Smart mobility en smart cities

43
TRANSPORTE Y TIC EN inLab FIB: CONTRIBUCIÓN AL DESARROLLO DE MODELOS Y HERRAMIENTAS PARA LA “SMART MOBILITY” inLab FIB inlab.fib.upc .edu inLab FIB Responsable de Proyectos de Transporte y TIC Jaume Barceló +34 93 401 69 41 [email protected]

description

Posicionamiento del inLab FIB y visión sobre la smart mobility en las smart cities. Presentación del Dr. Jaume Barceló, responsable de proyectos de Transporte y TIC en el inLab FIB.

Transcript of Smart mobility en smart cities

Page 1: Smart mobility en smart cities

TRANSPORTE Y TIC EN inLab FIB:

CONTRIBUCIÓN AL DESARROLLO DE MODELOS Y HERRAMIENTAS PARA LA “SMART MOBILITY”

inLab FIBinlab.fib.upc.edu

inLab FIBResponsable de Proyectos de Transporte y TICJaume Barceló+34 93 401 69 [email protected]

Page 2: Smart mobility en smart cities

2

Reflexiones sobre el desarrollo urbano y sus consecuencias

Page 3: Smart mobility en smart cities

3

DEVELOPMENT OF A CITY(source: Magnus Swahn, Conlogic, Sweden)

24.09.10 Montecarlo: MIT Energy Futures/Transportation/Urban Systems 3El desarrollo de las ciudades (Fuente: Magnus Swahn, Conlogic)

• A partir de 2008 más del 50% de la población mundial vive en ciudades

Tendencias del desarrollo urbano

Page 4: Smart mobility en smart cities

4

Separación de áreas de residencia y

de trabajo

Posibilitada por los sistemas de

transporte

Generación de congestión

Impactos sobre los consumos energéticos

Impacto sobre la calidad de vida

Generación de emisiones

contaminantes

Consecuencias del desarrollo urbano

Page 5: Smart mobility en smart cities

5

Smart Cityuna respuesta tecnológica a los problemas del desarrollo urbano

Page 6: Smart mobility en smart cities

6

• Es la respuesta que da la ciudad a los retos que le plantea el desarrollo y la penetración de las aplicaciones de las Tecnologías de la Información y de las Comunicaciones (TIC) en lo que se refiere a los desarrollos urbanos y socioeconómicos y a la calidad de vida.

Las Políticas de desarrollo urbano

• Se trata de afrontar de forma holística los retos y amenazas a su sostenibilidad:

- en la gestión de infraestructuras críticas como el transporte, el agua, la energía o las comunicaciones,

- en la prestación de servicios a ciudadanos y empresas

El concepto de Smart City

Page 7: Smart mobility en smart cities

7

Las soluciones

• Se basan en la instrumentación y la interconexión de dispositivos móviles, sensores y actuadores

• Que han de permitir la recogida de datos urbanos en cantidades sin precedentes, de una calidad superior a la actual

• Cuyo análisis mejorará sustancialmente la capacidad de predecir y gestionar los flujos urbanos y con ello la capacidad de impulsar la gestión inteligente de la ciudad.

Conjetura primordial sobre las Smart Cities (Chen-Ritzo et al. 2009)

Conjetura primordial sobre las Smart Cities

Page 8: Smart mobility en smart cities

8

• Las propuestas de soluciones para Smart Cities están más dominadas por los vendedores de tecnología que por las iniciativas de los gobiernos municipales (Belisent 2010, Schaffers et al. 2011)

• Pero… “smart city solutions must start with the city not the smart”

• Por densa que sea la sensorización y, a partir de ella, rica y variada la captura de datos:

- Los datos por sí mismos no generan información

- La información es el resultado del procesamiento de los datos

Sin embargo …

Page 9: Smart mobility en smart cities

9

Tecnología y Smartnessde los datos brutos a la información eficiente. ¿Dónde está la inteligencia?

