Investigadores de los grupos de Data Science y de Transporte del Instituto Sistemas Complejos de Ingeniería, ISCI, desarrollaron, en base a versiones previas concebidas en el mismo Instituto, un biomonitor portátil que mide datos psicofisiológicos en usuarios de distintos modos de transporte público, entre otras áreas de aplicación.
A partir de los datos obtenidos en un plan piloto con 44 personas, junto con la información contextual de cada viaje, han desarrollado diversos modelos tanto de causalidad como de Machine Learning para validar una herramienta que permite medir el estado emocional, como proxy del nivel de satisfacción de los usuarios, de manera insesgada y granular.
Gracias a su experiencia, a finales de 2022, los investigadores se adjudicaron un proyecto FONDEF en colaboración con el Directorio de Transporte Público Metropolitano (DTPM), el Programa de Vialidad y Transporte Urbano (SECTRA) y el ISCI como institución asociada, para aplicar esta innovadora herramienta en recorridos de interés y evidenciar con registros georreferenciados los estados emocionales de las personas. En base a estos resultados, se identificarán acciones concretas que mejoren el bienestar de los conductores de buses y sus pasajeros.
El contexto
Medir la satisfacción de los usuarios del transporte público, tanto en la capital como en regiones, es fundamental para las autoridades del Ministerio de Transporte. El objetivo es evaluar medidas y proponer acciones concretas que aumenten la calidad del servicio, e impacten en la vida de las personas, como, por ejemplo, mejorar la infraestructura de un paradero, instalar vías segregadas en ciertos trayectos específicos o utilizar buses eléctricos.
Tradicionalmente, estas mediciones se hacen a través de encuestas de satisfacción aplicadas a los usuarios post viaje. Sin embargo, estos datos suelen tener sesgos altos de recordación, ya que la persona responde en base a lo que evoca de su experiencia y los resultados obtenidos no tienen validez ecológica.
A esto, se suman sesgos asociados a prejuicios, mediados por variables sociales, psicológicas y políticas. Por último, otra dificultad es que los sistemas de transporte son muy dinámicos, por lo que los inputs de información son válidos solo en tiempos acotados.
¿Es posible obtener datos más objetivos?
Investigadores de los grupos de Data Science y de Transporte del Instituto Sistemas Complejos de Ingeniería, ISCI, desarrollaron una posible solución.
En un viaje, una persona se ve sometida a múltiples estímulos (luminosidad, temperatura, un grito, un frenazo, la interacción con otros usuarios, etc.), y estos generan distintos estados emocionales, que responden a lo que está pasando en su sistema nervioso. La forma de cuantificar estos estados es registrar las señales periféricas que la persona experimenta con cada emoción.
A partir de experiencias anteriores en las que se utilizó tecnología para registrar señales psicofisiológicas de personas que se desempeñaban en otras industrias, el grupo desarrolló un dispositivo innovador con forma de pulsera llamado biomonitor.
Biomonitor versión 3.0
El dispositivo biomonitor es poco invasivo, capaz de registrar el pulso, la conductividad eléctrica en la piel, la temperatura superficial, así como señales inerciales (acelerometría y giroscopio). El dispositivo entrega un streaming y una serie de tiempo de datos de alta frecuencia, de aproximadamente 50 mediciones por segundo.
“Existían preguntas sobre cómo medir óptimamente la utilidad y la satisfacción percibida por los usuarios del transporte público, y nosotros tenemos los desarrollos tecnológicos y el diseño de los métodos experimentales para responderlas. Nos propusimos el objetivo de identificar la variación del comportamiento emocional, también conocido como los estados afectivos de los usuarios, en función de distintas condiciones o modos de transporte (bus eléctrico, bus tradicional, caminata, transbordo, metro, etc.) y registrar cómo afectaba a los pasajeros distintas situaciones que enfrentaban en su viaje, a los que llamamos atributos, como, por ejemplo, el viajar por una vía segregada, el nivel de hacinamiento, o el trasladarse por lugares considerados inseguros”,
explica Ángel Jiménez, investigador del ISCI que lideró el desarrollo de las primeras dos versiones del biomonitor.
Por su parte, el investigador del ISCI Ángelo Guevara, que lideró la actual tercera versión del dispositivo, reflexiona que “el factor humano es parte fundamental del análisis de sistemas de transporte y en diversos ámbitos de la economía en general. Los métodos tradicionales solo permiten dar cuenta de este efecto de manera agregada y sesgada por diversas razones. En el análisis económico, desde el siglo XIX se viene soñando con poder contar con instrumentos que permitan medir continuamente el nivel de satisfacción de los individuos. Nuestro proyecto aporta un granito de arena a cumplir ese anhelo”.
El Plan Piloto:
En noviembre de 2019 se realizó el primer plan piloto en el que participaron 44 estudiantes, divididos en grupos de cuatro personas, y acompañados por un miembro del equipo, al que designaron como “experimentador”.
La participación en el piloto se inició con la medición de las señales psicofisiológicas de los participantes para evaluar sus estados emocionales de base, antes de iniciar el recorrido. Esta medición consideró condiciones de salud particulares que pueden alterar los datos. El equipo del ISCI trabajó en la depuración del instrumento para identificar la línea base de los participantes. Al procesar las señales, se restó la línea base de cada usuario para medir la variabilidad de sus estados emocionales durante el trayecto.
Luego, cada grupo realizó un circuito de 2.30 horas aproximadamente, viajando con su biomonitor conectado. La ruta seleccionada contempló varios modos de transporte:
- Caminata, desde el Campus Beauchef de la Universidad de Chile al Metro Parque O’Higgins.
- Viaje en bus eléctrico específico, desde el paradero situado a la salida del Metro Parque O’Higgins, con dirección a Avenida Grecia.
- Transbordo, bajando de la micro en la Estación Grecia del Metro de Santiago y viajando en este medio hasta la Estación Tobalaba.
- Caminata, desde la Avenida Tobalaba hasta el paradero de micros, al inicio de la Avenida Pedro de Valdivia.
- Viaje en bus convencional específico, desde el paradero de micros al inicio de la Avenida Pedro de Valdivia, con dirección a Avenida Matta.
- Caminata, desde el paradero situado a la salida del Metro Parque O’Higgins, hasta el Campus Beauchef de la Universidad de Chile.
El experimentador tenía, a su vez, un dispositivo llamado Contextino que captura las condiciones ambientales del servicio, como los niveles de CO2, la vibración, el campo electromagnético, la humedad del aire, el nivel de ruido, y la luminosidad del ambiente.
Todos los datos obtenidos se complementan con auto reportes del estado emocional de los usuarios durante el trayecto. Con este objetivo, los investigadores desarrollaron una aplicación para celulares inteligentes que planteaba preguntas de forma aleatoria a los participantes del piloto. Para responder, ellos debían escoger su estado emocional, dentro de cuatro cuadrantes, según el Modelo Circunflejo de Emociones.
Este modelo clasifica las emociones según su intensidad y valencia. Para poder ajustarlo a la realidad nacional, el tesista de Ingeniería Industrial, Carlos Barría, realizó un focus group y un análisis estadístico, que permitió levantar los adjetivos para cada cuadrante según cómo los chilenos enunciamos esas emociones.
¿Porque se necesitaba ese auto reporte?
Para complementar la información obtenida a partir de las señales psicofisiológicas y contextuales. Con todos esos datos, el equipo desarrolló diversos modelos tanto de causalidad como de Machine Learning, que son capaces de clasificar el estado emocional de los usuarios del sistema de transporte público sin la necesidad de preguntarle a la persona directamente cómo fue su experiencia, visualizando la información en mapas georreferenciados de estados emocionales.
“El auto reporte lo usamos como un indicador de la emoción de la persona, ya sea para estimar modelos causales, como de aprendizaje de máquina, que relacionan esos indicadores con atributos de contexto. Con esas herramientas somos capaces, por ejemplo, de medir el impacto subjetivo que tiene el nivel de hacinamiento o el CO2 en la percepción de la calidad del viaje de los usuarios”,
explica Ángelo Guevara.
“Esta primera etapa consistió, en realidad, en validar los instrumentos y la metodología, pero, al mismo tiempo, logramos sacar conclusiones a partir de la georreferenciación de los estados emocionales de los participantes del piloto. En base al modelo que entrenamos con Machine Learning, observamos que la ruta con bus eléctrico generaba emociones de valencia positiva, representados en colores cálidos, que tienden al rojo. Mientras que la ruta en bus convencional generaba emociones de valencia negativa, representados en colores fríos, cercano a los azules. Hicimos un “zoom” al transbordo que ocurría en el Metro Grecia y observamos un color azul, que nos habla de emociones negativas. ¿Por qué se produce ese estado emocional en el transbordo? ¿A los usuarios les molesta caminar? ¿Se sienten inseguros? No lo sabemos, pero el mapa te entrega pistas para ir a investigar en terreno qué es lo que está pasando que afecta a los usuarios”,
afirma Ángel Jiménez.
