inició el 1 diciembre de 2019, con una duración de 18 meses y un presupuesto financiable de 282.739,00 euros.

Contexto

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 usuario deja un registro asociado a la hora a la que ha validado su billete 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 muy valiosa, 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 limitada debido a que, en muchas ocasiones, las autoridades de transporte no disponen internamente de las herramientas necesarias para aplicar las técnicas de big data que permiten explotar dicha información.

Objetivos de BD4PT

BD4PT buscó sentar las bases de una solución comercial que ayudara a las autoridades y operadores de transporte en la explotación de estas fuentes de datos para monitorizar de manera continua la demanda de transporte público. El proyecto propuso investigar diferentes mejoras para un conjunto de métodos y técnicas analíticas descritas en el estado del arte e implementar y validar los nuevos algoritmos con unos casos de estudio llevados a cabo en colaboración con autoridades y operadores de transporte público.

Desde el punto de vista científico-técnico el proyecto abordó distintos retos:

1. Determinación de la secuencia de etapas del trayecto en transporte público: se determinó que 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.

Entregables

Datos

Conferencias

Presentación Comité ITS España sobre Smart Cities | Integración con modelos de transporte y tráfico
Presentación ACARE WG1, Pedro García-Albertos | Intermodality, future projects
Presentación ITS España, Jornada sobre Infraestructura Inteligente y Conectada | Integración con modelos de transporte y tráfico
Presentación ITS España, ITS as a Service | Big Data: demanda en transporte público
Presentación Jornada Mobilitat Sostenible i Territori URV | Nuevas fuentes de datos para el estudio de la movilidad y la planificación territorial
Comunicación para el VIII Congreso Español de ITS | Big data y fusión de datos para el análisis y monitorización de la movilidad en transporte público

BD4PT, con número de expediente TSI-100903-2019-37, es un proyecto financiado por el Ministerio de Asuntos Económicos y Transformación Digital y el Fondo Europeo de Desarrollo Regional (FEDER). "Una manera de hacer Europa".