Está en la página 1de 12

IMPLEMENTACIÓN DE BIG DATA EN EL

TRASNPORTE MASIVO DE BOGOTA COLOMBIA

Universidad EAN.
Facultad de estudios en ambientes virtuales.
Innovación tecnológica en las Smart cities: Reto de las
ciudades del futuro

Jhonathan Gaona
INTRODUCCIÓN

Cuando se habla de Big Data nos viene a la mente un gran conjunto de datos o
combinaciones de grupos de datos cuyo tamaño y complejidad dificultan en casos su
procesamiento y análisis. El transporte es uno de estos casos eje vital del funcionamiento de
la ciudad, el cual no se delimita únicamente a la prestación de un servicio y si abarca el
engranaje de la movilidad de toda la ciudad y sus poblaciones aledañas, la complejidad de
determinar la demanda de servicios y las campanas horarias (Horas valle / Horas pico), han
concebido en Bogotá una prestación del servicio no acorde a las necesidades, generando así
un alto grado de inconformismo, inconformismo que se desea mitigar con el resultado de
esta investigación.

Jhonathan Gaona
Marco Teórico

Jhonathan Gaona
Marco Teórico

El sistema Integrado de Transporte Público tiene como objetivo integrar y modernizar las
empresas de transporte urbano que operan en 14 zonas de la ciudad y a su vez acoplar los
diferentes modos de transporte público al sistema como lo es actualmente el
“TransmiCable”, dado lo anterior y con el objeto de hablar en un solo idioma se constituyó
una entidad publico privada para la planeación, organización y control del tráfico del
transporte público que hoy se llama (SITP), actualmente se cuenta con un componente
troncal llamado TransMilenio , componente principal del servicio, este realiza
aproximadamente en el día 2.5 millones de viajes (aumentando año a año), y alcanza su
límite de capacidad en los periodos pico de la mañana (05:30 a 06:30 am) y en cierre de
tarde de (5:00 a 6:00 pm), en donde el Sistema registra cerca de 265 mil usuarios
accediendo en una hora.

Jhonathan Gaona
Implementación de Big Data en el SITP

Parámetros de la Población

4.119.510,20 Mujeres
1,2%
3.811.024,20 Hombres

Crecimiento de la población

Jhonathan Gaona
Implementación de Big Data en el SITP

Parámetros de movilidad

Jhonathan Gaona
Implementación de Big Data en el SITP

Parámetros de tecnológicos
Parámetros de costos

0,96 US ( pasaje )

Jhonathan Gaona
Big Data
Obtención de conjuntos de datos. 2.5 Millones de Tx se realizan diariamente en el
sistema del SITP, entiéndase como transacción cada viaje que se origina con el ingreso
de una persona al sistema generando aproximadamente al año 712 millones de
transacciones, igualmente se contemplan los conjuntos de datos de los diferentes
actores del sistema
 139 Estaciones
 9 portales
 7.452 paraderos
 4.933 puntos de recaudo
 850 Alimentadores
 1435 Articulados
 310 Biarticulados
 261 Padrones Duales
 5.880 Buses

Jhonathan Gaona
Data Mining
La minería de datos es el core de esta investigación, este proceso está dedicado
exclusivamente a conocer los patrones en los conjuntos de datos recuperados a
partir de cada transacción, para lo cual cada tarjeta debe identificarse como un
individuo y cada transacción mostrara un movimiento del individuo en el sistema.
Es así que con métodos de aprendizaje automático y estadística

Usuario fuente de información

Jhonathan Gaona
Data Mining
Datos a obtener
Identificación del usuario en el sistema.
Marca de tiempo
Ubicación ( Latitud, Longitud )
Tx de ingreso al sistema (1) estación, portal o paradero de entrada
Información de fuentes fijas (Georeferenciación de la parada)
Tx salida del sistema (1) se originara con el siguiente ingreso al sistema Tx de
ingreso al sistema (2)
Machine Learning (Paradas según movimientos)
Ruta tomada por el usuario =
Desde Coordenada (Tx de ingreso al sistema (1) ) Hasta Coordenada (
Tx de ingreso al sistema(2) ) | # Recurrencia / Ruta aplicable para el viaje
(Paradero <> Troncal <> Portal <> paradero)
Machine Learning (Paradas y rutas según movimientos)

Jhonathan Gaona
Data Analytics

El análisis de los datos permitirá establecer el pronóstico preciso de la demanda


de vehículos por ruta y establecerá el objetivo de eficiencia en los procesos según
la toma de decisiones a partir de la caracterización de los datos (Necesidades,
Niveles de servicio, Optimización de rutas).

 Promedio de demanda día típico


 Promedio de demanda Horas pico
 Promedio de demanda Horas valle
 Composición de la demanda (promedios de abordaje)
 Portales, Estaciones , Paraderos, Troncales, Zonales
 Caracterización, promedios y comportamientos en los transbordos
 Eficiencia de las rutas (Ocupación / Servicio)

Jhonathan Gaona
Conclusión

A través del BIG DATA toda la información procesada en forma de datos será
segmentara y re-categoriza sumando valor a los datos capturados en cada proceso
“transacción”, es así que estos pasan a formar parte de una capa de información con un
nivel de acoplamiento e integración mayor que permitirá la toma de decisiones enfocada a
una eficiencia trasversal. Un sistema de transporte masivo como el SITP debe verse como
un conjunto de datos aplicados en el álgebra básica (Uniones / Intersecciones etc) por lo
tanto, el proceso de Big Data aplicado a todo el engranaje del sistema de transporte y sus
diferentes actores. Como es común ver en las troncales vehículos de la flota vacíos y en
algunos casos vehículos paqueados o en retorno de operación en horas valle, esto muestra
claramente un exceso de capacidad de actuación ante los diferentes factores que se
vinculan al servicio reduciendo la eficiencia en todo sentido. El Big Data mejora la
fiabilidad en la planificación operativa en el SITP a un nivel de detalle que permite
optimizar las respuestas a la demanda y el aprovechamiento de los recursos disponibles
(Flota / Personal) generando una mejor prestación del servicio.
Jhonathan Gaona