VIII Congreso ITS Euskadi10 de Noviembre, Zamudio

El proyecto TIMON

Enrique Onieva Caracuelenrique.onieva@deusto.es

Enhanced real time services foroptimized multimodal mobility relying

on cooperative networks and open data

enrique.onieva@deusto.esEnhanced 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)

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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.

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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}

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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]

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.esEnhanced 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)

enrique.onieva@deusto.esEnhanced 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

enrique.onieva@deusto.es www.timon-project.eu