{"id":31021,"date":"2020-07-01T09:26:59","date_gmt":"2020-07-01T07:26:59","guid":{"rendered":"https:\/\/www.agrupament.cat\/portal\/?p=31021"},"modified":"2020-07-02T16:49:50","modified_gmt":"2020-07-02T14:49:50","slug":"covid-19-alstom-desarrolla-una-solucion-de-inteligencia-artificial-para-gestionar-la-nueva-movilidad-urbana","status":"publish","type":"post","link":"https:\/\/www.agrupament.cat\/portal\/2020\/07\/covid-19-alstom-desarrolla-una-solucion-de-inteligencia-artificial-para-gestionar-la-nueva-movilidad-urbana\/","title":{"rendered":"Covid-19: Alstom desarrolla una soluci\u00f3n de Inteligencia artificial para gestionar la nueva movilidad urbana"},"content":{"rendered":"

Gracias al empleo de Big Data y Machine Learning, los operadores podr\u00e1n anticipar, controlar y gestionar en tiempo real la densidad de pasajeros<\/strong><\/p>\n

30 de junio de 2020 \u2013 Alstom ha lanzado una nueva aplicaci\u00f3n de su tecnolog\u00eda de gesti\u00f3n de la movilidad Mastria, desarrollada por el equipo de Innovaci\u00f3n de Alstom Espa\u00f1a, que utiliza inteligencia artificial para ofrecer a los operadores e instituciones p\u00fablicas nuevas soluciones de gesti\u00f3n de los flujos de pasajeros y la movilidad urbana. La soluci\u00f3n permite a los operadores adaptar, f\u00e1cilmente y en tiempo real, su oferta a los requerimientos de distancia social y afluencia de p\u00fablico surgidos tras la Covid-19.<\/p>\n

Gracias al empleo de Big Data y Machine Learning, Mastria ofrece a los operadores mayor visibilidad de sobre la distribuci\u00f3n y el flujo de pasajeros en trenes y estaciones. Tambi\u00e9n permite predecir estos movimientos con antelaci\u00f3n. De este modo, los operadores podr\u00e1n anticipar, controlar y gestionar en tiempo real la densidad de pasajeros y adaptar las acciones operativas en tiempo real (frecuencia, capacidad y n\u00famero de trenes necesarios, acceso a las estaciones, etc\u2026), lo que puede ser especialmente \u00fatil en periodos de variaci\u00f3n de la demanda: horas punta, eventos, restricciones de movilidad, etc.<\/p>\n

En concreto, la soluci\u00f3n recoge informaci\u00f3n de la demanda y volumen de pasajeros a trav\u00e9s de los sensores de peso de los trenes, las validadoras de billetes, los sistemas de se\u00f1alizaci\u00f3n y gesti\u00f3n del tr\u00e1fico, las c\u00e1maras de videovigilancia y el uso de redes m\u00f3viles, para ofrecer una fotograf\u00eda en tiempo real de la afluencia de usuarios. Mastria procesa la informaci\u00f3n y proporciona, en cada momento, propuestas al operador para garantizar unas ratios de ocupaci\u00f3n determinados. As\u00ed, puede sugerir el aumento de la frecuencia de los trenes, el desv\u00edo de viajeros a otra estaci\u00f3n pr\u00f3xima, el refuerzo o reajuste de otros sistemas de transporte, la restricci\u00f3n de los accesos a la estaci\u00f3n, o una determinada distribuci\u00f3n de pasajeros en el and\u00e9n para facilitar el acceso a los coches menos ocupados. Gracias, adem\u00e1s, a sus potentes algoritmos de predicci\u00f3n, Mastria puede anticipar estas situaciones, garantizando la correcta planificaci\u00f3n de todo el sistema.<\/p>\n

