Smart mobility en smart cities

  • Published on
    24-May-2015

  • View
    2.877

  • Download
    4

Embed Size (px)

DESCRIPTION

Posicionamiento del inLab FIB y visin sobre la smart mobility en las smart cities. Presentacin del Dr. Jaume Barcel, responsable de proyectos de Transporte y TIC en el inLab FIB.

Transcript

  • 1. TRANSPORTE Y TIC ENinLab FIB:CONTRIBUCIN ALDESARROLLO DE MODELOS YHERRAMIENTAS PARA LASMART MOBILITYinLab FIBinlab.fib.upc.eduinLab FIBResponsable de Proyectos deTransporte y TICJaume Barcel+34 93 401 69 41inlab@fib.upc.edu

2. Reflexiones sobre el desarrollo urbano y sus consecuencias2 3. Tendencias del desarrollo urbanoDEVELOPMENT OF A CITY(source: Magnus Swahn, Conlogic, Sweden) 24.09.10El desarrollo deMontecarlo: MIT Energy Futures/Transportation/Urban Systems las ciudades (Fuente: Magnus Swahn, Conlogic)3 A partir de 2008 ms del 50% de la poblacin mundial vive en ciudades 3 4. Consecuencias del desarrollo urbano Separacin de reas de residencia y de trabajo Posibilitada porImpacto sobre la los sistemas decalidad de vida transporteGeneracin de Generacin deemisionescongestincontaminantes Impactos sobrelos consumos energticos4 5. Smart Cityuna respuesta tecnolgica a los problemas del desarrollo urbano5 6. El concepto de Smart City Es la respuesta que da la ciudad a los retos que le plantea eldesarrollo y la penetracin de las aplicaciones de las Tecnologas dela Informacin y de las Comunicaciones (TIC) en lo que se refiere alos desarrollos urbanos y socioeconmicos y a la calidad de vida.Las Polticas de desarrollo urbano Se trata de afrontar de forma holstica los retos y amenazas a susostenibilidad:- en la gestin de infraestructuras crticas como el transporte, el agua, laenerga o las comunicaciones,- en la prestacin de servicios a ciudadanos y empresas6 7. Conjetura primordial sobre las Smart CitiesLas soluciones Se basan en la instrumentacin y la interconexin dedispositivos mviles, sensores y actuadores Que han de permitir la recogida de datos urbanos en cantidadessin precedentes, de una calidad superior a la actual Cuyo anlisis mejorar sustancialmente la capacidad depredecir y gestionar los flujos urbanos y con ello la capacidad deimpulsar la gestin inteligente de la ciudad. Conjetura primordial sobre las Smart Cities (Chen-Ritzo et al. 2009)7 8. Sin embargo Las propuestas de soluciones para Smart Cities estn msdominadas por los vendedores de tecnologa que por lasiniciativas de los gobiernos municipales (Belisent 2010, Schafferset al. 2011) Pero smart city solutions must start with the city not the smart Por densa que sea la sensorizacin y, a partir de ella, rica yvariada la captura de datos: - Los datos por s mismos no generan informacin - La informacin es el resultado del procesamiento de los datos8 9. Tecnologa y Smartnessde los datos brutos a la informacin eficiente. Dnde est la inteligencia?9 10. Datos Procesamiento InformacinSmartness Efficient Data Collection (Technology) +Efficient Data Processing (Computer Models)PROCESAMIENTO DE LOS DATOSGENERACIN DE INFORMACIN CIUDAD Infraestructura deCIUDAD: transporte + Red de Sensores Gestin de Trfico Fijos (ETD, CCTV, BT) Demanda de Servicios de Mviles: Vehculos, PersonasMovilidad10 11. reas clave de aplicaciones en una Smart City11 12. reas clave de aplicaciones en una Smart City reas clave de aplicaciones en una Smart City (Schaffers et al. 2011)12 13. Smart Mobility desde la perspectiva del inLab FIB13 14. Punto de partida de la Smart MobilityLa movilidad (demanda) se ha deentender comoUn fenmeno social y econmicoConsecuencia de la distribucin en el espacio y en el tiempo de las actividades socioeconmicasQue generan las necesidades deZona