Transporte

La aplicación Liight es el proyecto ganador de nuestro I Desafío Aporta. Se trata de una app que gamifica la sostenibilidad incentivando a las personas a ser más sostenibles en su día. A través de sistemas de smart city y mecánicas de gamificación, se bonifica el uso del transporte público, la bicicleta o el reciclaje.

Esta app funciona a través de un sistema de recompensa, los Liights, una moneda virtual que los usuarios pueden canjear obteniendo distintos descuentos y premios directos en productos y servicios. Liight verifica la realización de las acciones mediante algoritmos propios y cruzando los datos recogidos, a través de los sensores del smartphone y cruzándolos con bases de datos públicas y privadas, así como dispositivos IoT (RecyclIoT).

Los Indicadores de Movilidad, desarrollados por el Ministerio de Transportes, Movilidad y Agenda Urbana, muestran la evolución de la movilidad desde el inicio de la pandemia, a principios de marzo de 2020, hasta la actualidad.

Para su elaboración se han utilizado datos del estudio de movilidad con Big Data, ue analiza los movimientos realizados por la ciudadanía durante este periodo de tiempo, con el objetivo de evaluar la efectividad de las medidas de restricción de la movilidad y apoyar la toma de decisiones. Utilizando el posicionamiento de los teléfonos móviles – en cumplimiento con la Ley Orgánica de Protección de Datos Personales y garantía de los derechos digitales- el estudio compara la movilidad diaria de cada semana con respecto al periodo del 14 al 20 de febrero de 2020. Se eligió esta semana debido a que tuvo un comportamiento normal de movilidad, al no tener ningún día festivo en ninguna comunidad autónoma. Los resultados del estudio se pueden ver a nacional, autonómico, provincial y local.

Aquellos usuarios que lo deseen pueden, además, descargarse los datos obtenidos del estudio en formato abierto y reutilizables, que se actualizan de manera diaria con la información de 3 días antes (el tiempo que se tarda en tratar los datos y ajustarlos para su publicación). En concreto, los usuarios tienen a su disposición la matriz de viajes y la matriz de viajes por persona. En ambos casos los datos están segmentados por días y por meses completos. También se incluye el fichero de zonificación empleada y el fichero de relación entre esta zonificación y los municipios.

Los datos de este estudio se han cruzado con otras variables de distintos medios de transporte (aéreo, ferroviario, portuario…) para elaborar estos indicadores de Movilidad, que se agrupan en cuatro categorías:

• Generales de movilidad, que muestra la evolución del nivel de movilidad del conjunto de las provincias.
• Movilidad intraprovincial, que permite conocer el tráfico dentro de las ciudades, las entradas y salidas de los municipios o cómo se ha comportado el transporte público urbano y metropolitano.
• Movilidad interprovincial, que recoge los desplazamientos entre provincias por carretera, tanto en vehículos ligeros como pesados, y en transporte colectivo por mar, tierra y aire.
• Movilidad para cada provincia, donde el usuario puede conocer las operaciones realizadas en su provincia.

Madrid En Bici es un proyecto independiente de periodismo de datos cuyo principal objetivo es trazar una radiografía del uso real de la bicicleta en la ciudad de Madrid. Toda la información ofrecida se hace respecto al servicio de bicicletas BiciMAD (https://www.bicimad.com/).

Este proyecto no muestra una foto fija sino que se encuentra en permanente desarrollo y actualización. Esta situación fomenta que la plataforma esté abierta a la colaboración de asociaciones, entidades, empresas y ciudadanos interesados en mejorar el conocimiento sobre el uso de la bicicleta.

Las principales fuentes de datos de los que se sirve esta plataforma son:

• Portal Datos Abiertos del Ayuntamiento de Madrid: Puntos aparcabicis, BiciMAD, intensidad media del tráfico, calles tranquilas, ciclocarriles y siniestralidad 2013
• Estadísticas Ayuntamiento de Madrid: Serie histórica de accidentes en Madrid desde 1996
• MadData ha cedido la recopilación de tweets relacionados con BiciMAD
• Información de uso de BiciMAD suministrada por la empresa Bonopark SL
• Estudio DGT: Accidentes de tráfico en zonas urbanas en España 2013 (PDF)
• Estadísticas de la DGT sobre la ciudad de Madrid
• Instituto Nacional de Estadística con datos relativos a la ciudad de Madrid

Esta aplicación desarrollada para el sistema operativo de Apple iOS permite consultar la situación y el estado en tiempo real de las estaciones de bicicletas de la ciudad de Santander.  

Los usuarios pueden hacer uso de Santander Bicis para saber si van a encontrar un hueco libre cuando llegan a su destino, o si hay alguna bici disponible en la parada más cercana.  

Además, ofrece un mapa con la localización de cada una de ellas e información del número de bicis disponibles, así como el número de plazas libres. 

La movilidad es un motor económico clave. Aumentar la eficiencia y la calidad del sistema de movilidad de un país contribuye tanto a la fortaleza de su economía como a mejorar la calidad de vida de sus ciudadanos. Esto es particularmente importante en los sistemas de movilidad de las ciudades y sus áreas metropolitanas, donde se concentra la mayor parte de la población y, por tanto, de la actividad económica.

Conscientes de ello - y porque así lo exigimos los ciudadanos- las autoridades locales destinan desde hace décadas una parte importante de sus recursos anuales a ampliar, mejorar y hacer más eficientes sus redes de transporte y movilidad.

En la última década los datos abiertos han sido unos de los vectores de innovación más importantes que se han introducido en las estrategias de movilidad que desarrollan las ciudades, dando lugar a iniciativas difícilmente imaginables en periodos anteriores. Y es que, a pesar de todas las complejidades que conlleva, la apertura de conjuntos de datos de movilidad, tanto estáticos como en tiempo real, para su reutilización es en realidad económica y sencilla, si lo comparamos con el coste de construir una nueva infraestructura de transporte o con el coste de adquisición y mantenimiento de los sistemas de ayuda a la explotación (SAE) asociados a los servicios de movilidad. Además, la existencia de un despliegue cada vez mayor de redes de sensores, accesibles a través de sistemas de control desplegados en el contexto de estrategias de "ciudad inteligente", hacen que la tarea sea cada vez un poco más sencilla.

No debemos olvidar, además, que el transporte público es clave para hacer frente al cambio climático ya que se trata de una de las fuentes de emisiones de gases de efecto invernadero de más rápido crecimiento, y el transporte público ofrece la mejor solución de movilidad para trasladar a las personas de manera rápida y eficiente en las ciudades de todo el mundo. Como vemos en la figura, con el simple trasvase de pasajeros que utilizan sus vehículos privados al transporte público se consigue un gran impacto en la reducción de emisiones de gases de efecto invernadero. La Bus Industry Confederation estima que el transvase de viajeros desde los automóviles al transporte público puede generar una reducción de emisiones del 65% durante las horas pico. Esta reducción podría llegar hasta el 95% en las emisiones durante las horas valle para los viajeros que dejan de utilizar su vehículo privado para comenzar a utilizar el transporte público.

Por todo ello, contamos ya con numerosos ejemplos en los que liberar datos de transporte y movilidad para ponerlos en manos de los viajeros se está mostrando como una política con importantes beneficios para muchas ciudades: permite un mejor uso de los recursos y contribuye a una movilidad más eficiente por el espacio urbano.

Veamos algunos ejemplos quizá no tan conocidos como los que suelen alcanzar los medios de comunicación, pero que demuestran cómo la liberación de datos permite innovaciones beneficiosas tanto para los usuarios como, en algunos casos, para las propias autoridades.

Rediseño de las rutas de autobús en la ciudad de Nueva York

Todas las ciudades están constantemente pensando en formas de mejorar sus rutas de autobús con el fin de prestar el mejor servicio posible a los ciudadanos. Sin embargo, en la ciudad de Nueva York, la política de datos abiertos, aportó como consecuencia no planificada una importante ayuda para las autoridades, la aportación basada en el análisis de los datos de los propios usuarios de la red de autobuses.

La campaña Bus Turnaround Coalition promovida por los propios usuarios con el apoyo de TransitCenter, una fundación que trabaja para mejorar el transporte público en ciudades de Estados Unidos y la Riders Alliance, está utilizando datos abiertos para crear conciencia sobre el estado de la red de autobuses de la ciudad de Nueva York, proponiendo soluciones de mejora a los responsables de su gestión, la Autoridad Metropolitana de Transporte (MTA).

Para formular sus recomendaciones estas organizaciones analizaron los tiempos de llegada de los autobuses utilizando los mapas de ubicación de la propia MTA, incorporaron datos en tiempo real a través de la especificación GTFS, revisaron los datos de pasajeros y mapearon (y optimizaron) las rutas de los autobuses.

Entre las propuestas más novedosas está el cambio de enfoque en los criterios de diseño de las rutas. En vez de intentar satisfacer a todo tipo de viajeros, la Bus Turnaround Coalition, después de analizar cómo las personas se mueven realmente por la ciudad y qué tipo de transporte necesitarían para lograr sus objetivos de manera eficiente, propusieron las siguientes recomendaciones:

• Agregar líneas para llevar a los pasajeros de las afueras de la ciudad directamente a las líneas de metro, facilitando un viaje rápido.
• Mejorar las líneas para ofrecer rutas cortas y rápidas dentro de un vecindario, para las personas que quieren hacer un recado rápido o visitar a un amigo cercano.
• Dividir rutas demasiado largas para minimizar el riesgo de retrasos.
• Reajustar la distancia entre las paradas, que a menudo están demasiado cerca, complementando los huecos en la cobertura del metro.

Los datos abiertos han convertido frecuentes protestas y quejas de los usuarios por el mal funcionamiento de la red en un conjunto de aportaciones razonadas y basadas en datos, que han sido recogidas en una serie de compromisos de la MTA para mejorar la red de autobuses de Nueva York tales como el rediseño de la red de para 2021, el aumento del 25% en la velocidad de los trayectos o la gestión proactiva del mantenimiento de los autobuses.

Datos de uso de bicicletas en San Francisco

Como muchas otras ciudades, San Francisco, a través de su Agencia de Transporte Municipal (SFMTA), registra los datos de viajes de los usuarios de su sistema público de bicicletas compartidas y los ofrece como datos abiertos. En este caso la propia autoridad de transporte publica informes regulares, tanto sobre el uso en general del sistema, como de las conclusiones que obtiene para la propia mejora de la movilidad de la ciudad.

Documentando y analizando los volúmenes y las tendencias del uso de las bicicletas en San Francisco consiguen apoyar los objetivos del Plan Estratégico de la SFMTA, que pretende priorizar otras formas de viajar en la ciudad que no sean el automóvil particular.

Por ejemplo, el análisis continuo de los volúmenes de pasajeros en bicicleta en las intersecciones clave de la ciudad y las ideas aportadas por los ciudadanos ha permitido reducir la congestión del tráfico y los accidentes por la vía de la reorganización de las prioridades en el tránsito de los vehículos, de acuerdo con el uso real de las calzadas en cada momento del día.

Aparcamiento eficiente en Sacramento

Muchas ciudades tratan de abordar los problemas de congestión del tráfico desde diferentes puntos de vista incluido la gestión eficiente de los aparcamientos. Por ello uno de los conjuntos de datos que se publican con frecuencia en las ciudades con iniciativas de datos abiertos es el de ocupación de los aparcamientos públicos.

En la ciudad de Sacramento, California, la iniciativa de datos abiertos publica conjuntos de datos de la red de sensores que en toda la ciudad monitoriza la disponibilidad de estacionamiento en los parquímetros y no sólo en los aparcamientos públicos de la ciudad. De este modo han conseguido reducir las emisiones ya que los vehículos pasan menos tiempo buscando aparcamiento, al tiempo que han mejorado notablemente la fluidez del tráfico y la satisfacción de los ciudadanos que usan la app Sacpark.

En el año 2020, debido a la pandemia, el transporte de pasajeros en todo el mundo se vio drásticamente reducido debido a las políticas de restricción de la movilidad que tuvieron que desplegar los gobiernos de todo el mundo para frenar la propagación del virus, como se ve en la siguiente imagen.

En junio de 2021 las ciudades aún están lejos de recuperar los niveles de movilidad que tenían en marzo de 2020, pero seguimos avanzado en que los datos sean la base sobre la cual construir información útil, y esenciales en las nuevas innovaciones que llegan a través de la inteligencia artificial.

Por ello, a medida que la pandemia remite, y muchas iniciativas se retoman, seguimos viendo cómo los datos abiertos están en el corazón de las estrategias de movilidad inteligente, conectada y respetuosa con el medio ambiente.

Contenido elaborado por Jose Luis Marín, Senior Consultant in Data, Strategy, Innovation & Digitalization.

Los contenidos y los puntos de vista reflejados en esta publicación son responsabilidad exclusiva de su autor.

Un síntoma que refleja la madurez de un ecosistema de datos abiertos es la posibilidad de encontrar conjuntos de datos y casos de uso relativos a diferentes sectores de actividad. Así lo considera el propio Portal de Datos Abiertos Europeo  en su índice de madurez. La clasificación de los datos y de sus usos por categorías temáticas impulsa la reutilización, ya que permite a los usuarios localizar y acceder a estos de forma más específica. Además, permite detectar necesidades en áreas concretas, identificar sectores prioritarios y estimar más fácilmente el impacto.

En España encontramos distintos repositorios temáticos, como UniversiData, en el caso de la educación superior, o TURESPAÑA, para el sector turístico. Sin embargo, el hecho de que las competencias de determinadas materias estén distribuidas por las Comunidades Autónomas o Ayuntamientos complica la localización de datos de una misma temática.

Datos.gob.es reúne los datos abiertos de todos los organismos públicos españoles que hayan llevado a cabo un proceso de federación con el portal. Por ello en nuestro catálogo puedes encontrar conjuntos de datos de distintos publicadores segmentados por 22 categorías temáticas, las consideradas por la Norma Técnica de Interoperabilidad.

Número de conjuntos de datos por categoría a fecha de junio 2021

Pero además de mostrar los conjuntos de datos divididos por temática también es importante mostrar datasets destacados, casos de uso, guías y demás recursos de ayuda por sector, de tal forma que los usuarios puedan acceder más fácilmente a los contenidos relacionados con sus áreas de interés. Por ello, en datos.gob.es hemos puesto en marcha una serie de apartados web centrados en distintos sectores de actividad, con contenidos específicos para cada área.

