Investigação e inovação

El nuevo algoritmo de Machine Learning desarrollado por MAIOR está transformando la gestión de contratos en el sector de transporte público al mejorar significativamente la relación entre las autoridades y los operadores. A nivel mundial, las autoridades de transporte público manejan contratos con operadores que especifican la compensación según las desviaciones entre el servicio planificado y el real, abordando situaciones como exceso de viajes planificados, cancelaciones o calidad inferior. En el centro de este proceso está la "Justification Code Review ", donde el personal de operadores analiza manualmente las discrepancias, clasificando viajes como Operados, Perdidos-Deducibles o Perdidos-No-Deducibles. Solo los viajes con el código Perdido-Deducible impactan la compensación del operador. Reconociendo la labor intensiva de este proceso, MAIOR ha creado un algoritmo de Machine Learning que logra hasta un 85% de precisión en la clasificación, reduciendo significativamente la carga de trabajo del personal. Esta innovación no solo aborda la tarea repetitiva, sino que también desempeña un papel clave en el cálculo preciso de la compensación del operador.

Il nuovo algoritmo di Machine Learning sviluppato da MAIOR sta rivoluzionando la gestione dei contratti nel settore del trasporto pubblico, migliorando significativamente la relazione tra le agenzie e gli operatori. A livello globale, le agenzie di trasporto pubblico stipulano contratti con operatori che definiscono la compensazione in base alle differenze tra il servizio pianificato e quello effettivo, coprendo situazioni come eccesso di corse pianificate, cancellazioni o prestazioni di qualità inferiore. Al cuore di questo processo c'è la "Justification Code Review", dove il personale dell'operatore analizza manualmente le discrepanze, classificando le corse come Operate, Mancate-Deducibile o Mancate-Non Deducibile. Solo le corse con il codice Mancata-Deducibile influiscono sulla compensazione dell'operatore. Consapevoli dell'onerosità di questo processo, MAIOR ha creato un algoritmo di Machine Learning che raggiunge fino all'85% di precisione nella classificazione, riducendo significativamente il carico di lavoro del personale. Questa innovazione non solo affronta la ripetitività del compito, ma svolge anche un ruolo cruciale nel calcolo preciso della compensazione dell'operatore.

Machine Learning is revolutionizing contract management in the public transport sector by significantly enhancing the process between Authorities and Operators. Globally, Public Transport Authorities oversee contracts with Operators, defining compensation structures based on deviations between planned and actual services, covering scenarios like excess trips, canceled services, or lower-quality performances. The core of this management involves the manual "Cause Codes Review," where Operator personnel analyze discrepancies in real-time CAD/AVL data. Trips are categorized as Operated, Lost-Deductible, or Lost-Not-Deductible, with only the former impacting Operator compensation. However, this labor-intensive process has been streamlined by MAIOR's Machine Learning algorithm, reducing the workload for Operator personnel by up to 85%. This innovation not only addresses the tedious nature of the task but also plays a crucial role in accurately calculating Operator compensation.

Trace Manager is the latest functionality of the MAIOR Suite that automatically records all background information related to the creation, modification, and deletion of data. This includes details on versions, scenarios, running times, lines, stops, timetables, blocks, driver duties, and other key elements. With Trace Manager, dispatchers can easily track the history of any data point in the system. For example, it’s possible to determine when a specific object was created, modified, or deleted, and by whom, ensuring complete traceability of data changes and greater transparency in the management of operations.

The MAIOR Transit Scheduling Suite’s new release introduces an innovative timetable design algorithm, which provides public transportation agencies and operators with optimized timetables for single or multiple lines. The algorithm uses the following inputs: Desired Service Headway, Available Vehicle Fleet, Targeted Passengers or Demand, Number of Trips to be Performed. By leveraging these inputs, this tool will enable transportation agencies to generate highly efficient and optimized timetables, resulting in better service planning and resource utilization.

