N DE IDENTIFICACIN EXPEDIENTE IPT-20111006| ACRNIMO DEL PROYECTO CIUDAD2020

1

CIUDAD2020: HACIA UN NUEVO MODELO DE CIUDAD INTELIGENTE SOSTENIBLE

PROYECTO INNPRONTA www.innprontaciudad2020.es

C2020: Ciudad inteligente y ciudadanos avanzados: un binomio ganador Fernando Almarza, Nuria Rodrguez, Silvia Uribe, Almudena Gonzlez Guimerns, Boris Billazn-Terrazas y Jos Manuel Gmez Prez GFI ATOS- G@TV- iSOCO - Indra INFORMACIN DEL ARTCULO RESUMEN

Publicado el 21 de octubre del 2014 Palabras clave: Ciudad inteligente, servicios personalizados, marco de referencia, perfil de usuario, sensor ciudadano, Linked Open Data

Si el objetivo de las ciudades es el proporcionar a sus ciudadanos el entorno ptimo en el que pueda desarrollar su actividad, para conseguirlo es inevitable unir en un binomio inseparable al ciudadano y a la ciudad en la que habita. Pero si adems hablamos de ciudades inteligentes este binomio se hace mucho ms fuerte, dado que los avances tecnolgicos y los nuevos sistemas de gran complejidad tienen que estar encaminados a mejorar la calidad de vida de sus ciudadanos. Para ello, realizar una recopilacin y anlisis adecuado de los datos de la ciudad y sus ciudadanos, procesarlos utilizando las tcnicas ms eficientes, y conseguir ofrecer los resultados a travs de los servicios avanzados que los ciudadanos realmente demandan, en el momento que los necesitan y de la forma ms adecuada se platea como una necesidad que los gestores de la ciudad tienen que resolver. Este documento presenta como Ciudad2020 da respuesta a este objetivo.

AVISO LEGAL

El trabajo asociado a este documento se ha llevado a cabo de acuerdo con las mayores garantas de calidad tcnica y los socios de CIUDAD2020 se han comprometido a alcanzar este nivel de rigor con el trabajo en cuestin. No obstante los socios de CIUDAD2020 no tienen control sobre quin recibe la informacin de este documento, por lo que no se hacen responsables del uso que se pueda hacer de dicha informacin.

Reservados todos los derechos.

Se permite su copia y distribucin por cualquier medio siempre que se mantenga el reconocimiento de sus autores, no se haga uso comercial de las obras y no se realice ninguna modificacin de las mismas

Introduccin: La Ciudad inte l igente y sus Ciudadanos. Objet ivos alcanzados

Segn su propia definicin, una ciudad inteligente slo es posible en tanto en cuanto se articula en base a un nuevo tipo de desarrollo urbano centrado en la mejora de los

servicios, la sostenibilidad y la eficiencia. Pero tanto los servicios como la sostenibilidad y la eficiencia que persiguen las ciudades inteligentes tienen como objetivo la mejora en la calidad de vida de los ciudadanos que las habitan. Esta es la razn por la que los trabajos realizados en Ciudad2020 se ha

optado por dar una especial importancia al ciudadano como eje vertebrador a todos los niveles:

Como receptor de los servicios que la ciudad ofrece, buscando como objetivo satisfacer tanto las necesidades generales como las particulares de cada individuo o familia

Como participe en la propia confeccin de los servicios, utilizando todos los datos que el propio ciudadano puede aportar a la ciudad como sensor de la vida de la ciudad que habita.

De esta forma, se ha avanzado en uno de los objetivos principales de Ciudad2020 [1], definir y disear un conjunto de servicios enfocados al ciudadano que le permita incorporar a su vida todas aquellas innovaciones que sean desarrolladas en el entorno de la energa, el transporte, el medioambiente y administracin pblica.

CIUDAD2020 como marco de desarrol lo avanzado

De acuerdo a la investigacin llevada a cabo en CIUDAD2020, el desarrollo a alcanzar en todos los mbitos contemplados en las ciudades inteligentes se basa, principalmente, en una combinacin ptima de tres factores esenciales, gracias a los cuales se busca no slo el aumento de la competitividad y el crecimiento econmico, sino tambin una evolucin positiva de la calidad de vida en la ciudad. Estos factores son los siguientes:

Los datos, incluyendo no slo su utilizacin en algoritmos inteligentes, sino su propia obtencin, provisin y acceso.

El contexto, entendido como el mbito que rodea al ciudadano al hacer uso de los servicios provistos, y que puede representar un factor importante no slo en su ejecucin, sino en la propia percepcin que el usuario pueda desarrollar del servicio.

Los servicios, como la cara visible y por lo tanto la puerta de entrada de los usuarios al entorno de las ciudades inteligentes, gracias a los cuales se intenta garantizar la satisfaccin de las necesidades existentes o la consecucin de los objetivos de los ciudadanos.

Dicho esto, a continuacin se mostrarn las principales conclusiones alcanzadas en CIUDAD2020 con respecto a estos tres mbitos.

El poder de los datos

Con el aumento constante por parte de la poblacin del uso de las TIC para la comunicacin entre personas y para el acceso a servicios online de informacin, tambin aumenta el nmero de datos disponibles que pueden ser usados para recaudar informacin del contexto. Asimismo, el contexto es el entorno; es decir, las circunstancias que envuelven a la persona y que determinan la forma en la que aparatos y servicios tecnolgicos van a atenderla. CIUDAD2020 extrae los beneficios de esta informacin a travs de dos vertientes de tratamiento de datos: Linked Open Data y las tcnicas de Reality Mining.

Origen y obtencin de la informacin en CIUDAD2020: Linked Open Data

El movimiento de Open Data promueve el acceso abierto a los datos en diferentes formatos reutilizables, tanto abiertos, como CSV, RDF o XML, o propietarios, como puede ser Word. De esta manera, cualquier ciudadano o empresa puede utilizar y reutilizar estos datos, permitiendo que la Administracin aumente su transparencia (movimiento Open Government). LOD (Linked Open Data) promueve la publicacin de esos datos en la web, descritos en el marco RDF (Resource Description Framework) del consorcio W3C (World Wide Web Consortium).

Los principios bsicos del LOD incluyen reglas para la publicacin de Linked Data:

N DE IDENTIFICACIN EXPEDIENTE IPT-20111006| ACRNIMO DEL PROYECTO CIUDAD2020

3

Usar URIs (Uniform Resource Identifiers) para identificar los recursos publicados en la Web de forma unvoca.

Usar el HTTP de las URIs para permitir la localizacin y la consulta (es decir, desreferenciar) de los recursos.

Ofrecer informacin til sobre los recursos usando RDF una vez desreferenciados.

Incluir enlaces a otras URIs relacionadas para facilitar el vnculo entre distintos datos distribuidos en la web.

El portal de Linked Open Data de CIUDAD20201 nace ante la necesidad de generar conocimiento para el ciudadano a partir de las fuentes de datos heterogneas enumeradas al principio de esta seccin. Se trata de un proyecto de reutilizacin y publicacin de datos en formato Linked Data.

Figura 1: Portal Ciudad2020.l inkeddata.es

Para la publicacin de datos en este portal se sigue el ciclo de vida de Linked Data recomendado por el W3C [9], que es un ciclo de vida iterativo incremental que incluye las siguientes actividades: (1) Especificacin, (2) Modelado, (3) Generacin, (4) Publicacin y (5) Explotacin.

1 http://ciudad2020.linkeddata.es/

Figura 2 Ciclo de Vida de Publ icacin Linked

Data

Este ciclo se aplica sobre cada uno de los dominios verticales de CIUDAD2020, que son Transporte, Medio Ambiente y Energa. De esta manera, se han creado los portales Linked Data de Transporte2, Medio Ambiente3, Ciudad4 y Energa5.

Todos estos portales combinan fuentes de datos estticas y streams dinmicas, homogeneizndolas, transformndolas y creando aplicaciones ricas de utilidad para los ciudadanos. Entre estas aplicaciones el portal de Linked Data de Ciudad2020 cuenta con un visualizador sobre un mapa que muestra bicicletas y slots disponibles en la ciudad de Zaragoza, as como museos, restaurantes y otros puntos de inters6.

Otras aplicaciones de utilidad tanto para ciudadanos como para la Administracin incluidas en el portal son las estadsticas sobre

2 http://transporte.linkeddata.es/ 3 http://streams.linkeddata.es/register/weathermap 4 http://ciudad.linkeddata.es/ 5 http://energia.linkeddata.es/ 6 http://transporte.linkeddata.es/browser.html

certificados energticos en la ciudad de Len7 y las estadsticas de las entidades ms nombradas en los tweets de la ciudad de Zaragoza 8.

Adems, en cada portal se incluye un punto de acceso SPARQL9, que es un punto de consulta de datos, y algunos ejemplos. Este punto es til para desarrolladores, facilitando la reutilizacin de los datos de CIUDAD2020.

Tratamiento de la informacin en CIUDAD2020: reality mining y proteccin de datos

Uno de los objetivos de CIUDAD2020 ha sido el anlisis del funcionamiento de la ciudad y por tanto el comportamiento del ciudadano usando como fuentes de datos la ingente cantidad de informacin generada por las redes sociales y por dispositivos mviles as como los datos abiertos que ofrecen.

En este contexto, es necesario contar con herramientas de data mining y reality mining que faciliten su tratamiento: extraccin, homogeneizacin y almacenamiento en estructuras que sean de fcil acceso. El objetivo principal de un sistema de minera de de la realidad es elaborar un modelo sobre el perfil del usuario. La aplicacin de los conceptos de reality mining en CIUDAD2020 en lo que se refiere a adaptacin de servicios se ha centrado en la movilidad urbana obteniendo la informacin de dos fuentes diferenciadas: por un lado a travs de los datos obtenidos de Twitter y por otro basndose en los datos abiertos ofrecidos por los ayuntamientos en lo relativo a sus aparcamientos pblicos. El procesamiento de esta informacin con las tcnicas de reality mining ha servido para realimentar el proceso de diseo de servicios contextuales y la creatividad de patrones de comportamiento que permiten anticipar/predecir la actividad del ciudadano. A cambio CIUDAD2020 ofrece servicios mejorados, que conocen mejor al 7 http://energia.linkeddata.es/browser.html 8 http://ciudad.linkeddata.es/browser.html 9 http://transporte.linkeddata.es/sparql.html

ciudadano, y son capaces de anticiparse a sus peticiones, e incluso de hacer recomendaciones.

Esta recaudacin y uso de datos se ha desarrollado siempre de un marco de polticas de privacidad. Desde una perspectiva jurdica las cuestiones ms significativas del proceso de extraccin de datos y modelado propuesto para CIUDAD2020 hacen referencia a lo siguiente:

A la salvaguarda de la propiedad intelectual e industrial de las fuentes de informacin utilizadas,

Al control de legalidad de los patrones repetidos, tendencias o reglas encontradas en las actividades detectadas en los procesos de data y reality Mining realizados mediante el control del modelo de conocimiento,

Al control de legalidad de las conclusiones establecidas mediante los procesos de automatizacin,

A la realizacin de contratos que permitan tanto la utilizacin de datos abiertos publicados por las instituciones que los procuren como a la garanta de su actualizacin, y

A que el contenido de las reglas generadas por el proceso de modelado ha de ser contrastado con el de las reglas establecidas por la legalidad vigente para el supuesto de hecho, caso, al que las mismas quieran aplicarse automticamente.

Asimismo, la atencin a la regulacin sobre proteccin de datos personales ha sido una tarea secundaria en el proceso de extraccin de datos y modelado de CIUDAD2020 puesto que el propio proceso no inclua datos personales concretos o bien en caso necesario se ha procedido a su disolucin o anonimizacin, lo que est permitido por la regulacin espaola e internacional de proteccin de datos.

El poder del contexto: comportamiento urbano y sensor c iudadano

N DE IDENTIFICACIN EXPEDIENTE IPT-20111006| ACRNIMO DEL PROYECTO CIUDAD2020

5

Sensor Ciudadano

Los ciudadanos son los principales participantes en las ciudades y por lo tanto han de ser incluidos en la gestin de las smart cities. Por ello, el proyecto Ciudad 2020 ha adoptado una visin doble del ciudadano: por un lado como principal usuario de los servicios ofrecidos por las ciudad, cuya experiencia puede ser mejorada gracias al paradigma de las ciudades inteligentes, y al mismo tiempo como sensor proactivo de la ciudad, capaz de generar enormes cantidades de datos. Esta nueva aproximacin del ciudadano como sensor es lo que en Ciudad 2020 se denomina: Sensor Ciudadano [2], [3]. Un modo innovador de capturar informacin heterognea de alto nivel, muy descriptiva y de gran valor aadido, sobre todo si se observa de forma agregada.

