Gracias al big data y el aprendizaje automático, Mastria ofrece a los operadores una mayor visibilidad sobre la distribución y el flujo de pasajeros en trenes y estaciones, así como capacidades predictivas mejoradas.

Esto equivale a la capacidad de anticipar y controlar la densidad y las operaciones de los pasajeros en tiempo real, adaptando la frecuencia del tren, la capacidad y la cantidad requerida de trenes, así como los flujos de pasajeros hacia las estaciones, entre otras cosas. Precisar la integración entre la oferta de trenes con la demanda y las condiciones operativa optimas, incluidos los costos, y su especial utilidad para gestionar los picos de demanda fluctuantes, como durante las horas pico o eventos especiales, o restricciones especiales de movilidad, como en el caso de Covid-19.

Predecir es prevenir”, dice Stephane Feray-Beaumont, vicepresidenta de innovación y movilidad inteligente de Alstom Digital Mobility. “La capacidad de esta herramienta para analizar millones de datos en tiempo real la convierte en un aliado indispensable para los operadores en todo momento, pero especialmente en el contexto actual. En pocas palabras, coincide con la oferta de transporte a la demanda, sin importar las condiciones. Todos los expertos coinciden en que el transporte público, y particularmente el metro, continuará siendo la columna vertebral de la movilidad urbana. La inteligencia artificial será nuestro mejor compañero de viaje en esta nueva era de movilidad”.

La experiencia de Panamá

Alstom implementó Mastria para el Metro de Panamá a fines del año pasado. El objetivo era analizar los flujos de pasajeros y ofrecer una forma de evitar la saturación que aparecía en momentos impredecibles y solo en ciertas estaciones. En solo tres meses, y gracias a las técnicas de aprendizaje profundo (redes neuronales artificiales que permiten algoritmos de autoaprendizaje), se puede predecir la saturación localizada hasta 30 minutos antes de que se pueda observar de manera visible, lo que permite acciones correctivas que reducen los tiempos de espera en las estaciones en un 12%.

Actualmente, en respuesta a la situación de Covid-19, se está utilizando la misma tecnología para adaptar las acciones operativas que mantienen la carga del tren al 40% de su capacidad máxima, según lo recomendado por las autoridades sanitarias del país. Utilizando diversas fuentes de datos, como los viajes de los usuarios y el peso de los vagones, se han desarrollado nuevas funciones: monitoreo en tiempo real de la densidad y flujos de pasajeros en estaciones y trenes, con nuevas alertas predictivas, simulación de apertura y cierre de acceso a las estaciones y análisis de la distribución de pasajeros a lo largo de los trenes.

Fuente tyc Magazine

Transporte publico

Covid

Big data