Un estudio de la Asociación Nacional Brasileña de Transporte Público mostró que el tránsito del país arrancó una cuota económica de alrededor de $7.2 millones de dólares en 1998. Por desgracia, ha empeorado; en la actualidad hay cerca de tres veces más vehículos en Brasil, lo que empeora el tránsito de manera exponencial, de acuerdo con Fernando de Oliveira Pessoa, experto en tránsito en Belo Horizonte, la sexta ciudad más grande de Brasil.
Microsoft Research ha unido fuerzas con la Universidad Federal de Minas Gerais, hogar de uno de los principales programas de ciencias de la computación, para atacar el intrincado problema de los atascos de tránsito. El objetivo inmediato de esta investigación es predecir las condiciones del tránsito en los próximos 15 minutos hasta una hora, para que los conductores estén bajo aviso de los posibles problemas de tránsito.
El bien llamado Proyecto de Predicción de Tránsito (Traffic Prediction Project) planea combinar todos los datos de tránsito disponibles – entre los que se encuentra información tanto histórica como reciente, recopilada de los departamentos de transporte, mapas de tránsito de Bing, cámaras y sensores del camino, y las redes sociales de los mismos conductores – para crear una solución que lleve a las personas y sus vehículos del punto A al punto B con la menor cantidad de paradas. El uso de datos históricos y la información de las redes sociales son aspectos únicos de este proyecto.
Al utilizar algoritmos para procesar todos estos datos, el equipo del proyecto intenta predecir atascos de tránsito de manera precisa, para que los conductores tomen decisiones inteligentes en tiempo real, como tomar una ruta alternativa, utilizar transporte público o tal vez, posponer su viaje. Las predicciones también serán de alto valor para los planeadores de tránsito, en especial cuando trabajan para redirigir el tránsito en fechas de eventos especiales y cuando planean las necesidades futuras de transportación.
Conseguir predicciones confiables involucrará procesar terabytes de datos, que es la razón por la que los investigadores utilizan Microsoft Azure como la plataforma para el servicio. La escalabilidad excepcional, la inmensa capacidad de almacenamiento y el prodigioso poder de cómputo de Microsoft Azure lo hace el recurso perfecto para este proyecto de datos intensivos. Y debido a que Microsoft Azure está basado en la nube, correr el servicio de Traffic Prediction en Azure lo hace accesible para todos los usuarios, en tiempo real, todo el tiempo.
A la fecha, los investigadores han probado su modelo de predicción en algunas de las ciudades con más problemas de tránsito en el mundo: Nueva York, Los Ángeles, Londres y Chicago. El modelo consiguió una precisión en la predicción del 80%, y eso fue con base sólo en los datos de flujo de tránsito. Los investigadores esperan que la precisión llegue al 90% cuando los incidentes de tránsito y los datos de redes sociales sean incluidos.
