Proyectos

I. La complejidad como marco unificador de la salud a diferentes escalas y sistemas.

La hipótesis de criticalidad establece que los sistemas en un régimen dinámico que cambia entre el orden y el desorden, alcanzan el nivel más alto de capacidades computacionales y logran una compensación óptima entre robustez y adaptabilidad. Los resultados recientes en biología celular y evolutiva, neurociencia e informática tienen gran interés en la hipótesis de criticidad, enfatizando su papel como una posible ley general en el ámbito de los sistemas complejos adaptativos (ver [38] y las referencias en él). En ese mismo sentido, varios autores han encontrado evidencia de criticidad dinámica en procesos fisiológicos como la actividad cardíaca, y han postulado que puede ser una característica clave de un estado saludable. [33-35], proponiendo (basados en evidencia médica) que los corazones sanos tienen series de tiempo invariante de escala en la región alrededor del ruido 1 / f o ruido rosa [36]. En un artículo reciente que revisa la criticidad en el cerebro, [37] se afirma que i) La criticidad es un fenómeno generalizado en los sistemas naturales que proporciona un marco unificador que puede usarse para modelar y comprender la actividad cerebral y la función cognitiva, y ii) que hay evidencia sustancial que ahora respalda la hipótesis de que el cerebro opera cerca de la criticalidad.

Otras aproximaciones informacionales usando series de tiempo proponen estimar el grado de homeostasis (o en el otro lado de la escala de fragilidad) de un sistema mediante el estudio de los momentos estadísticos de sus distribuciones de probabilidad (Fossion, et al. 2018). O incluso tratar de entender y anticipar (alertas tempranas)  eventos catastróficos caracterizados por transiciones de fase críticas. Contar con alertas tempranas que permitan anticipar (no predecir, los sistemas complejos son impredecibles)  las transiciones críticas en sistemas ecológicos es una necesidad importante porque a menudo (o casi siempre) es difícil restaurar un sistema a su estado anterior a la transición una vez que esta se ha producido. Recientemente diversos estudios demuestran que varios indicadores basados ​​en cambios en las series temporales ecológicas pueden indicar que el sistema se aproxima a una transición inminente. Una pregunta fundamental entonces es,  si obtener información sobre las posibles características del ecosistema una vez que haya pasado la transición de fase. Esto se puede lograr parcialmente al medir la respuesta del sistema a las perturbaciones previas a la transición con lo cual es posible tener una aproximación a la distancia respecto de la próxima transición, el tipo de transición (catastrófica / no catastrófica) y los puntos de equilibrio futuro dentro de un rango cercano a la transición (Ghadami, et al. 2018).  Finalmente calculando la entropía permutacional (Brandt y Pompe; 2002) de las series de tiempo generadas por el sistema de monitoreo uno puede estimar el grado de complejidad del sistema (Gershenson y Fernández, 2012) el cual a su vez parece ser es otro indicador de salud. En un trabajo que está por enviarse Fossion, Rivera y López-Corona muestran que pacientes diagnosticados con diabetes

I.a Salud ecosistémica: criticalidad

En “Assessing sustainability in North America’s ecosystems using criticality and information theory” publicado en PLOS-ONE, analizamos la base de datos Ameriflux sobre flujos de masa y energía en América para usando las ideas de criticalidad estimar el nivel de salud de los diversos ecosistemas de Norte América y otros indices informacionales para cuantificar su estabilidad. Ver nota de prensa:

notaCONACyT

En la siguiente etapa del proyecto usaremos series de tiempo biocústicas del Sistema Nacional de Monitoreo de la Biodiversidad (SNMB) somo señal fisiológica sistémica que codifica una parte del metabolismo ecosistémico.  Al emitir sonido los organismos transforman su energía metabólica  (parte de la ecosistémica, en energía acústica).

Entre otras cosas, este monitoreo permitirá estimar la condición en la que se encuentran los ecosistemas de México a través de la estimación del grado de conservación (“salud” si se prefiere) en el que se encuentran a través del indicador de integridad ecosistémica, concebido por especialistas de Conabio y del Inecol/CONACyT, con apoyo del proyecto ROBIN que financió la Unión Europea a través de su 7° Programa Marco.Para generar un sistema costo eficiente se utiliza tecnología de punta que incluye el monitoreo remoto mediante el uso de trampas cámara y grabadoras para el monitoreo bioacústico. Además el sistema cuenta con protocolos de levantamiento de datos de vegetación, impactos ambientales, plagas, especies invasoras, registros extra entre otros que puedan ser utilizados en distintos ecosistemas, produciendo información estandarizada y repetible que puede ser escalable para evaluar tendencias locales, regionales y nacionales de la biodiversidad.
El conjunto de datos obtenidos permiten hacer una evaluación del estado de los ecosistemas así como los cambios que ocurren en estos por causas ya sean naturales o antropogénicas.

