El transporte y la movilidad son fundamentales en los objetivos de sostenibilidad promovidos desde las Naciones Unidas y la Unión Europea. La digitalización de los procesos involucrados en la planificación y gestión del transporte y la movilidad son una de las palancas para la transformación eficiente para uno de los sectores que más contribuye a la generación de gases de efecto invernadero.
El transporte y la movilidad tienen que contar con profesionales multidisciplinares capaces de utilizar fuentes de datos, tratarlas, gestionar y explotarlas, complementando la práctica tradicional en el sector del transporte y la movilidad con las nuevas oportunidades que la Ciencia de Datos ofrece.
Las nuevas formas de transporte: car-sharing, car-pooling y Mobility as a Service (MaaS) requieren de profesionales competentes en el tratamiento de una gran diversidad y cantidad de datos.
Este curso es un complemento para los profesionales que trabajan en el sector y una oportunidad para los recién graduados de comprender los procesos y las características de las ciudades inteligentes orientadas a disponer de conocimientos en fundamentos de la ciencia de datos y la informática para poder interpretar, seleccionar, valorar y aplicar los nuevos conceptos y desarrollos matemáticos, analíticos, científicos, tecnológicos relacionados con la Movilidad y el Transporte.
Este estudio forma parte de las acciones formativas financiadas por el Ministerio de Transporte, Movilidad y Agenda Urbana, en el marco del Plan de Recuperación, Transformación y Resiliencia, financiado por la Unión Europea - Next Generation EU. Esta ayuda tiene como objetivo la realización de cursos de formación para la capacitación digital y sostenibilidad en el ámbito del transporte y la movilidad.
Los participantes en este estudio deben ser ciudadanos de un Estado miembro de la Unión Europea o de otro Estado parte en el Acuerdo sobre el Espacio Económico Europeo y Suiza, o tener autorización de permanencia o residencia en el territorio español.
Para más información sobre las prioridades políticas de la UE, puede visitar el siguiente enlace: Prioridades políticas de la UE.
- Ser capaz de realizar el desarrollo e innovación en el ámbito de la movilidad inteligente, así como dirigir el desarrollo de soluciones de movilidad, y logística en entornos nuevos o poco conocidos, relacionando creatividad, innovación y transferencia de tecnología.
- Ser capaz de asimilar y adaptarse a la evolución de la tecnología en el ámbito de desarrollo profesional del Transporte y la Movilidad en el marco de la sostenibilidad.
- Tener un conocimiento práctico de las herramientas a emplear para hacer coherente la satisfacción de las necesidades de la movilidad con los objetivos de desarrollo sostenible.
- Poder elaborar estudios e informes técnicos de consultoría relacionados con las tecnologías de la información y la comunicación, el transporte y la movilidad.
- Conocer los conceptos básicos de bases de datos relacionales y las herramientas para gestión y realización de consultas.
- Conocer los conceptos básicos de bases de datos no relacionales y las herramientas para gestión y realización de consultas.
- Comprender la tipología de datos disponibles en el sector del transporte y la movilidad. Características del big data y la utilidad de los datos abiertos en el ámbito del transporte.
- Utilizar herramientas comerciales para la planificación del transporte (VISUM).
- Utilizar herramientas para el análisis de datos (RStudio).
- Ser capaces de desarrollar scripts en los lenguajes punteros en la ciencia de datos (R, Python) adecuados para la resolución de casos prácticos, entre los cuales se halla el análisis exploratorio univariante y multivariante de conjuntos de datos.
- Conocer y comprender los procesos para la planificación y la gestión de la movilidad en ciudades inteligentes.
- Conocer y utilizar herramientas para cargar, visualizar, transformar y analizar datos espaciales.
- Conocer y explorar aplicaciones recientes de la ciencia de datos en la gestión de la movilidad y el transporte en la ciudad.
- Estudiantes de grado o titulados de carreras técnicas y/o científicas.
- Los participantes de las acciones formativas subvencionadas deberán ser ciudadanos de un Estado miembro de la Unión Europea o de otro Estado parte en el Acuerdo sobre el Espacio Económico Europeo y de Suiza o tener autorización para permanecer o residir en territorio español.
Se requieren conocimientos en programación en algún lenguaje como C, Fortran o Java, así como conocimientos en SQL y conceptos básicos de bases de datos.
Se recomienda tener conocimientos básicos en algún paquete estadístico, conocimientos de álgebra lineal (operaciones con matrices y vectores) y comprensión escrita de textos en inglés técnico relacionados con el ámbito de la estadística e investigación operativa.
Los alumnos deberán traer un ordenador portátil a las sesiones.
- Introducción a las fuentes de datos en transporte y uso en modelos de planificación y simulación.
- Descripción/clasificación/tipología de sistemas de transporte.
- Propósitos y usos de la toma de datos.
- Clasificación de fuentes de datos tradicionales y TIC.
- Equidad y efectos de la digitalización.
- Recogida de datos por encuestas.
- Encuestas tipo en transporte y movilidad.
- Explotaciones tipo.
- Casos de Estudio.
- Gestión de datos relacionales y SQL.
- Gestión de grandes cantidades de datos y datos de formatos semiestructurados o no-estructurados.
- Extensiones de bases de datos relacionales.
- Tecnologías big data para la gestión de datos espacio-temporales y de movilidad.
- Estructura, carácter y rol de los datos utilizados en modelos de transporte de pasajeros y logística, y en sistemas y redes de transporte, tanto tradicionales como emergentes.
- Principales métodos en aprendizaje automático utilizados con éxito en aplicaciones en transporte.
- Casos de estudio reales junto con la aplicación de estos métodos en diferentes juegos de datos.
- Estructura, carácter y rol de los datos utilizados en modelos de transporte de pasajeros y logística, y en sistemas y redes de transporte, tanto tradicionales como emergentes.
- Principales métodos en aprendizaje automático utilizados con éxito en aplicaciones en transporte.
- Casos de estudio reales junto con la aplicación de estos métodos en diferentes juegos de datos.
-Casos de Estudio reales que implican gran volumen de datos, explotación de datos y modelaje mediante optimización.
-Estimación de matrices OD (Origen-Destino) dinámicas a partir de datos GPS y aforos.
-Problema de Distribución Urbana de Mercancías: 2 - Echelon.
- Identificación del problema (en el ámbito la analítica de datos para la movilidad).
- Propuesta de una solución técnica rigurosa.
- Desarrollo de un prototipo para validar la propuesta técnica.
- En las clases magistrales se exponen los fundamentos conceptuales de los contenidos a impartir, promoviendo la interacción con los estudiantes para guiarlos en el aprendizaje de los diferentes contenidos y el desarrollo de las competencias establecidas.
- En el estudio de casos se aplican los conocimientos en un entorno real o hipotético, donde se identifican y trabajan aspectos específicos para facilitar su comprensión, con el apoyo de los docentes.
- En el desarrollo del proyecto de curso se presta apoyo a los estudiantes en la realización de un trabajo práctico grupal en el que se van incorporando sesiones teóricas que aportan las herramientas y los conocimientos necesarios para obtener un resultado. En la presentación del proyecto se realiza un intercambio de ideas y resultados entre todos los grupos participantes.
- Especialista de movilidad en consultorías e ingenierías, o en el ámbito R+D+I.
- Planificador, diseñador o gestor de plataformas de servicios de movilidad.
- Especialista en servicios de movilidad para fabricantes de vehículos.
- Responsable de la gestión del cambio en empresas de movilidad tradicional.