Dentro de Ciudad 2020, se concibe al sensor ciudadano de tres maneras diferentes dependiendo de cul sea el mecanismo a travs del que interacta:

A travs de las redes sociales. A travs de las infraestructuras de la

ciudad. A travs del telfono mvil.

Toda esta informacin capturada a travs del ciudadano de manera directa o indirecta nos permite conocer tendencias ciudadanas y generar hiptesis de modelos de comportamiento urbano que mejorarn las polticas municipales de gestin, acercndolas ms a la realidad del ciudadano y ponindolos como protagonista dentro de los mecanismos de gestin de una ciudad inteligente, gracias a la informacin provista por ellos mismos.

Cronotipo Urbano

En la mayora de los casos el comportamiento urbano muestra caractersticas semejantes a la de un sistema complejo, donde el comportamiento agregado de los individuos que lo componen resulta en una dinmica

diferente a la suma de sus interacciones individuales. Este anlisis agregado del comportamiento urbano nos ha permitido definir en Ciudad 2020 el trmino de cronotipo urbano de la ciudad como el atributo que define el estado de la ciudad.

Figura 3: Diferentes cronotipos urbanos

construidos con diferentes t ipos de datos para la deteccin de incidencias en el estado del trf ico (Arr iba) y en la act iv idad social de la

ciudad (Abajo)

El cronotipo urbano se ha utilizado en Ciudad 2020 como lnea base para la definicin del modelo de comportamiento de la movilidad urbana en las ciudades.

Comportamiento de la Movilidad Urbana

Gracias al alto nivel de penetracin de las redes sociales (Twitter, FourSquare, etc), aplicaciones mviles (Waze, etc) y polticas de datos abiertos en infraestructuras de la ciudad, en Ciudad 2020 se han podido construir mapas de dicho comportamiento representando zonas de alta actividad de varias ciudad espaolas as como anlisis de informacin de los usuarios agrupando la informacin relacionada por temas (Trfico, Accidente, Retencin, etc.) los cuales permiten a los gestores conocer las tendencias de movilidad de las ciudades y poder ofrecer servicios personalizados en funcin del estado del estado de la ciudad: Su cronotipo cero.

Deteccin y Anlisis de Zonas de Alta Actividad

Como primer paso para la caracterizacin del comportamiento se han identificado los puntos de inters de los entornos urbanos. Estos puntos de inters suelen representar puntos de concentracin urbana significativos en los que los ciudadanos acuden para realizar algn tipo de actividad.

En C2020 se ha utilizado la red social Twiiter para identificar estas zonas de alta actividad mediante la utilizacin de tcnicas de clusterizacin de las posiciones de los Tweets geoposicionados. Adems de realizar esta agrupacin se ha etiquetado cada clster de actividad con un nivel de densidad de la actividad gracias al empleo de los cronotipos generados previamente. Una vez realizado esta clusterizacin se ha realizado un mdulo de deteccin de actividad contextual utilizando la API de la red social FourSquare [4] y otra API para el anlisis de los Twits en lenguaje natural [5] que asocia a cada zona de alta actividad una serie de categoras relacionadas que buscan definir la actividad que realizan los usuarios en dicha zona de la ciudad.

Figura 4: Deteccin y Anl is is de zonas de alta act iv idad urbana en var ias ciudades espaolas Izquierda) Deteccin de zona de alta act iv idad;

centro) Densidad de zona de alta act iv idad derecha) anl is is contextual de la zona de alta

act iv idad

Deteccin y Anlisis de Flujos de Movimiento

Adems de realizar la deteccin y anlisis de zonas de alta densidad, se ha aprovechado la informacin provista de manera participativa por los usuarios para analizar el comportamiento de la movilidad urbana y entender el motivo de sus desplazamientos. De este modo, se ha implementado un mdulo de deteccin de flujos de movimiento agregando las trayectorias de los usuarios de Twitter determinados por dos Tweets

consecutivos del mismo usuario, a una distancia mayor de 100 metros y en un intervalo de tiempo menor de 75 minutos. El anlisis agregado de estas trayectorias nos ha generado los modelos de flujos de movimiento de la ciudad. Adems, la combinacin de datos de Twitter / FourSquare nos ha permitido reconstruir patrones comportamentales de estas trayectorias de actividad de la ciudad.