La información obtenida anualmente en más de 1,800 sitios a través del territorio mexicano (Fig. 1), es accesible a través de la página monitoreo.conabio.gob.mx puesta a disposición entre los socios, investigadores y ciudadanía. Además servirá como insumo esencial para dirigir las políticas de Conafor y Conanp de apoyos a los usuarios o dueños de la tierra de una manera más eficiente al considerar una evaluación del impacto sobre la salud del ecosistema que estos programas tienen.

En particular participamos en un nuevo experimento nacional el Sistema Permanente de Calibración y Monitoreo de la Biodiversidad (SIPECAM) que está enfocado en evaluar la condición que tiene la fauna de los ecosistemas de México en sitios con diferente grado de integridad ecosistémica (módulos de tratamiento). Para esto, el diseño busca estimar un parámetro rector en los que se basa el cálculo de los indicadores (Anexo I) y que es ampliamente recomendado para estudios de monitoreo (Fisher & Burton 2012): la medida de ocupación (presencia/ausencia y proxy de abundancia de las especies; MacKenzie et al 2002). Esta variable de estado permite medir índices multiespecie y son útiles para estudios de monitoreo de cambio en la composición y abundancia de las especie por efecto antropogénico (Bowler et al 2016) y consecuencias como la defaunación. El diseño además, se adapta a tres herramientas de monitoreo poco invasivas que permiten obtener datos de ocurrencia de una amplia gama de grupos taxonómicos, como las cámaras trampa (mamíferos medianos y grandes), los micrófonos (murciélagos/anfibios/aves y paisaje sonoro), y las trampas sherman (pequeños mamíferos y ectoparásitos). Además, el diseño busca ser factible por un lado para que las comunidades locales, puedan llevar a cabo la instalación de estas herramientas; y por otro lado, busca ser óptimo y adquirir la cantidad de información suficiente para poder evaluar las diferencias entre los tratamientos de manera estadísticamente válida, es decir con un mínimo de precisión deseable.

Diseño de muestreo en un sólo módulo del par armonizado planteados en el proyecto SIPECAM. Los hexágonos morados son áreas alternativas de colocación de cámaras en el caso de haber problemas de accesibilidad en los hexágonos vecinos propuestos a priori (beige).


II Eficiencia y calidad de la energía en la industria

II.a Analizador de parámetros electricos (APE)

El objetivo general del proyecto es generar un sistema de soporte de decisiones para las micro, pequeñas y medianas empresas de la CDMX que les ayude a generar esquemas innovadores basados en datos para la gestión óptima de la energía eléctrica. De esta manera el proyecto coadyuvará a estas empresas en términos de ahorros en su consumo, uso eficiente y eficaz de la energía eléctrica, lo cual impactaría directamente su competitividad. Para esto el proyecto está constituido de 5 etapas: (1) Adquisiciòn de datos; (2) Recolección y pre-procesamiento; (3) almacenamiento y construcción de BD; (4) Análisis; (5) soporte de decisiones. Al momento se tienen avances significativos en las etapas de la 1 a la 3 contando con un desarrollo funcional que permite recopilar mediciones de un sistema eléctrico empresarial. Estas mediciones son recopiladas por un dispositivo computacional para ser preprocesadas y mandadas a un servidor web. De tal manera que el financiamiento solicitado se ocuparía para terminar con las etapas 4 y 5. En términos de análisis se piensa utilizar diversas herramientas de ciencia de datos como árboles de clasificación, análisis de conglomerados y análisis de series de tiempo para explorar la posibilidad de establecer alertas tempranas a fallas eléctricas. En cuanto al soporte de decisiones se incorporarán igualmente diversas técnicas de visualización de datos que en combinación con el conocimiento experto de los ingenieros del grupo den respuestas a problemas específicos de la gestión óptima de la de la energía eléctrica como puede ser el prevenir eventos de bajo factor de potencia que repercuten en multas.



