[et_pb_section fb_built=”1″ admin_label=”section” _builder_version=”4.27.2″ custom_margin=”0px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”][et_pb_row admin_label=”row” _builder_version=”4.27.2″ background_size=”initial” background_position=”top_left” background_repeat=”repeat” width=”100%” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.16″ custom_padding=”|||” global_colors_info=”{}” custom_padding__hover=”|||”][et_pb_text _builder_version=”4.27.2″ _module_preset=”default” text_font_size=”18px” text_line_height=”1.6em” global_colors_info=”{}”]<\/p>\n
Model de predicci\u00f3 i manteniment<\/p>\n
[\/et_pb_text][et_pb_text _builder_version=”4.27.2″ _module_preset=”default” text_font_size=”18px” text_line_height=”1.6em” custom_margin=”||0em||false|false” global_colors_info=”{}”]<\/p>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row module_id=”fila-clientes” _builder_version=”4.27.2″ _module_preset=”default” width=”100%” custom_padding=”2em||2em||true|false” custom_css_free_form=”selector .et_pb_module{|| padding:0 1em;|| min-width:12%;||}” locked=”off” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.27.2″ _module_preset=”default” custom_css_main_element=”display:flex;||align-items:center;||flex-flow:wrap;;” global_colors_info=”{}”][et_pb_image src=”https:\/\/www.mosaicfactor.com\/wp-content\/uploads\/2024\/10\/project-anem-logo-bsm.svg” title_text=”project-anem-logo-bsm” url=”https:\/\/bsmsa.cat\/es” url_new_window=”on” _builder_version=”4.27.2″ _module_preset=”default” width=”250px” width_tablet=”200px” width_phone=”200px” width_last_edited=”on|tablet” max_width=”120px” max_width_tablet=”200px” max_width_phone=”200px” max_width_last_edited=”on|tablet” custom_css_main_element=”max-width:fit-content;” global_colors_info=”{}”][\/et_pb_image][\/et_pb_column][\/et_pb_row][et_pb_row admin_label=”row” _builder_version=”4.27.2″ background_size=”initial” background_position=”top_left” background_repeat=”repeat” width=”100%” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.16″ custom_padding=”|||” global_colors_info=”{}” custom_padding__hover=”|||”][et_pb_text _builder_version=”4.27.2″ _module_preset=”default” text_font_size=”18px” text_line_height=”1.6em” custom_margin=”||1em||false|false” global_colors_info=”{}”]<\/p>\n
[\/et_pb_text][et_pb_text _builder_version=”4.27.2″ _module_preset=”default” text_font_size=”18px” text_line_height=”1.6em” global_colors_info=”{}”]<\/p>\n
Barcelona Serveis Municipals necessitava una eina de decisi\u00f3 basada en dades per entendre l\u2019\u00fas i anticipar les necessitats dels usuaris de les places d\u2019aparcament, tant comercials com privades, a l\u2019\u00e0rea metropolitana de Barcelona.<\/p>\n
[\/et_pb_text][et_pb_text _builder_version=”4.27.2″ _module_preset=”default” text_font_size=”18px” text_line_height=”1.6em” custom_margin=”||1em||false|false” global_colors_info=”{}”]<\/p>\n
[\/et_pb_text][et_pb_text _builder_version=”4.27.2″ _module_preset=”default” text_font_size=”18px” text_line_height=”1.6em” global_colors_info=”{}”]<\/p>\n
Hem desenvolupat un algorisme predictiu ad hoc basat en dades en temps real i hist\u00f2riques per predir l\u2019ocupaci\u00f3 de les places d\u2019aparcament de l\u2019\u00c0rea DUM (vehicles comercials) i de l\u2019\u00c0rea Blava (vehicles privats).<\/p>\n
Hem creat un model de predicci\u00f3 per estimar el nivell d\u2019ocupaci\u00f3 de les zones de c\u00e0rrega i desc\u00e0rrega de la ciutat de Barcelona, aix\u00ed com dels aparcaments privats. Aquest model s\u2019ha implementat utilitzant algorismes de Machine Learning que combinen prediccions a curt i llarg termini, i est\u00e0 recolzat per una an\u00e0lisi de dades que garanteix el correcte funcionament del model de predicci\u00f3.<\/p>\n
El seu objectiu \u00e9s comprendre l\u2019impacte de la variaci\u00f3 de les activitats comercials en diferents zones i els patrons de mobilitat dels usuaris de l\u2019\u00c0rea DUM i de l\u2019\u00c0rea Blava.<\/p>\n
[\/et_pb_text][et_pb_image src=”https:\/\/www.mosaicfactor.com\/wp-content\/uploads\/2024\/10\/project-bsm-area-dum-and-area-blava-infografia-1.webp” title_text=”project-bsm-area-dum-and-area-blava-infografia-1″ _builder_version=”4.27.2″ _module_preset=”default” max_width=”1000px” module_alignment=”center” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.27.2″ _module_preset=”default” text_font_size=”18px” text_line_height=”1.6em” locked=”off” global_colors_info=”{}”]<\/p>\n
[\/et_pb_text][et_pb_text _builder_version=”4.27.2″ _module_preset=”default” text_font_size=”18px” text_line_height=”1.6em” locked=”off” global_colors_info=”{}”]<\/p>\n
A partir de dades hist\u00f2riques sobre el moviment de vehicles i persones, juntament amb dades en temps real procedents de l\u2019\u00fas de l\u2019APP, vam implementar una an\u00e0lisi de dades per monitorar i extreure la informaci\u00f3 rellevant oculta generada pel sistema.<\/p>\n
La descoberta d\u2019aquests coneixements millora el model de predicci\u00f3 i permet comprendre la complexitat de l\u2019ecosistema d\u2019aparcament i de c\u00e0rrega i desc\u00e0rrega.<\/p>\n
[\/et_pb_text][et_pb_image src=”https:\/\/www.mosaicfactor.com\/wp-content\/uploads\/2024\/10\/project-bsm-area-dum-and-area-blava-infografia-2.webp” title_text=”project-bsm-area-dum-and-area-blava-infografia-2″ _builder_version=”4.27.2″ _module_preset=”default” max_width=”1000px” module_alignment=”center” locked=”off” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.27.2″ _module_preset=”default” text_font_size=”18px” text_line_height=”1.6em” locked=”off” global_colors_info=”{}”]<\/p>\n
[\/et_pb_text][et_pb_text _builder_version=”4.27.2″ _module_preset=”default” text_font_size=”18px” text_line_height=”1.6em” locked=”off” global_colors_info=”{}”]<\/p>\n
Gr\u00e0cies al desenvolupament reeixit del model, Mosaic Factor s\u2019encarrega de la supervisi\u00f3 del model de predicci\u00f3 que havia estat implementat pr\u00e8viament, per garantir el correcte funcionament del servei.<\/p>\n
Gr\u00e0cies a la nostra arquitectura de programari i a una implementaci\u00f3 del sistema molt eficient, va ser possible recalcular de manera cont\u00ednua les prediccions dels dos dies seg\u00fcents per a totes les \u00e0rees (m\u00e9s de 4.000) en menys de 4 minuts.<\/p>\n
Despr\u00e9s de la validaci\u00f3 inicial dels resultats, vam mantenir la soluci\u00f3, incloent-hi les seves iteracions, durant els 3 anys seg\u00fcents.<\/p>\n