el proyecto timon 10 de noviembre, zamudio - timon-project.eu...objectivo: desarrollo de una...
TRANSCRIPT
VIII Congreso ITS Euskadi10 de Noviembre, Zamudio
El proyecto TIMON
Enrique Onieva [email protected]
Enhanced real time services foroptimized multimodal mobility relying
on cooperative networks and open data
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Información General
▪ Financiado por el programa europeo de investigación Horizon 2020, programa de transporte.
▪ Coordinado por la Universidad de Deusto.
▪ 11 organizaciones – 8 países
▪ Presupuesto: 5.605.213 €
▪ Duración: 42 meses (Junio 2015 – noviembre 2018)
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Consorcio
▪ RolesCoordinador
Inteligencia artificial
Procesamiento de datos
Comunicaciones híbridas
Posicionamiento
Diseño de la arquitectura
Gestión de datos abiertos
Mapas dinámicos
Plataforma web
Integración de servicios
Cloud computing
Participación ciudadana
Testeo & validación
Difusión
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Concepto General
▪Objectivo: desarrollo de una plataforma web y una aplicación móvil para la entrega de servicios de información dirigidos a agentes de carretera, conductores y usuarios vulnerables de carretera.• Alertas de riesgo en la conducción: colisión, obras de
carretera, coche estacionado, accidente de tráfico.• Predicción de congestión de tráfico.• Planificador de rutas multimodal• Optimizador de rutas para conductores y motociclistas,
incluyendo replanificación de rutas ante incidencias
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Concepto General
Infrastructure sensors
Open data
Vehicles&VRU
Multi-modal dynamic commuter
Enhanced RT Traffic Information API
Getting involved users
Emergency vehicle approachingRoad Hazard warningDynamic Route re-planning for drivers
Services for Drivers
Vehicle density awarenessCollision alertDynamic route re-planning
Services for VRUs
TIMON Server
Open platform andAPP development
SERVICES FOR CITIZENS
SERVICE FOR BUSINESS
TIMON COLLABORATIVE ECOSYSTEM
DATA SOURCES Vehicular hybridnetworks
LTE
ITS-G5
Artificial Intelligence
Routeplanning
Congestionprediction
Cooperative positioning
TECHNOLOGIES
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Objetivos específicos
▪ Recolección y armonización de datos
▪Mejora de precisión en posicionamiento cooperativo
▪ Desarrollo de redes de comunicación híbridas vehículo a usuario vulnerable
▪ Detección/predicción de patrones de tráfico
▪Optimización de rutas
▪ Implementación de servicios basados en mapas dinámicos
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Retos tecnológicos
▪ Inteligencia Artificial• Predicción de la congestión• Optimización de rutas intermodales
▪ Posicionamiento cooperativo• Posicionamiento ante bloqueo de señal GNSS• Alta precisión
▪ Redes de comunicación híbridas• Sinergia corto-largo alcance (ITS-G5+LTE)• Reducción de la inversión en infraestructura
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Aspectos innovadores de TIMON
▪ Recoge y procesa datos de fuentes diversas de un entorno interconectado: vehículos, usuarios vulnerables (motociclistas), infraestructura y datos abiertos. • Los vehículos actúan como sensores: facilitando su posición, time
stamp, velocidad. • Los usuarios de vehículos/ motocicletas son prosumers: proveen
datos al sistema y consumen información del mismo.
▪ Actualmente los servicios de movilidad únicamente recogen datos de infraestructura y fuentes de datos abiertas.
▪ Se recogen datos en tiempo real Servicios en tiempo real
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Pilotaje de Soluciones
▪ Testeo en Helmond (Países Bajos), instalaciones de test-bed de TASS:• Fase 1: Testeo de subsistemas (septiembre 2016; junio 2017)
• Fase 2: Validación global del sistema (enero 2018)
▪ Pilotaje en entorno real en Liubliana (Eslovenia), 2018.• Participación de ciudadanos como usuarios del sistema
TIMON.
• 50-80 participantes: conductores, motociclistas, usuarios de transporte público.
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Inteligencia Artificial Avanzada
▪Motivación: Interpretabilidad• La minería de datos aplicada a problemas de transporte:
• Se basa en técnicas clásicas de inteligencia artificial• Árboles de Decisión
• Técnicas de Regresión
• Redes Neuronales
• Se centran en la precisión del sistema
• No en su interpretabilidad
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Inteligencia Artificial Avanzada
▪Motivación: Imbalanceo• Los datos de tráfico suelen ser altamente
imbalanceados:• Situaciones anormales son muy poco frecuentes• Algunas predicciones tienen un alto grado de acierto
• No habrá un atasco a las 4:30 am• El tráfico permanecerá sin variaciones significantes• Nadie en esta sala ganará la lotería
• Pero no son útiles
• Las técnicas clásicas se centran en el grado de acierto• No son competitivas en entornos imbalanceados
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Inteligencia Artificial Avanzada
▪ Principios utilizados• Lógica difusa: representación y razonamiento con
conocimiento expresado lingüísticamente• “Bajo”, “medio”, “alto”, “aproximadamente 50”, “lento”, “rápido”
• Algoritmos evolutivos: técnicas de optimización inspiradas en los principios de Darwin’s
• Flexibilidad para optimizar cualquier modelo
• Optimización multi-objetivo: optimización conjunta de objetivos contradrictorios
• {Precio vs Calidad} {Energía vs Consumo} {Precisión vs Complejidad}
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Inteligencia Artificial Avanzada
▪Objetivo general: construcción de sistemas capaces de avanzar en el estado del arte en:• Predicción de la congestion a corto plazo
• Usando metaheurísticas bio-inspiradas
• Usando modelos basados en lógica difusa
• Optimización de rutas punto a punto• Implementando optimizadores bio-inspirados
• De una manera multi-modal
• Centrada en los requisites del usuario
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Establecimiento del baseline
▪ Evaluación de técnicas de minería de datos “clásicas”
▪ Comparativa de 384 modelos• 2 tipos de datasets
• Con toda la información disponible (>40 variables)
• Con una versión reducida (=10 variables)
• 12 horizontes de predicción (5,10,15,…60 minutos)
• 16 técnicas distintas• Aprendizaje de reglas difusas y no difusas mediante algoritmos
evolutivoss
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Establecimiento del baseline
▪ Evaluación basada en 4 métricas• Complejidad de los datos
• Precisión global
• Tiempo necesario para construir modelos
• Complejidad (Reglas/antecedentes)
Aacc(Com) Aacc(Sim) T(Com) T(Sim) #R(Com) #R(Sim) #A(Com) #A(Sim)
Evolutionary Crisp Rule Learning 0.604 0.605 [12, 398] [5, 82] [5, 14] [4, 12] [4, 8] [2, 7]
Evolutionary fuzzy Rule Learning 0.593 0.591 [8, 626] [4, 50] [4, 25] [4, 20] [2, 3] [1, 3]
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Reducción de datos
▪ Selección de instancias• Bajo muestreo de clases mayoritarias
• Mantenimiento de la unicidad de los datos
▪ Selección de atributos• Utilización de criterios basados en 7 técnicas diferentes
• Análisis de coincidencias y conflictos
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Ajuste evolutivo de modelos difusos
▪ Versiones mejoradas de AdaBoost y Fuzzy Association Rule-based Classification method for High-Dimensional problems• Cada sistema se trata como un clasificador “débil”
• Ajuste de la importancia de cada regla a la predicción
• Generación de reglas basada en algoritmos evolutivos
• Ajuste de función fitness para considerar imbalanceos
• Operadores de cruce y mutación mejorados
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Diseño de la solución
▪ El sistema recoge y prepara los datos del TIMON Cloud
▪ El motor de información de tráfico recibe los datos y provee el estado actual y futuro del tráfico
▪ El módulo GIS geo-localiza la información en la red vial
▪ La información geo-referenciada se envía al TIMON Cloud
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Testeo en Helmond
▪ Autopista A270 (Helmond - Holanda)• Datos provenientes de 7 cámaras
• (Escalable hasta 240)
• Inclusión de datos meteorológicos
• Precisión > 90%• 4 niveles de flujo de vehículos
• 4 horizontes de tiempo
• Predicciones dadas en tiempo real
Straight segments
Ramps
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Diseño de rutas
▪ Basado en OpenTripPlanner• Abierto, robusto y flexible
▪ Integración de datos• GTFS transporte público rutas intermodales• Pendientes cálculo de emisiones rutas ecológicas• Predicciones de tráfico rutas óptimas
▪ Optimización multiobjetivo mediante evolución diferencial
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Resultados y conclusiones
Reducción de Datos >70%
Precisión >90%
Sensibilidad >80%
Tiempo de construcción <10 min.
Tiempo de Predicción 0,1 seg.
Complejidad 4 reglas
(24 cámaras)
(24 cámaras)
[email protected] real time services for optimized multimodal mobility relying on cooperative networks and open data
VIII Congreso ITS Euskadi
Thank you
TIMON project has received funding from the European Union’s Horizon 2020 research and innovation programme under Grant Agreement no 636220.
Enrique Onieva
[email protected] www.timon-project.eu