Una nueva aplicación del concepto de Utilidad Instantánea
Tradicionalmente, el diseño de los sistemas de transporte se ha basado en modelos clásicos de utilidad percibida por los pasajeros, que incorporan como variables al tiempo de viaje (percepción del tiempo relativo) y el costo. En este se modelo se asume que los usuarios toman decisiones racionalmente, sin embargo, eso no es siempre así.
A partir de los resultados obtenidos en el piloto, el investigador de ISCI, Ángelo Guevara, propuso un marco conceptual, que utiliza el concepto de variables latentes, para modelar las relaciones causales entre eventos granulares y estados emocionales. Esta propuesta, complementa el modelo de utilidad clásico para explicar la elección de modo de transporte (auto, micro, metro, entre otros). El tesista del Doctorado de Sistemas de Ingeniería, Bastián Henríquez, propuso una variación de este modelo que se puede relacionar con el concepto de “Utilidad Instantánea” propuesto por Daniel Kahneman, Premio Nobel de Economía, experto en Economía del Comportamiento, permitiendo medirlo de manera efectiva, hasta donde saben los investigadores, por primera vez.
“La Utilidad Instantánea es el modelo fundante que hemos ido perfeccionando en el camino y que considera a integración de las utilidades construidas en base a experiencias pasadas con distintos modos de transporte, que la persona va teniendo punto a punto en el tiempo. En cuanto a la aplicación práctica de este modelo para el diseño de políticas públicas, evidentemente, conocer cómo piensa un individuo en particular no es directamente utilizable. Sin embargo, si se analiza la agregación de micro decisiones de muchas personas, se obtiene una información rica sobre lo que perciben los usuarios, lo que permite hacer un buen diagnóstico de qué es lo que está pasando en las distintas rutas o recorrido y modos de transporte, y, en segunda instancia, enriquecer los modelos y decisiones de diseño de sistemas de transportes, porque puedes, por ejemplo, identificar zonas que estén comprometidas, en donde vemos que hay valencia negativa, y enfrentar el problema para cambiar esa percepción”,
afirma el investigador Ángelo Guevara.
Biomonitor versión 3.0
Los desafíos a mediano plazo
Actualmente, los investigadores del ISCI Ángelo Guevara, Ángel Jiménez y Marcela Munizaga, junto a su equipo, participan del nuevo proyecto FONDEF “Desarrollo de una plataforma de microdatos psicofisiológicos para la evaluación del transporte público, integrando información de nivel de servicio y de percepción”, que busca aplicar la herramienta validada en Santiago y la quinta región.
El proyecto contempla que la autoridad pública va a instrumentar pasajeros en rutas específicas para obtener los datos de sus estados emocionales instantáneos que se complementarán con datos pasivos operacionales y de contexto. Estos serán procesados en una plataforma para sacar conclusiones insesgadas de la calidad del sistema.
“La participación del DTPM y Sectra, en representación del Estado es fundamental para que el proyecto FONDEF se traduzca en una herramienta que pueda ser valiosa en la práctica. Esperamos que estos desarrollos científicos y tecnológicos tengan un impacto palpable en los usuarios del transporte público en el largo plazo”,
explica Guevara.
“En una primera etapa, debemos diseñar los indicadores con la autoridad pública, para definir qué información desean obtener y cómo quieren visualizarla. Por ejemplo, SECTRA necesita entender bien qué sucede en el eje Alameda, y desean obtener la métrica agregada de puntos críticos, como Las Rejas, General, Velázquez, Estación Central, Ahumada y Vicuña Mackenna. Todos ellos presentan grandes flujos de personas y problemas de seguridad. Con nuestro modelo podemos georreferenciar los estados afectivos de los usuarios en estos puntos específicos y ellos podrán determinar medidas concretas, como, por ejemplo, modificar las frecuencias de los buses o cambiar la configuración de los paraderos, que ayuden a mejorar la experiencia. El DTPM, por su parte, también desea aplicar nuestro modelo a los conductores de las micros y entender sus estados psicofisiológicos para identificar acciones que permitan velar por el bienestar de ellos, así como cuantificar cómo un mismo recorrido afecta a un conductor masculino versus femenino. Los datos se complementarán con información proveniente de las cámaras del bus, y nosotros desarrollaremos un algoritmo para estimar el nivel de hacinamiento y de evasión. Como equipo, creemos que hemos desarrollado una herramienta realmente innovadora que va a lograr mover la aguja en el área de transporte e implementar medidas que objetivamente impacten en la calidad de vida de los usuarios”,
concluye Ángel Jiménez.
Comunicaciones ISCI