Inspiration

Vino de pensar en el tráfico como un problema creciente en la ciudad, lo que nos llevó a pensar en que una solución eficaz es el transporte público. Esto a su vez nos hizo pensar qué es lo que hacía el estado para lidiar con ello. En este sentido, comenzamos a encontrar áreas de oportunidad para que la digitalización del acceso de los medios de transporte público estatales se volvieran realmente atractivos, aludiendo a la sencillez y automatización.

Challenges we ran into

Obtener la información necesaria de las noticias en tiempo real, poder encontrar una manera de extraerla, y luego integrarla con IA generativa, como lo son los modelos de LLM de Gemini.

Un segundo reto, un poco más desafiante debido al tiempo que nos quedaba era tratar de implementar la base de datos en MongoDB para los .json, que sería un formato recurrente en la arquitectura de la solución.

Accomplishments that we're proud of

Haber conseguido extraer los datos públicos para crear los esquemas de localizaciones, paradas de autobús reales, noticias y clima real.

QROapi: Revitalizando el transporte colectivo

El objetivo es recrear, revitalizar, la forma de interactuar en plataformas de movilidad: tanto estatales como privadas. En este caso, el enfoque fue total a la aplicación QroBus. Mucha de la argumentación ya viene incluída en el video demo a continuación.

Una de las mayores quejas del transporte público: Las rutas, y en específico, las estimaciones de ¿Cuándo llega mi qroBus? son actualmente ambiguas. Tanto así, que durante el hackathon realizamos una encuesta de la que se resumen dos observaciones:

• 80% Usa o ha usado el qroBus, junto con su aplicación
• Al 76% de los usuarios, la app no le satisface.

Y, aunque el enfoque central del proyecto es de aplicación móvil, la esencia del mismo puede ser aplicable tanto para el sitio web, como para los mismos kioskos con pantallas táctiles en las paradas.

Problemas observados:

• Barrera de entrada para nuevos usuarios, tanto por la baja disposición por migrar a un medio colectivo de transporte, como por el servicio.
• La brecha tecnológica de una aplicación móvil para ciertos sectores.
• La incorrecta estimación de horarios de los autobuses.
• Falta de sencillez, automatización.
• Falta de personalización.

QROAPI al rescate:

• Entras a la aplicación, presionas el botón de viajar, escribes "casa", o "trabajo". Se te propone una ruta con indicaciones para llegar a tu destino. Y ya.

• No hay registro de información manual. En el mejor escenario, demoras 15 segundos.

• En caso de que no se pueda calcular automáticamente una ruta, escribes por chat, sin importar los modismos y coloquialismos que uses al escribir (lo que permite inclusividad en brecha tecnológica por edad o por sector social), hasta que la inteligencia artificial sea capaz de entender tu destino y posición actual, para ajustar las paradas de autobus pertinentes.

• Además, incorporamos el uso de la IA para buscar y filtrar eventualidades relevantes para tu viaje, sin importar si este ocurre ahora mismo, o lo consultaste, para mañana! Permítanos explicarlo:

1.-" Usamos datos del clima para evaluar si existen recomendaciones adicionales para el viaje (Ej: Ponerse bloqueador! llevar paraguas! Que te recomendemos usar shorts?! Sí!)."

2.-"El segundo factor, es llevar un registro de las noticias actuales que potencialmente impactan el recorrido. ¿Con qué propósito? Para no proponerte una ruta que sabemos que en el momento que la tomes: Mañana hay obra en 5 de febrero, o hay una calle cerrada, o se programó una manifestación, o sucederá un evento".

De esta manera, no solo la interacción es más rápida. Es ágil, es eficiente, es automática, es inclusiva, es personalizable, es sencilla. Y, por último, integrable.

Cabe recalcar que de inspeccionarse los scripts del repositorio, todo el generative_ia de QROAPIv1.0 parte del uso de los modelos de GEMINI.

Propósitos de sencilla integración

En el equipo creemos en el uso de esfuerzo y recursos de manera inteligente. Vimos una integración mucho más elocuente al entenderlo como un servicio que incorporas a la infraestructura de qroBUS ya existente. Es por eso que solo se emulo cierta sección de la aplicación QROBUS, pero se piensa mantener en endpoints, como un servicio consumible!

Visión

Una vez implementado qroAPI en la aplicación de QROBUS, no hay por que no llevarlo más allá. Que tuzoBus en Pachuca, MueveTex en Toluca, "Va y ven" en Yucatan, incluso miBici en Guadalajara, utilicen qroAPI.

Expansión

Aunque este proyecto surgió en el marco de un hackathon de 24 horas, el equipo tiene una visión a largo plazo. Sabemos que QROapi puede ir más allá de una solución puntual!

A continuación, te compartimos funcionalidades que creemos valiosas de considerar en futuras iteraciones del proyecto:

1. Navegación por Voz Nuestro objetivo es que incluso usuarios con limitaciones tecnológicas o físicas puedan interactuar con la plataforma sin barreras. Imagina que puedas simplemente decir:

“Llévame a casa”, y QROapi entienda tu solicitud, calcule la mejor ruta y te dé instrucciones claras, paso a paso, sin necesidad de tocar una pantalla.

Tecnologías implicadas aquí son el reconocimiento de voz y modelos NPL. Objetivos que bien pueden cumplirse con herramientas de GCP.

1. Propuesta del modelo predictivo de tiempos de rutas Uno de los retos fundamentales en movilidad es y seguirá siendo la precisión de las estimaciones. Por eso, para próximas iteraciones del proyecto proponemos incorporar una arquitectura de modelo.

2. Mejora del modelo predictivo para lugar de hogar y trabajo Sabemos que podemos mejorar las heurísticas tomadas, e incluso con un buen volumen de datos entrenar propiamente modelos mucho más robustos y generales.

Built With

• django
• expo.io
• gemini
• javascri
• pupeteer
• react-native
• scrapy