Fermín Mallor Giménez
La revista científica “Transportation Research Part B”, una de las más reconocidas en su categoría, publica en su último número una investigación sobre una nueva metodología matemática para monitorizar el flujo de tráfico, de manera que se puedan realizar previsiones a medio y largo plazo. El trabajo ha sido realizado por Iván Guardiola, de la Universidad Science and Technology de Missouri; Fermín Mallor, de la Universidad Pública de Navarra; y Teresa León, de la Universidad de Valencia. “Conociendo no sólo el volumen de tráfico sino la forma en que ese flujo discurre, podemos detectar cuándo el tráfico está cambiando de un modo significativo. Esta información se puede utilizar, por ejemplo, en la toma de decisiones acerca de la señalización (semáforos, direcciones,…), de la capacidad de las vías, etc.”, explica Fermín Mallor, catedrático del Departamento de Estadística e Investigación Operativa.
Lo novedoso de esta investigación es que aplica la denominada estadística de curvas al problema concreto de control o monitorización del tráfico. La utilidad de la metodología se ilustra utilizando los datos del tráfico registrado en una autopista americana entre los años 2004 y 2011, si bien “la metodología, el procedimiento matemático que subyace, es extrapolable a cualquier otro lugar en el que quisiéramos hacer monitorización del tráfico”, señala el investigador. No solamente se trata de una metodología valiosa en el contexto del análisis de tráfico sino que, convenientemente adaptada, puede aplicarse a la monitorización y control de cualquier fenómeno del que se recojan datos con una frecuencia elevada (algo ya habitual gracias al uso de sensores) y cuyo seguimiento sea significativo para detectar cambios (temperatura, ruido, vibración, etc.)
Uno de los aspectos relevantes de la metodología aplicada es su capacidad para detectar cambios en los patrones de flujo de tráfico. Esto se consigue combinando el análisis funcional de datos (o análisis de curvas) y técnicas de control de calidad multivariante. La estadística de curvas es una nueva forma de análisis que se basa en el perfil o forma que generan los datos objeto de estudio. Esta aproximación matemática permite un aprovechamiento máximo de los datos recogidos, superando los tradicionales análisis basados en la creación y estudio de variables tales como máximo flujo de tráfico, tiempo en el que se alcanza el máximo flujo, flujo total diario, etc.
Los resultados permiten interpretar las principales causas que originan las variaciones de tráfico entre distintos días. En los datos analizados se obtuvo un patrón muy diferenciado entre días laborables y días festivos. También se puede cuantificar la importancia que tienen otros factores como, por ejemplo, periodos vacacionales, de compras y viajes. Aunque su principal utilidad es detectar cambios en el tráfico debido, por ejemplo, a la expansión demográfica en áreas cercanas, la creación de nuevas áreas comerciales y de ocio, etc.
El artículo destaca cuatro claras ventajas en el uso de esta metodología: la máxima explotación del volumen de datos obtenidos, la reducción de la dimensionalidad, la representación gráfica de cada perfil diario de tráfico y el desarrollo de un método para toma de decisiones estratégicas.
Aplicación de las matemáticas a la industria
Por otro lado, cabe recordar que la Red Española Matemática - Industria (math-in) seleccionó a finales de 2013 siete casos de éxito de transferencia de conocimiento matemático a la industria, de entre todos los realizados en España en los últimos años. Uno de esos 7 proyectos fue desarrollado por los investigadores de la UPNA Fermín Mallor, Cristina Azcárate y Rosa Blanco, en colaboración con el Centro Nacional de Energías Renovables.
En el proyecto “Viabilidad de un sistema para la transformación y almacenamiento de energía. Modelos de gestión de sistemas energéticos mixtos eólico-hidrógeno“ se desarrolló un modelo de simulación de un sistema de almacenamiento de la energía producida por un parque eólico en forma de hidrógeno. A través del modelo de simulación se puede responder no solo a cuestiones de si actualmente es rentable o no, sino bajo qué condiciones de estructura de precios de la energía y desarrollo tecnológico podría llegar a ser rentable y cuál sería su dimensionado óptimo. También obtiene métodos para la gestión óptima de dichos sistemas híbridos de energía.