Origende desplazamiento de las personas y lasActividades mercancas Ruta deOrigen aDestinoEntre los diferentes puntos de generacin y atraccin de dichas actividades, para poder realizarlas Zona Destino deActividades14 15. Caracterizacin de la movilidadEn trminos de patrones de movilidad (demanda) Matrices de viajes (origen-destino) Nmero de viajes desde un origen a un destinoo por un motivo especfico (domicilio-trabajo, ocio, compras, ... ) en unperodo de tiempo dadoDestinoOrigen p t ij nmero de viajes del Origen i al Destino j en el periodo por elpropsito p 15 16. La necesidad de capturar la temporalidad de la movilidadEstimacin esttica de matrices de viajes (prctica habitual de laplanificacin estratgica a partir de encuestas): o No se considera ninguna variacin temporal en la demandaCounts for link k each t OD demand for t ykgij originsTime Horizon -TTime Horizon -TTEstimacin dinmica de matrices de viajes (requiere fuentes de datos tecnologa) o Considera variabilidad temporal en la demanda Imprescindible para Smart Mobility Counts for link k each t OD demand for tyk gij ttt 01n Time Horizon -TTime Horizon -TT = t0 + t1 + ..+ tn16 17. Smart Mobility el papel de la tecnologa en la estimacin de la demanda de movilidad (Digital Travel Diary)17 18. Understanding Mobility: Electronic Data Collection for Activity Based Demand ModelingBCALs Micro Sensor data No operation needed Long-term monitoring In-store data Detailed actions observed GPS mobile phones Probe person surveyMesoDot data Creation of path dataPracticable for a long termOperation of instrument neededOnly GPS data Indoor data not observable Paper questionnaire Person trip survey MacroInter-zone travelZoneDependent on memoryDecrease in accuracyOmission of recording of short tripsLarge burdenNot practicable Zonefor a long-termSource: Electronic Instrument Design and User Interfaces for Activity Based Modeling (Hato & Timmermann - 2008)18 19. Smart Mobility sensores y captacin de datos de trfico19 20. Escenarios tecnolgicos plausibles para la Smart Mobility Vehicle n Vehicle nVehicle n Reaches RSU k Reaches RSU mReaches RSU p At time t1At time t2 At time t3 i Vehicle nVehicle n Leaves origin i Sends AVL message At time t0Vehicle nAt time t0+2t Sends AVL message At time t0+tData (RSU Id, mobile Data (RSU Id, mobile device identity, time device identity, timestamp ti) sent by GPRS stamp) sent by GPRS to to a Central Server a Central Server RSU-IDxRSU-IDyLoop detectors /Magnetometers On-board unit of equipped vehicle n captured by RSU-IDx at time t1AVL Equipped vehicle sends message(id, position, speed) at time tV2V exchange On-board unit of equipped vehicle n re- captured by RSU-IDy at time t220 21. Datos y calidad (valor aadido) de la informacinA partir de los datos, si sucalidad lo permite, la calidad dela informacin que se generarsero una funcin del grado desofisticacin de las tcnicas deprocesamiento que se utilicen.Ejemplo de informacin cualitativa (a partir de un tratamiento primario):o Incompleta: slo vas principales, 90% de la red vial sin informacino Desfasada: viajes ya realizados Sin capacidades predictivas21 22. Sntesis del desarrollo de las herramientas degeneracin de valor aadido para la Smart Mobility PROYECTOS SIMETRIA (Ref. P 63/08, 27.11.2008) Modelos de SIMulacin para la Evaluacin de Escenarios Multimodales de TRansporte Globales y RegIonAles (Ministerio de Fomento, Subprograma de Transporte e Infraestructura) (2009-2011) MITRA (Ref. TRA2009-14270) Modelos dinmicos de trfico para la gestin integrada de corredores MICINN (subprograma MODAL) (2011-2012) In4Mo (Ref. TSI-020100-2010-690) Sistemas Avanzados de Informacin para la Movilidad de las personas y los Vehculos CDTI, Programa: Accin Estratgica de Telecomunicaciones y Sociedad de la Informacin, 2010. Subprograma: Avanza Competitividad I+D+I, 2010-2012. (2011-2012)22 23. Objetivos de In4Mo: desarrollo de herramientas para lageneracin de informacin de valor aadido Integracin de datos de trfico procedentes de diferentestecnologas de deteccin mediante procedimientos de Fusin deDatos. Desarrollo de Modelos Dinmicos de Trfico que completen lainformacin sobre el estado de la red vial de manera consistentecon los datos observados y predigan su evolucin a cortoplazo. Desarrollo de aplicaciones avanzadas para la Gestin Activa yla Informacin de Trfico (ATIS/ATMS)23 24. Filtrado de datos atpicos, complecin de datosfaltantes, fusin de datos heterogneosTIPOS DIFERENTES DE FUENTES/DATOS DE TRFICO Filtrado de atpicos(Espiras, magnetmetros, CCTV, LPM, TAG, Bluetooth, GPS, ) (Distancia de Mahalanobis para intensidad/ocupacin)DATOS X DE DATOS Y DEINPUTINPUTFILTRADO: Eliminacin de atpicosCOMPLECIN DE DATOS FALTANTES Filtrado, complecin y MDULO DE FUSIN DE DATOS prediccin mediante FiltroNCLEO: HIPTESIS de Kalman(Hiptesis de la teora del trfico: modelosde flujos de trfico) CAPSULA: TCNICAS DE ASIMILACIN(Tcnicas estadsticas, Filtros No lineales, Resultado de la fusin mediante Filtro de Kalman)modelo de simulacin de trfico mesoscpico, a partir de medidas en varios tipos de sensores: ocupaciones en toda la redOUTPUT:Datos FusionadosAPLICACIONES 24 25. Estimacin del estado de la red en el perodo a partir de fusin de datos y uso de modelosDATOS DE FILTRADO YMODELOS ESTIMACINTRFICO DE LOS FUSION DEDINMICOS ESTADO DE LASENSORESDATOS DE TRFICO RED URBANADestinoOrigen p t ij nmero de viajes del Origen i al Destino j en el periodo por elpropsito pPerfiles datosdel periodo pMATRIZ OD INICIAL ( tij ) PERIODO Modelo deMATRIZ OD DELSIMULADOR Filtro dePERIODO DE MESOSCPICO Kalman para TIEMPO DE TRFICOla Estimacin de la MatrizOD del periodo Informacin obtenible (fusin+modelos):COMPLETA Informacin actual en web BCN: 25 INCOMPLETA 26. Informacin de valor aadido a partir de laestimacin del estado de la red El vehculo entra en la red por A con destino a B en el instante t BAInformacin de valor aadido:Caminos alternativos de A a B con tiempos de viaje esperados similares. El valor esperado (prediccin) del tiempo de recorrido en lugar del tiempo de recorrido realizado por los vehculos precedentes26 27. Un concepto innovador para la Gestin Activa del trfico:el Macro Fundamental Diagram (MFD)rea urbana a gestionar CUESTIN CLAVE CUL ES LA CAPACIDAD DE LA RED URBANA? Daganzo / Geroliminis (2007)Idea intuitivaConsideremos un rea urbana dada como un embalse con :- Flujo de entrada qin q(t) (vehculos por unidad de tiempo)- Funcin de salida e = G(n) (vehculos por unidad de tiempo)- Nmero de vehculos acumulados en el sistema en elDATOS DE TRFICO FUSIONADOS instante t, n(t) Estado del sistema PROCEDENTES DE LOS SENSORES QUE EQUIPAN EL REA URBANA A GESTIONARIdentificacin puntodel diagrama (A, B,)en el que opera la redurbana a gestionar enese momento27 28. Smart Mobility: la gestin activa basada en el MFDA partir del MFD (Macro Fundamental Diagram) en combinacincon Informacin de rutas del rea a gestionar La identificacin de las condiciones de operacin (A, B, )y su punto crtico Permite un nuevo concepto de gestin permitiendo orestringiendo los accesos (GATE-IN, GATE-OUT)28 28 29. Verificacin por simulacin del MFD del Ensanche de Barcelona Un modelo de simulacin microscpica de trfico emula de manera realista la evolucin temporal del trfico en el Ensanche de Barcelona. Desde periodos de tiempo sin congestin hasta situaciones de congestin. Se observa la evolucin del MFD a medida que