Simulación de movilidad por agentes para tod@s

La movilidad humana es un proceso al que dedicamos mucho esfuerzo de análisis. Un problema: El transporte es responsable del 25% de CO2 emitido, un 70% de él por carretera. El 33% de trabajadores dedica más de una hora a desplazarse a y desde el trabajo cada día. Una necesidad: los medios de transporte nos acercan a otros humanos, a equipamientos, bienes, servicios, ocio. Y nos preguntamos ¿qué pasaría si…?

De la descripción a la simulación de movilidad humana

La movilidad se puede analizar, modelizar y… simular, en busca de escenarios, nuevas realidades. Esta capacidad de simulación viene a ser el nivel más avanzado en el análisis de datos de movilidad, que seguiría la siguiente jerarquía:

1 descripción -> 2 estimación -> 3 predicción -> 4 simulación

1. Descripción de la movilidad: datos de fuentes de campo, como conteos manuales, cámaras o indirectas como sensores, antenas wi-fi, agregados derivados de antenas de telefonía, GPS, geolocalización de apps móviles
2. Estimación de la movilidad: nos referimos aquí a procesos de inter/extrapolación de datos a partir de muestras de datos descriptivos para llegar bien a un universo más amplio, completo, bien a diferentes condiciones -temporales, por ejemplo-
3. Predicción de la movilidad: extrapolación a valores de parámetros no contenidos en los datos descriptivos, típicamente el tiempo, es decir, por ejemplo ¿cuál será la afluencia de vehículos en el tramo mañana por la tarde?
4. Simulación de la movilidad: sistemas complejos que describen, predicen y permiten simular la movilidad en escenarios, combinaciones de parámetros avanzadas que no existen en la realidad histórica analizable -descriptivo- y son demasiado complejos -múltiples variables con interacción- para reducirlos a problemas de predicción

Nos centraremos en este artículo en métodos de simulación de movilidad basados en agentes y apoyados en técnicas Montecarlo, en nuestra experiencia la mejor aproximación por diversas razones que expondremos a continuación.

La necesidad de simular la movilidad

La simulación de comportamiento humano es un enfoque analítico que aporta tres tipos de beneficios respecto a otras aproximaciones:

1. 1. Estimación de movilidad con alta cobertura, ya que permite modelizar un universo de análisis muy grande, por ejemplo un país entero, con coste asequible
   2. Alta precisión espacial, al desarrollarse la simulación sobre la topología viaria de manera nativa -frente a, por ejemplo, datos basados en telefonía móvil que posteriormente son interpolados a la red viaria-
   3. Funcionalidad de simulación y análisis de escenarios derivada de la propia naturaleza de la simulación. Al construirse las estimaciones por simulación, es posible simular de manera nativa. Este beneficio se ve complementado por la independencia respecto de matrices origen-destino propia de la simulación por agentes, que más adelante explicaré

La oportunidad, más datos que nunca para simular movilidad

La metodología que aquí presentamos no habría sido posible sin open data. A día de hoy contamos con amplios recursos de datos de calidad, abiertos, accesibles…el 99% de los datos de los que la simulación se ‘alimenta’ son abiertos:

• Padrón, censo
• Catastro
• microdatos de encuestas INE: EPA, ECV, EPF, Encuestas de ocupación de establecimientos y procedencia de turistas
• Afluencias de hubs de transporte
• Red de vías y puntos de interés de Open Street Maps, IGN
• Ministerio de Transporte, open big data de movilidad

Y el 1% restante son fuentes propietarias a las que acudimos bien para completar, bien para mejorar, bien para personalizar la modelización cuando la ejecutamos en un área o contexto concretos. Entre ellas, desde métodos de medición de tráfico o presencia -GPS, antenas de telefonía, wifi, cámaras- hasta directorios de puntos de interés o atracción -turismo, tiendas, restauración-.

Todos estos datos requieren un intenso preproceso, antes de alimentar la simulación, muy especialmente la cartografía de red viaria. En unica360 contamos con la ventaja de haber modelizado previamente dónde vive la población, dónde trabaja, dónde va por ocio, salud, educación, abastecimiento, tipos de barrios, estilos de vida, por lo que este proceso previo es rápido, preciso y fiable.

Construcción de la topología

El espacio en que tienen lugar los desplazamientos simulados tiene estructura de grafo dirigido, es decir, un conjunto de nodos y un conjunto de links o enlaces que conectan un nodo con otro. Lo llamamos topología porque contiene la lógica de circulación a partir de la síntesis de:

• Posibilidad de circular a pie o en vehículo
• Sentidos de circulación de los diferentes tramos de vía
• Posibilidad de salir de un cruce por un u otro tramo (en base a señalización)
• Cruces de tramos con o sin intersección

Para generar simulaciones realistas es necesario tener en cuenta estos aspectos y definir una topología que represente con la mayor fidelidad posible la real. Esto ha requerido procesos que integran los datos disponibles en las cartografías utilizadas y acaban definiendo conjuntos de nodos y links entre ellos, con atributos como:

• Número de carriles
• Tipo de vía
• Velocidad máxima permitida
• Número de intersecciones

Estas características son la base del posterior cálculo del tiempo necesario para circular de un nodo a otro a través de un tramo dado.

