MICINN-Retos de Colaboración 2019

Goal Systems, actuando como coordinador, y el grupo de Planificación y Aprendizaje, PLG, de la Universidad Carlos III de Madrid, actuando como socio, fueron adjudicatarias de una ayuda para financiar la ejecución del proyecto “GoalPLAN. Planificación estratégica intermodal abordada con técnicas de inteligencia artificial.”

Dicha ayuda fue concedida por el Ministerio de Ciencia e Innovación correspondiente a la convocatoria de Proyectos de I+D+i «Retos Colaboración» del Programa Estatal de Investigación, Desarrollo e Innovación Orientada a los Retos de la Sociedad, en el marco del Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020.

El crecimiento de las ciudades en términos de superficie y población es una de las tendencias mundiales más importantes del siglo pasado, llegando a hablar de megápolis. Con demasiada frecuencia, la velocidad de este fenómeno ha impedido un desarrollo urbano orgánico o bien planificado, y por ello, se están sufriendo largos tiempos de viaje, graves congestiones viales, limitada capacidad vehicular, contaminación, accidentes de tráfico, etc.

Sin embargo, la incorporación de tecnología en los smartphones de los pasajeros vía apps que facilitan su relación con distintos medios de transporte, la introducción de sensórica, tanto en los vehículos que nos transportan como en la infraestructura que utilizan, y su interconexión vía internet de la cosas (más conocida por sus siglas en inglés, IoT, Internet of Things), han facilitado la existencia de la movilidad inteligente (en adelante, Smart Mobility) dentro de un marco más general conocido por ciudad inteligente (Smart City).

De esta forma, se pueden utilizar los datos de movilidad de operadoras de telefonía para trazar los trayectos efectuados por la población, determinar patrones de comportamiento y construir las matrices Origen-Destino que modelen de una forma fidedigna la demanda de movilidad urbana.

GoalPLAN pretende desarrollar un software que garantice una planificación estratégica del transporte público multimodal y urbano completamente adaptado a las necesidades de movilidad de las Smart Cities, capaz de competir con el uso del transporte privado. Para ello, se generarán matrices origen-destino construida a partir de los datos de movilidad de operadores de telefonía utilizando técnicas de AI (Artificial Intelligence). Asimismo, se desarrollará un nuevo motor de optimización multimodal capaz de sincronizar las frecuencias de distintos medios de transporte en aras de minimizar los transbordos y los tiempos de espera en puntos críticos de la red.

Anterior
Siguiente