The latest release of the MAIOR Transit Scheduling Suite includes a new embedded algorithm for simultaneous vehicle blocking and run-cutting optimization. This advanced feature will enable transit agencies and operators to reduce service operation costs by creating fully optimized service scenarios. The vehicle blocks will be better aligned with driver duties and vice versa, ensuring a more efficient scheduling process. This new integrated algorithm is particularly beneficial for urban and regional service providers but also offers enhanced capabilities for hybrid or sub-urban services, enabling operators to manage resources more effectively while delivering high-quality services to passengers.

Junte-se à nossa equipe de pesquisa e trabalhe conosco no desenvolvimento de algoritmos de otimização para as soluções de software da MAIOR. Nossas soluções são projetadas para a otimização do planejamento e escalonamento de serviços de transporte público. O Projeto ADDSTRES é financiado pela Região da Toscana, através do "Fundo para o Desenvolvimento e Coesão", e pode lhe dar a oportunidade de trabalhar conosco em um projeto de pesquisa aplicada na indústria. Para mais informações, entre em contato com ricerca@adm.unipi.it

O consórcio de pesquisa MINOA, no qual a MAIOR colabora com outras 11 universidades da Europa, sob o projeto HORIZON2020, desenvolveu um novo desafio de pesquisa: Um Problema Integrado de Planejamento de Horários e Escalonamento de Veículos com a complexidade adicional devido ao uso de Veículos Elétricos. O desafio está aberto até 31/05/2021 e está disponível para estudantes, pesquisadores, gerentes e outros profissionais. Para mais informações, acesse https://minoa-itn.fau.de/?page_id=921

A Região da Toscana apoiará a MAIOR no projeto TICAMPS, que visa aprimorar a pesquisa no escalonamento em tempo real para transporte público. O projeto permitirá que um estudante de doutorado colabore com a MAIOR no escritório de Lucca durante 2020.

O Projeto MINOA é um projeto financiado pela União Europeia, liderado por um consórcio de organizações de pesquisa científica em toda a Europa. Ao longo de 2021, os pesquisadores trabalharão nos desafios associados à otimização em tempo real para desenvolver algoritmos mais eficientes e implementações computacionais para uma ampla gama de mercados verticais, incluindo energia, análise de dados e transporte. A MAIOR participará com foco no transporte público, um setor que frequentemente enfrenta condições desafiadoras para a tomada de decisões. O time MINOA inclui a MAIOR e outras 10 instituições científicas de Itália, França, Países Baixos, Alemanha e Áustria.

A MAIOR recebeu um editais de P&D da Região da Toscana para apoiar pequenas e médias empresas (PMEs) que investem em pesquisa e inovação. O projeto visa estudar, definir e desenvolver um sistema inovador de gestão em tempo real de problemas de disrupção causados por tráfego intenso ou acidentes de trânsito, integrando dados CAD/AVL. O objetivo é fornecer às agências uma ferramenta avançada que ajude a recuperar rapidamente o nível de serviço oferecido aos passageiros. A MAIOR colaborará com a Universidade de Pisa e a Universidade Técnica de Milão no desenvolvimento dos novos algoritmos necessários para essa nova ferramenta de gestão de disrupções.

A parceria entre a MAIOR e o Politecnico di Milano, uma das universidades mais renomadas da Itália, é focada na pesquisa para melhores algoritmos de escalonamento. O tópico da pesquisa é "Programação por restrição e algoritmos de caminho mais curto dentro de um processo de Geração de Colunas para a otimização de pessoal em empresas de transporte público extra-urbano". Publicação: S. Gualandi, F. Malucelli, "Caminhos mais curtos com restrições de recursos e funções objetivas super aditivas", Proc. do Principle and Practice of Constraint Programming (CP), LNCS 7514, pp. 299-315, 2012.

