Ganadores del premio STAR 2025

Operar en un entorno rural presenta desafíos únicos, como conectividad celular inconsistente, distancias más largas entre puntos de servicio y mayor desgaste de los vehículos debido a la variedad de terrenos. En la actualidad, GoBus no tiene un modelo de mantenimiento predictivo sólido y el mantenimiento sigue siendo principalmente reactivo. Este piloto representa el primer paso en el uso de tecnologías de IA e IoT para construir una estrategia de mantenimiento basada en datos.

A través de la instalación de sensores IoT en un grupo selecto de vehículos, crearemos gemelos digitales, o modelos virtuales, que reflejen la condición y el rendimiento en tiempo real de cada autobús. Estos modelos virtuales recopilarán y analizarán datos operativos utilizando algoritmos de IA para detectar signos tempranos de falla de componentes y predecir futuras necesidades de mantenimiento. Este enfoque permitirá a GoBus comenzar la transición del mantenimiento reactivo al predictivo, mejorando la confiabilidad del vehículo, optimizando la prestación de servicios en áreas de difícil acceso y tendrá el potencial de ayudar a otras agencias de tránsito locales en la región del este de Texas.

En última instancia, los conocimientos obtenidos de este piloto informarán una hoja de ruta escalable para la integración de gemelos digitales en toda la flota, ayudando a GoBus a crear un sistema de mantenimiento más inteligente y resistente adaptado a las realidades del tránsito rural.

• Diseñe y active un Mobility Hub centralizado y habilitado para tecnología precableado para señalización dinámica, análisis de pasajeros y pantallas en tiempo real
• Integre la movilidad compartida y las opciones en la acera con señalización, cableado AV y datos en tiempo real
• Investigue los patrones de adopción de los usuarios y el rendimiento del sistema para respaldar el escalado futuro
• El primer modelo de su tipo para una ciudad suburbana que introduce el transporte público desde cero

• Opciones de movilidad ampliadas: Introducir un servicio flexible y sensible a la demanda en una ciudad sin tránsito
• Acceso mejorado: Conecte a los residentes con destinos clave a través de microtránsito y modos compartidos
• Preparación de la infraestructura: Demostrar el uso de un centro habilitado por la tecnología para la futura integración AV y multimodal
• Medidas de rendimiento: tendencias de pasajeros de microtránsito y participación en aplicaciones; utilización de servicios del centro (carga, asientos, control de acceso); Actividad en la acera: rotación de viajes compartidos, registros de bicicletas / scooters; Datos de encuestas comunitarias sobre preferencia y satisfacción de modos

Este proyecto puede ser un ejemplo de una solución de movilidad flexible y tecnológica adaptada a contextos suburbanos. Este proyecto investigará las preferencias y el comportamiento de los usuarios relacionados con la elección de modos en contextos suburbanos.

• Implemente NoTraffic AI para una sincronización de señales adaptativa en intersecciones clave
• Habilite fuentes de datos en tiempo real sobre choques, estado del equipo y actividad de peatones
• Construir sistemas interinstitucionales para la coordinación de emergencias y el diseño proactivo
• Ampliar la infraestructura inteligente a las carreteras arteriales adyacentes

• Confiabilidad mejorada del tiempo de viaje: reduzca los retrasos a lo largo de la SH 191 y las rutas paralelas
• Seguridad mejorada: reduzca el semáforo en rojo y mejore la sincronización de las señales de peatones
• Planificación basada en datos: alinee las entidades regionales con métricas de rendimiento compartidas y en tiempo real
• Capacidad de respuesta a emergencias: acelere la detección y el envío en todas las jurisdicciones

El enfoque apoya la expansión regional por fases— comenzando con las intersecciones de la SH 191 y extendiéndose a las arterias y carreteras secundarias. El intercambio mejorado de datos y la colaboración entre agencias apoyarán la movilidad a largo plazo en la región de la Cuenca Pérmica.

Presentador: Ann Foss 

Líder del proyecto: Ciudad de Arlington 

Resumen del proyecto: A medida que la Ciudad prepara nuestro plan de acción de seguridad, llamado Calles Seguras Arlington, una preocupación clave de seguridad que se escucha de las partes interesadas y el público, y respaldada por el análisis de datos de accidentes, se centra en la visibilidad y la iluminación para mejorar la seguridad en nuestras carreteras. La Ciudad propone utilizar datos del Plan de Calles Seguras de Arlington para identificar ubicaciones para la instalación de mejoras de iluminación, junto con tecnología que puede ayudarnos a monitorear la seguridad, identificar problemas de seguridad adicionales en estas ubicaciones, señalar de forma remota las necesidades de mantenimiento y rastrear las mejoras de seguridad después de la instalación.

Presentador: Jo Namayanja 

Líder del proyecto: CapMetro 

Resumen del proyecto: Después de un despliegue exitoso en la Fase 1 de un autobús eléctrico de batería (BEB) de nivel 4 y 40 pies en condiciones de patio vivo, CapMetro ahora tiene como objetivo escalar sus operaciones de patio autónomo. La Fase 2 ampliará la integración de vehículos, avanzará las capacidades de despacho y se centrará en el desarrollo de la fuerza laboral para permitir funciones de patio remotas y sin conductor en una flota más amplia.

Presentador: Uday Kari 

Líder del proyecto: Ciudad de Bryan 

Resumen del proyecto: La ciudad de Bryan desarrolló un sistema de prueba de concepto que aborda las brechas de ciberseguridad y comunicaciones para brindar información sobre el rendimiento de la señal en tiempo real. Este proyecto tiene como objetivo pasar de la prueba de concepto a una implementación totalmente automatizada que ingiere datos de señales y procesa información en tiempo real para revelar información sobre el rendimiento, todo a través de un marco ciberseguro. El enfoque independiente del proveedor está diseñado para escalar en todo el estado, independientemente del tipo de controlador o la infraestructura de comunicaciones.

Presentador: Gadimi Hilton 

Líder del proyecto: Transporte y Obras Públicas de la Ciudad de Fort Worth

Resumen del proyecto: Fort Worth está implementando una red de detección meteorológica diseñada para cerrar las brechas críticas de datos micrometeorológicos para la seguridad y eficiencia del transporte. Utilizando una serie de sensores avanzados de múltiples proveedores, el proyecto respaldará rutas más seguras para carga, movilidad aérea avanzada y vehículos autónomos, particularmente durante eventos climáticos severos o altamente localizados.