In4Mo. Sistema Avanzado de Información sobre la Movilidad de Personas y Vehículos

El proyecto In4Mo ha tenido como objetivo principal el desarrollo de las aplicaciones que constituyen el núcleo de la Smart Mobility, uno de los pilares fundamentales del concepto de Smart City: la provisión de información para los sistemas de información de tráfico, en cualquier de sus formas, y especialmente la de los “personal journey planners” y los sistemas de Gestión Activa del Tráfico, que permiten que el responsable de la gestión de la red vial pueda tener una visión y estimación adecuadas del estado de la red vial y de su evolución plausible a corto plazo, para tomar decisiones más eficientes.

In4Mo ha estado diseñando y desarrollado en función de escenarios tecnológicos previsibles en el corto-medio plazo, donde coexisten las tecnologías tradicionales de detección de tráfico (por ejemplo, las espiras de inducción magnética) con las tecnologías emergentes (por ejemplo, magnetómetros), entre las cuales tienen un papel relevando las TIC (Bluetooth, GPS…) las penetraciones y tendencias de penetración de las cuales, permiten contar con ellas para desarrollar sistemas más eficientes.

La tesis fundamental de In4Mo es que la tecnología, es decir, la sensorización de la ciudad, es una condición necesaria, pero no suficiente, para la generación de información fiable, puntual y de valor añadido, es decir, disponible en el lugar y el instante en que es necesaria, en otras termas, que el grado de “smartness” es resultado combinación eficiente de datos y su procesamiento.

Pero los datos proporcionados por las medidas de sensores de diferentes tecnologías son heterogéneas, por lo cual la actividad innovadora primordial de In4Mo ha sido la propuesta de una metodología para el Filtrado, Fusión y Completitud de datos que incorpora e integra una variedad de métodos de análisis y procesamiento, flexibles y eficientes, que constituyen un producto que sustenta una plataforma básica para el suministro de los datos homogéneos y consistentes que alimentan los modelos para la información y la gestión del tráfico desde cualquier centro de control:

• Técnicas de filtrado (no lineal, de Filtro de Kalman…) que generen secuencias completas, consistentes y robustas por eliminación de datos atípicos y de completitud de datos que faltan para generar series completas.
• Técnicas de fusión (Bayesianas, de redes neuronales, de modelos de tráfico…) que permitan combinar de manera coherente datos de fuentes heterogéneas para generar una información homogénea de mayor calidad que la de cada una de ellas individualmente.
• Técnicas de estimación de estado (modelos de estimación de estado) y de predicción que permitan efectuar una estimación del estado del sistema de tráfico y la prognosis de su evolución plausible en un horizonte temporal de corto plazo.

La disponibilidad de datos de tráfico procedentes de sensores TIC permite una mejora sustancial en la calidad de la información de tráfico en cuanto a la cual generan los sistemas actualmente operativos; sin embargo, todavía tardaremos bastante tiempo hasta que la penetración de las tecnologías TIC sea suficiente para proporcionar solo por sí misma una imagen completa del estado del tráfico en la totalidad de la red vial, en particular en las cuales corresponden en áreas urbanas de tamaño mediano o grande. Especialmente cuando las aplicaciones que tiene que soportar el sistema de información requieren el cálculo en tiempo real de caminos entre parejas origen-destino cualesquier, como ocurre en el caso de los sistemas de navegación completos, o los de planificación de viajes que no tienen que restringirse a conjuntos de caminos predeterminados (por importantes que sean). En consecuencia, la generación de información completa y consistente requiere la utilización de modelos dinámicos de tráfico que permitan una estimación global del estado de la red vial y predecir su evolución a corto plazo en ausencia de incidentes. In4Mo ha propuesto dos modelos dinámicos de tráfico complementarios:

• Modelos para la estimación de Matrices Origen-Destino (OD) dependientes del tiempo, basados en la explotación de las medidas de variables de tráfico proporcionadas por las aplicaciones TIC, mediante versiones ad hoc de Filtros de Kalman.
• Modelos que describen la dinámica de la propagación de los flujos de tráfico a través de la red vial en función de los patrones temporales de la demanda definidos por las matrices OD dependientes del tiempo.

La constatación de que la misma información generada por la combinación de datos fusionados y modelos de tráfico es la que necesita el responsable de la gestión del tráfico para gestionar una red vial se ha traducido en In4Mo en una propuesta innovadora por la Smart Mobility: la gestión activa basada en el Macro Fundamental Diagram (MFD).

Este proyecto pertenece en el programa Acción Estratégica de Telecomunicaciones y Sociedad de la Información, 2010. Subprograma: Avanza Competitividad I+D+I, (2010-2012).