III. Ciudad sostenible

III.a Desarrollo de un Sistema inteligente de soporte de decisiones para transitar a esquemas de Ciudad Sostenible: selección óptima de rutas ciclistas

El objetivo principal del presente proyecto es comenzar a construir un sistema de soporte de decisiones, basado en inteligencia artificial para abordar problemas socio-ambientales, con la intención de ayudar a las ciudades mexicanas a transitar hacia la sostenibilidad. La población urbana del mundo en 1950 era de tan sólo 746 millones disparándose en las décadas posteriores [1]. Ya para 2009, el número de personas que viviendo en zonas urbanas (3,42 mil millones) superó el número que viven en zonas rurales (3,41 millones) y desde entonces la mundo se ha vuelto más urbano que rural [2] alcanzando en 2014 los 7,25 millones de personas [3]. La División de Población del Departamento de Asuntos Económicos y Sociales de Naciones Unidas para la Población, predijo en ese entonces que la población urbana crecerá a 6,4 millones en 2050 [1]. En el caso particular de México según [4] en la actualidad el 77% de la población del país es urbana y aumentara según predicciones del Consejo Nacional de Población (CONAPO) a un 81% para el 2030. Además las ciudades se han convertido en centros de pobreza y desigualdad, teniendo hasta un 40% de su población en situación de pobreza [5]. Es decir que la ciudad comienza a ser y será el ecosistema más poblado por humanos. De esta manera cualquier visión de desarrollo sostenible debe incluir una visión de Ciudad Sostenible. En este sentido, se ha destacado que el concepto de sostenibilidad ha sido aceptado, casi universalmente, como una consideración de importancia en prácticamente todos los procesos sociopolíticos de toma de decisiones. Sin embargo, al mismo tiempo se ha experimentado un aumento sin precedentes tanto en nuestros patrones de consumo como en las emisiones de gases de efecto invernadero (ver Fig. 1). De hecho durante la más reciente cumbre de Naciones Unidas en Copenhagen sobre el tema, no se alcanzaron acuerdos reales sobre la reducción de Gases de Efecto Invernadero (GEI). Esto muestra una contradicción de la sociedad moderna, la cual por un lado acoge un sentido de cambio pero al mismo tiempo continua con sus patrones de comportamiento [6]. Esto se ve reflejado en los ecosistemas urbanos donde la planeación en movilidad ha estado tradicionalmente dominada por el uso del automóvil particular. Basta considerar que según [8] los más de 21 millones de automóviles circulando en las ciudades del país, producen alrededor del 18% de las emisiones de GIE. En este mismo sentido, [7] estima que un 70% de los GEI estan asociados a la producción, distribución y consumo de energía, de la cual cerca de la tercera parte es usada en trasnportación. Así pues, la forma de transportación impacta directamente tanto en el tema de la crisis energética como en la mitigación de cambio climático. Más aún, en [9] se concluye que si estas tendencias de planificación de la movilidad urbana continúan, la viabilidad, social, económica y ambiental de los ecosistemas urbanos se vería seriamente disminuida. Consideremos por ejemplo la tabla tomada de [9] donde se muestra una estimación de externalidades asociadas al uso del automóvil en zonas metropolitanas selectas de México, 2009 (millones de pesos). En contrapartida, se ha propuesto a la bicicleta como alternativa sustentable de transporte (ver Infográfico adjunto). La importancia de la bicicleta como medio de transporte alternativo para alcanzar la sostenibilidad en la ciudades, se ha reconocido ampliamente [10-12] que coadyuva a reducir los congestionamientos vehiculares, contaminación ambiental, tiempos de transporte y problemas de salud mental [13]. Sin embargo y a pesar de todos sus beneficios, según [14] los ciclistas son usuarios físicamente mas vulnerables que los ocupantes de carros una una proporción de 4.5 veces para el caso de Australia. De la misma forma los ciclistas tienen un riesgo 3.6 veces mayor de tener lesiones serias en un accidente de transito comparado con oros medios de transporte no motorizado. De esta forma si de verdad se quiere dar promoción a la bicicleta como medio de transporte alternativo realmente viable en las ciudades, se tiene que entender el riesgo de los ciclistas urbanos. Al respecto, se le ha dado mucha atención al aspecto del comportamiento del riesgo [15-17] pero mucho menos al aspecto ambiental [14]. El presente proyecto aborda justo la importancia ambiental del riesgo asociado a transportarse en bicicleta en la ciudad, específicamente consideramos que la selección de la ruta juega un papel fundamental para disminuir el riesgo de accidentes y mejorar la experiencia de moverse en bicicleta. No obstante, consideramos que hay un vacío conceptual, metodológico y técnico al respecto. La selección óptima de rutas ciclistas, es sin duda un problema de optimización multiobjetivos que involucra a múltiples actuantes y escalas de análisis. Así pues este problema de toma de decisiones debería conceptualizarse desde al perspectiva de las Ciencias de la Complejidad. Así pues, el objetivo particularinicial de este proyecto es generar un sistema de selección de rutas óptimas de ciclismo urbano usando inteligencia artificial. Para esto primero usaremos un esquema de Procesos Jerárquicos Analíticos [18] con una comunidad de expertos adecuada, para identificar las características fundamentales de lo que constituye una buena ruta ciclista en ambientes urbanos. Posteriormente realizaremos trabajo de campo para evaluar, con los resultados del punto anterior, una muestra suficiente de rutas en la Ciudad de México. Con estos resultados y usando Minería de Datos generaremos algoritmo de evaluación de rutas para ciclismo urbano que pueda ser implementado en una plataforma computacional, con la finalidad de: (1) generar un mapa colaborativo (en un esquema de Ciencia Ciudadana) de aptitud ciclista de las calles de la ciudad de México y (2) avanzar en la implementación de una calculadora automática de rutas óptimas. Consideramos que el proyecto tiene un impacto científico claro debido a que es un tema de actualidad muy activo con diversas áreas de oportunidad. Por otro lado tiene una aplicación directa en la Ciudad de México y los resultados de este estudio de caso pueden ser fácilmente trasladados a otras ciudades grandes en el país.

