{"id":18809,"date":"2023-09-26T15:58:04","date_gmt":"2023-09-26T15:58:04","guid":{"rendered":"https:\/\/stratioautomotive.com\/como-puede-la-inteligencia-artificial-apoyar-a-los-operadores-de-transporte-publico\/"},"modified":"2023-09-26T16:17:36","modified_gmt":"2023-09-26T16:17:36","slug":"inteligencia-artificial-transporte-publico","status":"publish","type":"post","link":"https:\/\/stratioautomotive.com\/es\/inteligencia-artificial-transporte-publico\/","title":{"rendered":"\u00bfC\u00f3mo puede la inteligencia artificial apoyar a los operadores de transporte p\u00fablico?"},"content":{"rendered":"Reading Time: <\/span> 6<\/span> minutes<\/span><\/span><\/span>\n

\"inteligencia<\/p>\n<\/span>\n

La inteligencia artificial (IA) est\u00e1 cambiando el sector del transporte p\u00fablico tal y como lo conocemos. A diferencia de otros sectores, el transporte p\u00fablico est\u00e1 sujeto a la legislaci\u00f3n gubernamental (por ejemplo, objetivos de cero emisiones<\/a>), presiones econ\u00f3micas como el aumento de los precios del combustible, interrupciones en la cadena de suministro, reparaciones inesperadas y elevadas inversiones asociadas a la transici\u00f3n a los veh\u00edculos el\u00e9ctricos (VE). <\/span><\/span><\/p>\n

Al utilizar la IA, la automatizaci\u00f3n y el an\u00e1lisis de datos, los operadores han registrado mejoras tangibles que se han traducido en un mejor servicio a los pasajeros, un aumento de la reputaci\u00f3n de la marca y un ahorro de costes. La UITP informa de que el 86%<\/a> de las partes interesadas en el transporte p\u00fablico participan en asociaciones para desarrollar y adoptar la IA. Algunas de estas aplicaciones van desde el mantenimiento predictivo hasta el an\u00e1lisis de clientes y el dise\u00f1o de rutas. <\/span><\/span><\/p>\n

He aqu\u00ed algunas de las formas en que puede ayudar a los operadores de transporte p\u00fablico a alcanzar sus objetivos:<\/span><\/p>\n

 <\/p>\n

1. Mantenimiento predictivo basado en IA<\/h2>\n

 <\/p>\n

Gracias a su capacidad de recopilar y analizar datos de veh\u00edculos para predecir fallos de componentes antes de que provoquen aver\u00edas, el mantenimiento predictivo basado en IA es una soluci\u00f3n que se generalizar\u00e1 en las flotas de transporte p\u00fablico en los pr\u00f3ximos a\u00f1os. <\/span><\/span><\/p>\n

Una encuesta en l\u00ednea<\/a> realizada por la UITP, en la que se recogieron respuestas de organizaciones relacionadas con el transporte p\u00fablico, cuantific\u00f3 que, en el futuro, 1 de cada 3 organizaciones est\u00e1 considerando la integraci\u00f3n de la IA en un conjunto de aplicaciones, incluido el mantenimiento predictivo. <\/span><\/span><\/p>\n

\"Informe<\/p>\n

El mantenimiento predictivo con IA aprovecha los sensores integrados en los veh\u00edculos para recopilar datos y convertirlos en informaci\u00f3n que permita a los equipos de mantenimiento mejorar la fiabilidad de una flota de autobuses y reducir los costes operativos y de mantenimiento. Con este m\u00e9todo de mantenimiento, es menos probable que los autobuses sufran aver\u00edas mientras est\u00e1n en servicio, y las revisiones pueden programarse para las horas de menor actividad, con el fin de minimizar las interrupciones del servicio. <\/span><\/span><\/p>\n

Arriva Rep\u00fablica Checa es uno de los operadores de transporte que ya est\u00e1n viendo los resultados del mantenimiento predictivo con IA. Tras aprovechar la soluci\u00f3n de Mantenimiento Predictivo de Stratio<\/a>, Arriva CZ registr\u00f3 un aumento del 13,5% en el tiempo medio entre aver\u00edas, una reducci\u00f3n del 66% en el n\u00famero de remolques debido al menor n\u00famero de aver\u00edas de los veh\u00edculos y un ahorro neto total de costes del 2% por kil\u00f3metro y a\u00f1o. <\/span><\/span><\/p>\n

Esta captura de pantalla de la Plataforma Stratio muestra c\u00f3mo los operadores pueden hacer un seguimiento del estado de salud de los componentes y sistemas de sus veh\u00edculos: <\/span><\/span><\/p>\n

\"funcionalidad<\/p>\n

<\/span><\/span><\/p>\n

La ventaja de utilizar la IA para el mantenimiento predictivo es que cuantos m\u00e1s datos se recopilen, m\u00e1s precisas ser\u00e1n las predicciones, ya que los algoritmos se afinan para reconocer una gama m\u00e1s amplia de patrones. <\/span><\/span><\/p>\n

Esto es especialmente importante cuando se trata de tecnolog\u00edas nuevas y caras, como los veh\u00edculos el\u00e9ctricos. Los conocimientos sobre mantenimiento predictivo son fundamentales para ayudar a los operadores a mantener los veh\u00edculos en circulaci\u00f3n durante m\u00e1s tiempo, prestar servicio a m\u00e1s pasajeros y generar m\u00e1s ingresos, acelerando as\u00ed la consecuci\u00f3n de la neutralidad de costes.<\/span><\/p>\n

 <\/p>\n

2. Cumplimiento de los acuerdos de nivel de servicio<\/h2>\n

 <\/p>\n

La IA no s\u00f3lo aporta beneficios a corto plazo. Por ejemplo, al mejorar los procesos de mantenimiento para garantizar un servicio fiable que funcione al menor coste por kil\u00f3metro, permite a los operadores de transporte cumplir mejor las exigencias de sus acuerdos de nivel de servicio con las autoridades de transporte p\u00fablico y, en \u00faltima instancia, conseguir m\u00e1s contratos. <\/span><\/span><\/p>\n

La reducci\u00f3n de los kil\u00f3metros perdidos por aver\u00edas mec\u00e1nicas, en particular, puede ayudar a los operadores a mantenerse por debajo del umbral fijado por sus SLA y evitar multas reglamentarias. Adem\u00e1s, al crear un ecosistema integrado y centrado en los datos, los operadores pueden aprovechar las capacidades de las soluciones de mantenimiento, operaciones y gesti\u00f3n de talleres para optimizar rutas, horarios y recursos, lo que se traduce en operaciones m\u00e1s eficientes y rentables. <\/span><\/p>\n

 <\/p>\n

3. Transici\u00f3n a los autobuses el\u00e9ctricos<\/h2>\n

 <\/p>\n

La importancia y la necesidad de electrificar las redes de autobuses ya no es objeto de debate. El gran reto al que se enfrentan ahora los operadores de transporte p\u00fablico es realizar esta transici\u00f3n de forma eficaz y garantizar que el cambio no repercuta negativamente en su cuenta de resultados. <\/span><\/span><\/p>\n

La monetizaci\u00f3n es sin duda una de las principales preocupaciones de los operadores, ya que los costes iniciales de los autobuses el\u00e9ctricos son elevados. Por eso es fundamental garantizar el menor coste por milla y un rendimiento positivo de la inversi\u00f3n. <\/span><\/span><\/p>\n

Aqu\u00ed es donde pueden aprovecharse al m\u00e1ximo las ventajas reales de la IA y el ML (aprendizaje autom\u00e1tico): el an\u00e1lisis en tiempo real y los conocimientos predictivos son la baza de los operadores de flotas, ya que les permiten hacer un seguimiento del rendimiento de las bater\u00edas, identificar los puntos de carga \u00f3ptimos y prever el uso de energ\u00eda en diferentes condiciones meteorol\u00f3gicas y de tr\u00e1fico. <\/span><\/span><\/p>\n

Todo esto puede hacerse en tiempo real, ya que los datos se introducen continuamente en los algoritmos, lo que contribuye a prolongar la vida \u00fatil de las bater\u00edas (que representan alrededor del 40% del coste total del veh\u00edculo) y a ofrecer servicios fiables a los clientes. <\/span><\/span><\/p>\n

Los an\u00e1lisis predictivos de las bater\u00edas, en particular, ofrecen una visi\u00f3n precisa y completa de la evoluci\u00f3n del estado de las bater\u00edas de los autobuses el\u00e9ctricos, lo que permite planificar rutas y requisitos de carga eficaces, as\u00ed como m\u00e9tricas de optimizaci\u00f3n del uso para prolongar la vida \u00fatil de los veh\u00edculos. <\/span><\/span><\/p>\n

\"Indicadores<\/p>\n

<\/span> Indicadores del paquete de bater\u00edas de la Plataforma Stratio <\/span><\/span><\/p>\n