crece la demanda y la captura de datos procedentes de los sensores.29 30. Arquitectura conceptual del proyecto In4Mo DISEMINACIN DE LA INFORMACININTEGRACIN DEDATOS Y COMPLECIN DE LA INFORMACIN FUNCIONES ATISPLATAFORMA NIVELES DE SERVICIOTECNOLGICA ESTIMACIN TIEMPOS DE RECORRIDO: DE PATRONES ESTIMACIN YSISTEMA DE RECOGIDADINMICOS DEPREDICCIN A CORTO TRATAMIENTO DE DATOSPLAZO FILTRADOMOVILIDAD PROVISIN DE RUTAS ETD (Espiras) (ATPICOS) (MATRICES (MULTIMODALIDAD) VEHCULOS EQUIPADOS FUSINOD)OTRASGPS/GPRS (FCD) (HETEROGNEOS) DISPOSITIVOS MVILES +(BLUETOOTH) MODELO DATOSFUNCIONES ATMS TECNOLOGIAS V2IFALTANTESESTIMACIN ESTADO MODELORED VIAL (MFD) DINMICO DE GESTIN ACCESOSFLUJOS DEENRUTAMIENTOS TRFICO OTRAS MESOSCPICOSOPORTEA LAGESTION 3030 31. In4Mo: Informacin avanzada (tiempo real+ prediccin corto plazo) y soporte a la Gestin Activa TIEMPOS DE RECORRIDO (+ PREDICCIN)Y RUTAS ALTERNATIVASNIVELES DE SERVICIO EN TODA LA RED31 32. Complecin del Sistema de Soporte a la Smart Mobility integracin de la Informacin Multimodal en tiempo real32 33. ATIS: Real-Time Advanced Journey PlannerSistema interactivo, integrado, multimodal, de ayuda a latoma de decisiones (pre-trip, in-trip)PLANIFICADOR DE RUTAS AB EN VEHCULO PRIVADO DISTANCIA TIEMPO... COSTE. HUELLA DE CO2 INCIDENTES P&R EN TRANSPORTE PBLICO DISTANCIA TIEMPO... COSTE. HUELLA DE CO2 INCIDENTES P&R EN COMBINACIN MODAL: PRIVADOPBLICO DISTANCIA TIEMPO... COSTE. P&R HUELLA DE CO2 INCIDENTESUrbano Inter-Urbano33 34. Cadenas modales yseleccin de rutas multimodales en tiempo realBuscador de caminos multimodales basado en el concepto de hiper-caminosdependientes del tiempo con ventanas de tiempo para aceder a los nodosde transferencia modal, en redes de transporte multidimensionales, en las quecada capa corresponde a un modo de transporte, incorporando criterios debsqueda que integren los objetivos del usuario34 35. Conclusiones La instrumentacin y la interconexin de dispositivos mviles, 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 informacin de calidad y valor aadido, que soportan aplicaciones ATIS/ATMS MEJORES MEJORES MEJOR MEJORESDATOSMODELOSINFORMACINSERVICIOS35 36. Smart mobility Colaboracin, comparticin y redes sociales36 37. Comparticin dinmica de trayectos Comparticin dinmica de trayectos punto a punto. Se ha iniciado una prueba piloto en Begues para compartir vehculos privados para acceder a la estacin de Gav. Los usuarios pueden solicitar el transporte con slos unos minutos de antelacin. Se utiliza tecnologa mvil y servidor de tracking. Los principales retos del proyectos son sociales y de seguridad.37 38. Actualizacin informacin geogrfica OpenStreetMap Entorno colaborativode edicin de mapas. inLab FIB lidera la iniciativaOpenStreetMap en Catalua Actualizacin social de la informacinde las infraestructuras de transporte38 39. Captura social de datos tooPath, aplicacin propia de tracking Aplicaciones mviles contextuales paraofrecer servicios contextuales,compartir localizacin en redessociales Experiencia en entornos departicipacin ciudadana Integracin con redes sociales Captura social de datos de trfico(pasiva o activa)39 40. Otras reas de experiencia inLab FIB40 41. reas de especializacin I+D+iinLab FIB integra profesorado de diferentes departamentos dela UPC y su propio personal tcnico para ofrecer solucionesen diferentes reas41 42. Smart Cities Simulacin de eficiencia energtica deedificios (EeB) Eficiencia energtica en el transporte Aplicaciones contextuales para eldeporte y la salud Participacin ciudadana Smart Mobility42 43. Ms informacinhttp://inlab.fib.upc.eduinlab@fib.upc.edu+34 93 401 69 41c/ Jordi Girona 1-3Campus Nord. Edifici B608034 BarcelonaTwitter: @inLabFIB43