4 sectoriales que se irán ampliando a otras áreas de interés

Actualmente en datos.gob.es puedes encontrar 4 sectoriales: Medio ambiente, Cultura y ocio, Educación y Transporte. Estos sectores se han destacado por diferentes motivos estratégicos:

• Medio ambiente: Los datos de medio ambiente son fundamentales para conocer cómo cambia nuestro entorno y poder así luchar contra el cambio climático, la contaminación y la deforestación. La propia Comisión Europea considera los datos de medio ambiente datos de alto valor en la Directiva 2019/1024. En datos.gob.es puedes localizar datos de calidad del aire, predicción meteorológica, escasez de agua, etc. Todos ellos fundamentales para impulsar soluciones que logren un mundo más sostenible.
• Transporte: En la Directiva 2019/1024 también se destaca la importancia de los datos de transporte. Muchas veces en tiempo real, estos datos facilitan la toma de decisiones encaminadas a la gestión eficiente del servicio y la mejora de la experiencia de los viajeros. Los datos de transporte son de los más utilizados para crear servicios y aplicaciones (por ejemplo, aquellas que informan del estado de tráfico, los horarios de los autobuses, etc.). A esta categoría pertenecen datasets como las incidencias de tráfico en tiempo real o los precios de los carburantes.
• Educación: Con la llegada de la COVID-19, muchos alumnos tuvieron que seguir sus estudios desde sus hogares, a través de soluciones digitales que no siempre estaban preparadas. En los últimos meses, a través de iniciativas como el Desafío Aporta, se ha hecho un esfuerzo para impulsar la creación de soluciones que incorporen datos abiertos con el fin de mejorar la eficiencia del ámbito educativo, impulsar mejoras -como la personalización de la educación- y lograr un acceso más universal al conocimiento. Algunos de los datasets de educación que podemos encontrar en el catálogo son las titulaciones impartidas por las universidades españolas, o encuestas sobre el gasto de los hogares en educación.
• Cultura y ocio: Los datos de cultura y ocio son una categoría de gran importancia a la hora de reutilizarse para desarrollar, por ejemplo, contenidos educativos y de aprendizaje. Los datos culturales pueden ayudar a generar nuevo conocimiento que nos ayude a conocer nuestro pasado, presente y futuro. Algunos ejemplos de conjuntos de datos son la ubicación de monumentos o los listados de obras de arte.

Estructura de cada sector

Cada página de sector cuenta con una estructura homogénea, que facilita la localización de contenidos disponibles igualmente en otras secciones.

Empieza con un destacado donde se aprecian algunos ejemplos de conjuntos de datos destacados pertenecientes a esta categoría, y un enlace para acceder a todos los datasets de esta temática en el catálogo.

Continua con noticias relacionadas con los datos y el sector en cuestión, que pueden abarcar desde eventos o información sobre iniciativas concretas (como Procomún en el ámbito de los datos educativos o el Pacto Verde en medio ambiente) hasta las últimas novedades a nivel estratégico y operativo.

Por último, encontramos tres secciones relacionadas con los casos de uso: innovación, empresas reutilizadoras y aplicaciones. En la primera se cuenta, a través de artículos, ejemplos de usos novedosos, muchas veces ligados a tecnologías disruptivas como la Inteligencia Artificial. En las dos últimas, hallamos fichas concretas de empresas y aplicaciones que utilizan datos abiertos de dicha categoría para generar un beneficio para la sociedad o la economía.

Sección de destacados en la home

Además de la creación de páginas sectoriales, en el último año, datos.gob.es también ha incorporado una sección de datasets destacados. El objetivo es dar una mayor visibilidad a aquellos conjuntos de datos que cumplen una serie de características: han sido los últimos en actualizarse, se encuentran en formato CSV o se puede acceder a ellos vía API o servicios web.

¿Qué otros sectoriales te gustaría destacar?

En los planes de datos.gob.es está el continuar aumentado el número de sectores a destacar. Por ello, te invitamos a dejar en comentarios cualquier propuesta que consideres adecuada.

La inteligencia artificial está transformando las compañías, siendo los procesos de la cadena de suministro uno de los ámbitos que está obteniendo un mayor beneficio. Su gestión involucra a todas las actividades de administración de los recursos, incluyendo la adquisición de materiales, fabricación, almacenamiento y transporte desde el origen a su destino final.

Durante los últimos años, los sistemas empresariales se han ido modernizando y actualmente están respaldados por redes informáticas cada vez más omnipresentes. Dentro de estas redes, sensores, maquinas, sistemas, vehículos, dispositivos inteligentes y personas están interconectados y generando información continuamente. A ello hay que sumar el aumento de la capacidad computacional, que permite procesar estas grandes cantidades de datos generados de manera rápida y eficiente. Todos estos avances han contribuido a estimular la aplicación de las tecnologías de Inteligencia Artificial que ofrecen un mar de posibilidades.

En este artículo vamos a repasar algunas aplicaciones de Inteligencia Artificial en diferentes puntos de la cadena de suministro.

Implementaciones tecnológicas en las distintas fases de la cadena de suministro

Planificación

Según Gartner, la volatilidad en la demanda es uno de los aspectos que más preocupan a los empresarios. La crisis del COVID-19 ha puesto en evidencia la debilidad en la capacidad de planificación dentro de la cadena de suministro. Para poder organizar correctamente la producción, es necesario conocer las necesidades de los clientes. Esto se puede hacer a través de técnicas de análisis predictivo que nos permitan predecir de demanda, es decir, estimar una probable petición futura de un producto o un servicio. Este proceso sirve también como punto de partida para muchas otras actividades, como el almacenamiento, el envío, el precio del producto, la compra de materias primas, la planificación de la producción y otros procesos que tienen como objetivo satisfacer la demanda.

El acceso a datos en tiempo real permite desarrollar modelos de Inteligencia Artificial que toman ventaja de toda la información contextual para obtener así resultados más precisos, reduciendo el error de manera significativa comparado con métodos de previsión más tradicionales como pueden ser ARIMA o exponential smoothing.

La planificación de la producción es también un problema recurrente donde variables de diversa índole juegan un papel importante. Los sistemas de inteligencia artificial pueden manejar la información que implica los recursos materiales; la disponibilidad de recursos humanos (teniendo en cuenta turnos, vacaciones, bajas o asignaciones a otros proyectos) y sus habilidades; las máquinas disponibles y sus mantenimientos e información sobre el proceso de fabricación y sus dependencias para optimizar la planificación de la producción con la finalidad de cumplir satisfactoriamente los objetivos.

Producción

Dentro de las etapas del proceso productivo, una de las etapas más impulsadas por la aplicación de inteligencia artificial es el control de calidad y, más concretamente, la detección de defectos. Según la Comisión Europea,  el 50% de la producción puede acabar como chatarra debido a los defectos, mientras que, en líneas de fabricación complejas, el porcentaje puede elevarse al 90%. Por otro lado, el control de calidad sin automatizar es un proceso caro, ya que es necesario entrenar a personas para que sean capaces de realizar las inspecciones de manera adecuada y, además, estas inspecciones manuales podrían causar cuellos de botella en la línea de producción, retrasando los tiempos de entrega. Unido a esto, los encargados de la inspección no aumentan en número a la vez que aumenta la producción.

En este escenario, la aplicación de algoritmos de visión por computador puede solventar todos estos problemas. Estos sistemas aprenden a partir de ejemplos de defectos y, de esta manera, pueden extraer patrones comunes para poder clasificar futuros defectos de producción. Las ventajas que aportan estos sistemas es que pueden conseguir la precisión de un humano o incluso mejor, ya que pueden procesar miles de imágenes en muy poco tiempo y son escalables.

Por otro lado, es muy importante asegurar la fiabilidad de la maquinaria y reducir las posibilidades de detención de la producción debido a averías. En este sentido, muchas empresas están apostando por sistemas de mantenimiento predictivo que son capaces de analizar los datos de monitorización para evaluar el estado de la maquinaria y programar un mantenimiento si es necesario.

Los datos abiertos pueden ayudar a la hora de entrenar estos algoritmos. Como ejemplo, la Nasa ofrece una colección de conjuntos de datos donados por varias universidades, organismos o empresas de utilidad para el desarrollo de algoritmos de predicción. En su mayoría, se trata de series temporales de datos desde un estado de funcionamiento normal hasta un estado fallido. En este artículo se muestra cómo se puede coger uno de estos conjuntos de datos concretos (Turbofan Engine Degradation Simulation Data Set, que incluye datos de sensores de 100 motores del mismo modelo) para realizar un análisis exploratorio y un modelo de regresión lineal de referencia.

Transporte

La optimización de rutas es uno de los elementos más críticos dentro de la planificación del transporte y la logística empresarial en general. Una planificación óptima asegura que la carga llega a tiempo, reduciendo el coste y la energía al mínimo posible. Hay muchas variables que intervienen en el proceso como, por ejemplo, picos de trabajo, incidencias en el tráfico, condiciones climáticas, etc. y ahí es donde la inteligencia artificial entra en juego. Un optimizador de rutas basado en inteligencia artificial es capaz combinar toda esta información para ofrecer la mejor ruta posible o modificarla en tiempo real dependiendo de las incidencias que ocurran durante el trayecto.

Las organizaciones de logística utilizan los datos de transporte y los mapas oficiales para optimizar las rutas en todos los medios de transporte, permitiendo evitar zonas con una gran congestión, mejorando la eficiencia y seguridad. De acuerdo con el estudio “Open Data impact Map”, los datos abiertos más demandados por estas empresas son aquellos relacionados directamente con los medios de transporte (rutas, horarios de transportes públicos, número de accidentes…), pero también datos geoespaciales, que les permitan planificar mejor sus viajes.

Asimismo, existen empresas que comparten sus datos en modelos B2B. Tal y como recoge el informe de la Fundación Cotec “Guía para la apertura y compartición de datos en el entorno empresarial”,  la empresa española Primafrio, comparte datos con sus clientes como un elemento de valor en sus operaciones para la localización y posicionamiento de la flota y los productos (datos en tiempo real que pueden ser de utilidad para el cliente, como la matrícula del camión, la posición, el conductor, etc.) y para tareas de facturación o contabilidad. Como resultando, sus clientes han optimizado el tracking de los pedidos y su capacidad de adelantar la facturación.

Cerrando el apartado de transporte, uno de los objetivos de las empresas del sector logístico es asegurar que los bienes llegan a su destino en condiciones óptimas. Esto es especialmente crítico cuando trabajan con en empresas del sector alimentario. Por ello, es necesario monitorizar el estado de la carga durante el transporte. Controlar variables como la temperatura, localización o detectar impactos es crucial para saber cómo y cuándo se deterioró la carga y, así, poder realizar las acciones correctivas necesarias para evitar futuros problemas. Tecnologías como IoT, Blockchain e Inteligencia Artificial ya se están aplicando a en este tipo de soluciones, en ocasiones incluyendo el uso de datos abiertos.

Servicio al cliente

Ofrecer un buen servicio al cliente es fundamental para cualquier empresa. La implementación de asistentes conversacionales permite enriquecer la experiencia del cliente. Estos asistentes posibilitan a los usuarios interactuar con aplicaciones informáticas de forma conversacional, mediante texto, gráficos o voz. Por medio de técnicas de reconocimiento de voz y procesamiento de lenguaje natural, estos sistemas son capaces de interpretar la intención de los usuarios y realizar las acciones necesarias para responder a sus peticiones. De esta forma, los usuarios podrían interactuar con el asistente para hacer un seguimiento de su envío, modificar o realizar un pedido. En el entrenamiento de estos asistentes conversacionales es necesario utilizar datos de calidad, para conseguir un óptimo resultado.

En este artículo hemos visto sólo algunas de las aplicaciones de la inteligencia artificial a distintas fases de la cadena de suministro, pero su capacidad no sólo se reduce a éstas. Existen otras aplicaciones como el almacenamiento automatizado que utiliza Amazon en sus instalaciones, los precios dinámicos dependiendo de la demanda o la aplicación de inteligencia artificial en marketing, que sólo dan una idea de cómo la inteligencia artificial está revolucionando el consumo y la sociedad.

Contenido elaborado por Jose Antonio Sanchez, experto en Ciencia de datos y entusiasta de la Inteligencia Artificial .

Los contenidos y los puntos de vista reflejados en esta publicación son responsabilidad exclusiva de su autor.

GeoGasolineras es la aplicación móvil que traslada la web del Geoportal de Gasolineras del Ministerio para la Transición Ecológica y el Reto Demográfico a los dispositivos móviles.

GeoGasolineras ofrece la localización y servicios de cada una de las estaciones, así como los precios de los combustibles disponibles. En ella se ofrecen los mismos precios para las estaciones de servicio que se muestran en la web del Ministerio. Las estaciones se pueden situar en una ruta introducida por el usuario o mostrar las más cercanas a su ubicación. De esta manera es posible realizar búsquedas geográficas de las estaciones de servicio en todo el territorio español de forma intuitiva y visual. Con esta información, el usuario puede planificar sus rutas de viaje y elegir las estaciones de servicio donde realizar los repostajes según mejor le convenga.

Además, esta aplicación también permite incluir la capa visual del estado del tráfico en el mapa de búsqueda, de tal forma que el usuario pueda consultar el estado del tráfico en el área de cada gasolinera.

Los datos abiertos de movilidad juegan un papel clave a la hora de transformar las actuales redes y sistemas de transporte, impulsando su digitalización y mejorando su sostenibilidad y eficiencia. La Unión Europea es consciente de esta situación, y por ello no solo ha incluido los datos de movilidad entre las categorías consideradas de alto valor en la directiva (UE) 2019/1024, sino que también ha resaltado su importancia en la nueva "Estrategia de movilidad sostenible e inteligente", incluyendo líneas de acción relacionadas con su impulso, como abordamos anteriormente.

En este nuevo artículo nos vamos a centrar en la situación en España, donde también se han incluido medidas relacionadas con los datos abiertos en la estrategia nacional de movilidad.

La Estrategia de Movilidad segura, sostenible, conectada 2030

La Estrategia de Movilidad segura, sostenible, conectada 2030 (es.movilidad) publicada por el Ministerio de Transportes, Movilidad y Agenda Urbana (MITMA) en septiembre de 2020 reconoce la importancia de los datos abiertos en el proceso de digitalización y automatización del transporte, así como los retos que a nivel regulatorio plantean las condiciones de recogida, cesión y acceso a los datos que se generan en las diferentes partes de la cadena de valor. Por ello en la estrategia se propone que una futura Ley de Movilidad Sostenible y Financiación del Transporte aborde estas cuestiones, ofreciendo soluciones que eliminen las barreras a la apertura de datos y que garanticen la privacidad de los usuarios y la protección de las diferentes estrategias empresariales.