Al aprovechar los datos de estado de carga (SoC) y profundidad de descarga (DoD), los operadores de flotas pueden comprender si las operaciones pueden ajustarse para maximizar la vida \u00fatil de la bater\u00eda, reduciendo el coste total de propiedad de los autobuses el\u00e9ctricos. Este tipo de an\u00e1lisis es fundamental para el \u00e9xito operativo y la rentabilidad del despliegue de una flota de VEs.<\/span><\/p>\n

 <\/p>\n

4. Optimizaci\u00f3n del personal<\/h2>\n

 <\/p>\n

Las capacidades de automatizaci\u00f3n de la IA permiten a los equipos de los operadores de transporte automatizar tareas manuales intensivas, repetitivas y que consumen mucho tiempo. <\/span><\/span><\/p>\n

Algunas de las tareas que pueden automatizarse con el mantenimiento predictivo de IA son las lecturas del cuentakil\u00f3metros, las comprobaciones del refrigerante y la planificaci\u00f3n diaria de tareas de servicio basadas en la distancia (por ejemplo, la sustituci\u00f3n de frenos). Confiar en la tecnolog\u00eda para realizar estas tareas significa que el tiempo de los t\u00e9cnicos puede reasignarse a otras tareas cr\u00edticas. <\/span><\/span><\/p>\n

Las lecturas del cuentakil\u00f3metros, por ejemplo, pueden llevar horas de trabajo al d\u00eda si se realizan manualmente. Con el mantenimiento predictivo por IA, los valores se recogen y registran en tiempo real, lo que proporciona a los responsables de mantenimiento una visi\u00f3n m\u00e1s precisa y actualizada de sus activos.<\/span><\/p>\n

 <\/p>\n

5. An\u00e1lisis del comportamiento de los conductores<\/h2>\n

 <\/p>\n

El comportamiento de los conductores tiene un impacto cr\u00edtico en las operaciones de transporte p\u00fablico. Influye en los costes de combustible y energ\u00eda, unos de los mayores gastos recurrentes de los operadores de transporte p\u00fablico, y afecta a la comodidad, un factor clave para la satisfacci\u00f3n de los pasajeros y la adopci\u00f3n del transporte p\u00fablico. <\/span><\/span><\/p>\n

Con un an\u00e1lisis del comportamiento del conductor<\/a> basado en IA, se controlan par\u00e1metros t\u00e9cnicos como el exceso de velocidad, el frenado brusco y el tiempo de ralent\u00ed. Mediante el uso de estos datos, los conductores pueden recibir feedback, lo que puede mejorar la eficiencia del combustible, reducir el desgaste del veh\u00edculo y aumentar la satisfacci\u00f3n de los pasajeros. <\/span><\/span><\/p>\n

Adem\u00e1s, la IA utiliza algoritmos de aprendizaje autom\u00e1tico para identificar patrones y anomal\u00edas en los datos de comportamiento del conductor y puede detectar, por ejemplo, casos de aceleraci\u00f3n brusca, frenado agresivo, exceso de velocidad o ralent\u00ed prolongado. <\/span><\/span><\/p>\n

M\u00e1s a\u00fan, la IA permite puntuar a los conductores asignando calificaciones a individuos o grupos de conductores en funci\u00f3n de su comportamiento. Estas puntuaciones pueden utilizarse para evaluar y comparar objetivamente el rendimiento de los conductores. Las puntuaciones altas pueden indicar una conducci\u00f3n segura y eficiente, mientras que las bajas pueden sugerir \u00e1reas de mejora. <\/span><\/span><\/p>\n

Al identificar y abordar los comportamientos de riesgo, la IA ayuda a los operadores de transporte a mejorar la seguridad en la carretera. Esto es primordial para dar a los pasajeros la tranquilidad de saber que suben a un veh\u00edculo que les llevar\u00e1 a su destino de forma segura, puntual y sin interrupciones.<\/span><\/p>\n

 <\/p>\n

Reflexiones finales<\/h3>\n

 <\/p>\n

Siga aprendiendo m\u00e1s sobre el impacto de la IA en el transporte p\u00fablico accediendo a nuestro estudio de caso con el Grupo Keolis. En \u00e9l se explica c\u00f3mo uno de los l\u00edderes mundiales en movilidad compartida utiliza la soluci\u00f3n de Mantenimiento Predictivo con IA de Stratio para mantener los costes bajos y aumentar la eficiencia operativa. <\/span><\/span><\/p>\n

\n\t\t\t\t\t\t