LUCA LUCA Talk: Blockchain para garantizar la trazabilidad de vacunas FORMATO: Charla de 30 minutos + Q&A de 10 minutosCUÁNDO: 2 de enero, 16:00 h (CET)CÓMO: Inscripción gratuita en eventbrite Trazabilidad es una de las características que vienen a nuestra...
Paloma Recuero de los Santos Drones que usan IA para salvar vidas Cada día encontramos nuevos usos para los drones. Si a sus ventajas que de por sí nos ofrecen, le sumamos la aplicación de técnicas de machine learning, las posibilidades...
Victor Gonzalez Pacheco La educación post COVID-19: 6 claves y 3 retos Llevamos ya varias semanas de confinamiento y, junto al sufrimiento en común que todos estamos sobrellevando, hay algo que cada vez tenemos más claro: cuando esto pase, cuando superemos...
Paloma Recuero de los Santos Aprovecha la cuarentena: cómo usar algoritmos Deep Learning en una aplicación sin ser experto Tercera semana, tercer reto. El de la semana pasada fue, no difícil, pero si un poco largo. Para compensar, y porque ya se va notando el peso de los...
LUCA Caso de éxito: Departamento de Transporte de UK El Departamento de Transporte es el organismo gubernamental responsable de la mayor parte de la red de transporte del Reino Unido. Nuestro cliente necesitaba entender rápidamente los patrones de...
LUCA Caso de éxito ONS: datos para la gestión de movilidad en el Reino Unido En la “historia con datos” de hoy mostramos, una vez más, cómo soluciones basadas en tecnologías Big Data, IoT e Inteligencia Artificial ofrecen un mundo infinito de posibilidades y...
LUCA Próposito de este 2017: Cambiar el Mundo By Javier Carro and Pedro de Alarcón PhD, Data Scientists at LUCA. ¿Ya has hecho tu lista de propósitos para el año nuevo? ¿Qué te parece que esta vez uno de ellos sea cambiar el mundo? Fuimos...
LUCA Analizamos el perfil de turistas en España en colaboración con el INE El turismo es uno de los principales sectores de actividad económica en España. Según el Instituto Nacional de Estadística (INE), organismo autónomo dependiente del Ministerio de Economía, España recibió...
Paloma Recuero de los Santos Video Post #23: ¿Cómo son tus datos? Estructurados, semi-estructurados, no estructurados… ¿Cómo son tus datos? En este videopost vamos a explicar la diferencia entre los distintos tipos de datos con los que trabajamos en Aprendizaje Automático...
LUCA LUCA Talk: Prediciendo las emergencias del 112 con Inteligencia Artificial Creemos en las infinitas posibilidades que ofrece la tecnología para el bien social, y es por eso que dedicamos nuestro primer webinar del año 2019 a la predicción de...
LUCA LUCA Talk: Blockchain para garantizar la trazabilidad de vacunas FORMATO: Charla de 30 minutos + Q&A de 10 minutosCUÁNDO: 2 de enero, 16:00 h (CET)CÓMO: Inscripción gratuita en eventbrite Trazabilidad es una de las características que vienen a nuestra...
Paloma Recuero de los Santos Video Post #18: Atrévete con Deep Learning. Principios básicos al alcance de todos ¿Sabes qué es el Deep Learning, en qué se basa y qué aplicaciones tiene? En este vídeo te daremos unas sencillas nociones que te ayudarán a comprender esta potente...
¿Cómo se mueven los trabajadores de Distrito T?LUCA 23 abril, 2019 Escrito por LUCA Big Data for Social Good Team. Telefónica opera en 17 países y tiene presencia en 24, sin embargo sus oficinas centrales se encuentran en Madrid, en un complejo empresarial llamado Distrito Telefónica. El complejo se compone de 140.000 metros cuadrados en los que trabajan cada día más de 13.000 personas entre visitantes y trabajadores. Pero ¿cómo llegan los trabajadores en este complejo y desde dónde nos visitan? ¿Usan el transporte público o privado en su mayoría? ¿Cuáles son las horas pico de llegada y salida del recinto? Este tipo de cuestiones son muy relevantes a la hora de diseñar estrategias de movilidad sostenibles que reduzcan el impacto ambiental de los desplazamientos, a la vez que resulten convenientes para las personas. El área global de Medioambiente de Telefónica está diseñando un plan de movilidad sostenible para Distrito T. Los científicos de datos del área de Big Data for Social Good de LUCA colaboraron con el mismo, aportando análisis de datos que arrojen conocimiento objetivo sobre cómo se desplazan a diario los trabajadores de Distrito Telefónica. Los datos en los que se basa el estudio representan el movimiento de personas hacia Distrito T durante mes de Noviembre de 2017, la gran mayoría siendo trabajadores ubicados en Distrito T. Todos los datos tienen un carácter anónimo y se han alojado en servidores propios de la empresa con los correspondientes controles de seguridad. Dichos datos provienen de tres fuentes distintas con una altísima calidad: por un lado de nuestra plataforma de datos de movilidad de LUCA Smart Steps, por otro lado de un dataset del Consorcio de transportes de Madrid, compuesto por todos los eventos de paso de tarjeta por tornos en la red pública de transporte (bus, metro, tren de cercanías) que finalizan en la parada de metro Ronda de la Comunicación y por último de otro dataset del volumen agregado de accesos a Distrito, con el volumen diario de acceso de personal ajeno y propio a cualquiera de los edificios, así como al parking subterráneo. Volumetría de trayectos y dinámica horaria de llegada y salida de Distrito T. Para este análisis utilizamos las tres fuentes de datos. Para la selección de trayectos en la plataforma Smart Steps se seleccionaron aquellos que durante el mes de noviembre de 2017 tuvieron destino en la zona sombreada en rojo de la figura. Figura 1: En Smart Steps se seleccionaron trayectos con destino en las áreas señaladas en rojo. El no poder hacer una delimitación exacta de la zona se debe a la topología de las celdas de telefonía móvil. Estimamos que el impacto es de un 6% de trayectos que fueron incluidos en el análisis pero que realmente no se dirigieron a Distrito, sino a zonas aledañas. El gráfico que integra volumetría trayectos de medidos por red móvil y metro desvela un número medio de 11.738 trayectos diarios (excluyendo festivos y puentes) de los cuales 1.750 fueron realizados en transporte público (referido a aquellos que usaron metro en el último tramo). Figura 2: Volumen de trayectos únicos según Smart Steps y Red Pública de transporte, Comparamos estos datos con las entradas registradas en la entrada a los edificios, cuya media diaria es de 11.102 usuarios (trabajadores), que constituiría el baseline real de afluencia. Figura 3: Usuarios únicos con entrada a un edificio de Distrito. Los datos de uso de parking arrojan una horquilla entre el 40% y el 47% de dicho base line, 20% se estima que acude en coche privado aparcando en superficie y el 19.5% usa el transporte público. Es decir, si analizamos los medios de transporte utilizados tenemos un conocimiento bastante preciso para un 86.5% del total de trabajadores. Es importante destacar que en el estudio no tiene en cuenta el impacto que haya podido suponer la apertura del nuevo parking subterráneo cercano a las plazas Este-Sur de Distrito T. Figura 4: Volumen de personas según medio de transporte utilizado. Otro aspecto que analizamos es la dinámica de horarios de entrada y salida, que impacta directamente en la congestión de la zona en torno a las horas punta. Análisis de origen y tiempos de desplazamiento. Dos factores esenciales a la hora de optar por un medio de transporte, y por tanto a considerar en la propuesta de alternativas más sostenibles, son la ubicación de la residencia del trabajador y el tiempo total de desplazamiento. Utilizando Smart Steps (trayectos inferidos a partir de los movimientos de líneas móviles), extrajimos las ubicaciones en toda la Comunidad de Madrid de donde partían los trayectos diarios con término en el área de Distrito. Seguidamente presentamos un mapa análogo, esta vez usando la volumetría de entradas registradas en la red de transporte público (bus, metro y cercanías) con final en la parada de metro Ronda de la Comunicación. Figura 5: Volumetría de entradas registradas en la red de transporte público con final en la parada Ronda de la Comunicación. En ambos mapas se observa coherencia respecto a las zonas con gran densidad de trayectos de origen (Noreste de la ciudad, eje central de Castellana y Alcobendas), pero al mismo tiempo observamos zonas de origen con gran volumen de trayectos que no tienen reflejo en transporte público, quizás por motivos de conveniencia en cuanto a tiempo de desplazamiento. En la siguiente figura (derecha) hemos marcado dichas zonas en línea punteada. Estas zonas serían idóneas para proponer el uso de coche compartido por situarse lejos de Distrito, tener una orientación radial, y existir pocas alternativas al vehículo privado. Los tiempos de desplazamiento