{"id":13059,"date":"2022-04-27T06:51:30","date_gmt":"2022-04-27T05:51:30","guid":{"rendered":"https:\/\/inlab.fib.upc.edu\/uncategorized-ca\/podemos-predecir-la-ocupacion-que-tendran-los-autobuses\/2022\/"},"modified":"2023-05-24T09:20:10","modified_gmt":"2023-05-24T08:20:10","slug":"podemos-predecir-la-ocupacion-que-tendran-los-autobuses","status":"publish","type":"post","link":"https:\/\/inlab.fib.upc.edu\/es\/noticias\/podemos-predecir-la-ocupacion-que-tendran-los-autobuses","title":{"rendered":"\u00bfPodemos predecir la ocupaci\u00f3n que tendr\u00e1n los autobuses?"},"content":{"rendered":"

El pasado 22 de abril, el diario El Pa\u00eds<\/a>, public\u00f3 una noticia creada por dos responsables t\u00e9cnicos de proyectos del inLab FIB, expertos en Data Science y Big Data, Albert Obiols<\/a> y Gonzalo Recio<\/a>. La noticia recientemente publicada, nos explica c\u00f3mo a trav\u00e9s de los datos hist\u00f3ricos y las redes neuronales, podemos crear modelos de predicci\u00f3n que permitan saber a los usuarios de la red de autobuses, la ocupaci\u00f3n en tiempo real del autob\u00fas.<\/p>\n

El objetivo de saber la ocupaci\u00f3n estimada, permitir\u00eda al usuario poder escoger en qu\u00e9 parada y en qu\u00e9 autob\u00fas podr\u00edan subir en funci\u00f3n de la actividad de las expediciones, lo que podr\u00eda evitar las aglomeraciones que se producen diariamente en el transporte p\u00fablico. Para poder llevar a cabo esta herramienta, durante el proyecto caracterizaci\u00f3n y modelizaci\u00f3n de la demanda de pasajeros en los autobuses, el desarrollo se ha realizado juntamente con la empresa Ityneri<\/a>.<\/p>\n

A ra\u00edz de la Covid-19, la posibilidad de poder evitar las aglomeraciones y poder frenar los contagios fue de primordial importancia para muchas empresas, ya que permitir que los usuarios habituales de la red, pudieran saber la ocupaci\u00f3n con el que se encontrar\u00e1n al subir en un autob\u00fas, ser\u00eda un valor a\u00f1adido respecto a otras muchas que ofrec\u00edan el mismo servicio.<\/p>\n

Para poder realizar la implementaci\u00f3n al servicio de esta funcionalidad, nuestros expertos recurrieron a t\u00e9cnicas actuales de la inteligencia artificial basadas en metodolog\u00edas data-driven (guiadas por los datos). Estas metodolog\u00edas, gracias a los datos hist\u00f3ricos de los viajes de cada veh\u00edculo, permiten a trav\u00e9s del aprendizaje supervisado, construir un modelo predictivo que permite detectar ocurrencias de patrones temporales para elaborar en un futuro las predicciones en el transporte p\u00fablico por carretera en un futuro y poder moldear el comportamiento de los pasajeros.<\/p>\n

A lo largo de la noticia, Albert y Gonzalo, explican en qu\u00e9 consiste entrenar una red neuronal recurrente y c\u00f3mo gracias a los datos, nuestro modelo puede llegar a ser capaz de calcular la ocupaci\u00f3n de los buses en cada una de las paradas por donde pasan d\u00e1ndole como datos: la informaci\u00f3n del autob\u00fas, el puesto, la ocupaci\u00f3n previa de los puestos anteriores, el calendario,… para poder devolver una estimaci\u00f3n del n\u00famero de pasajeros que habr\u00e1. Esta predicci\u00f3n de las l\u00edneas, cabe notar que podr\u00eda extenderse a cualquiera de las l\u00edneas y por cualquiera de las ciudades con sus respectivas paradas, ya que el modelo podr\u00eda ser igualmente v\u00e1lido.<\/p>\n

\"\"<\/p>\n

Las predicciones elaboradas con este tipo concreto de redes neuronales, por este problema de ocupaci\u00f3n es muy importante, porque saber la ocupaci\u00f3n previa de las paradas anteriores, nos resultar\u00e1 una informaci\u00f3n muy relevante, debido a que poder saberla puede condicionar mucho ocupaci\u00f3n de la pr\u00f3xima parada.<\/p>\n

En la imagen que se muestra un poco m\u00e1s adelante puede verse un ejemplo de lo que el modelo predice para diferentes autobuses: el eje de las x es el eje temporal y el de las y representa la ocupaci\u00f3n del bus. Notemos c\u00f3mo la ocupaci\u00f3n de los veh\u00edculos comienza a cero al inicio del viaje, va subiendo y vuelve a bajar a cero cuando finalizan el trayecto tal y como se aprecia por las \u00abcolinas\u00bb que se forman en el gr\u00e1fico.<\/p>\n

\"\"<\/p>\n

Ejemplo de predicciones de empleo futuro. azul, el empleo real (seg\u00fan datos hist\u00f3ricos). En naranja, la predicci\u00f3n en futuro.<\/em><\/p>\n

Puede consultar la noticia completa en la secci\u00f3n de tecnolog\u00eda del diario, o bien a trav\u00e9s del enlace:<\/p>\n

https:\/\/elpais.com\/tecnologia\/cronicas-del-intangible\/2022-04-22\/podemos-predecir-la-ocupacion-que-tendran-los-autobuses.html<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

El pasado 22 de abril, el diario El Pa\u00eds, public\u00f3 una noticia creada por dos responsables t\u00e9cnicos de proyectos del inLab FIB, expertos en Data Science y Big Data, Albert Obiols y Gonzalo Recio. La noticia recientemente publicada, nos explica c\u00f3mo a trav\u00e9s de los datos hist\u00f3ricos y las redes neuronales, podemos crear modelos de […]<\/p>\n","protected":false},"author":594,"featured_media":13052,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[495],"tags":[],"experteses":[9],"class_list":["post-13059","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias","experteses-datascienceybigdata-es"],"acf":[],"_links":{"self":[{"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/posts\/13059","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/users\/594"}],"replies":[{"embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/comments?post=13059"}],"version-history":[{"count":1,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/posts\/13059\/revisions"}],"predecessor-version":[{"id":20829,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/posts\/13059\/revisions\/20829"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/media\/13052"}],"wp:attachment":[{"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/media?parent=13059"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/categories?post=13059"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/tags?post=13059"},{"taxonomy":"experteses","embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/experteses?post=13059"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}