Figura 5: Puntos de Origen y Dest inos de trayector ias de usuarios ( izquierda) mediante

Twitter y Anl is is contextual de desplazamientos de los usuarios mediante FourSaqure

Anlisis de Incidencias de Movilidad

La caracterizacin del comportamiento de la movilidad urbana se ha utilizado en Ciudad 2020 para ofrecer mejores servicios tanto para el gestor como para los ciudadanos. Desde el punto de vista del gestor se ha realizado un sistema para permitir una mejor interpretacin de la casustica de las incidencias de movilidad gracias a la informacin de los usuarios que publican informacin en dichos puntos a travs de las redes sociales. El mdulo desarrollado que combina la deteccin de las incidencias con la interpretacin contextual se ha denominado Tweet-Traffic.

Figura 6: Puntos de Origen y Dest inos de trayector ias de usuarios ( izquierda) y Anl is is contextual de desplazamientos de los usuarios

Desde el punto de vista del ciudadano, se ha desarrollado otros servicios en Ciudad 2020 basados en el conocimiento del comportamiento urbano como un planificador de rutas que tiene en cuenta la informacin generada por la actividad social de la ciudad

N DE IDENTIFICACIN EXPEDIENTE IPT-20111006| ACRNIMO DEL PROYECTO CIUDAD2020

7

considerando zonas dinmicas de alta actividad para realizar el clculo de rutas entre dos puntos de la ciudad.

El poder de los serv ic ios

La provisin de nuevos servicios inteligentes desempea un papel primordial en el entorno de las ciudades inteligentes, debido a que, de alguna forma, dichos servicios representan la cara visible de los progresos realizados. Por esta razn, la investigacin no slo en nuevos servicios, sino en innovadoras formas de presentarlos, habilitarlos y permitir el acceso supone la aparicin de soluciones de especial importancia a la hora de dar respuesta a las necesidades latentes de los ciudadanos. De esta forma, en CIUDAD2020 se han realizado importantes esfuerzos en esta direccin, gracias a lo cual se ha obtenido, por una parte, un novedoso sistema para la provisin de servicios avanzados, y por otro, se ha progresado en el desarrollo de servicios de recomendacin para evolucionar en la presentacin inteligente al usuario de aplicaciones avanzadas.

Nuevo soporte para la provisin inteligente de los servicios en CIUDAD2020: el marco de referencia

De acuerdo a lo ya sealado previamente [8], el marco de referencia representa el novedoso entorno integrador de los servicios de usuario implementados desarrollado en CIUIDAD2020.

Figura 7. Funciones del marco de referencia

En base a esta definicin, y persiguiendo como principal objetivo el implementar un dominio completo para la provisin optimizada de los servicios de usuario, tres son las funcionalidades bsicas que han sido definidas y desarrolladas en el marco de referencia (ver Figura 7 ).

El marco de referencia como servicio mvil para el usuario final

Al tratarse de un integrador de servicios adicionales, el propio marco de referencia debe tomar la forma de aplicacin mvil a travs de la cual los usuarios podrn acceder al resto de soluciones proporcionadas.

En su labor de contenedor de aplicaciones, el marco de referencia no slo ha sentado las bases de diseo comunes para el resto de aplicaciones, sino que ha aportado una estructura concreta para su clasificacin, basada en una combinacin de carpetas y temticas que pueden ser dinmicamente modificadas por los gestores de la aplicacin (ver Figura 8 ).

Figura 8. Apl icacin mvi l del marco de

referencia

De forma adicional, la aplicacin del marco de referencia realiza una importante labor de gestin de los usuarios finales en CIUDAD2020, gracias a la cual pueden garantizarse su autenticacin y con ello la

ejecucin de los procesos de recomendacin de servicios de forma personalizada, gestin de sus servicios favoritos y gestin de notificaciones por parte del gestor.