Aunque están presentes en otras medidas, en el eje 5 (Movilidad Inteligente) de la Estrategia existen cuatro medidas, tres de ellas dentro de la línea de acción para la Facilitación de la Movilidad como Servicio, Datos Abiertos y Nuevas Tecnologías para el Análisis y Optimización de la Movilidad, en las que los datos abiertos tienen un papel destacado de forma explícita:

• En la medida diseñada para impulsar la publicación de datos abiertos de movilidad del MITMA en coordinación con la plataforma datos.gob.es sepretende adoptar un papel proactivo en la puesta a disposición de datos abiertos (tanto planificados como de operación real) que resulten relevantes para la sociedad.
• La implementación del Punto de acceso nacional de datos para viajes multimodales tiene como objetivo la creación de un repositorio único de datos abiertos de transporte (horarios, tarifas, rutas, coordenadas geográficas de las paradas, etc.) proporcionados por autoridades de transporte, operadores, prestadores de servicios de movilidad compartida o servicios de transporte a la demanda, gestores de infraestructuras, etc. de todos los modos a nivel nacional. En este sentido cabe destacar que el MITMA pretende ir más allá del mínimo obligatorio y crear otros tres puntos nacionales de acceso (tráfico en tiempo real, información de seguridad en relación con el tráfico y aparcamientos seguros para transporte de mercancías).
• Para fomentar el desarrollo de aplicaciones de movilidad garantizando la disponibilidad de datos de calidad y en tiempo real, el MITMA analizará la conveniencia de promover regulación complementaria para que todos los operadores de transporte, gestores de infraestructuras, y proveedores de servicios de transporte a la demanda proporcionen datos dinámicos, fiables y en tiempo real de sus servicios de transporte para que sean puestos a disposición de terceros.
• Finalmente el diseño e implementación de la plataforma tecnológica SIMPLE, también prevé la reutilización de la información a lo largo de la cadena logística y de transporte, partiendo del principio de aportar los datos únicos una sola vez. Esta plataforma permitirá conocer la trazabilidad de las mercancías en los distintos medios de transporte y, por otro lado, permitirá la interconexión entre la Administración Pública y los distintos agentes del sector logístico privado para facilitar el comercio y el transporte, a nivel nacional e internacional.

Estas medidas se resumen en la siguiente imagen:

Por otra parte se ha lanzado recientemente una solicitud de manifestaciones de interés para identificar propuestas para la integración de la inteligencia artificial en las cadenas de valor de la economía con el fin de impulsar la transformación digital del tejido económico, en el marco del Plan de Recuperación. Y uno de los cinco ejes en los que la propia Estrategia Nacional de Inteligencia Artificial (ENIA) reconoce el impacto de la IA y los datos es por supuesto, la movilidad sostenible e inteligente. Cabe destacar que se trata de una invitación dirigida a proyectos en las fases más próximas al mercado del proceso de innovación basados en tecnologías de media a alta madurez (TRL 6 en adelante) como complemento a las acciones de apoyo a la I+D.

Ahora que vislumbramos el fin del periodo de pandemia, el esfuerzo de recuperación económica abre oportunidades fascinantes para la innovación y la transformación digital de sectores donde la penetración de la inteligencia artificial y el uso de datos hasta ahora ha sido mucho menor que el sector de las tecnologías de la información, algo que no ocurre sólo en la movilidad y el transporte si también en la agricultura, la energía o la salud y la educación.

Nos encontramos por tanto ante una oportunidad única que no podemos permitirnos desaprovechar; que además viene acompañada de un importante impulso en forma de financiación pública y en la que destaca el transporte y la movilidad por su impacto no solo en la economía, sino también el medio ambiente y en la propia calidad vida de los ciudadanos.

Contenido elaborado por Jose Luis Marín, Senior Consultant in Data, Strategy, Innovation & Digitalization.

Los contenidos y los puntos de vista reflejados en esta publicación son responsabilidad exclusiva de su autor.

Hace más de dos años comenzábamos 2019 muy esperanzados con los avances que se estaban produciendo en España respecto a la apertura de datos relacionados con el transporte y la movilidad, después de unos años en los que no se habían registrado grandes progresos. Aunque aún existe margen de mejora, sobre todo en la disponibilidad de datos abiertos en tiempo real, sirva como indicador de progreso en este periodo el hecho de que las aplicaciones de la categoría de transportes ya representan el 20% del total publicado en el portal datos.gob.es.

