Comunicação Técnico

May 5th 2020
Rui Henriques is interviewed by Marta Pedro

  1. Fale-nos um pouco do projecto ILU. O que é? Como surge?
    ILU. ILU é uma iniciativa científica que resulta de uma visão para Lisboa. Lisboa como uma referência em mobilidade sustentável, capaz de dinamicamente responder ao que está a acontecer e emergir na cidade. O atual contexto, COVID, é um exemplo marcado de como alterações na mobilidade urbana, decorrentes de alterações à procura na rede de transportes e aplicação de normas de segurança, criam a necessidade de continuamente adaptar a oferta na rede de transportes públicos. Para este fim, os dados urbanos são uma chave essencial e o foco do projeto ILU. Os dados urbanos revelam os reais padrões de mobilidade urbana, oferecendo um meio para uma coordenação objetiva, transparente e multimodal entre os operadores, autoridades, municípios e cidadãos.
    As origens. Sustentada nesta visão para a cidade, a Câmara Municipal de Lisboa lança em 2017 a Plataforma para a Gestão Inteligente de Lisboa (PGIL). Um ano depois, o projeto ILU é desenhado por forma a contribuir para a PGIL com princípios avançados de Aprendizagem a partir de Dados Urbanos. Esta é também a origem do nome do projeto. ILU: Integrative Learning from Urban data.
    ILU. Projeto nacional de investigação científica e inovação no âmbito do programa FCT para a modernização da Administração Pública com recurso aos mais recentes progressos científicos em Inteligência Artificial.
    Projeto multidisciplinar que cruza os domínios da Ciência de Dados, Aprendizagem e Mobilidade. Projeto que une o INESC-ID, LNEC, CML e transportadoras com o propósito de explorar o conhecimento latente nos dados urbanos recolhidos em Lisboa.

  2. O projeto centra-se essencialmente na análise de dados de mobilidade? O que traz de novo?
    Exato. O ILU tem como primeiro objetivo apoiar o estudo e previsão dos padrões de mobilidade urbana combinando fontes heterogéneas de tráfego urbano e o seu contexto situacional. O tráfego urbano inclui fontes de fluxo rodoviário e validação de títulos na rede de transportes públicos (carreiras, metro, comboios, bicicletas, barcos e novos velocípedes). O contexto situacional inclui eventos públicos, acidentes, obras em via pública, planeamento urbano, meteorologia, e notificações do cidadão.
    O objetivo do projeto está também refletido na própria equipa, composta por profissionais em Mobilidade Urbana e por uma curiosa maioria de investigadores nos domínios de Ciência de Dados e Inteligência Artificial.
    Este contorno multidisciplinar surge como uma necessidade de criar novos ângulos para responder a dois grandes desafios. Primeiro, a falta de uma análise integrativa do tráfego urbano capaz de combinar diferentes modalidades de transporte e consolidar fontes heterogéneas de dados urbanos recolhidas a partir de sensores fixos e móveis na cidade. Segundo, a ausência de contexto situacional nos atuais modelos de descrição, previsão e otimização da mobilidade urbana.
    Estes desafios são as principais forças motoras do projeto ILU, distinguindo-o do papel de outras iniciativas em curso.
    Iniciativas complementares em Lisboa? O LxDataLab é uma iniciativa de elevado relevo, resultado de uma parceria entre a Câmara Municipal de Lisboa (CML) e instituições universitárias e de investigação, o LxDataLab tem por missão criar soluções de analítica e visualização para melhorar a gestão operacional da cidade de Lisboa. O observatório de Mobilidade Lx (M-LX), paceria entre CML e Universidade de Lisboa, é um outro exemplo. Reune uma equipa alargada e multidisciplinar para a monitorização e resposta de problemáticas ligadas à mobilidade urbana e acessibilidade.

  3. Os dados urbanos que estão na base do projeto são cada vez mais apetecíveis, certo?
    Sim. Eles são a fonte.
    Revelam de forma objetiva os problemas atuais e emergentes, como necessidades de transbordo, congestionamentos, ou sobrelotação. São também um instrumento para garantir uma eficaz coordenação entre operadores e autoridades, capaz de permitir um alinhamento continuado da rede de transportes à realidade da cidade.
    A Câmara Municipal de Lisboa (CML) tem feito um trabalho extraordinário na disponibilização destas fontes de dados, estabelecendo parcerias essenciais à sua recolha e consolidação; facilitando a criação de um título único na rede de transportes públicos que permite uma análise de padrões de mobilidade multimodal; e criando uma política inovadora de dados abertos sobre quais iniciativas, como o projeto ILU, operam.

  4. Como é que vão ser recolhidos estes dados urbanos que estão na base do projeto?
    A recolha de dados é realizada pelos nossos parceiros públicos, e cedida à equipa do projeto no contexto de acordos de confidencialidade celebrados entre os institutos de investigação (INESC-ID e LNEC) e a CML, CARRIS e METRO.
    As principais fontes de tráfego urbano são obtidas a partir de sensores de contagem nas principais vias da cidade (DGT), de trajetórias individuais recolhidas por dispositivos móveis (WAZE), check-ins e check-outs de bicicletas nas estações da rede GIRA (EMEL), ocupação de parques (EMEL), e validações de títulos na rede de carreiras (CARRIS) e metropolitana (METRO). Complementarmente, a ocorrência de eventos culturais e desportivos (usufruto de espaços públicos), interdições à circulação (CML), registos meteorológicos (IPMA), planeamento urbano (portal Dados Abertos) e notificações dos cidadãos (portal Na Minha Rua) são algumas das fontes de contexto situacional exploradas no contexto do projeto ILU.

  5. As contribuições do ILU permitirão fazer uma análise multimodal da mobilidade da cidade de Lisboa?
    Assim esperamos. Estamos neste momento a identificar padrões de deslocação multimodal a partir das validações de títulos na rede pública de transportes. Estes padrões permitem compreender necessidades de transbordos entre uma ou mais modalidades de transporte entre diferentes pontos da cidade, avaliar interfaces na rede de transportes, e identificar sinergias ao nível da oferta que possam estar subexploradas.
    Do ponto de vista da aprendizagem automática, este é um problema com bastantes desafios, incluindo a estimativa de saídas nas modalidades de transporte onde a validação de títulos ocorre apenas à entrada (e.g. CARRIS), a definição de critérios para identificar transbordos, a inerente variabilidade associada à procura, ou a consolidação de fluxos provenientes da rede cicloviável.

  6. Em que fase está neste momento o projeto e quais as próximas fases?
    O projeto foi desenhado em torno de quatro fases: consolidação, descrição, previsão e decisão.
    A fase de consolidação das fontes de dados urbanos está concluída, tendo já sido disponibilizadas facilidades de tratamento, pesquisa eficiente, e atualização automática na presença de dados mais recentes, permitindo auscultar o tráfego privado e público na cidade.
    A nível da descrição, foram criadas facilidades de visualização integrativa e multimodal, e desenvolvidas técnicas para a descoberta de padrões de mobilidade, incluindo padrões frequentes, periódicos, emergentes e padrões anómalos.
    Por exemplo, a descoberta de padrões emergentes no tráfego rodoviário contempla congestionamentos cuja recorrência no tempo, limites máximos à velocidade de circulação ou extensão espacial tem vindo progressivamente a crescer ou decrescer.
    Outro exemplo, a descoberta de padrões anómalos na rede de transportes públicos deteta por sua vez desvios significantes entre a procura observada e a esperada, permitindo uma sinalização automática destas ocorrências por forma a permitir a atuação das transportadoras sempre que necessário.
    Ainda ao nível da descrição, temos modelos da procura na rede de transportes públicos (METRO, CARRIS, GIRA) e a inferência de matrizes origem-destino que nos permitem compreender as principais fluxos na cidade ao longo do dia. Neste contexto, o próximo passo é refinar estas matrizes na presença de fatores de contexto.
    Ao nível da previsão, estamos a fazer um amplo recurso a abordagens de aprendizagem profunda (deep learning) e associativa para apoiar a previsão a curto-prazo (próximos dias) do tráfego rodoviário e da procura na rede de transportes públicos, na ausência e presença de contexto situacional. Recentemente, medimos o impacto causado pela presença de histórico e prospeção meteorológica na previsão de fluxos na rodovia e ciclovia. O próximo passo será o desenvolvimento de modelos de previsão a longo prazo (próximos meses) por forma a apoiar o planeamento estratégico das transportadoras.
    Finalmente ao nível da decisão, estamos a recorrer a princípios de controlo e micro-simulação por forma a traduzir o conhecimento anterior em recomendações. Neste contexto, estamos a estudar modelos de controlo semafórico inteligente e a desenhar optimizadores da oferta na rede de transportes públicos por forma a apoiar necessidas de reforço.
    Transversalmente, as contribuições produzidas no contexto destas quatro frentes de trabalho têm sido integradas num sistema de recomendação – ILU App – que já permite o recurso a princípios avançados de aprendizagem automática para estudar padrões multimodais da mobilidade urbana em Lisboa.

