DATASET - Bus Bunching Prediction via Early Warning Signals in a Transit Digital Twin

Dataset: Bus Bunching Early Warning Signals (SF Muni) Este dataset contiene datos de alta resolución sobre el transporte público de San Francisco (SF Muni), diseñado para la predicción de bus bunching (agrupamiento de autobuses) mediante señales de alerta temprana en un entorno de Gemelo Digital (Digital Twin). 1. Descripción General - Fuente: San Francisco Municipal Railway (SF Muni) a través de la API abierta de 511.org (https://511.org). - Protocolo: GTFS Realtime (GTFS-RT). - Periodo de Recolección: Datos longitudinales capturados entre enero y marzo de 2026. - Volumen Total: +100 millones de observaciones brutas en la vista longitudinal. - Rutas Principales: 14 (Mission St), 38 (Geary Blvd) y 49 (Van Ness Ave). 2. Estructura de Datos Los datos están organizados en un esquema de DuckDB optimizado para análisis columnar, compuesto por dos tablas principales: A. Trip Updates (Estado de Retrasos) Contiene las predicciones de tiempo de llegada y salida en cada parada. - snapshot_ts: Timestamp de la observación. - trip_id: Identificador único del viaje. - arrival_delay / departure_delay: Retraso acumulado en segundos. - stop_sequence: Orden de la parada en la ruta. B. Vehicle Positions (Telemetría) Contiene la ubicación física y estado operativo de los vehículos. - latitude / longitude: Coordenadas geográficas. - bearing / speed: Orientación y velocidad actual. - current_status: Estado del vehículo (ej: IN_TRANSIT_TO, STOPPED_AT). 3. Ingeniería de Características (Features) El dataset procesado para entrenamiento (n-3 window) incluye 24 variables clave, entre las que destacan: - Métricas de Intervalo (Headway): headway_ratio, delta_h (desviación respecto al horario programado). - Métricas de Retraso: delay_ratio, relative_delay, delta_d. - Dinámica de Liderazgo: leader_delay_ratio (estado del autobús precedente). - Componentes Temporales: Transformaciones cíclicas (time_sin, time_cos) del tiempo de operación. 4. Estadísticas de Calidad Tras aplicar filtros de transición (donde el estado previo no es "bunched"), el dataset de análisis cuenta con: - Muestras filtradas: ~3.7 millones de registros con historial de lag disponible. - Ratio de Bunching (Clase 0->1): ~22.7% de las muestras tras el filtrado de estabilidad. - Latencia de Procesamiento: 2.15 ms por registro (extracción + inferencia). 5. Casos de Uso Este dataset es ideal para investigaciones en: - Predicción de series temporales en transporte inteligente. - Modelado de Gemelos Digitales para movilidad urbana. - Análisis de estabilidad de intervalos y confiabilidad del servicio de tránsito. --- Sugerencia de Cita: > Mora Hoyos, C. S., Rodríguez Galindo, J. F., & Salcedo Parra, O. J. (2026). Bus Bunching Prediction via Early Warning Signals in a Transit Digital Twin. PeerJ Computer Science.