Page 10: Smart mobility en smart cities

10

Datos Procesamiento Información

CIUDAD: Gestión de Tráfico Demanda de Servicios de

Movilidad

CIUDAD Infraestructura de transporte + Red de Sensores Fijos (ETD, CCTV, BT…) Móviles: Vehículos, Personas

PROCESAMIENTO DE LOS DATOS

GENERACIÓN DE INFORMACIÓN

Smartness Efficient Data Collection (Technology) +Efficient Data Processing (Computer Models)

Page 11: Smart mobility en smart cities

11

Áreas clave de aplicaciones en una Smart City

Page 12: Smart mobility en smart cities

12

Áreas clave de aplicaciones en una Smart City (Schaffers et al. 2011)

Áreas clave de aplicaciones en una Smart City

Page 13: Smart mobility en smart cities

13

Smart Mobilitydesde la perspectiva del inLab FIB

Page 14: Smart mobility en smart cities

Zona Destino de

Actividades

Zona Origen de

ActividadesRuta de Origen a Destino

La movilidad (demanda) se ha de entender como

• Un fenómeno social y económico

• Consecuencia de la distribución en el espacio y en el tiempo de las actividades socioeconómicas

• Que generan las necesidades de desplazamiento de las personas y las mercancías

• Entre los diferentes puntos de generación y atracción de dichas actividades, para poder realizarlas

14

Punto de partida de la Smart Mobility

Page 15: Smart mobility en smart cities

15

Origen

Destino

τpijt número de viajes del Origen i

al Destino j en el periodo por el propósito p

En términos de patrones de movilidad (demanda)

• Matrices de viajes (origen-destino)

• Número de viajes desde un origen a un destino

o por un motivo específico (domicilio-trabajo, ocio, compras, ... ) en un período de tiempo dado

Caracterización de la movilidad

Page 16: Smart mobility en smart cities

16

Time Horizon -T

Counts for link k each Δt

yk

Time Horizon -T

OD demand for Δt

gij

Time Horizon -T

Counts for link k each Δt

yk

Time Horizon -T

OD demand for Δt

gij

destinations

orig

ins

T

t0

t1

tn

T = t0 + t1 + …..+ tn

Estimación estática de matrices de viajes (práctica habitual de la planificación estratégica a partir de encuestas):

o No se considera ninguna variación temporal en la demanda

Estimación dinámica de matrices de viajes (requiere fuentes de datos tecnología)o Considera variabilidad temporal en la demanda Imprescindible para “Smart Mobility”

La necesidad de capturar la temporalidad de la movilidad

Page 17: Smart mobility en smart cities

17

Smart Mobility el papel de la tecnología en la estimación de la demanda de movilidad (Digital Travel Diary)

Page 18: Smart mobility en smart cities

18

BCALs

GPS mobile phones

Paper questionnaire Macro

Meso

MicroSensor dataNo operation neededIn-store dataDetailed actions observed

Long-term monitoring

Dot data Creation of path dataPracticable for a long termOperation of instrument neededOnly GPS data Indoor data not observable

Inter-zone travelDependent on memoryOmission of recording of short tripsLarge burden

Decrease in accuracy

Not practicablefor a long-term

Zone

Zone

Person trip survey

Probe person survey

Source: Electronic Instrument Design and User Interfaces for Activity Based Modeling (Hato & Timmermann - 2008)

Understanding Mobility: Electronic Data Collection for Activity Based Demand Modeling

Page 19: Smart mobility en smart cities

19

Smart Mobilitysensores y captación de datos de tráfico

Page 20: Smart mobility en smart cities

20

Loop detectors / Magnetometers

Vehicle n Reaches RSU p At time t3

Vehicle n Sends AVL message At time t0+t

Vehicle n Reaches RSU k At time t1

Vehicle n Reaches RSU m At time t2

Vehicle n Sends AVL message At time t0+2t

i

Vehicle n Leaves origin i At time t0

RSU-IDy

On-board unit of equipped vehicle n captured by RSU-IDx at time t1

On-board unit of equipped vehicle n re-captured by RSU-IDy at time t2

Data (RSU Id, mobile device identity, time stamp ti) sent by GPRS to a Central Server

RSU-IDx

Data (RSU Id, mobile device identity, time stamp) sent by GPRS to a Central Server

AVL Equipped vehicle sends message (id, position, speed) at time t V2V exchange

Escenarios tecnológicos plausibles para la Smart Mobility

Page 21: Smart mobility en smart cities

21

A partir de los datos, si su calidad lo permite, la calidad de la información que se generará será

o una función del grado de sofisticación de las técnicas de procesamiento que se utilicen.