A MAIOR e a Universidade de Pisa colaboram na pesquisa de "Melhoria da velocidade e precisão de algoritmos de otimização para problemas de grandes dimensões", "Análise e implementação de modelos integrados para a otimização combinada de blocos de veículos e turnos de motoristas em uma rede extra-urbana" e "Análise e implementação de modelos para a geração de horários de frequência enquanto otimiza os recursos exigidos". Publicação: Alessandro Bertolini, “Algoritmos para a otimização simultânea de horários e turnos no transporte público urbano” (IT), Tese de Mestrado, 2013.

A MAIOR trabalhou de perto com a Universidade de Pisa na pesquisa e reengenharia de algoritmos de geração de turnos com foco na introdução de técnicas de cálculo paralelo para processadores multi-core. Publicações: F. Bernazzani, S. Carosi, A. Frangioni, A. Gaffi, L. Girardi, "Melhorias algorítmicas na solução de problemas reais de escalonamento de veículos e pessoal", Capítulo 30 em "Scienza delle decisioni in Italia: applicazioni della ricerca operativa a problemi aziendali", EGIC Genova, pp 429–442, 2008.

A Universidade de Florença e a MAIOR trabalharam na evolução das soluções de planejamento de escalonamento de transporte público da MAIOR. O tópico da pesquisa foi "Evolução dos modelos para simulação de transporte público urbano aplicados a políticas de zonas tarifárias". Publicação: Arturo de Santis, “Modelos e algoritmos para sistemas de transporte coletivo com zonas tarifárias” (IT), Tese de Mestrado, 2005.

A Universidade de Bolonha e a MAIOR trabalharam no aprimoramento das soluções de escalonamento ferroviário da MAIOR. O tópico da pesquisa foi "Atividade de pesquisa para o desenvolvimento de algoritmos ótimos para o escalonamento de blocos de veículos em companhias ferroviárias, permitindo a cobertura múltipla das viagens para atender à demanda ao longo da linha e do dia".

A MAIOR e a Universidade de Pisa colaboram para resolver o problema de escalonamento de equipes aéreas com base em métodos modernos. O tópico da pesquisa foi "Atividade de pesquisa para o desenvolvimento de algoritmos para a atribuição de equipes aéreas para pairing, reservas, treinamentos, folgas, férias, respeitando as restrições de regras e distribuindo igualmente a carga de trabalho". Publicação: P. Cappanera, G. Gallo, “The Airline Crew Rostering Problem at Alitalia Express”, Relatório Técnico, Universidade de Pisa, 2001.

Trace Manager es la nueva funcionalidad de la suite MAIOR que registra automáticamente y en background la información relacionada con la creación, modificación y eliminación de datos, como versiones, escenarios, tiempos de conducción, líneas, paradas, horarios, turnos de vehículos, turnos de conductores, y muchos otros elementos. El Trace Manager permite que los despachadores puedan reconstruir la historia de cualquier elemento presente en el sistema. Por ejemplo, es posible comprender cuándo un objeto determinado ha sido creado o modificado y por quién.

La nueva versión de la suite MAIOR pondrá a disposición el nuevo algoritmo para el diseño de horarios optimizados. Gracias a esta herramienta innovativa, las empresas de transporte público pueden generar horarios optimizados para una o para múltiples líneas usando estos inputs: Frecuencia del servicio deseada Flota de vehículos disponibles Pasajeros o demanda a transportar Número de viajes a realizar

El nuevo algoritmo presente en la última versión de la suite MAIOR realiza la generación de turnos optimizados simultáneamente para vehículos y para conductores. Esta nueva funcionalidad permitirá a operadores y agencias de tránsito reducir los costos operacionales, al generar escenarios de servicio optimales y completos, con turnos de vehículos optimizados para turnos de conductores, y viceversa. Este nuevo algoritmo puede ser usado por empresas de servicios urbanos y extraurbanos, con incluso mayores potencialidades para servicios híbridos y suburbanos.

Entra en nuestro equipo de investigación y trabaja con nosotros en el desarrollo de algoritmos de optimización para las soluciones de software de MAIOR; soluciones diseñadas para optimizar la planificación y programación de los servicios de transporte público. El Proyecto ADDSTRES está financiado por la Región de Toscana en el marco del "Fondo para el Desarrollo y la Cohesión" y puede darle la oportunidad de trabajar con nosotros en un proyecto de investigación aplicada en la industria.   Para más información: ricerca@adm.unipi.it

MINOA, el consorcio de investigación creado por MAIOR en colaboración con 11 universidades europeas en el marco del proyecto HORIZON2020, ha lanzado un nuevo desafío de investigación científica: el problema de la programación integrada de horarios y turnos de vehículos considerando el uso de vehículos eléctricos y las implicaciones de su gestión. El reto de investigación está abierto hasta el 31/05/2021 y pueden participar estudiantes, investigadores, directivos y otros profesionales. Para saber más: https://minoa-itn.fau.de/?page_id=921

La Región de la Toscana apoyará a MAIOR en el proyecto TICAMPS, que tiene como objetivo apoyar la investigación de la programación en tiempo real del transporte público. El proyecto permitirá a un estudiante de Ph.D. colaborar con MAIOR en la sede de Lucca. El proyecto durará hasta 2020.

El proyecto MINOA, financiado por la Unión Europea, se centra en la investigación de los desafíos asociados con la optimización en tiempo real. El objetivo es desarrollar algoritmos más eficientes, aplicables a diferentes mercados, como el energético, el de análisis de datos, y el de transporte. MAIOR participa desde el enfoque del transporte público, donde se deben tomar decisiones en tiempo real frecuentemente. El equipo de MINOA incluye a otras 10 instituciones científicas de Italia, Francia, los Países Bajos, Alemania y Austria.

MAIOR, con la licitación de I+D de la Región de Toscana, estudiará, definirá y desarrollará un sistema innovador que gestione problemas de la disruption en tiempo real, como tráfico o accidentes, integrando datos del sistema de explotación. El objetivo es desarrollar una herramienta que ayude a agencias recuperar rápidamente el nivel de servicio. MAIOR colaborará con la Universidad de Pisa y la Universidad Politécnica de Milán para desarrollar los nuevos algoritmos de esta nueva herramienta para la gestión de la disruption.

MAIOR y el Politécnico di Milán colaboran en el proyecto de investigación de la "Programación de restricciones y algoritmos de ruta más corta dentro de un proceso de Column Generation para la optimización de turnos de personal en empresas de transporte público extraurbanas". Publicación: S. Gualandi, F. Malucelli, “Resource Constrained Shortest Paths with Super Additive Objective Functions, In Proc. of Principle and Practice of Constraint Programming (CP)” (EN), LNCS 7514, pp. 299-315, 2012.

MAIOR y la Universidad de Pisa colaboran en la investigación de la "Mejora de la velocidad y la precisión del rendimiento del algoritmo de optimización para problemas de grandes dimensiones", el "Análisis e implementación de modelos integrados para la optimización combinada de turnos de vehículos y turnos del conductor en una red extraurbana", y el "Análisis e implementación de modelos para la generación de horarios a frecuencia mientras se optimizan los recursos requeridos". Publicación: Alessandro Bertolini, “Algoritmi per l'ottimizzazione simultanea di orari and turni nel transporto pubblico urbano” (IT), Tesis de Grado. Relator: Antonio Frangioni, 2013.

MAIOR y la Universidad de Pisa colaboran en el proyecto de "Investigación y reingeniería del algoritmo de generación de turnos para la introducción de técnicas de cálculo paralelo para procesadores de varios núcleos". Publicaciones: F. Bernazzani, S. Carosi, A. Frangioni, A. Gaffi, L. Girardi, “Miglioramenti Algoritmici nella Soluzione di Problemi di Schedulazione di Veicoli e Personale”(IT); G. Felici y A. Sciomachen eds., EGIC Genova, p.429–442, 2008; y A. Davini, A. Frangioni, “L'Ottimizzazione della Pianificazione Turni per il Trasporto Pubblico” (IT), p.35, 2008.

