- Cuéntanos, ¿por qué es importante estudiar la movilidad de las personas?
Bueno, tiene varias aplicaciones. La principal aplicación es todo lo relativo al transporte. Es importante por ejemplo en la planificación del transporte, y para eso es necesario saber el número de viajes que hacen las personas en distintos modos de transporte, ya sea en bicicleta, caminando, en auto, etc.
Además se necesita contar con esta información de manera continua en días laborales normales, en vacaciones o en días en que ocurren eventos particulares. En concreto, se puede utilizar para estimar la frecuencia de los buses, o también para planificar la infraestructura de una ciudad como por ejemplo, para evaluar si es necesario instalar una nueva línea del metro y dónde podría instalarse.
Otra área clave, es la epidemiología, que estudia cómo se propagan las enfermedades. Esta disciplina utiliza modelos cuyo insumo fundamental son las redes de movilidad y los patrones de movimiento de las personas. Por lo tanto es importante contar con esta información para apoyar a los investigadores y planificadores que trabajan en las respuestas en caso de epidemia, ayudando a mitigar enfermedades como el COVID, u otras enfermedades como el ébola, que afecta con más frecuencia a otros países.
- ¿Nos puedes explicar en qué consiste tu trabajo en movilidad de ciencia de datos?
Bueno, con mi grupo de investigación esencialmente lo que hacemos es usar trazas digitales para estudiar cómo se mueven las personas. Las trazas digitales son registros que dejan los dispositivos tecnológicos. Un ejemplo de esto son las trazas que dejan los usuarios cuando usan sus celulares. Esa es mi principal fuente de datos. Las compañías de telecomunicaciones tienen unos conjuntos de datos conocidos como XDRs o CDRs, que registran el uso del celular y permiten cobrarle a sus usuarios de acuerdo a los datos que consumen en sus planes de celulares o a sus llamadas. Estos datos contienen columnas muy relevantes como por ejemplo, la antena o la torre a la que se conecta un dispositivo.
Entonces, cuando las personas mantienen comunicaciones y se van moviendo, necesariamente se tienen que cambiar de antena. Luego, es posible calcular esas transiciones e inferir viajes. Luego, con inteligencia artificial, por ejemplo, también se puede estimar el modo de transporte en el que se van moviendo las personas con lo que puedes estimar viajes por el modo de transporte.
Ahora para inferir modo de transporte ocupamos varios datos, no sólo los datos de teléfono. En particular el algoritmo de inteligencia artificial que utilizamos toma como punto de partida las estimaciones de movilidad obtenida a partir de la encuesta origen-destino de Santiago del 2012. También, integramos otras fuentes de datos, como por ejemplo, el número de permisos de circulación, los datos del censo, datos de aplicaciones de transporte compartido como Cabify o Uber. Todos estos datos van a una especie de juguera de la cual obtenemos una matriz origen-destino con los viajes actualizados de las personas.
- Y con respecto a la inteligencia artificial, ya nos comentaste un poco qué rol juega en tu investigación, pero cuéntanos más, ¿desde cuándo empezaron a utilizar inteligencia artificial? Porque es como relativamente nuevo entre podrías, pero para ustedes que están en el mundo académico quizás lo tenían mapeado de antes, ¿no?
Yo empecé a trabajar con IA el 2019. La motivación principal nació del interés por utilizar trazas digitales e inteligencia artificial para ayudar a resolver temas de transporte. En ese contexto es que empezamos a explorar métodos para poder estimar los viajes de las personas y el modo de transporte que era una de las principales necesidades.
Tradicionalmente esa información se ha obtenido principalmente a través de encuestas, que si bien son muy necesarias, son costosas y son lentas de aplicar y de procesar, lo que dificulta el acceso oportuno a la información.
- ¿Y qué avances están logrando en el uso de la inteligencia artificial para predecir específicamente los patrones de movilidad? ¿Avances de inteligencia artificial?
Con mi grupo de investigación estamos avanzando en el desarrollo de modelos de inteligencia artificial que permiten predecir patrones de movilidad urbana a partir de trazas digitales en distintos contextos.
En la línea de las aplicaciones están por ejemplo, Google Maps y Waze, que utiliza los datos de sus usuarios para estimar la congestión y cuánto se van a demorar en llegar a un lugar.
Otro proyecto interesante por ejemplo, es Greenlight. Creo que empezó una fase piloto el año pasado en Santiago y se usa en varias ciudades en el mundo. Lo que se hace en esta iniciativa es que utilizando los datos de Google, como la ubicación de las personas, y otras fuentes de datos, más inteligencia artificial, coordinar los semáforos de manera que los usuarios minimicen las paradas y los tiempos de detención en estas. Esto permite esencialmente reducir las emisiones y mejorar la fluidez de los trayectos.
- Cuéntame sobre la privacidad de los datos.
En mi grupo de investigación trabajamos con datos anonimizados. Ha sido así desde el inicio. En general en los proyectos de investigación trabajar con datos anonimizados es la norma. Esto significa que uno como investigador no sabe a quién pertenece cada registro individual. Conocer la identidad del usuario para el tipo de problemas que abordamos no es relevante. En el caso de los proyectos relacionados con la movilidad y el transporte, lo que se necesita es el conteo agregado del desplazamiento.
Ahora, es de conocimiento general que en otras instancias, algunas empresas han incurrido en malas prácticas, lo que plantea riesgos para la privacidad de las personas. Pero ahora la nueva ley de Protección de Datos Personales viene a regular este tipo de situaciones de manera más estricta.