en transporte público se pudieron medir con precisión al disponerse del tiempo transcurrido entre la validación del billete/abono y la salida por torno en la estación Ronda de la Comunicación. Sin embargo, la medición de tiempos en vehículo privado es más compleja. Por ello hemos recurrido al uso del API pública de Google Maps. Dicha API nos proporciona una estimación de tiempo de desplazamiento entre dos puntos a una hora determinada y un modo de transporte. Por ejemplo, en el caso de interrogar el tiempo de desplazamiento entre Chamartín y Distrito, nos devuelve una estimación de trayecto en coche entre 12 y 26 minutos. Figura 6: Estimación de la duración del trayecto usando Google Maps. Por otro lado, sí disponemos de un mapa interactivo propio de los tiempos de desplazamiento en transporte público. Dichos viajeros son de dos tipos: Multimodales: Aquellos que usan bus o cercanías y conmutan a la red de metro para llegar a Distrito T.Unimodales: Aquellos que realizan todo el trayecto hasta Distrito Telefónica en metro. El siguiente mapa ilustra la demanda de uso de las diferentes estaciones de metro, donde el tamaño del circulo y el color oscuro está asociado a mayor demanda. Figura 7: Demanda de uso de las estaciones de metro, mayor a mayor tamaño y color más oscuro. Claramente la estación de Chamartín es la más usada pero la mayoría de usuarios que llegan a Distrito a través de esta estación son de tipo multimodal (92.7%), es decir, de ubicaciones mucho más lejanas. Las estaciones que registran mayores tasas de multimodalidad, son Chamartín (92.7%), Príncipe Pio (76%), Conde de Casal (62%), Moncloa (53%) y Nuevos Ministerios (42%). Esta consideración es relevante debido a las diferencias significativas de tiempos de desplazamiento entre usuarios de tipo multimodal frente a los unimodales. En el caso de Chamartín, los usuarios multimodales emplean un tiempo medio de desplazamiento de 61 minutos frente a los 22 que emplea un usuario de metro. Figura 8: Porcentaje de uso multimodal de la estación. A continuación, obtuvimos un mapa de tiempo medio de desplazamiento en transporte público a nivel de código postal, que puede ser orientativo para aquellas personas que se planteen usar este modo de transporte: Figura 9: Duración media de trayecto en metro por código postal. Además, obtuvimos una versión granular (en la rejilla hexagonal) del tiempo de desplazamiento en transporte público Figura 10: Tiempo de desplazamiento en minutos, metro y multimodal. Si comparamos este mapa con el obtenido a través de las estimaciones de Google sobre desplazamiento en coche, obtenemos un nuevo mapa en el que identificamos las zonas según la diferencia de tiempos frente al transporte público. Verde: El desplazamiento en transporte público supone una demora de hasta 10 minutos respecto al transporte en coche.Verde claro: El desplazamiento en transporte público supone una demora de hasta 20 minutos respecto al transporte en coche.Naranja: El desplazamiento en transporte público supone una demora de hasta 30 minutos respecto al transporte en coche.Rojo: El desplazamiento en transporte público supone una demora de más de 30 minutos respecto al transporte en coche. Figura 11: Intervalos de diferencia en minutos: transporte público versus coche. Como conclusión, podemos destacar a la hora de recomendar usar transporte público o privado para llegar a Distrito lo siguiente: todas las zonas marcadas en verde (especialmente aquellas en verde oscuro) serían las más recomendables para plantear el uso de transporte publico frente al privado ya que no suponen una demora significativa de tiempo y presenta numerosas ventajas (sostenibilidad, impacto ambiental, economía, etc.) Esperamos que os haya resultado interesante el estudio y os animamos a seguir nuestro blog para conocer más historias detrás de los datos. Para mantenerte al día con LUCA, visita nuestra página web, suscríbete a LUCA Data Speaks o síguenos en Twitter, LinkedIn o YouTube. Digitalización, economía y agenda digital: ¿en qué punto estamos?Caso real: Cómo tener un ecommerce millonario antes de cumplir los 30
LUCA LUCA Talk: Blockchain para garantizar la trazabilidad de vacunas FORMATO: Charla de 30 minutos + Q&A de 10 minutosCUÁNDO: 2 de enero, 16:00 h (CET)CÓMO: Inscripción gratuita en eventbrite Trazabilidad es una de las características que vienen a nuestra...
Enrique Blanco Clustering de series temporales con Python La proliferación y la ubicuidad de los datos con dependencia temporal en un amplio abanico de disciplinas genera un interés sustancial en el análisis y la extracción de series...
Francisco Javier Viñas Plaza El gobierno del almacenamiento como palanca de la innovación La Oficina de Dato es un agente de cambio e innovación en una organización. Convierte el gobierno del almacenamiento en una auténtica palanca de la innovación. Veamos el por...
LUCA Toma el control de tus vehículos con Fleet Optimise La movilidad se ha vuelto más inteligente gracias a la presencia de IoT. Del mismo modo que los usuarios utilizan las soluciones conectadas para hacer trayectos más eficientes o...
LUCA Cómo transformar una compañía(XII): la transformación del talento interno El cambio de paradigma que conlleva el uso de grandes volúmenes de datos (internos, de sensores, públicos…) y la aplicación de la Inteligencia Artificial en los negocios es imparable....
Paloma Recuero de los Santos Los mejores post de 2020 en Telefónica IoT & Big Data Este año, como ningún otro, tenemos muchas ganas de arrancar la última hoja del calendario y empezar el del 2021 que, visto lo visto, lo tiene fácil para ser...