La Universidad de Florencia y MAIOR trabajaron en la evolución de las soluciones de MAIOR para la planificación de la programación del transporte público. El tema de la investigación es la "Evolución de los modelos para la simulación del transporte público urbano aplicado a las políticas de zona tarifarias. Re-formulación del modelo de asignación y modificación del algoritmo". Publicación: Arturo de Santis, “Modelli and algoritmi per i sistemi di transporto collettivo in presenza di zone arancelarie” (IT), Tesis de Grado. Relatores: Fabio Schoen, Paola Cappanera, Lorenzo Sassolini, 2005.

La Universidad de Bolonia y MAIOR trabajaron en la mejora de las soluciones de programación ferroviaria de MAIOR para las agencias en este sector. El tema de la investigación es la "Actividad de investigación para el desarrollo de algoritmos de optimización de la programación de creación de turnos para vehículos de compañías ferroviarias, que permitan la cobertura múltiple de viajes para satisfacer la demanda requerida a lo largo de la línea y del día".

MAIOR y la Universidad de Pisa colaboran en el proyecto de investigación de la "Actividad de investigación para el desarrollo de algoritmos para la programación de tripulaciones de aerolíneas con emparejamientos, reservas, capacitaciones, días libres y vacaciones, respetando las restricciones del set de reglas y al mismo tiempo distribuyendo la carga de trabajo equitativamente y satisfaciendo las peticiones y preferencias del personal". Publicación: P. Cappanera, G. Gallo, “The Airline Crew Rostering Problem at Alitalia Express” (EN), Informe técnico, Universidad de Pisa, 2001.

Trace Manager is the new functionality of the MAIOR Suite that automatically records in background information relating to the creation, modification, and deletion of data, such as versions, scenarios, running times levels, lines, stops, timetables, blocks, driver duties, and many other elements. The Trace Manager allows your dispatchers to reconstruct the story of every single piece of data present on the system. For example, it is possible to understand when a certain object has been created or modified and by who.

The MAIOR Transit Scheduling Suite's new release version will bring available the new algorithm for timetable design. Thanks to this innovative tool, public transportation agencies and operators will benefit from optimized timetables for single or multiple lines using these inputs: Desired Service Headway Available Vehicle Fleet Targeted Passengers or Demand Number of Trips to be Performed

The new embedded algorithm available in the latest MAIOR Transit Scheduling Suite version performs simultaneous vehicle blocking and run-cutting optimization. This new feature will allow transit agencies and operators to reduce costs associated with service operations, by generating completely optimized service scenarios, with vehicle blocks that better support driver duties, and vice-versa. This new integrated algorithm can be used by urban and regional service providers and has even better capabilities for hybrid or sub-urban services.

Join our research team and work with us in the development of optimization algorithms of MAIOR software solutions. Our solutions are designed for the optimization of planning and scheduling of public transport services. The ADDSTRES Project is funded by the Tuscan Region under the "Fund for Development and Cohesion" and may give you the opportunity to work with us on an applied research project in the industry. For more information, contact ricerca@adm.unipi.it

The research consortium to which MAIOR collaborates with other 11 universities from Europe, called MINOA and under the HORIZON2020 project, has developed a new research challenge: An Integrated Timetable and Vehicle Scheduling Problem with the extra complexity due to the use of Electric Vehicles. The challenge is open until 31/05/2021 and is open for students, researchers, managers, and other professionals. For more information go to https://minoa-itn.fau.de/?page_id=921

The Tuscan Region will support MAIOR in the TICAMPS project, that aims to enhance the research of the public transportation real-time scheduling. The project will allow for a Ph.D. Student to collaborate with MAIOR at Lucca’s office through 2020.