Ejemplo de información cualitativa (a partir de un tratamiento primario):

o Incompleta: sólo vías principales, 90% de la red vial sin información

o Desfasada: viajes ya realizados → Sin capacidades predictivas

Datos y calidad (valor añadido) de la información

Page 22: Smart mobility en smart cities

22

PROYECTOS

SIMETRIA (Ref. P 63/08, 27.11.2008)Modelos de SIMulación para la Evaluación de Escenarios Multimodales de TRansporte Globales y RegIonAles(Ministerio de Fomento, Subprograma de Transporte e Infraestructura) (2009-2011)

MITRA (Ref. TRA2009-14270) Modelos dinámicos de tráfico para la gestión integrada de corredoresMICINN (subprograma MODAL) (2011-2012)

In4Mo (Ref. TSI-020100-2010-690)Sistemas Avanzados de Información para la Movilidad de las personas y los VehículosCDTI, Programa: Acción Estratégica de Telecomunicaciones y Sociedad de la Información, 2010. Subprograma: Avanza Competitividad I+D+I, 2010-2012. (2011-2012)

Síntesis del desarrollo de las herramientas de generación de valor añadido para la Smart Mobility

Page 23: Smart mobility en smart cities

• Integración de datos de tráfico procedentes de diferentes tecnologías de detección mediante procedimientos de Fusión de Datos.

• Desarrollo de Modelos Dinámicos de Tráfico que completen la información sobre el estado de la red vial de manera consistente con los datos observados y predigan su evolución a corto plazo.

• Desarrollo de aplicaciones avanzadas para la Gestión Activa y la Información de Tráfico (ATIS/ATMS)

23

Objetivos de In4Mo: desarrollo de herramientas para la generación de información de valor añadido

Page 24: Smart mobility en smart cities

24

Filtrado de atípicos (Distancia de Mahalanobis para intensidad/ocupación)

Filtrado, compleción y predicción mediante Filtro de Kalman

Resultado de la fusión mediante modelo de simulación de tráfico mesoscópico, a partir de medidas en varios tipos de sensores: ocupaciones en toda la red

Filtrado de datos atípicos, compleción de datos faltantes, fusión de datos heterogéneos

TIPOS DIFERENTES DE FUENTES/DATOS DE TRÁFICO

(Espiras, magnetómetros, CCTV, LPM, TAG, Bluetooth, GPS, … )

DATOS X DE INPUT

DATOS Y DE INPUT

FILTRADO: Eliminación de atípicosCOMPLECIÓN DE DATOS FALTANTES

NÚCLEO: HIPÓTESIS(Hipótesis de la teoría del tráfico: modelos

de flujos de tráfico)

CAPSULA: TÉCNICAS DE ASIMILACIÓN

(Técnicas estadísticas, Filtros No lineales,

Filtro de Kalman…)

MÓDULO DE FUSIÓN DE DATOS

OUTPUT:Datos Fusionados

APLICACIONES

Page 25: Smart mobility en smart cities

25

FILTRADO Y FUSION DE

DATOS

DATOS DE TRÁFICO DE LOS

SENSORES

MODELOS DINÁMICOS DE TRÁFICO

ESTIMACIÓN ESTADO DE LA RED URBANA

Origen

Destino

τpijt número de viajes del Origen i

al Destino j en el periodo por el propósito p

MATRIZ OD INICIAL ( ) PERIODO pτijt

Perfiles datos del periodo

Modelo de Filtro de

Kalman para la Estimación de la Matriz

OD del periodo

SIMULADOR MESOSCÓPICO

DE TRÁFICO

MATRIZ OD DEL PERIODO DE

TIEMPO

Estimación del estado de la red en el período a partir de fusión de datos y uso de modelos

Información actual en web BCN:INCOMPLETA

Información obtenible (fusión+modelos): COMPLETA

Page 26: Smart mobility en smart cities

26

B

A

Información de valor añadido a partir de la estimación del estado de la red

Información de valor añadido: Caminos alternativos de A a B con tiempos de viaje esperados similares.

