Al tomar decisiones sobre el desarrollo de infraestructura y la asignación de recursos, los planificadores urbanos se basan en modelos de cómo las personas se mueven por sus ciudades, a pie, en automóviles y en transporte público. Esos modelos se basan en gran medida en encuestas de hábitos de viaje de los residentes.
Pero realizar encuestas y analizar sus resultados es costoso y requiere mucho tiempo: una ciudad puede demorar más de una década entre encuestas. Incluso una encuesta amplia cubrirá solo una pequeña fracción de la población de una ciudad.
en el último número de la Actas de la Academia Nacional de Ciencias , investigadores del MIT y Ford Motor Company describen un nuevo sistema computacional que utiliza datos de ubicación de teléfonos celulares para inferir patrones de movilidad urbana. Aplicando el sistema a seis semanas de datos de residentes del área de Boston, los investigadores pudieron ensamblar rápidamente el tipodel modelo de patrones de movilidad urbana que generalmente lleva años construir.
El sistema promete no solo datos más precisos y oportunos sobre la movilidad urbana, sino la capacidad de determinar rápidamente si los intentos particulares de abordar las necesidades de transporte de las ciudades están funcionando.
"En los EE. UU., Cada área metropolitana tiene una MPO, que es una organización de planificación metropolitana, y su trabajo principal es utilizar encuestas de viaje para derivar el modelo de demanda de viaje, que es su línea de base para predecir y pronosticar la demanda de viaje para construir infraestructura", dice Shan Jiang, un postdoc en el Laboratorio de Redes y Movilidad Humana en el Departamento de Ingeniería Civil y Ambiental del MIT y primer autor del nuevo documento." Entonces, nuestro método y modelo podría ser la próxima generación de herramientas para que los planificadores planifiquenla próxima generación de infraestructura "
Para validar su nuevo sistema, los investigadores compararon el modelo que generó con el modelo utilizado actualmente por el MPO de Boston. Los dos modelos coincidieron muy bien.
"La gran ventaja de nuestro marco es que aprende las características de movilidad de una gran cantidad de usuarios, sin tener que preguntarles directamente sobre sus opciones de movilidad", dice Marta González, profesora asociada de ingeniería civil y ambiental CEE enMIT y autor principal del artículo. "En base a eso, creamos modelos individuales para estimar las trayectorias diarias completas de la gran mayoría de los usuarios de teléfonos móviles. Probablemente, con el tiempo, veremos que esto trae la ventaja comparativa de hacer transporte urbanoplanificar de forma más rápida e inteligente e incluso permite comunicar directamente las recomendaciones a los usuarios del dispositivo ".
Junto con Jiang y González en el papel están Daniele Veneziano, profesor de CEE en el MIT; Yingxiang Yang, un estudiante graduado en CEE; Siddharth Gupta, asistente de investigación en el Laboratorio de Redes y Movilidad Humana, que lidera González; y Shounak Athavale, gerente de tecnología de la información en el Centro de Investigación e Innovación Palo Alto de Ford Motor.
construcción de modelos
Las prácticas de la MPO de Boston son bastante típicas de una ciudad importante. Boston realizó una encuesta de movilidad urbana en 1994 y otra en 2010. Su modelo de movilidad actual, sin embargo, todavía utiliza los datos de 1994. Eso se debe a que transcurrieron los seis años transcurridos simplementeordenar todos los datos recopilados en 2010. Solo ahora se ha comenzado el trabajo de organizar esos datos en un modelo predictivo.
La encuesta de 2010 solicitó a cada uno de los 25,000 residentes del área de Boston que mantuvieran un diario de viaje por un solo día. De esos diarios, combinados con datos del censo e información de sensores de tráfico, la MPO intenta modelar los movimientos de 3.5 millones de residentes deel área metropolitana de Boston.
Si bien los investigadores del MIT tuvieron acceso a mucha más información, seis semanas de cada uno de los 1,92 millones de residentes, era menos completa. Los registros de teléfonos celulares informan solo los lugares en los que los usuarios hacen llamadas o acceden a Internet. Los investigadores teníandescartar el 25 por ciento de sus datos porque era demasiado escaso.
Del resto, sin embargo, su algoritmo fue capaz de inferir patrones de actividad que se repitieron en el transcurso del período de seis semanas. Para armar una imagen del día de un usuario de teléfono celular, el algoritmo hace algunas suposiciones. Una es quela ubicación desde la cual un usuario sale por la mañana y al que regresa por la noche es su hogar. Otra es que la ubicación de las estadías recurrentes más largas durante las horas diurnas indica el lugar de trabajo del usuario.
Finalmente, el algoritmo supone que la duración de los días de trabajo de la mayoría de las personas concuerda con los promedios nacionales. Por ejemplo, si un usuario determinado realiza llamadas telefónicas desde el trabajo solo entre las 12 p.m. y las 2 p.m., el sistema no interpreta eso como evidenciade un día laboral de dos horas, a menos que esa interpretación sea corroborada por otros datos, como llamadas regulares desde su casa a las 11:30 a.m. y 2:30 p.m. Sin embargo, las estimaciones de la duración del día laboral son probabilísticas; el modelo no asume quelas personas llegan al trabajo exactamente a la misma hora todas las mañanas.
Cualquier ubicación que no sea el trabajo y el hogar se trata por igual. A partir de los datos disponibles, el sistema crea un modelo de movilidad probabilístico para cada usuario, dividiendo cada día de la semana en incrementos de 10 minutos. Para cada incremento, el modelo indica la probabilidadde un cambio de ubicación, posibles destinos y la cantidad de tiempo que se pasará en cada uno de esos destinos.El sistema generaliza esas probabilidades entre las comunidades, sobre la base de los datos del censo, y deduce los flujos de tráfico acumulados del mapa de probabilidad resultante.
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de Massachusetts . Original escrito por Larry Hardesty. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :