BigData4ATM

El proyecto BigData4ATM

BigData4ATM es un proyecto de investigación financiado por el programa SESAR 2020 Exploratory Research y dirigido a analizar nuevas fuentes de datos provenientes de dispositivos móviles personales para extraer información relevante sobre el comportamiento de los pasajeros aeroportuarios. El objetivo fue estudiar cómo estos datos pueden utilizarse en los procesos de toma de decisión de la gestión del tráfico aéreo (ATM, por las siglas en inglés de Air Traffic Management). El proyecto fue llevado a cabo por un consorcio compuesto por Nommon (coordinador del proyecto); dos centros de investigación líderes en ciencia de datos, IFISC y Fraunhofer-IAIS; una destacada universidad en economía del transporte, la Universidad Hebrea de Jerusalén; e ISDEFE, una empresa consultora con amplio conocimiento del sector de ATM.

Contexto

El objetivo principal de la política de transporte en Europa, tal como se define en el Libro Blanco de Transporte de la Comisión Europea de 2011, es “establecer un sistema que respalde el progreso económico europeo, mejore la competitividad y ofrezca servicios de movilidad de alta calidad, utilizando los recursos de manera más eficiente”. De acuerdo con este objetivo, la visión a largo plazo para el sector de la aviación descrita en el informe Ruta de vuelo 2050 – Visión de Europa para la aviación vislumbra un sistema de transporte aéreo centrado en el pasajero e integrado con otros modos de transporte. El objetivo final es proporcionar un viaje eficiente de puerta a puerta, mejorando la experiencia del pasajero y aumentando la resiliencia del sistema frente a eventos disruptivos. 

En contraste con esta visión general, las operaciones de ATM no siempre han incluido una perspectiva centrada en el pasajero, con objetivos de rendimiento y criterios de decisión (por ejemplo, reglas de priorización de vuelos) que no tienen en cuenta las consecuencias finales para los usuarios. Por ello, es necesario impulsar estudios para entender mejor las interacciones entre el sistema de ATM y las necesidades y comportamiento de los pasajeros. Sin embargo, los métodos tradicionales para recopilar datos sobre la actividad de los pasajeros, basados principalmente en observaciones y encuestas, presentan importantes limitaciones (por ejemplo, las respuestas incorrectas e imprecisas o la dependencia de la disposición de los encuestados) y requieren muchos recursos. Si bien las bases de datos de tráfico aéreo, sistemas de reservas de viajes y otros servicios de información pueden mitigar estos problemas, estas fuentes de información no logran capturar con precisión información crítica, como el origen y destino finales del viaje y los tiempos de viaje de puerta a puerta. El uso generalizado de dispositivos móviles geolocalizados abre nuevas oportunidades para recopilar esta información y superar las limitaciones de los enfoques tradicionales. Las mismas tecnologías de la información y las comunicaciones que permiten la comunicación bidireccional con los pasajeros permiten también la recopilación de información continuamente actualizada sobre la actividad y los patrones de movilidad, con un nivel de detalle sin precedentes.

Objetivos

El objetivo de BigData4ATM fue investigar cómo analizar diversas fuentes de datos geolocalizados y combinarlas con bases de datos tradicionales con información sociodemográfica y sobre las operaciones del transporte aéreo para extraer información relevante sobre el comportamiento de los pasajeros. El proyecto sirvió para explorar cómo aprovechar estos datos para alimentar los procesos de toma de decisión en ATM. Los objetivos específicos del proyecto fueron los siguientes:

• Desarrollar metodologías y algoritmos para adquirir, integrar y analizar múltiples fuentes de datos espacio-temporales no convencionales basadas en las TIC, incluidos registros anonimizados de teléfonos móviles, datos de geolocalización en interiores, registros de tarjetas de crédito y datos de redes sociales, entre otros, con el objetivo de caracterizar los patrones de comportamiento de los pasajeros.
• Crear nuevos modelos que traduzcan estos patrones en indicadores relevantes y aplicables para la planificación y gestión del sistema de ATM.
• Evaluar las posibles aplicaciones de las nuevas fuentes de datos, técnicas de análisis de datos y modelos desarrollados por el proyecto a través de varios casos de uso relevantes para el sistema europeo de ATM. Estos estudios incluyeron el desarrollo de métricas centradas en el pasajero, la mejora de los modelos de pronóstico de tráfico aéreo, el análisis del comportamiento de los pasajeros dentro del aeropuerto y su impacto en el sistema de ATM, y la evaluación de los efectos socioeconómicos de las disrupciones en el sistema de transporte aéreo.

Para más información sobre el proyecto, descarga el “position paper” de BigData4ATM​.

Entregables

• D1.3 Final Project Results Report.
• D2.1 Inventory and Quality Assessment of Data Sources for ATM Socioeconomic and Behavioural Studies.
• D3.1 Analysis of Passenger Behaviour from ICT-based Geolocation Data.​​
• D4.1 Applications of Passenger-Centric Geolocation Data to the Planning and Management of the ATM System: Case Studies.

Publicaciones científicas

• P. García, O.G. Cantú Ros, C. Ciruelos and R.Herranz (2017) “Understanding Door-to-Door Travel Times from Opportunistically Collected Mobile Phone Records: A Case Study of Spanish Airports“, in D. Schaefer (Ed.) Proceedings of the SESAR Innovation Days 2017, EUROCONTROL.
• R. Gallotti, M. Fuster and J.J. Ramasco (2017) “New Data Sources to Study Airport Competition“, in D. Schaefer (Ed.) Proceedings of the SESAR Innovation Days 2017, EUROCONTROL.
• P. García, J.J. Ramasco, G. Andrienko, N. Adler, C. Ciruelos and R. Herranz (2016) “Big Data Analytics for a Passenger-Centric ATM System: A Case Study of Door-to-Door Intermodal Passenger Journey Inferred from Mobile Phone Data“, in D. Schaefer (Ed.) Proceedings of the SESAR Innovation Days 2016, EUROCONTROL.