El valor esperado (predicción) del tiempo de recorrido en lugar del tiempo de recorrido realizado por los vehículos precedentes

El vehículo entra en la red por A con destino a B en el instante t

Page 27: Smart mobility en smart cities

27

Área urbana a gestionar CUESTIÓN CLAVE¿CUÁL ES LA CAPACIDAD

DE LA RED URBANA?

Idea intuitiva

Consideremos un área urbana dada como un embalse con :

- Flujo de entrada qin q(t) (vehículos por unidad de tiempo)- Función de salida e = G(n) (vehículos por unidad de tiempo)- Número de vehículos acumulados en el sistema en el instante t, n(t) Estado del sistema

Daganzo / Geroliminis (2007)

DATOS DE TRÁFICO FUSIONADOS PROCEDENTES DE LOS SENSORES QUE EQUIPAN EL ÁREA URBANA A

GESTIONAR

Identificación punto del diagrama (A, B,…) en el que opera la red urbana a gestionar en ese momento

Un concepto innovador para la Gestión Activa del tráfico: el Macro Fundamental Diagram (MFD)

Page 28: Smart mobility en smart cities

28

Smart Mobility: la gestión activa basada en el MFD

A partir del MFD (Macro Fundamental Diagram) en combinación con Información de rutas del área a gestionar

• La identificación de las condiciones de operación (A, B, … ) y su punto crítico

• Permite un nuevo concepto de gestión permitiendo o restringiendo los accesos (GATE-IN, GATE-OUT)

28

Page 29: Smart mobility en smart cities

29

Un modelo de simulación microscópica de tráfico emula de manera realista la evolución temporal del tráfico en el Ensanche de Barcelona.Desde periodos de tiempo sin congestión hasta situaciones de congestión. Se observa la evolución del MFD a medida que crece la demanda y la captura de datos procedentes de los sensores.

Verificación por simulación del MFD del Ensanche de Barcelona

Page 30: Smart mobility en smart cities

3030

FUNCIONES ATIS• NIVELES DE SERVICIO•TIEMPOS DE RECORRIDO: ESTIMACIÓN Y PREDICCIÓN A CORTO PLAZO•PROVISIÓN DE RUTAS (MULTIMODALIDAD)•OTRAS……

INTEGRACIÓN DE DATOS Y COMPLECIÓN DE LA INFORMACIÓN

MODELO DINÁMICO DE

FLUJOS DE TRÁFICO

MESOSCÓPICO

ESTIMACIÓN DE

PATRONES DINÁMICOS DE

MOVILIDAD(MATRICES

OD)

FUNCIONES ATMS•ESTIMACIÓN ESTADO RED VIAL (MFD)•GESTIÓN ACCESOS•ENRUTAMIENTOS• OTRAS……

TRATAMIENTOFILTRADO

(ATÍPICOS) FUSIÓN

(HETEROGÉNEOS)+

MODELO DATOS FALTANTES

DISEMINACIÓN DE LA

INFORMACIÓN

SOPORTE A LA

GESTION

PLATAFORMA TECNOLÓGICA

SISTEMA DE RECOGIDA DE DATOS

• ETD (Espiras)• VEHÍCULOS EQUIPADOS GPS/GPRS (FCD) • DISPOSITIVOS MÓVILES (BLUETOOTH) • TECNOLOGIAS V2I

Arquitectura conceptual del proyecto In4Mo

Page 31: Smart mobility en smart cities

31

NIVELES DE SERVICIO EN TODA LA RED

TIEMPOS DE RECORRIDO (+ PREDICCIÓN)Y RUTAS ALTERNATIVAS

In4Mo: Información avanzada (tiempo real+ predicción corto plazo) y soporte a la Gestión Activa

