I+D‎ > ‎Proyectos I+D‎ > ‎

ASISTAN - Asistencia Inteligente en la Planificación Personalizada de la Movilidad Urbana



ASISTAN  es un asistente inteligente personalizado para la rutina diaria de un usuario. El objetivo de ASISTAN es aprender la rutina de cada usuario a partir del análisis de información de su movilidad. Con este conocimiento el asistente inteligente es capaz de predecir a donde se dirige el usuario y en base a esto sugerirle 
rutas que eviten los incidentes actuales. 

Un aspecto clave para que las sugerencias sean efectivas, ademas de predecir  correctamente el destino, es tener una fuente actualizada de información sobre los incidentes de transito. En este sentido, ademas de nutrirse de las fuentes 
tradicionales (pagina oficial del gobierno, o crear una red social propia) ASISTAN se nutre de la información que se provee en Twitter sobre incidentes que se están sucediendo. Para poder realizar esto se implemento Manwe, un enfoque 
inteligente y automático de procesamiento de información que a partir de de algoritmos de Machine Learning y Procesamiento Natural de Lenguaje permite clasificar si se esta hablando de un evento de transito y, en caso de ser así, geoposicionarlo dentro de un mapa para que el mismo se transforme en un instrumento de utilidad. 

Conociendo los incidentes de tránsito y el próximo destino del usuario, la aplicación analiza si algún incidente puede afectar tanto a la rutina actual como rutinas futuras del usuario.  

En este punto, la aplicación sugiere caminos alternativos que le permitan al usuario evitar estos inconvenientes, antes que emprenda su camino. 




A continuación se muestra un video con el asistente en funcionamiento

Vídeo de YouTube



Manwe -   Detección de Incidentes de Tránsito en Twitter 


ASISTAN utiliza información sobre incidentes de tránsito para asistir al usuario en su rutina diaria. Esta información es extraída a partir de publicaciones de Twitter y es realizada por la aplicación Manwe. Manwe se encarga de poblar la base de datos con los incidentes reportados en Twitter. En el  siguiente link  [intranet.isistan.unicen.edu.ar] se encuentra un prototipo derivado del enfoque propuesto. El mismo se encarga de reportar los cortes de transito informados en Twitter para la región de Buenos Aires. Los incidentes detectados son geolocalizados y son dibujados en un mapa. Por una cuestión de claridad, sólo se muestran los incidentes que se reportan en el día. Asimismo, a cada incidente se le asigna una duración y mientras está vigente se muestra con color. Cuando deja de estarlo se muestra en una escala de grises. 
A continuación se muestran algunas capturas de la aplicación en funcionamiento. Se muestra el evento detectado, y los tweets que dieron origen al mismo (pueden ser mas de uno)







Trabajos Publicados

    Póster Presentado en el EST

  • Brian Caimmi, Sebastian Vallejos, Alvaro Soria, Luis Berdun, Analia Amandi, Marcelo Campo - Detección de Incidentes de Tránsito en Twitter - IEEE Argencon 2016 - El congreso bienal de IEEE Argentina -Lugar: Ciudad Autónoma de Buenos Aires; Año: 2016
     
       Brian Caimmi, Sebastian Vallejos, Alvaro Soria, Luis Berdun - Geolocalización de incidentes de tránsito a partir del análisis de sentencias  extraídas de redes sociales   Facultad de Ciencias Exactas - Universidad Nacional del Centro de la Provincia de Buenos Aires - 2016

        


     D’Cristófaro, María Soledad; Giannoni, Agustín Heraldo, Luis Berdun, Alvaro Soria - Asistencia inteligente en la planificación personalizada de la movilidad            urbana Facultad de Ciencias Exactas - Universidad Nacional del Centro de la Provincia de Buenos Aires - 2016