Page 144 - Laboratorios, Equipos e Instalaciones en España disponibles para el Sector Ferroviario

INGENIERIA DEL CONOCIMIENTO Y APRENDIZAJE AUTOMATICO

DEPARTAMENTO DE CIENCIAS DE LA COMPUTACION

UNIVERSITAT POLITECNICA DE CATALUNYA

DESCRIPCIÓN Y FINES DE LA ENTIDAD

El principal objetivo del grupo de Ingeniería del Conocimiento y Aprendizaje
Automático (KEMLG) es el análisis, diseño, implementación y aplicación de
diferentes técnicas y metodologías de Inteligencia Artificial, para dar
soporte en la operación o bien analizar el comportamiento de sistemas
complejos o dominios del mundo real. Esta investigación se aplica en
dominios tales como la salud, la medicina, los procesos ambientales, las
aplicaciones sociales y en Internet y en la innovación empresarial.

ÁREAS DE ACTIVIDAD
t Ontologías, Redes Sociales & Repr. del Conocimiento t Aprendizaje Automático
t Web Semántica & Servicios Web Inteligentes t Agentes Software & Sistemas Multiagente

t IDSS & Sistemas de Recomendación t Instituciones electrónicas
t Ciencia de los Datos & Minería de Datos t Sistemas Inteligentes Distribuidos

EQUIPOS, INSTALACIONES, TIPOS DE PRUEBA Y/O ENSAYOS

* Análisis Inteligente de Datos y descubrimiento de conocimiento a partir de datos procedentes de la movilidad de las
personas, del sistema de trenes, etc. para mejorar el rendimiento (procesos, flujos, tareas, etc.)
* Visualización de datos brutos sin procesar / datos de redes sociales para la detección de perfiles de usuario, patrones
de comportamiento, situaciones de operación de los trenes / sistemas de movilidad, tendencias temporales, etc.
* Análisis predictivos para la estimación de varios parámetros de movilidad, sistemas de trenes, rutas, etc.
* Las estimaciones del nivel de aglomeración de estaciones y vagones en base al análisis de la actividad en las redes
sociales y/o de los datos directos.
* La detección en tiempo real de eventos no planificados con afectación de la movilidad urbana basándose en el
análisis de la actividad de las redes sociales, (predicción de accidentes de los movimientos de masas en
acontecimientos deportivos, etc.) y/o los datos directos.
* Detección en tiempo real del estado de la ciudad en relación con los indicadores de movilidad
* La simulación de diferentes escenarios basados en la aplicación de diferentes políticas de movilidad. (i.e., ¿qué
pasaría si aumenta la capacidad de los vagones)
* Implementación de recomendadores oportunistas multimodales para la planificación de rutas de movilidad
* La búsqueda de soluciones óptimas a problemas de movilidad/planificación/routing/asignación complejas
* Operacionalización de políticas de movilidad y generación automática de sugerencias para los escenarios detectados
* Integración de los datos generados por las redes sociales para complementar los obtenidos por otros medios.
* Detección en tiempo real de escenarios y situaciones excepcionales que afectan a la movilidad (accidentes, retrasos)
Historias de éxito.
* Enfoque integrado de inteligentes sistemas de movilidad metropolitana multimodales [sostenible y persuasiva
Movilidad Usuarios Humanos en las ciudades del futuro, SuperHub proyecto de la UE, http://superhub-project.eu/]
* Decisión Inteligente Ambiental Sistemas de Apoyo (software ATL-EDAR) de supervisar EDAR [SISLtech SL empresa,
spin-off de la UdG-UPC, http://sisltech.net]

DIRECCIÓN PERSONA DE CONTACTO
C/ Jordi Girona 1-3, 08034 Barcelona Dr. Miquel Sànchez-Marrè FiEMSs
UPC, Campus Nord, edificio OMEGA, despachos 201-207 Profesor Titular de Universidad
Tel.: +34 93 413 78 41 Tel.: +34 93 413 78 41
http://kemlg.upc.edu Email: miquel@cs.upc.edu