El big data forma parte del panorama de la recopilación de datos de tráfico, pero «más grande» no siempre significa «mejor».
A la luz de los cambios en los patrones de tráfico durante la pandemia, algunos estados de EE. UU. han suspendido por el momento los programas tradicionalesde recopilación de datosy, en su lugar, están impulsando la adopción de plataformas de software basadas en big data. Sin embargo, las plataformas de big data requieren directrices de uso específicas a la hora de complementar los programas de recuento de tráfico (véaseel informe de Virginia), ya que el big data no es una herramienta adecuada para todos los casos de uso. En un informe de investigación publicado por el Departamento de Transporte de Virginia, no solo se recoge para qué se suele utilizar el big data (es decir, estudios de origen-destino y actualización de tablas de desplazamientos), sino que también se proporcionan algunas medidas de la precisión de los recuentos basados en big data (por ejemplo, la precisión relacionada con los umbrales basados en el volumen y las tasas de error basadas en el muestreo). A partir de las medidas de precisión proporcionadas, el informe también sugiere casos de uso adecuados para el big data y en qué situaciones los datos generados por otras tecnologías (por ejemplo, los recuentos basados en vídeo) probablemente sean más adecuados.
Lo que resulta evidente, a la luz del informe, es que no todos los datos son iguales. Las cualidades de los datos varían en función de las tecnologías empleadas para recopilarlos. Los recuentos de tráfico basados en vídeo, por ejemplo, son de hecho complementarios a los recuentos de big data y están cobrando cada vez más importancia en el ámbito del big data, debido al potencial de alta fidelidad que ofrecen. Mientras que el valor único del big data reside en ofrecer una visión general a nivel macro de una red de tráfico, los recuentos basados en vídeo están especialmente indicados para proporcionar información a nivel micro, así como información derivada de la observación visual (por ejemplo, información cualitativa como la ocupación de los carriles, el análisis de espacios entre vehículos o los conatos de accidente).
Ejemplos de los aspectos en los que destacan los datos de localización basados en vídeo:
Recuento de giros (TMC), grabaciones automáticas del tráfico por carril (ATR), estudios de vías y cruces para peatones y ciclistas, calibración de modelos
Ejemplos de lo que el big data hace bien: origen-destino (OD) para tablas de desplazamientos, motivo del desplazamiento, estimaciones del tráfico medio diario anual (AADT).
Cuando se necesitan datos de alta fidelidad, verificables y precisos, los recuentos basados en vídeo proporcionan los datos más completos y detallados.
- Cualquier estudio que requiera datos multimodales, desde estudios de demanda hasta evaluaciones completas de las calles. Lee, por ejemplo, el caso dela ciudad de Chicago.
- Estudios de seguridad en los que los datos cualitativos resultan tan útiles como los cuantitativos, y en los que la información obtenida a partir de datos visuales contribuye al estudio
- Estudios en los que el factor tiempo es determinante y en los que la precisión de los volúmenes en momentos y lugares concretos reviste gran importancia
- Tramos en los que el tráfico en las carreteras es inferior a 1000 vehículos por hora
En definitiva, la cuestión de «¿qué datos son mejores?» depende del caso de uso y de la necesidad de precisión en un estudio. Si los volúmenes y/o movimientos concretos en momentos específicos son menos relevantes para un estudio, los macrodatos a nivel macro son una opción. Si, por el contrario, los volúmenes y/o movimientos concretos en momentos específicos son importantes, entonces se necesitan datos de referencia.
«Se trata de determinar qué grado de exactitud y precisión necesitas para responder a tus preguntas. Los métodos de big data aportan valor en términos agregados (tanto temporales como espaciales), pero cuando es necesario profundizar en los detalles, se requieren datos de referencia».
Sajad Shiravi, ingeniero colegiado
Si te interesa saber más sobre cómo recopilar datos de referencia y cuáles son los casos de uso adecuados, ya sea para realizar estudios específicos o para calibrar tus modelos de big data, ponte en contacto con el equipo de expertos de Miovision.
