Alumnos de la Unicén trabajan en un estudio de movilidad sobre el transporte público
El transporte público es utilizado por gran parte de los ciudadanos comunes, incluso muchos de los usuarios dependen del correcto funcionamiento de las líneas urbanas para no retrasarse en sus compromisos diarios. Este tipo de cuestiones, casi rutinarias, de las personas que se ven afectadas por la experiencia que perciben de un servicio público son factores determinantes a la hora de plantear diferentes alternativas para mejorarlo. Tal es así que los alumnos de la Facultad de Ciencias Exactas de la Universidad Nacional del Centro Gonzalo Amat e Iván Pedro se propusieron trabajar en un proyecto de tesis de grado para la carrera de Ingeniería en Sistemas denominado “Análisis comportamental de las personas mediante la predicción inteligente de movilidad en el transporte público”, bajo la dirección de Luis Berdún y Alvaro Soria, de la Unidad Ejecutora del Instituto Superior de Ingeniería del Software de Tandil (Isistan).
Recibí las noticias en tu email
Dentro de las características para mejorar este servicio se distingue, por ejemplo, la inclusión del pago electrónico mediante el uso de tarjetas, lo que permite contar con información específica de los viajes de cada pasajero. Tras analizar las diferentes alternativas de estudios posibles mediante el aporte de la información mencionada, los alumnos decidieron automatizar el estudio tradicional de encuestas origen/destino, el cual es un método ampliamente utilizado y de suma importancia para estimar los flujos de viajes de las personas entre las zonas de una ciudad.
El proyecto de tesis busca mejorar el servicio de transporte público a través de un estudio de movilidad origen/destino, que permita analizar numerosas cuestiones que logren una mejor experiencia del usuario y beneficien diferentes aspectos a futuro.
Para lograrlo utilizaron la información de los viajes de cada pasajero, con el fin de implementar un algoritmo inteligente que logre predecir la zona de bajada de los mismos, dependiendo de las de subida, y así ultimar el estudio del trayecto completo.
La intención es saber cuántas personas están presentes en los colectivos en tiempo real, detectar y dimensionar los instantes en que se supera el límite recomendado de viajeros y en consecuencia, se resiente el confort, como así también conocer los principales trayectos por parada o zona, frecuencia del trayecto, motivo del mismo, perfil sociodemográfico, transbordos con otras líneas y modos de transporte. Para recaudar estos datos, utilizaron una aplicación llamada “Contador de pasajeros inteligente basado en predicciones” (CPIP).
El método
Hoy, los pequeños receptores de GPS portátiles están al alcance de todos. Mediante este dispositivo el usuario puede determinar con exactitud su ubicación y desplazarse fácilmente al lugar a donde desea trasladarse, ya sea andando, conduciendo, volando o navegando. En este caso, el sistema de geolocalización resulta de gran utilidad para la problemática en cuestión, ya que se necesita estudiar las posiciones geográficas en donde los usuarios utilizan el transporte público, además de conocer las posiciones de los colectivos.
Otro elemento provechoso es el pago electrónico. En la actualidad, Tandil cuenta con la tarjeta SUMO que, entre otros servicios, permite abonar virtualmente el boleto. Además, dispone de una aplicación móvil/web donde los usuarios consultan su saldo, pueden ver los diferentes recorridos de las líneas de colectivos de la ciudad y, a su vez, observan en tiempo real la ubicación de las líneas circulantes, lo que brinda un mejor servicio al pasajero, en el sentido de que puede manejar sus tiempos a la hora de especular para tomar un micro.
El proyecto propuesto por Amat y Pedro no requiere de la instalación de ningún hardware extra (solo el sistema de cobro por tarjetas ya existente en los colectivos), y la información recolectada permite obtener datos de cada pasajero (como su identificación de tarjeta, cantidad de viajes realizados, fecha de los mismos, entre otros) lo cual puede utilizarse para estudios a futuro.
El funcionamiento
Según plantean, el inicio de la interacción con el sistema se puede producir de dos maneras. La primera, cuando un pasajero se sube a un colectivo y realiza el pago mediante la tarjeta correspondiente, provocando un evento de subida que es recibido por el servidor, el cual lo almacena en la base de datos. La segunda interacción ocurre en el momento que un usuario de la aplicación móvil o web realiza un pedido de estado de colectivos (cantidad de personas presentes en cada colectivo en tiempo real). En este caso se promueve una interacción con el servidor, el cual estima los pasajeros que hay en el colectivo sobre la base de los que subieron al mismo y las predicciones de bajada para cada uno de ellos.
