Analítica de DAtos para GEstión de Flotas de VEhículos COnectados (ADAGEFVECO)

Diseño de un servicio que, mediante minería de datos (DM) y aprendizaje automático (ML), ofrece información de interés para gestores de flotas de vehículos conectados y conductores.

Investigador principal

Emil Jatib Khatib

Sede:

UMA

Tecnología

Machine Learning, Big Data

Agentes agregados

Bot-On Automotive S.L.

Resumen de la propuesta

Diseño de un servicio que, mediante minería de datos (DM) y aprendizaje automático (ML), ofrece información de interés para gestores de flotas de vehículos conectados y conductores. Se estudiarán (e implementarán algunas) funciones de control en tiempo real de los vehículos, mantenimiento preventivo y correctivo, evaluación de riesgos, etc. El sistema tomará datos del vehículo, de los conductores y fuentes externas, en los que se buscarán patrones de interés para análisis y predicción.

Objetivo del proyecto

El principal objetivo de este proyecto es la aplicación de técnicas DM y ML sobre datos provenientes de vehículos, conductores y bases de datos de contexto para extraer información de interés para la gestión de flotas de vehículos y usuarios de la vía pública. Serán necesarios varios desarrollos con el objetivo de:

- Identificar las necesidades de los gestores de flotas de vehículos y conductores, como el control en tiempo real, mantenimiento preventivo y correctivo, seguridad y prevención de fraudes, optimización de rutas, evaluación de la calidad de las vías, predicción del consumo, etc.

- Identificar, calificar e integrar fuentes de datos externas, como la red de sensores del Smart Campus y APIs públicas, normalizarlas y compararlas (benchmark).

- Seleccionar e implementar métodos de DM y ML apropiados para los datos y los objetivos.

- Modelar las variables y buscar patrones de interés.

- Integrar el servicio en una aplicación con funcionalidades de visualización Big Data avanzados.

Resultados esperados e indicadores

El principal resultado esperado es la creación de una plataforma donde se puedan integrar servicios basados en la extracción de información de interés para gestores de flotas de coches y conductores, que podrá ser integrado en las soluciones de BotOn. Además, se implementarán varios casos de uso sobre esta plataforma.

Indicadores (esperados hasta el 31/12/2021)

  • Nuevo personal investigador (equivalente anual): 1
  • Patentes: -
  • Nº contratos transferencia: 1
  • Congresos: 2
  • Publicaciones indexadas: 1
  • Tesis doctorales: 0

Justificación potencial impacto tecnológico del proyecto TRL

El sistema desarrollado en este proyecto dará lugar a un prototipo o aplicación pre-comercial que será usado con fuentes de datos reales; específicamente, datos procedentes de sensores en coches, Apps de conductores, APIs de bases de datos públicas y privadas, etc. Los resultados serán utilizados y validados por la cartera de clientes de BotOn. Por tanto, el prototipo tendrá un nivel TRL 8/9.

Avances

Emil Jatib Khatib e Isabel de la Bandera Cascales y su equipo de investigación, pertenecientes a la Universidad de Málaga, junto con Bot-On Automotive SL, como entidad colaboradora, tienen como objetivo el procesado de datos provenientes de una flota de vehículos con el objetivo de ayudar tanto al conductor, como al gestor de flota con una experiencia enriquecida con información de interés.

Durante la evolución del proyecto, aún en desarrollo, se ha mejorado la información de localización de los vehículos, corrigiendo errores de los dispositivos de localización tales como los receptores GPS. Por otro lado, se han obtenido perfiles de conducción que caracterizan la velocidad, aceleración y jerk (ritmo con que cambia la aceleración) en un viaje. Estos datos se obtienen de los datos de localización mejorados obtenidos en el apartado anterior, y posibilitarán, en las siguientes etapas del proyecto, obtener un perfil personalizado del conductor.

noticia_uma-ceiatech_16