Importancia del Big Data en los medios de transporte público

La congestión de las ciudades es un problema que preocupa a las administraciones locales y se debe invertir en tecnologías que hagan posible la optimización del tráfico. Como he hablado en otros artículos y esta vez tomando referencias que se han hecho en otras ciudades, el sistema Transmilenio y Sitp de Bogotá debería tomar ejemplo, ya que creo tiene datos suficientes pero no los aplica para su mejora. En otras ciudades se han implementado sistemas a partir de los datos que les llegan al centro de control de tráfico. Una primera fase es de intentar optimizar el tráfico y tener el conductor de los datos en tiempo real para que pueda tomar alternativas a la ruta trancada y una segunda opción es aplicar algoritmos más avanzados para que se aplique una capa predictiva. Singapore logra un 90% (según nos comenta Anthony M. Townsend) de capacidad predictiva en las horas próximas a que ocurra, con lo cual puede redirigir el tráfico y hacer frente con mas ahínco a la situación de los trancones y accidentes.

Un ejemplo a seguir es Londres, con la implementación de un sistema sociotécnico (llamado TfL, con artículos que dan la relevancia de un proyecto hecho realidad y del cual me he basado en los escritos del experto mundial Bernard Marr tanto en artículo de Forbes como en un libro) que está avanzando en la línea de analizar toda la cantidad de datos generados en los medios de transporte multimodales de la ciudad de Londres y pensando en el beneficio que supone a millones de personas que habitan esta ciudad.

Para ello la recogida de datos tiene dos vertientes: servicios de planificación a partir de los datos que se arrojan e interpretan todos los días en el ecosistema de transporte de Londres y por otro lado, revertir de manera visual el suministro de información hacia el pasajero de este sistema de transporte.

¿Cómo trabaja este sistema con los datos recogidos del Big Data?

TfL utiliza principalmente los datos masivos de tres maneras:

1) Mapeando los viajes de los pasajeros de manera anónima y por medio de la introducción en el sistema de las tarjetas inteligentes Oyster. Además con la hora, el lugar y el recorrido que hace un viajero en un sólo medio de transporte o en distintos medios de transporte, de una manera más granular y con la consiguiente retroalimentación para mejorar el sistema y poder hacer el transporte público personalizado haciendo que el medio de transporte vaya a ti y tu no a él.

2) Tener presente que pueden haber fallas y que se deben gestionar estos eventos inesperados. Quiero decir, si en hay un fallo o avería en el metro se pueda gestionar este incidente en beneficio del cliente/viajero, sabiendo cuantas personas han tenido este fallo por la tarjeta inteligente de la estación de origen a la de destino y además con la hora exacta de partida. El viajero puede pedir el reembolso por medio de la app y automáticamente se le reembolsa el dinero o será descontado la próxima vez que viaja. En este aspecto, se pueden ir aumentando los aspectos a mejorar a partir de los datos que se irán implementando en el futuro.

3) La personalización de la información o rutas de sus viajes es algo en lo que ha puesto énfasis TfL. Lauren Weinstein Sager jefe de la analítica en TfL, dice “si sabemos que un cliente utiliza con frecuencia una estación en particular, podemos incluir información sobre los cambios de servicio en esa estación casi en tiempo real y su actualización. Entendemos que las personas reciben una gran cantidad de correo electrónico en estos días, por lo que el exceso puede ser abrumador. Nos centramos en el envío de información específica y relevante para nuestros clientes”.

En resumen, los datos ayudan a TfL a proporcionar un mejor servicio a los clientes (customer service) y a la vez, se planifica desde un principio un modelo de negocio con los datos. Es clave tener los objetivos claros, saber lo que se quiere lograr y no dispersarse ante el gran volumen de datos (su plataforma analítica procesa 150 Terabytes de información de media hace un año). Trabajan de la mano del MIT (Massachusetts Institute of Technology) para lograr los objetivos planteados.

Sus sistemas actualmente se ejecutan por varias plataformas basadas en Oracle y Microsoft, pero en estos momentos están en fase de trabajar con Hadoop y otras soluciones de código abierto ante la creciente avalancha de datos que están procesando. En un futuro quieren empezar a trabajar con un análisis en tiempo real e ir integrando una gama más amplia de fuentes de datos para mejorar los planes de servicio, la personalización y la información al usuario del transporte de Londres.

Este sistema de transportes (TfL) se ha implementado de una forma inteligente. Para concluir el señor Sager dice que “Big Data es siempre muy interesante, pero a veces se queda ahí y es sólo interesante. Es necesario encontrar un modelo de negocio”. Y diría un servidor, ese modelo de negocio es clave para darle valor, estructura y sostenibilidad en el tiempo.

Imagen: @Unsplash, distribuida con licencia Creative Commons BY-SA 2.0

1 comentario a esta entrada.

Déjanos un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

SUSCRÍBASE A NUESTRO NEWSLETTER