Big Data en acción, localización a tiempo real

A lo largo de los años me he visto envuelto en proyectos para los que he tenido que desarrollar algún que otro estudio de mercado. Para ciertos aspectos del estudio, es muy recomendable hacer una visita páginas web dedicadas a estudios estadísticos, tales como el Instituto Nacional de Estadística. Si las habéis visitado, habréis notado alguna que otra limitación en la forma y el contenido que ofrecen. Esto es porque el mapeo de las poblaciones sigue estando limitado a los censos y encuestas de población, hasta ahora…

Estos métodos no ofrecen información en tiempo real, lo que les hace inútiles para aplicaciones modernas muy interesantes. ¿Qué clase de aplicación/ideas os vienen a la cabeza si conociéramos la localización de cada persona en una ciudad?

¡Todo eso que estáis pensando es ahora posible!

Durante las últimas décadas el desarrollo de tecnologías como sensores remotos, sistemas de información geográficos y sistemas de posicionamiento global (GPS) ha transformado el modelo de estudio de distribución de la población humana. Pero no ha sido hasta esta última década en la que el verdadero avance ha tenido lugar. Actualmente, la telefonía móvil es una tecnología con amplia presencia en todo el globo, sobre todo en países desarrollados en los que roza el 100% de penetración. Esto hace que no sea necesaria una infraestructura adicional. Estadísticamente en estos países desarrollados es donde podremos aplicar más eficazmente todas esas malévolas ocurrencias que habéis tenido apenas hace un momento.

Analizando las distribuciones espaciotemporales de las comunicaciones móviles, se podría geolocalizar cada uno de los terminales, a tiempo real, haciendo posible introducir esos datos en el Big Data, extrapolar conclusiones y tomar decisiones en consecuencia.

Una de las aplicaciones que nos ha llamado la atención es la planificación del tráfico vehicular. Y si meditáis sobre ello, este uso ya se le está dando en aplicaciones como Google Maps.

Este utiliza dos métodos para realizar el cálculo:

• Registro histórico de todos los días promediando cuanto se tarda de llegar de un sitio a otro dependiendo de la hora y día.
• Mensajes móviles. Al encender nuestro Smartphone, el GPS envía paquetes con nuestra ubicación y la velocidad.

Estudios recientes de la Fraunhofer Institute for Labor and Organization (IAO) demuestran que se pueden realizar planes de tráfico y reducir la congestión del mismo. Indirectamente impactando también en el estrés y la salud de las personas que soportan los atascos (Y de quien soporta a las personas que soportan los atascos, esto es, todo el mundo). En las grandes ciudades es donde obviamente más efectivo será. Si visitamos http://www.inrix.com/scorecard y buscamos nuestro país obtenemos la siguiente tabla:

Atención Madrileños: Casi 40 horas en atascos, que no al volante, al año. Este indicador pone de manifiesto el problema al que nos referíamos y el reto que tienen las grandes ciudades en el futuro cercano.

Como dato curioso y porque me toca de cerca, allá por el 2013, aunque no lo creáis, Bilbao era la ciudad más congestionada de España con 23 horas pérdidas al volante. Sin embargo, esta cifra era positiva ya que se reducía a la mitad frente al año 2010 (45,6 horas).

Pero lo que nos ofrece Google Maps a nivel de usuario con respecto a congestión en carreteras es tan solo el primer paso, sin desmerecer este tipo de aplicaciones que son un “must” en cuanto a aplicaciones móviles.

Si introducimos en la coctelera diversos modelos de tráfico obtenemos un algoritmo mucho más complejo, pero también más útil. En un intercambiador en el que convergen Autobuses, trenes, metro y vehículos, la congestión del lugar toma otra dimensión. No todos los usuarios de un transporte derivan en otro. Todo esto se refleja en los datos móviles registrados.

Con todo ello, somos capaces de predecir el tiempo que un usuario tardaría en llegar a un destino calculando diferentes recorridos y tipos de transporte, teniendo en cuenta la congestión que se da en cada uno de ellos. ¡Todo un mundo de posibilidades!

El reto a corto plazo es desarrollar la metodología para diferenciar diferentes tipos de transporte e introducirlos en una misma plataforma.

Algunos os habréis llevado las manos a la cabeza pensando en la privacidad de cada uno, ya que los datos salen de vuestros móviles. Tranquilos, la información utilizada se denomina “Anonymized Mobile Data” y no está acompañada de vuestros datos personales, asique podéis relajaros a ese respecto, o no…  la veracidad de esta sentencia da para otro post que pronto estará a vuestra disposición.