Disseny de serveis Smart ITS a través de models innovadors d'anàlisi de dades

Director 
Descripció 

El projecte de recerca proposat està emmarcat en l'àrea de les Smart Cities. Una Smart City és aquella ciutat amb capacitat de resposta als reptes que planteja el desenvolupament tecnològic pel que fa a la millora socioeconòmica i a la qualitat de vida. Així, és la mateixa ciutat la que utilitza la tecnologia, especialment les Tecnologies de la Informació i la Comunicació (TIC), per a transformar els seus sistemes bàsics i optimitzar el retorn de les inversions malgrat la disponibilitat limitada de recursos.

L'objectiu principal de la recerca proposada és el desenvolupament de models matemàtics capaços d'estimar la disponibilitat del conjunt d'aparcaments, amb la finalitat de poder utilitzar aquesta informació per a optimitzar els serveis de gestió d'aquest. Així, la nostra proposta consistirà en la definició d'un servei pioner en base tecnològica que sigui capaç de recollir, filtrar, integrar i analitzar dades estàtiques sobre aparcament (Fastprk), així com dades dinàmiques de trànsit i ambientals. Aquests últims són necessaris perquè aquests dos factors influencien clarament el comportament quant a l'ús dels aparcaments. Això es realitzarà utilitzant procediments de fusió de dades heterogènies generades a partir de fonts diferents, així com a través de models d'anàlisi predictiva.

El servei predictiu proposat serà de gran utilitat per al conjunt de la ciutadania, que podrà rebre informació més ajustada i realista sobre la futura disponibilitat dels aparcaments, tant a curt com a llarg termini. D'altra banda, aquesta informació serà clau perquè els gestors dels sistemes d'aparcament puguin definir un pla òptim de gestió dels seus recursos. Per a aconseguir els objectius, la recerca se centrarà en l'àrea de l'anàlisi predictiva que abasta una àmplia varietat de tècniques estadístiques com el predictive learning, el machine learning, i el data mining.

Aquestes tècniques es basen en l'anàlisi de dades "in-time" i històrics per a fer prediccions sobre esdeveniments futurs o sobre altres possibles situacions fictícies. D'aquesta forma, l'anàlisi predictiva pretén extreure informació de les dades i utilitzar-lo per a predir tendències i patrons de comportament. En una Smart City, el valor que aporta l'anàlisi predictiva de les dades és predir i prevenir possibles problemes per a aconseguir "gairebé-zero" avaries i així optimitzar l'ús dels recursos. A més es pot integrar amb els actuals serveis per a l'optimització de la presa de decisions a tots els nivells (proveïdors i consumidors).

Segueix-nos a

Els nostres articles del bloc d'inLab FIB

         
         

inLab FIB incorpora esCert

Icona ESCERT

First LogoCSIRT Logo

inLab és membre de

Archivo:European Institute of Innovation and Technology logo.png -  Wikipedia, la enciclopedia libre     CIT UPC

         

    

inLab és centre TECNIO

ACCIO