O projecto SIADE SaaS (Sistema de Apoio à Decisão Espacial para Planeamento de Transportes) marca essencialmente uma mudança no posicionamento das PME espanholas de tecnologias de terreno. A partir de um serviço de consultoria construído em torno de um algoritmo para inferir os destinos dos passageiros, a empresa solicitou o apoio do Horizon 2020 para se tornar um fornecedor de software.

Agora, cidades em toda a Europa podem se beneficiar de uma solução que enriquece Big Data com um componente espacial, permitindo uma análise complexa do comportamento dos viajantes para melhorar as redes de transporte público.

María J. Arguelles, Coordenador de projeto, conta-nos mais sobre as soluções e realizações da empresa até agora.

Como o Big Data pode ajudar a fornecer uma melhor experiência de transporte público na Europa?

María J. Arguelles:Os sistemas de bilhetagem com cartão inteligente atualmente disponíveis nos sistemas de transporte público de muitas cidades permitem uma grande quantidade de dados. Esses conjuntos de dados refletem como as pessoas se comportam, o que, por sua vez, significa que é possível avaliar suas necessidades de transporte e fornecer uma imagem precisa de seus hábitos, seja como grupos (com base nos tipos de tarifa, como estudante, idoso, etc.) ou a nível individual. Graças à análise de Big Data, podemos adaptar o transporte público a essas necessidades, planeje novos serviços, minimizar o tempo de caminhada, etc.

Quais têm sido as deficiências das tentativas de usar esses dados até agora, e como o seu software se destaca a esse respeito?

É importante esclarecer que o Big Data traz grande complexidade ao transporte por causa de algo inerente a ele:o que é comumente definido como os '5 Vs' (volume, velocidade, veracidade, variedade e valor).

Por exemplo, uma grande quantidade de volume de dados implica grande capacidade de armazenamento. Não podemos esquecer que cidades como Madrid, por exemplo, geram quase 500 milhões de viagens por ano, e cerca de 1,2 bilhão para toda a área da grande Madri, que é quase a mesma de Istambul.

A dimensão da variedade envolve conjuntos de dados gerados a partir de diferentes fontes, como validadores de ônibus ou telefones celulares, enquanto a veracidade destaca a importância dos dados de qualidade e o nível de confiança. Para complicar ainda mais a situação, o fato de os registros de transporte estarem relacionados a localizações geográficas significa que estamos lidando com dados com um componente espacial, ou Big Data Espacial.

Para superar essas dificuldades, SIADE SaaS foi projetado como um desenvolvimento central de GIS, mesclando a natureza espacial dos dados com metodologias avançadas de análise de dados.

Como exatamente você compensa a ausência de informações sobre os destinos dos passageiros?

Esse é um dos algoritmos principais do SIADE. Podemos inferir até 88% dos destinos dos passageiros com uma precisão de 96%. Esses resultados confirmam que somos muito fortes na construção de matrizes de origem e destino com base em dados de transporte, e são muito mais rápidos, menos dispendiosas e mais completas do que as geradas com a utilização de uma metodologia tradicional em transporte público:entrevistas. É importante notar que nossas matrizes são baseadas em milhões de registros, enquanto as entrevistas são baseadas em uma pequena porcentagem de toda a população.

O que conseguiu alcançar graças ao financiamento da UE até agora? O que você ainda precisa alcançar antes do final do projeto?

O projeto partiu do entendimento de que precisávamos mudar o modelo de negócio e transformá-lo em SaaS (Software as a Service). Mas este é um processo caro, portanto, sem o financiamento da UE, não teríamos alcançado esse objetivo tão rapidamente. O projeto também envolve várias empresas de consultoria em transporte, operadores de transporte e / ou agências de transporte em toda a Europa, que foram fundamentais para testar as versões do SIADE. Além disso, temos a sorte de ser apoiados por um grupo de treinadores disponibilizados pela UE que orientam as nossas decisões na estratégia de mercado.

Já concluímos duas das três fases do projeto, incluindo o módulo analítico completo e o simulador. O simulador pode prever com uma precisão de 93 por cento as mudanças no fluxo de passageiros após alterar ou excluir qualquer um dos elementos em uma rede de transporte, como ponto de ônibus, linhas, política de transferência, frequências, etc. Estamos atualmente na fase de Big Data, resolvendo todos os problemas relacionados ao 5 Vs. Partes dos algoritmos foram refinadas com sucesso para se adaptar à nova estrutura.

Você pode fornecer alguns exemplos de desafios de clientes específicos que foram superados graças à sua tecnologia?

Certo. Por exemplo, mostramos com sucesso que o transporte de ônibus em Oradea (Romênia) não estava cobrindo todo o centro da cidade de forma eficiente. Em Gijón (Espanha), nós achamos, graças ao simulador, que mudanças na rota 14 aumentariam a velocidade comercial, mas com um preço:as pessoas que moram em um dos bairros afetados pelo novo desenho da rota deixariam de ser clientes de ônibus, enquanto a maioria deles usaria outra rota (18) em vez de usar baldeações. Em Modena (Itália), o modelo de dados foi aprimorado e alterado para explorar muito melhor os recursos do SIADE. Nossas sugestões para a criação de uma rota circular em Gijón também foram implementadas no novo Plano de Mobilidade da cidade.

Você pode nos contar mais sobre seu alcance de mercado neste momento?

Atualmente, estamos colaborando com várias empresas de consultoria de transporte para explorar juntos oportunidades de concurso na Espanha, América Latina e Europa Oriental. O fato de termos um projeto de sucesso financiado pela UE é uma vantagem competitiva extraordinária.

Quais são seus planos de acompanhamento, assim que o projeto for concluído?

Estamos conseguindo criar uma plataforma que se adapta às necessidades de nossos clientes e parceiros 100 por cento, portanto, esperamos continuar evoluindo em outros mercados fora da Europa e da América Latina, como os Estados Unidos e Canadá.