Model de predicció i manteniment
Client
El problema
Barcelona Serveis Municipals necessitava una eina de decisió basada en dades per entendre l’ús i anticipar les necessitats dels usuaris de les places d’aparcament, tant comercials com privades, a l’àrea metropolitana de Barcelona.
La solució
Hem desenvolupat un algorisme predictiu ad hoc basat en dades en temps real i històriques per predir l’ocupació de les places d’aparcament de l’Àrea DUM (vehicles comercials) i de l’Àrea Blava (vehicles privats).
Hem creat un model de predicció per estimar el nivell d’ocupació de les zones de càrrega i descàrrega de la ciutat de Barcelona, així com dels aparcaments privats. Aquest model s’ha implementat utilitzant algorismes de Machine Learning que combinen prediccions a curt i llarg termini, i està recolzat per una anàlisi de dades que garanteix el correcte funcionament del model de predicció.
El seu objectiu és comprendre l’impacte de la variació de les activitats comercials en diferents zones i els patrons de mobilitat dels usuaris de l’Àrea DUM i de l’Àrea Blava.
Dades
A partir de dades històriques sobre el moviment de vehicles i persones, juntament amb dades en temps real procedents de l’ús de l’APP, vam implementar una anàlisi de dades per monitorar i extreure la informació rellevant oculta generada pel sistema.
La descoberta d’aquests coneixements millora el model de predicció i permet comprendre la complexitat de l’ecosistema d’aparcament i de càrrega i descàrrega.
Resultats
Gràcies al desenvolupament reeixit del model, Mosaic Factor s’encarrega de la supervisió del model de predicció que havia estat implementat prèviament, per garantir el correcte funcionament del servei.
Gràcies a la nostra arquitectura de programari i a una implementació del sistema molt eficient, va ser possible recalcular de manera contínua les prediccions dels dos dies següents per a totes les àrees (més de 4.000) en menys de 4 minuts.
Després de la validació inicial dels resultats, vam mantenir la solució, incloent-hi les seves iteracions, durant els 3 anys següents.
Aquest projecte ha estat destacat per Via Empresa en una entrevista com a exemple de bones pràctiques en l’ús de dades per a la mobilitat personal, l’automoció i la logística.