Ideas para analizar el tráfico rodado y predecir los atascos

Un equipo de los laboratorios de Microsoft Research trabaja con la plataforma de servicios Windows Azure en la predicción del tráfico rodado con el objetivo de proporcionar una solución en tiempo real a los millones de conductores de todo el mundo que quieran ir de un sitio otro de una forma eficiente.

Tal y como explican en el vídeo este es el tipo de proyectos que mejor se pueden beneficiar de una plataforma de servicios hospedada en grandes datacenters: una que maneja una ingente cantidad de datos (mapas, callejeros, datos históricos) y en la que hay que combinar diversas fuentes, tales como los informes públicos del estado del tráfico en calles y carreteras, comentarios de la gente en las redes sociales y apps creadas para tales propósitos.

Como proyecto piloto una de las experiencias se está llevando a cabo en Brasil, con la Universidad Federal de Minas Gerais. Para comenzar se volcó toda la información histórica disponible, tanto moderna como antigua, para proceder a un análisis estadístico que diera las primeras pistas acerca de cómo funcionaba el tráfico en ciertas ciudades según esos datos. La base son los históricos, pero a continuación se añaden los que se pueden obtener de los departamentos de transporte de las ciudades, muchas de las cuales ya son «ciudades inteligentes» que ofrecen información como el flujo instantáneo del tráfico en formatos abiertos (open data) y en tiempo real. Esos datos se combinan entonces con los mapas de Bing e incluso con los de las cámaras y sensores situados en las calles.

Los propios conductores juegan un papel importantísimo: combinando sus datos de momentos equivalentes del pasado (por ejemplo un rastreo del geoposicionamiento los días de diario) y los que están emitiendo en tiempo real se puede calcular una ruta óptima que una los puntos A y B en el menor tiempo y con el menor número de interrupciones.

Pero lo anterior es tan solo el 80 por ciento de la información que se tiene en cuenta. En el proyecto piloto se añadieron también datos de las redes sociales: interactuaciones llevadas a cabo por la gente, mensajes que contienen palabras clave e incluso se estaba contemplando la posibilidad de extraer de las fotos de Instagram los datos de posición para incorporarlos. A todo ello se le asignaría un «peso» específico dentro de la aplicación, de modo que se combinara con el resto y pudiera decantar el uso de unas rutas u otras por ser más convenientes, algo fuera del alcance de los sistemas de navegación convencionales que normalmente solo tienen en cuenta una fuente de datos.