Por Caridad Vela
Uno de los grandes problemas en la actualidad, que es común en todas las ciudades del mundo, es la movilidad. No solamente que las vías no dan abasto a la cantidad de vehículos que las usan, sino que la implementación de infraestructuras para sistemas alternativos de movilidad parecería traer más problemas que soluciones, al menos en la etapa de arranque.
Hay grandes urbes que optaron por construir alternativas subterráneas de transporte masivo a un altísimo costo para las administraciones públicas. Otras prefirieron las líneas de superficie con carriles exclusivos, complicando así la circulación vehicular. Los circuitos destinados únicamente para bicicletas sirven su propósito, pero en muchas ciudades, sobre todo latinoamericanas, ese método de transporte aun no es masivo.
En mi afán de revisar experiencias innovadoras dirigidas a encontrar soluciones, mi camino se cruzó con el del español Rubén González Crespo, experto en inteligencia artificial para movilidad urbana. Él es Vicerrector de Ordenación Académica y Profesorado, y Catedrático de Ciencias de la Computación e Inteligencia Artificial de la Universidad Internacional de La Rioja, España.
¿Cómo se aplica la inteligencia artificial para movilidad urbana?
La inteligencia artificial, en términos generalistas, es encontrar algoritmos que ayuden a tomar decisiones a los seres humanos frente a un conjunto de problemas que queremos solventar. Durante muchos años los hemos solucionado en base a experiencias sobre lo que acontecía ante un conjunto de eventos, y eso nos permitía inferir posibles soluciones, pero ese instinto ya no es suficiente.
¿Es ahí donde entran los algoritmos?
Han estado funcionando. Cada vez son más sofisticados e involucran muchos tipos de índoles que nos permiten ir avanzando hacia producir cambios radicales. Antes, esos datos no podían ser interpretados por algoritmos porque estaban dispersos y no se podían correlacionar, pero ahora se produce un cambio radical de paradigmas con la inteligencia artificial que recoge toda esa data, la trabaja con algoritmos y permite tomar acciones con menores rangos de error.
¿Qué resultados ha dado la inteligencia artificial en favor de solucionar el tema de movilidad?
La raíz del problema de movilidad es un tema de urbanismo puro y duro, que se produce por dos motivos relacionados con los centros de trabajo. O bien porque están todos en un mismo conjunto de ubicaciones geográficas, o bien porque no hemos conseguido hacer una deslocalización suficientemente óptima para evitar una excesiva confluencia de gente a un lugar determinado. Ante esta situación, mejorar el trazado urbano debe ser parte de la solución. Si tuviéramos una hoja en blanco para dibujar cómo debería organizarse la ciudad, la inteligencia artificial jugaría un papel más determinante.
¿De qué manera?
Podríamos establecer las diferentes zonas en las que la gente va a tener que desenvolverse, y analizar qué volumen de tráfico van a absorber esas zonas. Todo nace de tener un conjunto de elementos ordenados y orquestados para conseguir reducir estas grandes aglomeraciones, porque al final da lo mismo qué tipo de transporte uses, puede ser vehículo propio o vehículo público, igual tendrás que ir por un conjunto calles y carreteras que terminan siendo insuficientes.
Por eso es importante plantear alternativas de transporte masivo…
En Madrid, Barcelona o París hay varias alternativas de transporte: el metro, el tren, autobús, taxi, vehículo propio y el vehículo compartido. Pero realmente cuando más se atasca la ciudad es cuando aumenta el uso de una de las opciones de transporte público. El usuario lo elige porque es más barato, genera menor estrés y puede aprovechar el tiempo del traslado para trabajar. Pero, podemos tener un sistema ordenado como el Transmilenio en Bogotá, pero luego los autobuses de conexión van parando cada vez que un viandante levanta la mano, y esto genera por sí mismo un atasco.
Pero el transporte privado suma en cantidad…
Sabemos que movilizarse en vehículo propio es inviable y, a pesar de que hay una alternativa amplia de opciones, al final la gente decide a dónde se quiere mover y cuál es el trayecto óptimo para ir de un lugar a otro. Esto, más allá de ser un aspecto muy social de la decisión del ser humano, también puede ser apoyada y soportada con inteligencia artificial. Es lo que hace Google Maps: considera las posibilidades y usa algoritmos para establecer alternativas.
Entonces, ¿son varios factores los que entran en juego?
Tenemos tres segmentos en los que podemos trabajar con algoritmos. Uno es el tráfico, donde podemos operar en la parte vial. Otro es el urbanístico, en el que analizamos las ciudades para saber dónde se van a ubicar los grandes centros neurálgicos de trabajo. Y un tercer segmento es el comportamiento del ser humano ante una posibilidad de elección de vehículo para desplazarse de un lugar a otro, donde se consideran algunas variables: tiempo, distancia, costes.
¿La combinación algorítmica de la data de esos tres segmentos permitiría encontrar la solución óptima?
Las soluciones a medio o medio largo plazo están sobre la mesa, pero las decisiones requieren tanto de un cambio cultural cuanto de decisiones políticas que afectan cómo se organiza una ciudad. En Madrid, que es donde resido, se han puesto algunos pilotos en los cuales el control de los semáforos se hace en tiempo real. Esta ciudad tiene sus horas pico muy definidas, y usamos algoritmos que nos permiten abrir y cerrar carriles en función de cómo va el sentido del tráfico y los colapsos que se dan.
