Abertis

Data Scouting

Client

Partners

El problema

El llançament de la iniciativa Future Roads Lab per part d’Abertis arriba amb un conjunt d’objectius orientats a avançar en els ecosistemes de mobilitat cooperativa, connectada i automatitzada (CCAM).

1. 1. Obtenir una comprensió més profunda del paper dels operadors de carreteres dins dels ecosistemes CCAM i consolidar aquest coneixement.
   2. Desenvolupar nous i innovadors serveis CCAM, que requeriran la col·laboració amb proveïdors clau.
   3. Impulsar el progrés i el creixement en l’àmbit CCAM, contribuint finalment a sistemes de transport més segurs, eficients i sostenibles, mitjançant la col·laboració amb aquests proveïdors.

Per tant, la nostra solució de Data Scouting hauria de:

1. 1. Identificar proveïdors: Mitjançant una recerca exhaustiva centrada en el sector de la mobilitat i el transport, identificar i elaborar perfils dels diferents proveïdors de dades per als àmbits d’actuació i línies de treball definides en el marc del Future Roads Lab. Aquesta revisió considera una àmplia gamma de possibles proveïdors de dades i una varietat de tipus de dades, com ara dades de trànsit, dades meteorològiques i dades ambientals.
      
   2. Establir contacte amb els proveïdors adequats: Un cop identificats els possibles proveïdors de dades, es realitza una anàlisi més detallada de les seves ofertes de dades i s’avalua la seva capacitat per proporcionar dades precises i puntuals. Per a això, s’estableixen canals de contacte amb proveïdors i subministradors actius, i es sol·liciten detalls i informació addicional sobre les dades ofertes, incloent-hi els models comercials i el servei postcontractual.
      
   3. Avaluar els serveis de dades: Per seleccionar els proveïdors més adequats per al Future Roads Lab, es recopila informació tècnica i comercial sobre els serveis de dades oferts pels proveïdors identificats, incloent-hi una inspecció preliminar de mostres de dades sol·licitades. Aquesta informació s’avalua per determinar la maduresa, la qualitat i el valor afegit de les ofertes. Un cop completada aquesta avaluació, les ofertes es classifiquen segons la seva rellevància per al Future Roads Lab.

Per assolir aquests objectius, és essencial identificar una varietat de proveïdors de dades que ofereixin diferents tipus de dades rellevants per a les necessitats del Future Roads Lab, centrant-se en proveïdors consolidats amb una trajectòria demostrada en el subministrament de dades fiables.

Això pot incloure:

• • dades de trànsit,
  • dades meteorològiques,
  • dades de la xarxa viària,
  • dades ambientals, entre d’altres.

En última instància, l’objectiu és identificar una llista de 20-30 proveïdors de dades actius que siguin més rellevants per al Future Roads Lab.

Finalment, en col·laboració amb Abertis, s’han definit els següents casos d’ús de referència per ajudar a delimitar amb més claredat l’abast d’aquest exercici de recerca.

• • (UC1) Gestió avançada del trànsit
  • (UC2) Seguretat viària digital
  • (UC3) Optimització de la infraestructura viària
  • (UC4) Operació i manteniment digitals
  • (UC5) Sostenibilitat de les autopistes

La solució

Un procés complet i molt detallat de Data Scouting per identificar proveïdors de dades rellevants per a la iniciativa Future Roads Lab d’Abertis és el principal resultat d’aquest projecte.

La metodologia de Data Scouting es mostra en la figura següent:

• • Un informe va presentar les conclusions d’un exercici de Data Scouting que tenia com a objectiu identificar proveïdors de dades rellevants per a la iniciativa Future Roads Lab d’Abertis. L’exercici va implicar una àmplia recerca per elaborar perfils de proveïdors potencials i avaluar les seves mostres de dades en cinc casos d’ús generals.
  • Un cop identificats i perfilats els proveïdors potencials, es van contactar i entrevistar per verificar el seu interès a oferir serveis a Abertis i per afinar la informació recopilada sobre les seves ofertes. Es va demanar als proveïdors que compartissin informació sobre les seves ofertes i mostres de dades, les quals van ser avaluades i inspeccionades per fer una anàlisi en profunditat.
  • L’exercici de Data Scouting va identificar:
    • 50 proveïdors de dades,
    • dels quals 24 es van considerar altament compatibles amb les àrees d’aplicació i els casos d’ús del Future Roads Lab.
  • Aquests 24 proveïdors van ser contactats i avaluats per comprendre com les seves ofertes podien aportar valor a Abertis.

L’informe també assenyala que els proveïdors de dades identificats es van agrupar en cinc categories segons el tipus de dades que ofereixen. Les categories i els seus respectius proveïdors estan documentats detalladament dins de l’informe.

En conjunt, l’informe serveix com un relat complet de l’exercici de Data Scouting, la seva metodologia i les seves conclusions. Proporciona una visió detallada del procés d’identificació de proveïdors de dades rellevants per a la iniciativa Future Roads Lab d’Abertis.

Resultats

Els resultats del projecte consisteixen essencialment en l’informe confidencial final de l’exercici de Data Scouting lliurat a Abertis, amb el portafolis de dades dels proveïdors, així com els fitxers de dades i altra informació útil per assolir els principals objectius del projecte.

Els resultats inclouen una avaluació dels proveïdors tenint en compte: el tipus de dades (Floating Car Data (FCD), Connected Vehicle Data (CVD), Mobile and Telecom Data (MTD), ESG and emissions data (ESG) i Road Conditions Data (RCD)), la regió, l’experiència, el valor afegit, l’aplicabilitat, la qualitat, la fiabilitat, les condicions, la privacitat i el model de venda.

També s’inclouen resultats de la inspecció de dades, tenint en compte la font de dades, el nivell d’agregació, la latència de les dades, la riquesa informativa i l’aplicabilitat de les dades, la qual cosa dona com a resultat una puntuació global de qualitat de les dades.

Finalment, hi ha fitxes específiques de proveïdors de dades com aquesta: