En el artículo anterior explicamos los 7 principios clave para generar información precisa en tiempo real. Pero, ¿cómo podemos medir la precisión de las estimaciones de paso por parada en tiempo real? ¿No debería de haber algún tipo de métrica que proporcione a la industria una forma objetiva de evaluar la precisión? (Después de todo, ¡es difícil mejorar lo que ni siquiera podemos medir!) ¿No sería genial si esta métrica de referencia cubriera cada predicción de tiempo: para cada viaje, cada parada, cada ruta y cada sistema de transporte público?

Pues bien, esta medición es posible, y te proporcionará la información más precisa sobre la experiencia de los viajeros: “Metodología de precisión de estimaciones de paso por parada”.

El pasado y el presente de la medición de la precisión de tiempo estimado de llegada

Si bien ahora existe una definición común, ese no siempre fue el caso. A lo largo de los años, varias autoridades y operadores de transporte han medido la precisión en tiempo real de manera diferente.

En 2015 IBI Group, prestigiosa compañía con más de 50 años de experiencia en el sector del desarrollo urbano, trabajó con algunas de las agencias de transporte más prestigiosas de EEUU para desarrollar el primer criterio de evaluación de precisión moderno. Su idea fundamental fue plantear una pregunta básica:

• A las 8:30 a. m., ¿cuál era el tiempo estimado de llegada del autobús X a la parada Y? ¿Y cuándo llegó realmente ese autobús a la parada?
• ☝️… A las 8:31 a. m., la misma pregunta
• ☝️… A las 8:32 a. m., la misma pregunta
• Multiplicado por el infinito, en cada autobús y en cada parada.

Para evaluar qué era una predicción “buena”, establecieron algunos puntos de referencia: si buscabas una salida de parada muy en el futuro, estaba bien si la predicción del tiempo estimado de llegada se desviara unos minutos, más o menos.

Pero eran mucho más estrictos a medida que el autobús se acercaba a la parada, especialmente cuando se trataba de predicciones tempranas; después de todo, aún puedes tomar un autobús que llegue un poco tarde, ¡pero es mucho más difícil subirte a bordo si ya pasó de largo!

Cómo medir conceptualmente la precisión de un tiempo estimado de llegada (ETA) en tiempo real

En pocas palabras, la metodología de IBI y RTD-Denver es una medida de si una predicción en tiempo real es precisa en relación con la hora de llegada real del autobús. Es como apuntar a un objetivo que se mueve hacia ti, con una diana que se hace cada vez más pequeña a medida que se acerca.

A lo largo de los años, este marco fue utilizado por diferentes autoridades y operadores de transporte para medir la precisión en tiempo real, en parte porque es fácil de explicar y fácil de calcular. El transporte público en Estados Unidos se ha consolidado como líder en la implementación de información en tiempo real, con un enfoque creciente en proporcionar a los usuarios predicciones precisas de las horas de llegada. Este tema ha dominado el debate en el sector, impulsando a las principales redes de transporte a integrar soluciones avanzadas de estimación en sus sistemas. Un ejemplo destacado es la histórica MBTA de Boston, que comenzó a incorporar esta metodología como un requisito evaluador fundamental en los procesos de licitación para mejorar la calidad del servicio que ofrecen a sus pasajeros.

A medida que crecía la necesidad de evaluar la calidad de las predicciones, como es lógico, más actores comenzaron a crear sus propias metodologías, y la interpretación de la precisión varía en función de la definición propia de cada agencia.

A modo de ejemplo, donde unos consideran una predicción de 18 minutos como precisa cuando el autobús llega 12 minutos después, otros etiquetan esa misma predicción de 18 minutos como inexacta. Todo dependería de la definición de los parámetros y tolerancia de desvío que cada agencia considerase oportuno considerar.

No hay nada inherentemente malo en tener diferentes definiciones. Después de todo, cada una fue elaborada por profesionales del transporte que hicieron todo lo posible para pintar una imagen precisa de lo que experimentaban los viajeros. Y cada organización podía usar su propia definición para hacer comparaciones y medir la mejora a lo largo del tiempo.

El verdadero problema llegó a medida que estas metodologías comenzaron a tener un peso importante en la toma de decisiones del sector. Una mayor y más unificada base de referencia se antojaba precisa. Sin una metodología común, la comparación entre agencias y la búsqueda de la excelencia en la información en tiempo real resultaba un reto dificil de superar.

Una definición compartida

Es importante tener una definición consistente en toda la industria. De esa manera, una calificación de precisión en tiempo real es la misma sin importar qué organización la produzca. Tener definiciones consistentes nos pone a todos en la misma página sobre lo que es preciso y lo que no.

Ayuda a los miembros de la autoridad de  transporte competente a tener confianza en que el personal está informando números basados ​​en una métrica aceptada por toda la industria en lugar de una definición única. Facilita la realización de análisis ya que el trabajo de definir umbrales ya está hecho. Permite que, ante la existencia de múltiples proveedores de información en tiempo real, la calidad de sus predicciones pueda ser correctamente comparada y la conclusión sobre su calidad e impacto positivo sobre los usuarios sea fácilmente extraíble.

Por eso, una coalición de empresas y reconocidas autoridades del transporte público apoyan la “Metodología de precisión de estimaciones de paso por parada”, una métrica que está abierta a todos en la industria. Estos umbrales están diseñados para ser fáciles de entender, consistentes y reflejar las expectativas que tienen los viajeros cuando usan el transporte público.

Definiciones de ETA Accuracy Benchmark de "preciso" e "impreciso"

Esto facilita la comparación de feeds en tiempo real entre sí y permite que cualquier persona produzca un análisis que brinde una comparación directa a lo largo del tiempo.

Si quiere saber que tan precisas son vuestras predicciones, póngase en contacto con nosotros para ver cómo se compara su agencia con otras agencias en el mundo.

¿Qué sigue?

Comenzamos hoy con la precisión de estimaciones de paso por parada, pero hay muchas más cosas a tener en cuenta al medir la calidad de la información en tiempo real. Aspectos como:

• Precisión (cubierta por el ETA Benchmark accuracy)
• Confiabilidad (¿cuál es la tasa de disponibilidad de la información en tiempo real?)
• Porcentaje de viajes con tiempo real (¿faltan muchas predicciones?)
• Fluctuación (¿las predicciones aumentan y disminuyen constantemente?)
• Autobuses fantasma (¿hay predicciones pero no hay paso real de autobús por la parada?)
• Autobuses sorpresa (también conocidos como zombis o extra) (¿aparece un autobús cuando no hay hora estimada de llegada?)
• ¡Y más!

MobilityData, la organización sin fines de lucro que gobierna GTFS y GTFS en tiempo real, está coordinando estos esfuerzos y trabajando a largo plazo para proporcionar más orientación a toda la industria sobre cómo medir la calidad del dato.

La información fiable en tiempo real es esencial para un servicio de transporte público con el que los viajeros puedan contar. Las agencias necesitan saber si están brindando información de alta calidad a los pasajeros, y nuestra industria necesita puntos de referencia comunes para medir la calidad de esa información.

La metodología de precisión de estimaciones de paso por parada es un gran primer paso para lograr que todos participen.

Aprender más

Contáctanos para realizar una auditoría de la precisión de vuestras estimaciones de paso por parada o mejorar la calidad de las mismas.