Y es que en estos dos años el ritmo de las innovaciones en todo lo relacionado con el uso de los datos y la inteligencia artificial no sólo se ha acelerado por el avance de la tecnología, sino por un importante impulso legislativo, tanto a nivel europeo como nacional. Por ejemplo, la nueva directiva (UE) 2019/1024 considera que los datos relacionados con la movilidad y el transporte están entre los seis grupos declarados de alto valor por sus considerables beneficios para la sociedad, el medio ambiente y la economía. Por ello ha tenido en cuenta su impulso en su nueva estrategia de movilidad.

Marco europeo para los datos de movilidad

La estrategia europea de datos publicada en 2020 tiene entre sus objetivos crear un mercado único de datos que garantice la competitividad global y la soberanía de los datos de Europa a través de la creación en nueve sectores estratégicos de espacios de datos europeos comunes, capaces de garantizar que haya más datos disponibles para su uso en la economía y la sociedad. Las acciones que llevan al desarrollo de estos espacios de datos se están vehiculando a través de las diferentes estrategias que la Comisión Europea está desarrollando para cumplir con las prioridades establecidas para el periodo 2019-2024. Algunos ejemplos ya en desarrollo son el espacio común de datos de fabricación o el espacio común de datos de agricultura.

En lo que se refiere al transporte, en diciembre de 2020 la Comisión Europea presentó su "Estrategia de movilidad sostenible e inteligente" acompañada de un plan de acción de 82 iniciativas para los próximos 4 años que contribuirán a conseguir los objetivos del Pacto Verde Europeo. Esta estrategia sienta las bases de cómo el sistema de transporte de la UE debe lograr su transformación ecológica y digital para ser más resistente a crisis futuras.

Aunque el papel de los datos está presente en la mayor parte de los puntos, entre las diez acciones clave hay una centrada en exclusiva en el papel de los datos. En la acción número 7: “Innovación, datos e inteligencia artificial para una movilidad más inteligente”, además de los objetivos relacionados con fomentar la innovación en general y la construcción de infraestructuras digitales adecuadas, destacan los siguientes puntos relacionados con los datos y la inteligencia artificial:

• La Comisión destaca la necesidad de redoblar los esfuerzos relacionados con la disponibilidad, el acceso y el intercambio de datos para que la transformación digital del sector del transporte y la movilidad sea una realidad.
• Se reconoce que la disponibilidad de datos y estadísticas también es esencial, especialmente de datos en tiempo real, ya que permite prestar mejores servicios a los ciudadanos o dotar de transparencia a las cadenas de suministro en el transporte de mercancías.
• Se destaca la necesidad de eliminar barreras como la existencia de unas condiciones reguladoras poco claras, la ausencia de un mercado de la UE para el suministro de datos, la falta de una obligación de recogida y puesta en común de datos o los recelos en cuanto a la soberanía de los datos, ente otras.
• Se desarrolla el compromiso de proponer acciones adicionales para construir un espacio común europeo de datos relativos a la movilidad, recogido en la Estrategia de Datos. En este sentido se fija el objetivo de recopilar, conectar y poner a disposición datos para lograr los objetivos de sostenibilidad y multimodalidad.
• Es especialmente relevante el compromiso de que el espacio de datos relativos a la movilidad funcione en sinergia con otros sistemas clave como los energéticos, los de navegación por satélite y los de telecomunicaciones.
• Se trata de forma muy diferenciada el acceso a los datos de los vehículos donde la Comisión adquiere el compromiso de presentar una nueva iniciativa relativa al acceso a los datos sobre automóviles, a través de la cual propondrá un marco equilibrado que garantice a los proveedores de servicios de movilidad un acceso justo y eficaz a los datos de los vehículos.
• La Comisión prevé financiar la investigación, la innovación y el despliegue de soluciones para el transporte que estén basadas en inteligencia artificial a través de los programas Horizonte Europa y Europa Digital, reconociendo que la inteligencia artificial es fundamental para la automatización del transporte en todas sus modalidades. En este contexto, la Comisión prestará apoyo a los centros de ensayo y experimentación dedicados a la IA para la movilidad inteligente.

Desde luego se trata de un conjunto de compromisos muy ambiciosos que además deben ser compatibles con las normas de protección de datos de la Unión y garantizar la igualdad de condiciones por lo que respecta a los datos en la cadena de valor, de forma que la innovación pueda prosperar y surjan nuevos modelos de negocio. Si no es así los operadores percibirían que el espacio común de datos de movilidad no es seguro y fiable para compartir sus datos y resultaría muy difícil cumplir con los ambiciosos objetivos que ya en 2030 pretenden que la movilidad automatizada esté desplegada a gran escala y que el transporte de pasajeros multimodal sea una realidad apoyada en la expedición integrada de billetes electrónicos.

Contenido elaborado por Jose Luis Marín, Senior Consultant in Data, Strategy, Innovation & Digitalization.

Los contenidos y los puntos de vista reflejados en esta publicación son responsabilidad exclusiva de su autor.