¿Cómo funcionan esos pilotos?
Se colocan sensores y cámaras que te permiten mirar lo que sucede en una determinada ubicación, y con el uso de temporizadores puedes modificar el tiempo de la luz verde en un semáforo para generar mayor fluidez en el tráfico. La inteligencia artificial recoge data acumulada durante un período de tiempo y plantea posibilidades de cómo manejar esa información para alcanzar soluciones aplicables en el mediano plazo, que es en realidad lo difícil de construir, porque hay dos receptores de soluciones ante un mismo problema que se debe considerar.
¿Cuáles son?
En temas de movilidad tenemos a la gente que va a pie y la que va en vehículo, y la solución que beneficia al del vehículo puede perjudicar al que quiere cruzar la calle. El escenario idílico no existe. En el piloto que se está implementando en Madrid se han podido medir los resultados, no solamente en cuanto a la mejora del tráfico, sino en cuanto a la reacción del usuario, es decir, se combina la parte técnica con la parte emocional de quien se ve afectado por la solución a su circulación, y es este componente emocional el que condiciona la eficiencia de la aplicación de inteligencia artificial para la movilidad urbana.
Siempre las emociones causando problemas…
Siempre habrá la necesidad del conductor del vehículo versus la necesidad del peatón. Siendo pragmático, considero que las soluciones hoy por hoy pasan primero por medidas gubernamentales y sociales, en las que la inteligencia artificial acompaña y potencia la decisión que se toma, pero si esperamos que venga a darnos la solución perfecta en un escenario en el que siempre habrá el imprevisto de la reacción humana, no lo vamos a conseguir, eso es un imposible. De todas formas, una buena red de transporte público alternativa al transporte propio es ideal, incluso en términos de contraer la contaminación ambiental.
¿Qué se puede esperar en el corto plazo?
Con la data que tenemos vemos brotes verdes, y hay otra opción de inteligencia artificial que en un futuro va a ayudar mucho. Usemos un ejemplo comercial: Tesla con sus vehículos de conducción autónoma, que igual tiene sus pros y contras. El riesgo no es la propia conducción autónoma, porque esa funciona bien, sino cómo interfiere con la conducción humana. La conducción autónoma son robots comunicándose entre ellos a través de una red, generando una acción en conjunto, paulatina y ordenada. Cuando entra el ser humano hace una interrupción, y se producen incertidumbres porque no se sabe cuál será su reacción.
¿Imposible predecirla?
A largo plazo se irán implementando más soluciones de conducción autónoma en las que se incluya la reacción humana. Sabemos que ante cualquier evento el conductor frena, y ese frenazo desencadena una riada de frenadas en cascada. Cuando un semáforo rojo se pone en verde, no todos los coches conducidos por humanos arrancan al mismo tiempo. Pero si esos vehículos tienen una ordenación autónoma, arrancarían a la vez y todo fluiría. Esto para la máquina es muy sencillo, el problema es cómo combinas la máquina con el comportamiento humano, que es impredecible.
¿Ese será un vacío imposible de cubrir por la inteligencia artificial?
No digo ni que sí ni que no, digo que nos queda mucho. Estamos muy lejos de que un robot tenga la capacidad de suplir al ser humano, a su consciencia y capacidad intuitiva.
En teoría la inteligencia artificial es la unión de las dos cosas. La eficiencia se consigue con la certidumbre que te dan los datos, más la incertidumbre que te da la observación hecha por un ser humano. La unión de esos dos factores es lo que te lleva a aplicar una solución. Por ejemplo, la data te dice que en esta esquina hay un pico de tráfico a tal hora, pero la observación te permite ver rutinas de los viandantes que podrían ser las generadoras del conflicto. Es muy difícil encontrar una buena solución, y parecería que la que va a aliviar un poco los atascos viene por otro lado.
¿A qué te refieres?
La etapa post pandemia ha abierto una cuarta posibilidad de solución: la reducción en la necesidad del ciudadano de ir a la ubicación física de su oficina gracias al teletrabajo que ahora es muy común. Eso deslocaliza las zonas de conflicto y facilita una reducción de tráfico. Es increíble, pero por muy caro que esté el petróleo, la gente sigue comprando carros aun sabiendo que será más barato, y probablemente más rápido, desplazarse en transporte público.
¿Hay alternativas de solución aplicables en el corto plazo?
Combinando la data que proveen los algoritmos con la interpretación humana, se puede hacer un conjunto de sugerencias o inferencias para una correcta toma de decisiones en el ámbito del transporte. El problema lo tienen todas las grandes ciudades, y va en incremento en tanto la circulación de vehículos va en aumento. El pico y placa aplicado en Bogotá o Quito no acaban de ser la solución. Bogotá tiene el Transmilenio, sistema de superficie, que no ha solventado la problemática. Quito pronto tendrá su Metro, sistema subterráneo que será una alternativa importante. Es de esperar que, al menos en parte, solvente el problema.