Grupo CISA aplica analítica e IA a cinco retos del transporte público
En colaboración con instituciones de educación superior Grupo CISA desarrolla herramientas de analítica e inteligencia artificial orientadas a resolver problemas específicos de la operación del transporte público. La iniciativa parte de los datos que generan diariamente los vehículos y sistemas de movilidad para mejorar la toma de decisiones en áreas como demanda, mantenimiento, energía y gestión de flotas.
Mario Nieto, director de Servicios Operativos (COO) en Grupo CISA, explica que los sistemas de posicionamiento, sensores, sistemas eléctricos, historiales de mantenimiento y trazados de rutas generan información que, al integrarse y analizarse, permite conocer con mayor precisión el comportamiento de un sistema de transporte y su respuesta a las condiciones cambiantes de una ciudad.
Cinco líneas de aplicación
Parte de estas iniciativas fue presentada durante el 3er Congreso Nacional de Transporte Público, organizado por la Red Académica Mexicana por el Transporte Público (RedAMTP). Los proyectos se concentran en cinco problemáticas de la operación cotidiana:
– Demanda y origen-destino: desarrollo de matrices dinámicas y modelos predictivos para ajustar la cantidad de autobuses, reducir recorridos con baja utilización y adaptar el servicio a los lugares y horarios con mayor demanda.
– Mantenimiento predictivo: análisis de información de sensores e historiales de fallas para identificar condiciones de riesgo antes de que ocurran averías, con el propósito de disminuir inmovilizaciones imprevistas, interrupciones y reparaciones no planificadas.
– Gestión energética: monitoreo y predicción del consumo eléctrico de las flotas considerando variables como horarios, rutas, condiciones de operación y necesidades de recarga. La información puede utilizarse para organizar los procesos de carga y aprovechar la infraestructura disponible.
– Programación de flota y operadores: integración de variables como demanda, disponibilidad de unidades, condiciones laborales, estrés operativo y trazado de rutas para construir programas que sean eficientes y, al mismo tiempo, viables bajo las condiciones reales de operación.
– Degradación de baterías: desarrollo de modelos predictivos que consideran factores como topografía, clima, rutas, conducción y demanda para anticipar la degradación de las baterías, mejorar la planeación de reemplazos y optimizar el costo total de propiedad de las flotas eléctricas.
Datos para mejorar la movilidad
Para Nieto, el aprovechamiento de esta información trasciende la gestión individual de los autobuses. La integración de datos con herramientas de analítica e inteligencia artificial puede generar conocimiento sobre cambios en la demanda, tiempos de recorrido, comportamiento de las rutas y desempeño de las unidades, elementos que pueden respaldar decisiones operativas.
El planteamiento también contempla que un transporte público con mayor regularidad y confiabilidad puede convertirse en una alternativa más competitiva frente al automóvil particular y contribuir, junto con otras políticas de movilidad, a reducir la presión sobre las redes urbanas y la congestión.
En México ya existen sistemas que generan grandes volúmenes de información que pueden aprovecharse para estos fines. Nieto señala como ejemplos Metrobús de la Ciudad de México y Movilidad Integral de Hermosillo, Sonora, cuyos datos pueden utilizarse tanto para mejorar la operación cotidiana como para desarrollar modelos de movilidad más eficientes, adaptativos y sustentables, refirió Nieto.
Así, la propuesta de Grupo CISA busca convertir los datos que genera diariamente el transporte público en herramientas para anticipar necesidades, optimizar recursos y respaldar decisiones operativas con información sobre lo que ocurre en las calles.
WhatsApp eSemanal 55 7360 5651