El marco de referencia como gestor de aplicaciones

La integracin de los servicios no sera posible sin una importante labor de administracin de los mismos, por lo que en el proyecto se ha llevado a cabo un importante esfuerzo en esta direccin. Como resultado se ha obtenido un completo entorno de gestin cuya principal funcin es la de dar cabida a los servicios desarrollados o que quieran ser integrados en este marco segn un proceso concreto de alta, clasificacin y provisin. Adems, se han habilitado los mecanismos necesarios para que exista un sincronismo en tiempo real entre los servicios existentes en el gestor y los presentados en la aplicacin mvil del marco, garantizando con ello la precisin de la oferta dada.

Figura 9. Gestor de apl icaciones del marco de referencia

El marco de referencia como orquestador de comunicaciones

Finalmente, el marco de referencia juega un papel fundamental en lo que a las comunicaciones se refiere. De hecho, constituye la puerta de entrada hacia la plataforma CIUDAD2020 a travs de la cual cualquier servicio integrado en la estructura deber acceder a los recursos del proyecto, independientemente de la forma en la que estos se presenten. Adems, de acuerdo a esta idea, el marco de referencia ha sido el encargado de establecer el protocolo de

comunicaciones a implementar por todos los elementos del entorno.

La recomendacin como base para la provisin inteligente de servicios avanzados

Presentado ya el marco de referencia como uno de los principales aportes de CIUDAD2020 a la provisin de servicios avanzados en el entorno de las ciudades inteligentes, se hace necesario ir un paso ms all y completar el proceso mediante la inclusin de una nueva dimensin relacionada con la forma en que estos contenidos son dados al usuario. Bajo esta premisa se incluye la recomendacin aplicada al proceso de provisin de servicios en CIUDAD2020, cuyo mximo objetivo es el de aportar un importante valor aadido a la adecuacin de los contenidos de acuerdo no slo a las caractersticas y preferencias de usuario, sino a su propia informacin de contexto.

La recomendacin de servicios es un procedimiento ntimamente ligado con su propia optimizacin, dado que se centra tanto en la minimizacin del esfuerzo necesario para la localizacin de aplicaciones de inters al usuario, como en la maximizacin de la calidad derivada de su uso. De esta forma, y an cuando el concepto es en s simple, su desarrollo y aplicacin conlleva unas implicaciones complejas e importantes, relacionadas especialmente con sus dos actividades principales: el modelado del usuario y la seleccin y posterior implementacin de los algoritmos ms indicados segn el mbito de aplicacin.

El modelado o perfilado del usuario constituye la base principal a partir de la cual se vertebra cualquier sistema de recomendacin y, como tal, en CIUDAD2020 ha supuesto un importante mbito de trabajo. En relacin a esto, y de acuerdo a la estructura definida para la provisin de los servicios dentro del proyecto, se han definido dos perfilados complementarios:

N DE IDENTIFICACIN EXPEDIENTE IPT-20111006| ACRNIMO DEL PROYECTO CIUDAD2020

9

Perfilado genrico: realizado a nivel del marco de referencia, se basa en la utilizacin de caractersticas generales de usuario (aportadas en el proceso de registro y, por lo tanto, explcitas) para su identificacin, con el fin tanto de asociarlo con servicios relativos a su perfil como de sugerirle otros que le puedan resultar de inters.

Perfilado especfico: realizado a nivel de cada servicio concreto a partir de las caractersticas que sean definidas como importantes en cada caso, y cuyo principal objetivo es la personalizacin del mismo.

En base al primer tipo de perfilado se han podido desarrollar dos aspectos de especial inters para la implementacin de la recomendacin buscada: por un lado, se ha definido un nuevo concepto llamado vector usuario2020, cuyo principal objetivo es el de caracterizar al usuario a partir del valor correspondiente a cada uno de los parmetros definidos como representativos para su perfil, y por otro, se ha modelado el entorno de aplicacin, esto es, se han desarrollado dos modelos de datos relacionales de especial inters en CIUDAD200: uno relativo al usuario final segn las caractersticas contempladas, y otro de servicios para su completa identificacin, gracias a los cuales podrn establecerse las relaciones buscadas.

