Apoyo a decisiones en seguridad vial: un reto para la analítica.

Agenda

1. CAOBA – Centro de excelencia en Big Data y Data Analytics

2. Contexto en movilidad

3. Descripción del proyecto• Problema de negocio

• Desafíos

• Beneficios esperados

• Insumos

4. Analítica y Big Data para problemas de movilidad• Componente operación buses – Big data

• Componente de siniestros

• Componente integración de fuentes

5. Recomendaciones para aplicación de proyecto a otras ciudades

3

1. CAOBA

¿Qué es la alianza CAOBA?

• Alianza público privada para el desarrollo del Centro de excelencia y apropiación en Big Data y Data Analytics

• Objetivos:• Investigación aplicada: Solución de proyectos en Big Data y Data Analytics

• Modelo de formación en tecnologías y capacidades

• Consultorias

• Apoyo a emprendimientos y spin-offs

Integrantes de Caoba – Empresas Ancla

Caoba

Empresas Ancla

Empresas Lider(Big Players)

Universidades

Aliados estratégicos • Aportan sus problemáticas en Big Data y

Data Analytics• Presentan planes de proyecto al comité técnico para

su evaluación por parte de las universidades

• Son los clientes de proyectos desarrollados por el centro

Integrantes de Caoba – Universidades

Caoba

Empresas Ancla

Empresas Lider(Big Players)

Universidades

Aliados estratégicos • Administrar y gestionar los planes de

proyecto

• Formación y desarrollo de capacidades

Integrantes de Caoba – Empresas Lider (Big players)

Caoba

Empresas Ancla

Empresas Lider(Big Players)

Universidades

Aliados estratégicos

• Proveer metodologías, herramientas y experiencias en la resolución de problemáticas de Big Data y Data Analytics

Integrantes de Caoba – Aliados estratégicos

Caoba

Empresas Ancla

Empresas Lider(Big Players)

Universidades

Aliados estratégicos • Integrar proyectos de emprendimiento y

spin-offs a Caoba

10

Equipo CAOBA-Uniandes – Proyecto movilidadProfesores

Dario Correal

Harold Castro

Claudia Jiménez

Germán Bravo

María del Pilar Villamil

Christian Ariza

José Tiberio Hernández

Alvaro Riascos

Daniel Paez

Investigador Postdoc

Andrés Moreno

Estudiantes doctorales

Cristian Camilo Castellanos

Pedro Fabián Pérez

Ferney Maldonado

Estudiantes maestria

Daniel De Roux

Carlos Díaz

José Alejandro Sánchez

Juan Carlos Méndez

José Francisco Molano

Christian Poveda

Francy Julieth Pineda

Camilo Restrepo

Carlos Iván Zubieta

Diva Mercedes Martínez

Agradecimiento especial

Juan Camilo Ibarra

Departamento de Planeación Nacional

Luis Fernando Mejía, Iván Mantilla, Diana Vidal, Ximena Cantor, Juan Carlos Montenegro, …

Secretaría de movilidad de Bogotá

Andrés Archila, Alejandro Forero, …

2. CONTEXTO DE MOVILIDAD

La congestión: una problemática en crecimiento con impacto macroeconómico

12

• Creciente congestión tiene un impacto negativo en la Economía nacional.

Fuente: Global Green Growth Institute y DNP “Apoyo en la

transversalización del enfoque de crecimiento verde para el

Sector Transporte en el Plan Nacional de Desarrollo 2014 –

2018”

7

4

0

1

2

3

4

5

6

7

8

Horas perdidas por congestión (millones de horas)

Estimaciones de Horas Perdidas en Congestión por Año (millones de horas)

Bogotá Otras Ciudades

Costo para la economía Colombiana de Horas

perdidas en congestión

En Bogotá, la movilidad es una problemática prioritaria para la ciudadanía

13

• Percepción de los ciudadanos que sus trayectos habituales se demoran más cada año.

62%24%

15%

2016

Mas tiempo Igual Tiempo Menos Tiempo

38%

52%

10%

2015

Mas tiempo Igual Tiempo Menos Tiempo

Fuente: Bogotá Cómo Vamos, Encuestas de Percepción Ciudadana 2015 y 2016.

En 2015, 38% de los encuestados respondían que sus trayectos se demoraban más tiempo. Esa cifra sube a 62% en 2016.

Percepción ciudadana se ve reflejada en el aumento de los tiempos de desplazamiento• En Bogotá, tiempos de desplazamiento aumentaron entre 2014 y 2015.

14Fuente: Bogotá Cómo Vamos, Encuestas de Percepción Ciudadana 2015.

0

10

20

30

40

50

60

70

80

SITP TPC Transmilenio Alimentador Taxi Bicicleta Automóvil Moto

Tiempos de desplazamiento aumentaron entre 2014 y 2015

2014 2015

Accidentalidad: problemática crítica de movilidad para la cual existen datos• Bogotá una de las ciudades con más accidentalidad en el mundo.

15

48%

11%

30%

11%

Bogotá 2013

22%

4%

23%

51%

Mundo 2013

Fuentes: Informe sobre seguridad vial de la Organización Mundial de la Salud 2014 , Observatorio de Movilidad, Reporte Anual de Movilidad 2015

22%

3%

20%55%

Américas 2013

Peatones Ciclistas Motociclistas Otros

3. DESCRIPCIÓN DEL PROYECTO

Problema de Negocio• Llegar a una mejor comprensión sobre la accidentalidad en Bogotá y sus relaciones con

comparendos y planes de manejo de tránsito.

17

(cc 2.0) Edgard Zuniga JR (cc 2.0) Víctor Hugo Hernández D.

Desafíos• Análisis

• Determinar el mecanismo apropiado para apoyar la toma de decisiones de expertos de DNP y SDM

• Manejo de datos• Obtención de datos

• Provenientes de múltiples entidades• Gobierno de datos no explícito en las organizaciones - Desconfianza para compartir

datos por parte de los dueños

• Falta de coordinación entre diferentes entidades • Formatos distintos - Reconciliación de datos• Problemas con la disponibilidad de información adecuada para análisis

• Niveles inciertos de calidad

Beneficios para múltiples tomadores de decisiones

19

DNPConocimiento para generación de

política pública

Secretarías de movilidadPriorización de gasto y uso de

recursos disponibles

Operadores de transporte

público

Información oportuna para su

operación

CiudadanosConocimiento para mejorar su

calidad de vida - desplazamientos

EmpresasConocimiento de comportamientos

de la movilidad de los ciudadanos

Secretaría de Movilidad de

Bogotá

EMC

IDECA

IDU

20

Insumos

Malla Vial

(136.958)

Segmentos

Ejes viales

Operación de buses

Planeación

Trazas GPS

(668’115.674)

Accidentes

(288.040)

Dirección Actor vial Vehículos

Vía

Causas probables

Comparendos

(1’598.199)

Infractor

Tipo infracción

Dirección infracción

Datos geográficos de la ciudad

Monitoreo

(3.574)Planes de manejo

de tránsito

(14.814)Semáforos

(1.404)

SMB+IDU: ~ 2’042.989

Arquitectura de la Solución

21

• Metodología para proceso de analítica

Análisis

MongoDB

NoSQL DB

Procesos de Calidad de Datos e Integración

Secretaria de movilidad, IDU, IDECA, EMC

Bases de datos geográficas, datos

geográficos, csv..

Datos Operacionales

Repositorio de datos Tableros de Control

1. Manejo de grandes volúmenes de datos para análisis de trazas

2. Proceso para generación de mallavial a nivel adecuado para análisis- 43 corredores viales- 234 segmentos con intersecciones- 17.337 carriles y tramos

3. Automatización para ubicar diferentes fuentes de datos geográficas en malla vial

4. ANALÍTICA Y BIG DATA PARA PROBLEMAS DE MOVILIDAD

23

Analítica y Big Data para problemas de movilidad

Demostración

Recomendaciones para desarrollar aplicaciones similares en otras ciudades

24

• Metodología para proceso de analíticaAnálisis

MongoDB

NoSQL DB

Datos Operacionales

1. Claridad de los análsis a realizar (Acompañamiento de expertos de la temática y del desarrollo de este estilo de sistemas)

2. Obtención datos- Diseñar la estrategia de captura

de datos- Definir estándares de recolección

3. Disponibilidad de datos- Malla vial (corredores,

tramos,etc.)- Asignación de siniestros a la malla

vial

4. Análisis de la calidad de los datos

5. Análisis de la infraestructura disponible

Gracias y Preguntas