[1] “City population to reach 6.4bn by 2050”. Herald Globe. Retrieved 11 July 2014. [2] http://www.un.org/en/development/desa/population/publications/urbanization/urban-rural.shtml

[3] “Current world population”. United Nations, Department of Economic and Social Affairs. Retrieved 11 July 2014.

[4] Planes integrales de movilidad, Lineamientos para una movilidad urbana sustentable. ITDP, 2012.

[5] SEDESOL (2010) Diagnóstico del Programa Hábitat.

[6] Davidson M.(2010). Hacking away at sustainability: science, ideology and cynical blockage. Human Geography, 3(2).

[7] MacKay, D. (2008). Sustainable Energy-without the hot air. UIT Cambridge.

[8] Galindo L. (2009) La economía del cambio climático en México. Secretaría del Medio ambiente y Recursos Naturales-Secretaría de Hacienda y Crédito Público.

[9] Planes integrales de movilidad: lineamientos para la movilidad urbana sustentable. ITDP, 2012

[10] Austroads. National Cycling Strategy 2011 – 2016: gearing up for active and sustainable communities. 2010.

[11] Department of Transport. Victorian Cycling Strategy, V. Victorian Government, Editor. 2009.

[12] Department of Transport Western Australia. Bicycle strategy for the 21st Century, P. Western Australian Government, Editor. 2009

[13] Garrard J. Active transport: adults, An overview of recent evidence. 2009. [cited 25 June 2010]. http://www.goforyourlife.vic.gov.au/hav/articles.nsf/practitioners/active_ transport?Open

[14] Stevenson, M., Johnson, M., Oxley, J., Meuleners, L., Gabbe, B., & Rose, G. (2014). Safer cycling in the urban road environment: study approach and protocols guiding an Australian study. Injury prevention, injuryprev-2014.

[15] Johnson M, Charlton J, Oxley J. Naturalistic cycling study: identifying risk factors for on-road commuter cyclists. Ann Adv Automot Med 2010;54:275 – 83.

[16] De Rome L, Boufous S, Senserrick T, et al . The pedal study: factors associated with bicycle crashes and injury severity in the ACT . The George Institute for Global Health, The University of Sydney, 2011.

[17] Schramm A, Rakotonirainy A, Haworth N. How much does disregard of road rules contribute to bicycle-vehicle collisions? National Conference of the Australasian College of Road Safety and Travelsafe Committee of the Queensland Parliament , Brisbane, 2008

[18] Saaty, T. L. (1988). What is the analytic hierarchy process? (pp. 109-121). Springer Berlin Heidelberg