• Dificultad para prever la demanda: la variabilidad por factores como clima, calendario o eventos no puede gestionarse eficazmente con herramientas básicas o experiencia histórica.
• Fragmentación de la información operativa: los datos de validaciones, GPS (AVL) e incidencias no están integrados ni son plenamente interoperables.
• Limitaciones en la predicción a nivel operativo: la falta de datos consolidados dificulta generar previsiones útiles por línea y franja horaria.
• Programación ineficiente de recursos: la asignación de vehículos y conductores se realiza con poco margen, aumentando el riesgo de sobrecarga o sobredimensionamiento.
• Falta de capacidad de reacción en tiempo real: la ausencia de alertas cualificadas impide anticipar situaciones como paradas saturadas o necesidades de accesibilidad.
• Complejidad en la integración de modelos avanzados: incorporar soluciones predictivas en sistemas existentes requiere un esfuerzo operativo elevado y sostenido.

• Predicción diaria con 3 días de antelación: permite estimar viajeros por línea con modelos de IA entrenados con históricos y datos externos (por ejemplo, meteorología).
• Planificación de recursos: facilita ajustar tamaño de vehículo y dotación de conductores según demanda prevista.
• Cuadros de mando integrables: agiliza la visualización en la plataforma HUPI o dentro de los sistemas del operador.
• Mapa de uso y patrones: habilita la identificación de rutas, patrones y valores atípicos que impactan en la afluencia.
• Gestión en tiempo real + alertas: garantiza ajustes dinámicos y avisos ante saturación de paradas o necesidades específicas (silla de ruedas, etc.).

DBUS, operador de transporte público de Donosti / Precio: 52.200€ (Subcontratados por INDRA)