Caso de éxito: Kajal Routing

AimTraffic

SISTEMA DE INTERFAZ AVANZADA PARA GESTIÓN DE FLOTAS Y PREDICCIÓN DE TRÁFICO APLICADO AL SECTOR DEL TAXI

Dentro de un contexto urbano, la estimación de los tiempos de recorrido entre dos puntos de la ciudad es uno de los aspectos clave para el desarrollo de soluciones de reducción de tráfico y cálculo de rutas. La recopilación de los datos históricos de los tiempos de viaje proporciona una sólida base que, mediante el uso de series temporales, permite derivar modelos de estimación de tiempos de viaje para determinados periodos temporales.

 El proyecto AIMTRAFFIC comenzó en 2008 y concluyó con una fase de demostración y validación en 2011. El objetivo principal de este proyecto es el uso de los sensores instalados en los taxis  para la vigilancia del tráfico. Tener una gran cantidad de taxis dispersos proporcionando en tiempo real datos de posición y velocidad en una específica área permite crear una imagen exacta de la situación del tráfico en tiempo y espacio. La capacidad de un sistema de gestión de flotas de taxis para determinar automáticamente las ubicaciones podrá permitir la adquisición de grandes cantidades de datos de tiempo de viaje , sin necesidad de costosas redes de comunicaciones. El piloto se llevó a cabo con éxito en la ciudad de Zaragoza a través de una flota de 200 taxis.

Descripción técnica

ITAINNOVA colaboró con NITAX, fabricante de taximetros dedicada al sector del taxi durante más de 2 décadas, para desarrollar este proyecto. Los datos recogidos en tiempo real son considerados como una colección de observaciones realizadas secuencialmente en el tiempo y tratados como procesos estocásticos capaces de predecir el tiempo de viaje con una precisión razonable. El objetivo es comprender el mecanismo subyacente que genera los datos observados y, a su vez, poder predecir los valores futuros de la serie para los próximos períodos. Debido al hecho de que el intervalo de tiempo entre dos puntos consecutivos GPS puede variar de 1 min a 2 horas ( incluso diferentes períodos de muestreo ) , es necesario, para crear series temporales, el cálculo de velocidades media entre dos períodos fijos . Un conjunto de métodos de previsión son aplicados: la media, medias móviles y métodos de alisado exponencial.  En cualquiera de ellos, se requiere optimizar los valores de los parámetros, reduciendo el error medio, el error medio absoluto, error cuadrático medio y los ajustes por mínimos cuadrados.

 Los errores en la precisión del GPS obligaron a implementar algoritmos de MapMatching para que, dada una coordenada GPS, saber localizar sobre la plataforma OpenStreetMap la calle exacta desde la que se produjo el registro. Este permite obtener perfiles de tiempos de viaje por distrito y periodo de tiempo. Se implementaron algoritmos dinámicos de cálculo de caminos mínimos para proporcionar a los taxistas con las mejores rutas para llegar a sus destinos.