Los casos de uso fueron urbanos (Santander), interurbanos (la autopista AP-7) y nacionales (España), cada uno de los cuales proporcionó una distribución de datos y desafíos técnicos diferentes, así como diferentes objetivos de movilidad. El proveedor de telefonía móvil Orange proporcionó acceso a datos adaptados en gran escala y a las partes interesadas para cada caso de uso.

El principal objetivo de BAMBOO era mejorar la generación de la demanda a partir de los datos de los teléfonos móviles, ya sea de forma agregada (matrices de viaje OD) o desagregada (diarios de actividad-viaje). Aimsun se centró en la superación de las limitaciones asociadas a la generación y representación de la demanda de viajes en el contexto de la asignación dinámica del tráfico, tradicionalmente utilizada en el sector para caracterizar la demanda derivada de las encuestas domiciliarias.

La nueva caracterización de la demanda ofrece una información más rica y fiable para simular condiciones de tráfico más realistas.

Específicamente, el equipo de Aimsun trabajó en:

1. Integrar la nueva caracterización de la demanda de viajes a partir de datos de teléfonos móviles fusionados con otras fuentes de datos en la arquitectura de software de Aimsun Next;
2. Desarrollando nuevos algoritmos para identificar centros de actividad y su conexión con la red de carreteras;
3. Mejora del marco de calibración y validación de un modelo de red de tráfico utilizando una nueva caracterización de la demanda, que incluye aspectos como el valor del tiempo (VOT), la hora de salida del viaje, el modo y la elección de la ruta.

Las nuevas características resultantes de BAMBOO se aplican ahora en el software Aimsun Next, que es ahora el primer conjunto de herramientas de simulación de transporte adaptado específicamente para aprovechar todo el potencial de los datos masivos y recogidos de forma pasiva, como los datos celulares, en contraposición a las soluciones de la competencia que se concibieron para trabajar con los datos de la demanda tradicional. Esto es particularmente importante para modelar nuevas formas de movilidad y los enfoques más recientes de la gestión del tráfico, para los que las herramientas actuales suelen quedarse cortas debido a la necesidad de mayores niveles de desagregación y de conocimientos sobre el comportamiento.