Mari Paz
Linares
Herreros
Profesor Colaborador en Movilidad Inteligente
Mari Paz
Linares

MªPaz Linares es licenciada en matemáticas por la UPC y ha cursado el Máster de Logística, Transporte y Movilidad también en la UPC con un proyecto final dedicado al problema de rutas de vehículos con clientes bakchaul. El año 2005 se incorporó como investigadora de tráfico en el grupo de investigación PROMALS del Departamento de Estadística y Investigación Operativa, ampliando su actividad en el 2008 como profesora asociada del mismo departamento. En el año 2014 obtiene el Ph.D. en Estadística y Investigación Operativa (UPC) con una tesis dedicada a los modelos de asignación dinámica de tráfico basados en simulación mesoscópica.  Actualmente, trabaja en proyectos relacionados con los modelos dinámicos de tráfico: desarrollo de modelos de simulación y su aplicación a la optimización de problemas de tráfico y transporte.

Proyectos Final de Carrera que ha dirigido

Tesis doctorales realizadas

Principales proyectos que ha dirigido

Proyecto para fundamentar el desarrollo de conceptos teóricos y herramientas practicas aplicadas a rutas optimizadas en el ámbito del transporte a la demanda.
El proyecto eBRT2030 creará una nueva generación de Buses Europeos de Tráfico Rápido (BRT) avanzados, totalmente eléctricos, urbanos y periurbanos, mejorados con novedosas funcionalidades de automatización y conectividad para soportar el transporte urbano sostenible.
Investigación y desarrollo de un piloto de modelo de tráfico disruptivo, que aproveche las posibilidades de los últimos avances en computación, comunicaciones y fuentes de datos.

Principales proyectos en que ha intervenido

inLab FIB, en colaboración con los Mossos d’Esquadra, ha desarrollado la prueba de concepto de una herramienta de asistencia para la respuesta policial de los incidentes cotidianos basada en la inteligencia artificial.
Proyecto para fundamentar el desarrollo de conceptos teóricos y herramientas practicas aplicadas a rutas optimizadas en el ámbito del transporte a la demanda.
Desarrollo de un algoritmo de Machine Learning aplicado a predecir la no renovación en productos contratados.

Artículos en el blog