Page 32: Smart mobility en smart cities

32

Compleción del Sistema de Soporte a la Smart Mobilityintegración de la Información Multimodal en tiempo real

Page 33: Smart mobility en smart cities

33

PLANIFICADOR DE RUTAS A B

EN VEHÍCULO PRIVADO DISTANCIA………………… TIEMPO……………………... COSTE………………………. HUELLA DE CO2…………… INCIDENTES…………………

EN TRANSPORTE PÚBLICO DISTANCIA………………… TIEMPO……………………... COSTE………………………. HUELLA DE CO2…………… INCIDENTES…………………

EN COMBINACIÓN MODAL: PRIVADO PÚBLICO DISTANCIA………………… TIEMPO……………………... COSTE………………………. P&R HUELLA DE CO2…………… INCIDENTES…………………

P&R

P&R

Sistema interactivo, integrado, multimodal, de ayuda a la toma de decisiones (pre-trip, in-trip)

Urbano Inter-Urbano

ATIS: Real-Time Advanced Journey Planner

Page 34: Smart mobility en smart cities

34

Buscador de caminos multimodales basado en el concepto de hiper-caminos dependientes del tiempo con ventanas de tiempo para aceder a los nodos de transferencia modal, en redes de transporte multidimensionales, en las que cada capa corresponde a un modo de transporte, incorporando criterios de búsqueda que integren los objetivos del usuario

Cadenas modales yselección de rutas multimodales en tiempo real

Page 35: Smart mobility en smart cities

35

• La instrumentación y la interconexión de dispositivos móviles, sensores y actuadores en una Smart City

• Permite la recogida de datos urbanos en cantidades sin precedentes, de una calidad superior a la actual

• Que pueden ser tratados por modelos computacionales avanzados para generar una información de calidad y valor añadido, que soportan aplicaciones ATIS/ATMS

Conclusiones

MEJORINFORMACIÓN

MEJORESSERVICIOS

MEJORESDATOS

MEJORESMODELOS

Page 36: Smart mobility en smart cities

36

Smart mobilityColaboración, compartición y redes sociales

Page 37: Smart mobility en smart cities

37

Compartición dinámica de trayectos

• Compartición dinámica de trayectos punto a punto.

• Se ha iniciado una prueba piloto en Begues para compartir vehículos privados para acceder a la estación de Gavá. Los usuarios pueden solicitar el transporte con sólos unos minutos de antelación.

• Se utiliza tecnología móvil y servidor de tracking. Los principales retos del proyectos son sociales y de seguridad.

Page 38: Smart mobility en smart cities

Actualización información geográfica

• OpenStreetMap – Entorno colaborativo de edición de mapas.

• inLab FIB lidera la iniciativa OpenStreetMap en Cataluña

• Actualización social de la información de las infraestructuras de transporte

38

Page 39: Smart mobility en smart cities

Captura social de datos

• tooPath, aplicación propia de tracking• Aplicaciones móviles contextuales

para ofrecer servicios contextuales, compartir localización en redes sociales

• Experiencia en entornos de participación ciudadana

• Integración con redes sociales

• Captura social de datos de tráfico (pasiva o activa)

39

Page 40: Smart mobility en smart cities

40

Otras áreas de experiencia inLab FIB

Page 41: Smart mobility en smart cities

41

Áreas de especialización I+D+i

inLab FIB integra profesorado de diferentes departamentos de la UPC y su propio personal técnico para ofrecer soluciones en diferentes áreas

Page 42: Smart mobility en smart cities

Smart Cities

• Simulación de eficiencia energética de edificios (EeB)

• Eficiencia energética en el transporte• Aplicaciones contextuales para el

deporte y la salud• Participación ciudadana• Smart Mobility

42

Page 43: Smart mobility en smart cities

http://inlab.fib.upc.edu

[email protected]

+34 93 401 69 41

c/ Jordi Girona 1-3

Campus Nord. Edifici B6

08034 Barcelona

Twitter: @inLabFIB

43

Más información