Tech

El ‘Google chino' utiliza la Big Data para prevenir desastres por multitudes

Baidu, un buscador similar a Google que tiene presencia en China, desarrolló un sistema que, a través del uso de la Big Data, puede predecir con horas de anticipación aglomeraciones grandes de personas y detectar si existen riesgos potenciales para los individuos. 

Tras una estampida humana que causó la muerte de 36 personas el 31 de diciembre de 2014 en China,  Baidu, el equivalente a Google en el país asiático, utilizó la Big Data para crear un sistema que puede predecir manifestaciones y aglomeraciones de personas con entre 1 y 3 horas de anticipación con el objetivo de evitar desastres.

Los usuarios de Baidu (657 millones de personas) comúnmente usan el servicio móvil de mapas del sitio para planear una rutina diaria o un viaje. Al agregar los datos de consulta de los usuarios en el mapa del servicio se puede obtener información en tiempo real para predecir el comportamiento de un conjunto de personas o población en un área y tiempo específico.

"Nuestro análisis y la investigación profunda sobre los datos de los mapas de Baidu sobre diversos eventos, demuestran una fuerte tendencia de correlación entre el número de consultas de mapas y el número de usuarios en un área de posicionamiento", sostiene un texto del equipo de investigación de Baidu.

El equipo de la empresa desarrolló un modelo de aprendizajes para máquinas con datos heterogéneos como datos de posicionamiento en móviles y datos de consulta en función de poder medir el riesgo potencial de desastres.

"El comportamiento (analizado a través) de las consultas de mapas en cierto sentido es un indicador de excelencia y predictor de las dinámicas de las multitudes… Los casos de estudio y experimentos con datos reales demuestran que el método propuesto puede enviar advertencias por anomalías con entre 1 y 3 horas de anticipación", menciona el texto.

1


Las predicciones, que derivan en avisos funcionales a la población, se realizan a través de dos mediciones diferentes. Primero, se detecta la dinámica de consultas de mapas de una zona. Después, a través de análisis cuantitativo, se predice la densidad de las multitudes y se compara con cifras históricas y datos de posicionamientos móviles del área. Una vez realizado esto, si se detecta una anomalía, se envía una advertencia.

Los métodos tradicionales de detección de anomalías en multitudes están basados en sensores de video y tecnología de visión por computadora lo que presenta limitaciones como extrema sensibilidad al ruido del entorno visual lo que puede generar alteración en las mediciones; las áreas censadas con sensores de video son muy escasas; y no este sistema no puede 'predecir' el periodo de tiempo en que existirá un riesgo para las personas, lo que inhabilita las acciones para poder prevenir este tipo de desastres.

También lee: