Descripción del proyecto
LA MOVILIDAD EFICIENTE Y SOSTENIBLE EN ENTORNOS URBANOS DEFINE UN AMBITO FUNCIONAL COMPLEJO EN EL QUE PARTICIPAN DIFERENTES ELEMENTOS Y AGENTES AUTONOMOS (CIUDADANOS, SERVICIOS PUBLICOS, AYUNTAMIENTOS, ELEMENTOS DE INFRAESTRUCTURA URBANA, EMPRESAS DE TRANSPORTE,,,) DE CUYA COORDINACION DEPENDE UN USO EFICIENTE Y SOSTENIBLE DE LOS RECURSOS DISPONIBLES, LA OPTIMIZACION CONJUNTA DE LA TOMA DE DECISIONES DE MOVILIDAD EN UNA CIUDAD INTELIGENTE, DESDE LA GENERACION DE POLITICAS AL USO DE LOS DIFERENTES MODOS DE TRANSPORTE, NECESITA NO SOLO LA RECOGIDA DE DATOS QUE CAPTUREN CON LA MAYOR GRANULARIDAD EL ESTADO DE LA CIUDAD SINO DE TECNICAS DE ANALISIS AUTOMATICAS CAPACES DE DETECTAR PATRONES Y PREDECIR ESCENARIOS A CORTO Y MEDIO PLAZO SOBRE LOS QUE BASAR LA OPTIMIZACION DE LAS DECISIONES, EN LA ACTUALIDAD, ES POSIBLE OBTENER DATOS RELACIONADOS CON LA INFRAESTRUCTURA DE LA CIUDAD INTELIGENTE DE DIFERENTES FUENTES, INCLUYENDO DATOS EN ABIERTO O BAJO DEMANDA DE SERVICIOS PUBLICOS O PRIVADOS (INFORMACION METEOROLOGICA, DATOS DE TRAFICO, DE TRANSPORTE PUBLICO EN TIEMPO REAL, DE CAMARAS, DE SENSORES AMBIENTALES, ETC,), ASI COMO DATOS PROVENIENTES DE LOS PROPIOS CIUDADANOS (EN REDES SOCIALES O DEL USO DE APLICACIONES MOVILES ESPECIFICAS), NOS ENCONTRAMOS POR LO TANTO CON QUE EL ANALISIS DE DATOS PARA LA CIUDAD INTELIGENTE PLANTEA UNA PROBLEMATICA ESPECIFICA RELACIONADA CON EL MANEJO DE FUENTES DE DATOS HETEROGENEAS, A MENUDO INCOMPLETAS E IMPRECISAS, CAMBIANTES Y QUE TIENEN QUE INTERRELACIONARSE ENTRE SI DE CARA A SU ALMACENAMIENTO Y PROCESAMIENTO,,EN ESTE MARCO, EL SUBPROYECTO MAGIST-RALES SE CENTRA, POR UNA PARTE, EN APLICAR TECNICAS DE PROCESAMIENTO DE LENGUAJE NATURAL A FUENTES DE DATOS GENERADAS POR USUARIOS COMO PUEDAN SER REDES SOCIALES PARA LA EXTRACCION AUTOMATICA DE EVENTOS RELACIONADOS CON LA MOVILIDAD SOSTENIBLE EN DICHA CIUDAD INTELIGENTE (COMO LA APARICION DE ATASCOS O LAS CONDICIONES DEL PAVIMENTO DE UNA DETERMINADA CALZADA), Y POR OTRA PARTE, EN DESARROLLAR MODELOS DE APRENDIZAJE AUTOMATICO PARA LA PREDICCION A CORTO Y MEDIO PLAZO DEL ESTADO Y DEMANDA DE LOS RECURSOS RELACIONADOS CON LA MOVILIDAD SOSTENIBLE (TRAYECTOS REQUERIDOS PARA BICICLETAS COMPARTIDAS, DEMANDA DE RUTAS DE AUTOBUSES URBANOS, PATINETES ELECTRICOS O TAXIS POR EJEMPLO) EN BASE A LOS MODELOS PREDICTIVOS DE LA EVOLUCION DE TRAFICO, PATRONES DE MOVILIDAD Y FACTORES EXTERNOS COMO LA METEOROLOGIA, ESTOS MODELOS DE APRENDIZAJE AUTOMATICO DEBERAN ADAPTARSE A FUENTES DE DATOS CON ERRORES, DATOS INCOMPLETOS Y DE SENSORES HETEROGENEOS, Y DEBERAN PODERSE RE-ENTRENAR DE FORMA CONTINUA EN FUNCION DEL ESTADO RECIENTE Y DEL CONTEXTO, LA CONTRIBUCION DEL SUBPROYECTO MAGIST-RALES AL PROYECTO COORDINADO MAGIST SE CONCENTRA EN DOS PUNTOS PRINCIPALES: 1) EXTRACCION Y ANALISIS EN TIEMPO REAL DE DATOS DE REDES SOCIALES CON IMPACTO EN LA MOVILIDAD EN UNA CIUDAD INTELIGENTE COMO LA DETECCION DE EVENTOS (ATASCOS, MANIFESTACIONES, ACCIDENTES, CONCIERTOS, PARTIDOS DE FUTBOL, ETC,), LA DETECCION DE ANOMALIAS EN EL ESTADO DE LAS VIAS O EL ANALISIS DEL IMPACTO DE LAS MEDIDAS PARA REDUCIR LA CONTAMINACION,2) APLICACION DE TECNICAS DE APRENDIZAJE PROFUNDO PARA LA PREDICCION DE LA DEMANDA CONCRETA DE RECURSOS A LA MOVILIDAD EN LA CIUDAD INTELIGENTE USANDO MODELOS MULTIVARIANTE BASADOS EN LA DETECCION Y CARACTERIZACION DEL CONTEXTO, APLICANDO TECNICAS DE REDUCCION DE COMPLEJIDAD, DETECCION DE DATOS ATIPICOS Y MODELOS DE OPTIMIZACION DEL ENTRENAMIENTO,, APRENDIZAJE PROFUNDO\PREDICCION\ESTIMACION\RECURSOS DE MOVILIDAD\LENGUAJE NATURAL\REDES SOCIALES