Analizados estos aspectos, el siguiente paso est relacionado con la seleccin de los algoritmos utilizados para la implementacin de la recomendacin. De esta forma, en el entorno de CIUDAD2020 a los tres ms comunes se les ha unido uno adicional con el objetivo de asegurar un completo barrido de todas las posibilidades existentes:

Recomendacin basada en contenido: se basa en la comparacin entre tems similares a los ya aceptados previamente por el usuario, y es posible gracias al modelo de datos de servicios desarrollado.

Recomendacin basada en mtodos colaborativos, donde la idoneidad de cada servicio se establece segn lo indicado por usuarios similares en base a las caractersticas contempladas a travs del vector usuario2020.

Recomendacin basada en mtodos hbridos, cuyo principal objetivo es completar la ejecucin mediante la combinacin de las dos previas.

Recomendacin dirigida o promocional: gracias a este mtodo, los usuarios podrn ser informados de la existencia de servicios de especial inters independientemente de sus caractersticas de perfil. Este tipo de recomendacin es de especial inters por ejemplo en el entorno de las administraciones pblicas, puesto que permite acercar a la poblacin aquellos servicios que sean de especial inters segn temtica, entorno, poca del ao, novedad, etc.

Finalmente, en lo relativo a su implementacin prctica, se pone de manifiesto la importancia que su integracin tiene en la optimizacin del funcionamiento del marco de referencia, puesto que supone una herramienta de especial importancia para la provisin inteligente de servicios avanzados en CIUDAD2020. De esta forma, y tal y como puede verse en la Error! No se encuentra e l or igen de la referencia., gracias a los procesos de registro y autenticacin de usuario que permite el marco, se garantiza la ejecucin de los algoritmos desarrollados y con ello la obtencin de las recomendaciones deseadas que optimizan el entorno y aumentan la experiencia de uso.

Conclusiones

El tratamiento de la gran cantidad de datos que producen ciudadanos que habitan las ciudades y los que la propia ciudad genera y maneja suponen un nuevo motor para el desarrollo de las ciudades inteligentes. CIUDAD2020 ha demostrado que se pueden extraer grandes beneficios de esta informacin

a travs de dos vertientes de tratamiento de datos: Linked Open Data y las tcnicas de Reality Mining.

Tambin el estudio del comportamiento urbano nos permite conocer las tendencias ciudadanas y generar hiptesis de modelos de la actividad de los ciudadanos en la ciudad. Gracias a este anlisis del comportamiento urbano, Ciudad 2020 ha identificado tendencias de movilidad de los ciudadanos en diferentes escenarios reales utilizando datos de las redes sociales y de las infraestructuras de la ciudad con el fin de acercar y mejorar los servicios de movilidad a las necesidades del ciudadano.

En el proyecto Ciudad2020 se utiliza la potencia que supone toda esta informacin, y se demuestra que tratndola de la forma

adecuada puede ser la base de unos nuevos servicios conectados con las necesidades reales de los ciudadanos. Estos servicios, que se implementan en el marco tecnolgico que proporciona Ciudad2020, se marcan el camino hacia las ciudades inteligentes del futuro.

Agradecimientos

Este trabajo est cofinanciado por el Centro para el Desarrollo Tecnolgico Industrial (CDTI) en el marco del programa INNPRONTA, a travs del proyecto CIUDAD2020 con el nmero de referencia IPT-20111006 (www.innprontaciudad2020.es).

Referencias

[1]. Ciudad2020, http://www.innprontaciudad2020.es/.

[2]. http://ciudad2020.linkeddata.es/

[3]. 1 http://transporte.linkeddata.es/

[4]. 1 http://streams.linkeddata.es/register/weathermap

[5]. 1 http://ciudad.linkeddata.es/

[6]. 1 http://energia.linkeddata.es/

[7]. 1 http://transporte.linkeddata.es/browser.html

[8]. Almarza, F., Uribe, S., Gonzlez, A., Jimnez, D. La ciudad inteligente al servicio del ciudadano. Whitepaper CIUDAD2020, marzo 2013.

[9]. Hyland, B., Atemezing, G., Villazon-Terrazas, B., Best Practices for Publishing Linked Data, http://www.w3.org/TR/ld-bp/, W3C Working Group Note 09 enero 2014.