Toda la información se actualiza de forma periódica, sin calcularse en cada petición, porque están hechas previamente. De esta forma se evita el costo del cálculo en pro de generar una respuesta eficiente a la consulta.
Quien utilice la aplicación podrá interactuar de manera sencilla con el sistema y, de esta manera, realizará la petición del número de pasajeros presentes en los colectivos. Primero, es necesario que ingrese la línea de colectivos, la fecha y la hora en que desea conocer el número de personas. La respuesta es plasmada en un mapa de la ciudad de Tandil, que muestra las unidades circulantes de la línea seleccionada y, al clickear sobre cada una de ellas, se puede observar el número de personas que viaja en ese momento.
Los resultados
A partir de los experimentos realizados, es decir, el análisis de todas las pruebas ejecutadas y las diferentes implementaciones que se percibieron a lo largo del proyecto, lograron extraer los aspectos más importantes acerca de la captura de información, como así también la definición de lugares y recorridos específicamente en Tandil.
Como primer punto, vieron que a medida que la división de la ciudad de estudio disminuye, la cantidad de zonas aumenta considerablemente. La distancia entre ellas es un factor fundamental en el comportamiento mencionado, ya que al tener la ciudad dividida en menos áreas, la distancia entre las mismas es mayor, y hay más probabilidad de acierto a la hora de predecir una bajada, es decir, que se pierde precisión geográfica pero se aumenta la eficiencia del algoritmo.
Otro punto importante en los experimentos se basa en el establecimiento de una dirección o sentido de las zonas de subida. Además de saber la zona en la que se subió el pasajero, saber en qué sentido pasó el colectivo por esa zona resulta primordial ya que la predicción seguramente varíe dependiendo de esta dirección. El núcleo de los experimentos se centró en, una vez establecido el algoritmo de predicción original, agregar otras variables al mismo con el fin de mejorar la eficiencia de las predicciones. u
Un análisis sin precedentes y eficaz
Para quienes encararon este proyecto de Tesis de Grado, los alumnos Amat y Pedro y los directores Berdún y Soria, lograr este cambio de paradigma significa un avance importante en todo lo relacionado a estudios y análisis de movilidad.
Ellos realizaron un algoritmo de predicción que automatiza el conocido estudio de movilidad de origen/destino en el transporte público, y según la información y el conocimiento adquirido durante la realización del trabajo, llevar a cabo estos estudios de movilidad de forma automática (sin realizar cambios a los sistemas tradicionales de registro) es algo nuevo y sin precedentes.
Los resultados de eficiencia resultaron más que aceptables, rondando valores cercanos a un 74 por ciento. Cuestión que se potencia aún más si se tienen en cuenta los inconvenientes que se presentaron con la captura de información para el armado del dataset.
El hecho de disponer de un valor aproximado del flujo de personas que se encuentra en los colectivos en tiempo real también resulta útil para estudiar cuestiones como la optimización de frecuencias, las zonas de mayor congestión, y demás análisis posibles, sin tener la necesidad de que el cálculo sea exacto.
Vale aclarar que en el caso puntual del proyecto, se seleccionaron solo 8 mil usuarios de 160 mil activos, por lo que el estudio de cantidad de personas en los colectivos dista de la realidad. Para lograr una evaluación correcta, haría falta disponer de la información de todos los usuarios activos. Puntualmente, el mejor comportamiento del algoritmo se presentó con la evaluación del algoritmo original (sin tener en cuenta cuestiones como el día, la hora, o el conjunto de ellas), en donde la mitad del dataset se utilizó para entrenamiento (predicciones) y la otra mitad para la evaluación.
La eficiencia mencionada fue de un 73,14 por ciento, relacionado con la evaluación perteneciente a la división de la ciudad en zonas barriales, en la cual no se tienen en cuenta los registros en que el usuario no posee historial para la zona de subida interviniente. En estos casos, la decisión aplicada fue la de decidir como bajada predicha a la zona más frecuente del usuario y, evaluando el comportamiento, el porcentaje de eficiencia resultó en un 68,50 por ciento.
En cuanto a los usuarios más predecibles, se evaluaron dos grandes categorías denominadas “SUMO” y “PASE”, concluyendo que los del último sistema son los que mejor se comportan en sus predicciones.
Este contenido no está abierto a comentarios