Generic filters
Exact matches only

Temáticas

Maximizar el valor de los datos automotrices en el ecosistema de movilidad urbana

Maximizar el valor de los datos automotrices en el ecosistema de movilidad urbana

Por Todd Brockdorf, Jefe de Soluciones de Arquitectura, América, Otonomo

Cuando conduces por la carretera, ¿qué ves? Coches, señales de tráfico, semáforos… A medida que los vehículos evolucionan de acero rodante a teléfonos inteligentes rodantes, en Otonomo vemos datos que alimentarán las soluciones de movilidad urbana.

Con todos los datos que ahora están disponibles -desde los coches conectados, pasando por las aplicaciones de megafonía hasta los semáforos conectados- la cuestión es cómo podemos maximizar su valor en beneficio de los conductores, los pasajeros y el bien de la sociedad.

En general, puede dividir los casos de uso de datos de automoción en dos categorías: anónimos y personales. Los casos de uso anónimo pueden utilizar datos que han sido borrados de información personal identificable como el número de identificación del vehículo (VIN) o los detalles del conductor. Estos casos de uso, que son los dominantes hoy en día, se benefician simplemente al saber que hay un vehículo realizando alguna acción; la marca, el modelo o el año del modelo del vehículo no es relevante o necesario. Los casos de uso de datos personales utilizan datos que están asociados con un conductor; no funcionan sin esa información personal. El seguro basado en el uso es un gran ejemplo.

Otonomo ha encontrado cuatro casos comunes de uso anónimo.

Cuatro casos de uso anónimo para datos de automoción

Optimización de rutas: El ecosistema de movilidad urbana utilizará tanto datos de tráfico en tiempo real como históricos para optimizar las rutas. Cuanto antes comprenda un conductor que un evento ocurrió en una carretera, como un accidente o condiciones de hielo, antes podrá ser redirigido dinámicamente alrededor del área, antes de que el tráfico comience a retroceder. Esto conducirá a una menor contaminación por atascos y a un viaje más eficiente.

Generación de demanda: Las empresas de servicios de movilidad están utilizando tanto datos en tiempo real como históricos para impulsar modelos de ciencia de datos que predicen la demanda. Por ejemplo, usted puede saber que la lluvia se pronostica para una ciudad hoy. Pero, ¿qué pasaría si supiera exactamente cómo se está moviendo una tormenta a través de una ciudad basándose en los datos de velocidad de los limpiaparabrisas? Podría predecir la demanda y los servicios de pre-posicionamiento. De la misma manera, entender los patrones de cómo se mueven los vehículos a través de las ciudades también puede mejorar los modelos de datos para la pre-posicionamiento de servicios.

Datos de mapeo: El ecosistema urbano requiere de mapas actualizados para funcionar eficientemente. Se añaden nuevas carreteras. Cambian los límites de velocidad. Las carreteras existentes están en construcción durante aparentemente meses. Cada una de estas situaciones y otras más generan una necesidad constante de mapas SD y HD actualizados. Los datos recogidos de los vehículos que se desplazan por entornos urbanos pueden proporcionar a los proveedores de aplicaciones de cartografía actualizaciones dinámicas.

Optimización del aparcamiento: Aparcar en zonas de mucho tráfico durante las horas de mucho tráfico puede causar un desorden. París se enfrenta a los mismos retos que Londres, Nueva York y San Francisco. Usando datos anónimos de automóviles, los conductores pueden ser dirigidos al estacionamiento disponible, ya sea en la calle, en el lote o en el garaje. Las ciudades pueden ver grandes reducciones en la congestión.

El valor de los datos

Los datos son las tuercas y los tornillos que mantienen unido el ecosistema de movilidad urbana. Ya sea a través de la optimización de la ruta, la generación de demanda, los datos de mapeo o la optimización del estacionamiento, cada pieza de datos automotrices tiene beneficios para los conductores, los pasajeros y los proveedores de datos.

Otonomo ve que hay dos factores que impulsan principalmente el valor de los datos: la puntualidad y la identificabilidad de los datos. En términos generales, los datos en tiempo real tienen un valor mayor que los datos en tiempo no real. Y los datos que contienen atributos personales son más valiosos que los datos anónimos.

Dado que la mayoría de los casos de uso en los ecosistemas de movilidad urbana se benefician de los datos anónimos de los vehículos en tiempo real o casi en tiempo real, los proveedores de datos para este entorno podrían encontrar un gran beneficio. Sin embargo, esto no excluye a los proveedores de datos que tienen un suministro de datos no en tiempo real. Hay una necesidad de ambos tipos de datos para hacer de la movilidad urbana un eco…

¡Ya has votado! / 5.

Deja tu opinión

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *


Noticias relacionadas