Solicitarinformación

Contacto vía email

Déjanos tu email y contactaremos contigo

Este sitio Web utiliza cookies propias y de terceros con objeto de mejorar la experiencia de navegación. Si continúa navegando estará aceptando de forma expresa el uso de estas cookies. Puede obtener más información en nuestra página Uso de Cookies

BIDEMAP. Un proyecto liderado por Dinycon Sistemas con la participación de Tecnalia para el desarrollo de modelos predictivos

BIDEMAP: Análisis comportamental de la movilidad urbana peatonal

El objetivo principal del proyecto BIDEMAP es el desarrollo de una herramienta de apoyo a los gestores municipales para el análisis comportamental de la movilidad peatonal agregada en la Smart City: ocupación de espacios públicos, flujos de movilidad, matrices Origen-Destino, Mapas de calor, etc.

Para construir estos servicios de alto valor añadido para la ciudad a partir de los datos de movilidad recogidos por Dinycon, es necesario construir soluciones de análisis de los datos para detectar patrones, tendencias, describir comportamientos y predecirlos, y plasmarlos en formatos visuales atractivos e interpretables para el gestor municipal. En resumen: convertir los masivos, áridos e inmanejables datos digitales en información enriquecida e interpretable para el operador humano. 

Para construir la capa analítica de los datos recogidos, Dinycon se apoya en Tecnalia, y en su larga experiencia en Smart Mobility Lab, laboratorio de análisis comportamental de la movilidad basado en el paradigma Big Data.

La conjunción de la experiencia de Dinycon en la adquisición del dato de calidad, y la de Tecnalia en el análisis de volúmenes masivos de datos en el ámbito de la movilidad, nos han animado a presentar este proyecto al programa HAZITEK 

A partir de los datos registrados históricamente, se construyen modelos predictivos a corto y largo plazo, y se establecen correlaciones entre sensores

PREDICCIÓN A CORTO PLAZO

Se construye un modelo predictivo que tiene como entradas una ventana de lecturas anteriores al dato a predecir, y como salida el dato predicho. Se definen 2 variables: Profundidad y Horizonte de predicción

PREDICCIÓN A LARGO PLAZO

El método de predicción a largo plazo se basa en la detección de patrones en los datos conocidos. Los datos se agrupan por días, y éstos se agrupan por similitud, formando patrones. De esta manera, pueden agruparse por ejemplo, todos los sábados, que tienen un perfil de flujos similares

CORRELACION ENTRE SENSORES

Análogo al de predicción a corto plazo. La predicción contextual, establece correlaciones con otros sensores estableciendo una relación entre los mismos aunque no tengan dependencia. Lo vemos en el siguiente dibujo

MAPAS DE CALOR

Para la visualización de los flujos registrados por los sensores, elegimos un gráfico interactivo que permite observar el tránsito de personas en cada instante de tiempo. El objetivo es comprobar si existen las correlaciones entre las salidas y entradas de cada sensor. Es decir, si cuando por un sensor entra mucha gente también sale; podrían considerarse puntos de aglomeración constante; también analizar si los crecimientos en los valores registrados por un sensor llevan emparejados el crecimiento de los valores de otro o, por el contrario, su decrecimiento.

BIDEMAP está financiado por el programa HAZITEK 2019 de Apoyo a la I+D empresarial

Iniciar Sesión


© Dinycon