Martes, 10 de Julio de 2018 15:00

CSID realizó seminario sobre tecnologías disruptivas

En él, se abordaron distintas líneas de investigación de la académica Flora Salim, las que se enmarcan en el campo del big spatial data analysis, que incluyen aplicaciones de movilidad humana y análisis del comportamiento, por medio de dispositivos móviles, wearables o Internet of Things, pudiendo obtener datos y análisis visual, que sirven para identificar los patrones de las personas, pudiendo predecir y analizar el comportamiento humano en varios escenarios.

El Centro de Sistemas de Información y Ciencias de la Decisión (CSID) realizó el pasado 5 de julio, en dependencias de la Facultad de Economía y Negocios, el seminario en el que la académica Flora Salim, senior lecturer Computer Science and IT, School of Science, RMIT University dictó la charla “Spatio-temporal data analytics human behavior recognition from sensor data and mobility prediction with machine learning, in retail and transportation markets”, la que recopiló varias de sus investigaciones.

Los artículos de la profesora Salim se enmarcan en el campo del big spatial data analysis, que incluyen aplicaciones de movilidad humana y análisis del comportamiento, por medio de dispositivos móviles, wearables o Internet of Things, pudiendo obtener datos y análisis visual, que sirven para identificar los patrones de las personas, pudiendo predecir y analizar el comportamiento humano en varios escenarios.

Durante su intervención, la profesora Salim mostró el potencial de las nuevas tecnologías disruptivas, que se utilizan para comprender y resolver la interacción de las personas y el comportamiento cibernético en entornos complejos y dinámicos, permitiéndole a las organizaciones operar de manera más eficiente.

Estas tecnologías pueden ser utilizadas en múltiples proyectos, sirviendo en el ámbito del monitoreo y análisis de información de las compañías.

De los artículos citados, la académica mencionó el uso de la tecnología wireless, la que utilizada a través de dispositivos smartphones –Android e iPhone– junto con las redes wifi en routers de uso público, proporcionan datos de manera eficiente, sin que las empresas deban realizar grandes inversiones en infraestructura.

Añadió que el uso de la tecnología wireless junto con machine learning se puede utilizar para crear aplicaciones que detecten patrones, según el contexto y entorno espacial en el que se desenvuelven las personas, y sean capaces de predecir el comportamiento humano.

Experiencias

Para ilustrar su uso, la académica mencionó ejemplos de modelamiento predictivo de demanda por taxis y pasajeros en aeropuertos. Para hacer el análisis, se incluyeron aspectos del contexto espacial en el que se produce este negocio: ubicación de los conductores, tiempos de espera, extensión de filas, información de llegada y salida de vuelos, tiempo y clima, entre otros.

Para estudiar los patrones de desplazamiento de los clientes en un mall, por ejemplo, la académica señaló que se puede utilizar información de los patrones de navegación de los visitantes que usan internet por medio de los smartphones, pudiéndose obtener datos de las rutas reiteradas y destinos que frecuentan, así como patrones asociados a las búsquedas que realizan en internet.

Durante la actividad, también se discutió sobre cómo encontrar patrones predictivos en estacionamientos, utilizando la información proveniente de sensores, smartphones y cámaras de seguridad, para saber qué vehículos exceden su tiempo de tarifa o evaden el pago.

Gracias a este análisis es posible identificar las zonas, el horario y las condiciones en las que se concentran los mayores casos de evasión, permitiendo aumentar el cobro de multas y reducir el tiempo de inspección y, de esa manera, optimizar el trabajo de los inspectores en terreno, lo que se traduce en eficiencia operativa.