The MINOA Project is an EU-funded project led by a consortium of scientific research organizations throughout Europe. Through 2021, researchers will come together to work on the challenges associated with real-time optimization to develop more efficient algorithms and computer implementations for use across a broad spectrum of vertical markets, including energy, data analytics, and transportation. MAIOR will participate with a focus on public transportation, an industry that frequently manages challenging conditions for decision-making. The MINOA team includes MAIORwith other 10 scientific institutions from Italy, France, the Netherlands, Germany, and Austria.

MAIOR has been awarded an R&D tender by the Tuscany Region to support SME-companies investing in research and innovation. The project aims to study, define, and develop an innovative real-time system to manage disruption problems caused by heavy traffic or road accidents, integrating CAD/AVL data. The goal is to provide agencies with an advanced tool that will help them quickly recover the service level offered to passengers. MAIOR will collaborate with the University of Pisa and the Technical University of Milan to develop the new algorithms needed for this new disruption management tool.

The partnership between MAIOR and The Politecnico di Milano, one of the most renowned Universities in Italy, is focused on the research for better scheduling algorithms. The research's topic is the "Constraint programming and shortest path algorithms within a process of Column Generation for the personnel optimization in extra-urban public transport companies". Publication: S. Gualandi, F. Malucelli, “Resource Constrained Shortest Paths with Super Additive Objective Functions, In Proc. of Principle and Practice of Constraint Programming (CP)”, LNCS 7514, pp. 299-315, 2012.

MAIOR and The University of Pisa collaborate on the research of the "Enhancement of speed and precision performances of optimization algorithm for problems of large dimensions", the "Analysis and implementation of integrated models for the combined optimization of vehicle blocks and driver duties in an extra-urban network", and the "Analysis and implementation of models for the generation of frequency timetables while optimizing the resources required". Publication: Alessandro Bertolini, “Algoritmi per l'ottimizzazione simultanea di orari e turni nel trasporto pubblico urbano” (IT), G. Thesis. Relator: Antonio Frangioni, 2013.

MAIOR has been working closely with The University of Pisa on the "Research and re-engineering of algorithm of duty generation finalized to the introduction of parallel calculation techniques for multi-core processors". Publications: F. Bernazzani, S. Carosi, A. Frangioni, A. Gaffi, L. Girardi, “Miglioramenti Algoritmici nella Soluzione di Problemi Reali di Schedulazione di Veicoli e Personale”, Chapter 30 in “Scienza delle decisioni in Italia: applicazioni della ricerca operativa a problemi aziendali,” (IT). G. Felici and A. Sciomachen eds., EGIC Genova, pp 429–442, 2008; and A. Davini, A. Frangioni, “L'Ottimizzazione della Pianificazione Turni per il Trasporto Pubblico” (IT), Matematica e Impresa 1, pp35, 2008.

The University of Florence and MAIOR worked in the evolution of MAIOR’s solutions for transit scheduling planning. The research's topic is the "Evolution of models for the simulation of urban public transport applied to fare zone policies. Re-formulation of the assignment model and modification of the algorithm". Publication: Arturo de Santis, “Modelli e algoritmi per i sistemi di trasporto collettivo in presenza di zone tariffarie” (IT), G. Thesis. Relators: Fabio Schoen, Paola Cappanera, Lorenzo Sassolini, 2005.

The University of Bologna and MAIOR worked in the enhancement of MAIOR’s railway scheduling solutions for rail agencies. The research’s topic is the "Research activity finalized to the development of Optimal Vehicle Block Scheduling Algorithms for Railway Companies, allowing the multi-coverage of the trips in order to satisfy the required demand along the line and day". The findings in this research are present in MAIOR’s scheduling solutions.

MAIOR and the University of Pisa collaborate to solve the airline crew scheduling problem based on state-of-the-art methods. This research's topic is the "Research activity finalized to the development of algorithms for the assignment of the airline crews to the pairing, reserves, trainings, days off and vacations while respecting the rule set constraints and at the same time equally distributing the work load and satisfying the requests and preferences of the personnel". Publication: P. Cappanera, G. Gallo, “The Airline Crew Rostering Problem at Alitalia Express”, Technical Report, University of Pisa, 2001.