\u201cPredecir es prevenir\u201d, destaca Alvaro Urech, director de Innovaci\u00f3n de Alstom Espa\u00f1a. \u201cY es precisamente la capacidad de predecir y de analizar millones de datos en tiempo real lo que hace que esta herramienta sea un gran aliado para los operadores en todo momento, y especialmente en el contexto actual. Permite anticipar los flujos de pasajeros y adaptar la oferta a la demanda real o esperada. Todos los expertos coinciden en que el transporte p\u00fablico continuar\u00e1 siendo prioritario para la movilidad urbana. La inteligencia artificial ser\u00e1 sin duda el mejor compa\u00f1ero de viaje en esta nueva movilidad\u201c,<\/strong><\/em> a\u00f1ade.<\/p>\n

La experiencia de Panam\u00e1<\/strong>
\nA finales del a\u00f1o pasado, Alstom comenz\u00f3 ya a implementar Mastria en el metro de Panam\u00e1, con el objetivo de analizar los flujos de viajeros y ayudar a resolver el problema de saturaci\u00f3n que aparec\u00eda en momentos impredecibles y solo en ciertas estaciones. En tan s\u00f3lo tres meses, y gracias a t\u00e9cnicas de Deep Learning (algoritmos de aprendizaje autom\u00e1tico), se ha podido predecir el problema de saturaci\u00f3n hasta 30 minutos antes que se produzca. Gracias a las alertas predictivas, el operador ha podido activar las acciones operativas necesarias en cada momento y adaptarse a los cambios diarios de demanda. Entre otros, se ha conseguido reducir el tiempo de espera en m\u00e1s de un 12%.<\/p>\n

En la actualidad, y debido al nuevo contexto generado por la Covid-19, la misma tecnolog\u00eda est\u00e1 ya siendo utilizada para asegurar que la ocupaci\u00f3n no alcanza el 40% en los trenes, de acuerdo con las recomendaciones de las autoridades sanitarias del pa\u00eds. Utilizando varias fuentes de datos como el ticketing y el peso de los coches, se han desarrollado nuevas funcionalidades: seguimiento en tiempo real de la densidad y flujos de pasajeros en las estaciones y los trenes, con nuevas alertas predictivas, simulaci\u00f3n de apertura y cierre de accesos a las estaciones o an\u00e1lisis de la distribuci\u00f3n de los pasajeros en cada coche de los trenes.<\/p>\n

La tecnolog\u00eda Mastria<\/strong>
\nMastria se basa en cuatro funciones est\u00e1ndar principales: supervisi\u00f3n multimodal, gesti\u00f3n del tr\u00e1fico, coordinaci\u00f3n de las operaciones y an\u00e1lisis predictivo. Estas funciones son altamente configurables y pueden combinarse seg\u00fan las necesidades de los operadores y el entorno de la red de transporte.<\/p>\n

Se comunica con sistemas externos de informaci\u00f3n y control a trav\u00e9s de conexiones de red seguras. Es flexible y escalable, adaptable a diferentes redes de transporte, ya sean nudos locales o de mayor alcance. Adem\u00e1s, puede ampliarse para incluir nuevas l\u00edneas y medios de transporte adicionales. Actualmente, diferentes aplicaciones de la tecnolog\u00eda de inteligencia artificial Mastria se han implementado ya en Par\u00eds, Florencia, Zaragoza y Panam\u00e1.<\/p>\n","protected":false},"excerpt":{"rendered":"

Gracias al empleo de Big Data y Machine Learning, los operadores podr\u00e1n anticipar, controlar y gestionar en tiempo real la<\/p>\n","protected":false},"author":4,"featured_media":31022,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[818],"tags":[242,225,399,921],"class_list":["post-31021","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-notes-de-premsa","tag-alstom","tag-metro","tag-panama","tag-pasajeros","comments-off"],"_links":{"self":[{"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/posts\/31021","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/comments?post=31021"}],"version-history":[{"count":2,"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/posts\/31021\/revisions"}],"predecessor-version":[{"id":31051,"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/posts\/31021\/revisions\/31051"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/media\/31022"}],"wp:attachment":[{"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/media?parent=31021"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/categories?post=31021"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.agrupament.cat\/portal\/wp-json\/wp\/v2\/tags?post=31021"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}