Metodología de simulación de movilidad por agentes

La simulación se basa en combinar métodos Montecarlo con un enfoque de agentes:

Métodos Montecarlo

Se trata de técnicas ampliamente utilizadas en campos como la Física Estadística o la Física de Sistemas Complejos entre otros.

En la literatura se suele diferenciar el concepto de método de Montecarlo de lo que son simulaciones que lo utilizan, siendo el primero solamente una técnica para obtener aproximaciones de probabilidades resultantes de procesos complejos que hacen muy difícil o imposible el cálculo explícito de la ley de probabilidad que sigue el sistema. Para ello se realiza gran cantidad de cálculos usando números pseudoaleatorios introducidos en las ecuaciones que describen el sistema para después extraer estadísticas de la muestra generada.

Esta metodología se hace especialmente útil en contextos de simulación de dinámicas de grandes cantidades de elementos que interaccionan entre sí o con el exterior de forma no trivial. En estos casos la complejidad de las ecuaciones hace inviable generar representaciones simbólicas (ecuaciones) de su dinámica colectiva y por eso es tan frecuente el uso de técnicas de Montecarlo para su resolución aproximada.

Concretamente, en este caso se ha realizado una simulación basada en agentes (Agent Based Simulation), que deben entenderse como entes individuales representando personas que evolucionan, toman decisiones, describen trayectorias e interaccionan entre sí. Por lo tanto, se trata de un caso claro de aplicación de las técnicas explicadas.

Simulaciones basadas en agentes

Una vez desarrolladas las piezas necesarias descritas en la sección anterior se creó el código en que todas ellas debían funcionar siguiendo una lógica de Simulación por Agentes que representan personas, con posiciones evolucionando en un espacio definido como un grafo dirigido, con el objetivo de acumular pasos de agentes por los links del grafo (asociados unívocamente a tramos de vía) y acabar generando un patrón de intensidades por tramo.

Es decir, las rutas generadas por los agentes en sus desplazamientos son agregadas a nivel de tramo, produciendo un índice de pasos por cada tramo.

Una ventaja definitiva de esta metodología es que no depende de matrices origen – destino a priori, si bien puede beneficiarse de ellas. Esta independencia tiene dos grandes beneficios:

• permite la simulación y estimación de tráfico en cualquier lugar, cualquier tiempo
• habilita la simulación real, cuando se modifican parámetros que afectan a las propias matrices de movilidad
• la simulación por agentes basada en datos de emisión y atracción es, incluso, una manera de estimar y generar nuevas matrices origen – destino, allí donde no existen

Tres pasos de simulación

1. Decisión de iniciar un desplazamiento desde un nodo del grafo (origen)
2. Decisión de seleccionar un destino para el desplazamiento a otro nodo del grafo (destino)
3. Decisión del camino a recorrer entre ambos nodos

Validación, elevación y calibración

Finalmente, se incorporan datos de observaciones más o menos directas, principalmente mediciones puntuales obtenidas con cámaras, espiras, pero también estimaciones derivadas de datos de telefonía móvil anonimizados o sensores de antenas wifi.

Con esto, validamos resultados -de manera muy simplificada, podemos decir que nos situamos en un error medio absoluto (ERM) ~15%-  elevamos a valores de número de vehículos.

Las salidas del modelo, cómo se usa

Cuando hablamos de simulación en el contexto de este trabajo, realmente nos referimos a todo un código de preparación de datos, ejecución de algoritmos de rutas -los tres pasos de la simulación-, agregación de rutas por tramo y calibración de resultados. Es, por tanto, un software, pero requiere parametrización cualificada en cada ejecución, en función de los datos de entrada y objetivos de la ejecución concreta.

Existen, a día de hoy, dos maneras de consumir la simulación:

1. 1. Dataset con cobertura estatal, como foto anual, bajo licencia de uso anual, diferenciando por
      • invierno vs verano
      • laborable vs fin de semana
      • tramo horario
   2. Simulador como código aplicable en diferentes contextos, con parametrización estandarizada pero cualificada, para adaptar el sistema al contexto, caso de uso.

Aplicaciones de la simulación de movilidad

1. Dataset con cobertura estatal, como foto anual, bajo licencia de uso anual. Algunos de los usos más habituales son:
   • Afluencia de tráfico en accesos a negocios como hipermercados, centros comerciales, gimnasios
   • Afluencia de tráfico en soportes publicidad exterior, OOH
   • Afluencia de tráfico como indicador de necesidad, demanda de puntos de recarga, electrolineras, estaciones de servicio
   • Variables de entrada en modelos de predicción, extraplación de mediciones de sensores de calidad ambiental, nivel de ruido
2. Simulador como código a parametrizar y ejecutar en caso de uso:
   • elaboración de un mapa de tráfico de municipio, comarca, con mayor precisión local
   • simulación de escenarios de peatonalización, pacificación, reducción de carriles
   • simulación de escenarios de nuevas infraestructuras -accesos a autopistas, puentes…-

En el post Simulación de tráfico de vehículos, aplicaciones en location intelligence más info sobre la aplicación de una simulación de movilidad de vehículos a proyectos de location intelligence. Y si quieres saber más, nos puedes consultar, cerrar una cita o suscribirte para recibir nuevos post en tu email.