  7. Os resultados do projeto podem servir para apoiar decisões de mobilidade, como o reforço do transporte público, certo?
    Sim. Certamente. A identificação de padrões multimodais de procura na rede de transportes públicos tem o potencial de revelar necessidades de reforço ao nível da oferta, algo que está ao nível do planeamento estratégico. Adicionalmente, na presença de eventos planeados ou ocorrências inesperadas, a previsão da procura na rede permite identificar necessidades de reforços pontuais, algo que está ao nível da gestão operacional da oferta.
    Complementarmente, o projeto ILU disponibilizará contribuições iniciais em duas outras áreas de atuação, que podem ser aprofundadas em subsequentes projetos científicos. Primeiro, gestão inteligente de semáforos, painéis eletrónicos, e parques de estacionamento na cidade. Segundo, a operacionalização, expansão e balanceamento inteligente da rede GIRA e novos velocípedes.

  8. Numa fase posterior o projeto pode ser adaptado a outras cidades? É esse o vosso objetivo?
    Será certamente uma consequência natural dada a natureza das contribuições do projeto e o nosso compromisso para a disseminação científica das mesmas. O desenho do projeto contempla de raiz esta possibilidade. Estamos atentos a iniciativas internacionais, e recorrido a fontes externas de dados urbanos para validar as contribuições do projeto. O sistema de recomendação atende também a princípios de adaptabilidade e interoperabilidade. Ainda assim, o nosso foco e compromisso? Lisboa. Responder à visão que está na génese do projeto ILU – Lisboa, uma cidade referência de sustentabilidade e resiliência em mobilidade urbana.

Agência Lusa

January 3rd 2019
Interview to Agência Lusa published in Diário de Notícias
https://www.dn.pt/lusa/interior/investigadores-aplicam-inteligencia-artificial-as-emergencias-medicas-e-a-mobilidade-10395377.html
“[O projeto ILU] visa melhorar a mobilidade em Lisboa a partir da análise de dados da circulação automóvel e de transportes públicos. A ideia é ‘descobrir padrões de circulação na cidade, antecipar problemas e fazer recomendações’, sintetizou o coordenador do projeto, Rui Henriques, investigador no INESC-ID.
As recomendações serão dirigidas à Câmara de Lisboa para que possa melhorar a gestão e a operacionalização da mobilidade de pessoas e viaturas na cidade, mas também aos cidadãos que vivem, trabalham e visitam a capital através de uma aplicação de telemóvel a ser criada.
Segundo Rui Henriques, não só a autarquia poderá melhorar o planeamento da circulação na cidade em caso de obras ou grandes eventos, por exemplo, mas também as pessoas, ao acederem a esta aplicação, poderão escolher a alternativa mais acertada para se deslocarem na cidade.”

Público

October 24th 2018
Rui Henriques and João Tremoceiro presented ILU in a singular event in INE with the presence of Minister of the Presidency and Administrative Modernization (Maria Manuel Leitão Marques) and Minister for Science, Technology and Higher Education (Manuel Heitor). Several news were published in the context of this event.
https://www.dinheirovivo.pt/economia/servicos-publicos-prototipos-inteligencia-artificial/