La inteligencia artificial aplicada al transporte no se limita a imaginar vehículos sin chofer. Una de sus funciones ocurre detrás de escena: procesar grandes volúmenes de información para ayudar a decidir cómo se mueve una ciudad.
Horarios, cantidad de pasajeros, recorridos, velocidades y congestión pueden convertirse en información útil para planificar el servicio. También pueden incorporarse datos climáticos, siniestralidad y otros factores que modifican la circulación y la demanda.
La Organización para la Cooperación y el Desarrollo Económicos (OCDE) señala que los sistemas basados en IA pueden ajustar rutas y servicios según la congestión, las condiciones meteorológicas y la demanda. También identifica aplicaciones para optimizar recorridos, gestionar la demanda y mejorar la información que recibe el pasajero.
Montevideo ya trabaja con datos
En Montevideo, parte de esa transformación ya tiene una base concreta. La Intendencia de Montevideo utiliza herramientas de big data y analítica para estudiar el comportamiento de quienes utilizan el Sistema de Transporte Metropolitano (STM).
La información proviene, entre otras fuentes, de los GPS de los ómnibus y de los registros de pago. Con esos datos se construye una Matriz Origen-Destino que permite estimar desplazamientos, calcular tiempos promedio de viaje y visualizar mediante mapas de calor los sectores donde los recorridos son más rápidos o en su defecto, más lentos.
Ese volumen de información permite observar cuándo y dónde se concentra la demanda. Para la gestión pública, el dato puede convertirse en un insumo para planificar frecuencias, recorridos y recursos. También permite comparar el comportamiento del sistema y detectar desvíos respecto de los horarios previstos.
El paso hacia el tiempo real
Uno de los desafíos es reducir el tiempo entre lo que sucede en la calle y la respuesta del sistema. La Intendencia desarrolló experiencias vinculadas con inteligencia artificial que apuntan a ese objetivo.
Entre ellas está el conteo de pasajeros en tiempo real. La información sobre ascensos ya estaba disponible, mientras que los descensos podían inferirse mediante algoritmos. El objetivo planteado fue obtener el dato exacto de los descensos para conocer la ocupación de cada servicio en tiempo real y anticipar medidas.
También se trabajó sobre la semaforización inteligente. Los controladores pueden detectar la aproximación de un ómnibus y modificar el ciclo de un semáforo para favorecer su circulación. La comuna planteó además combinar los datos del transporte público con los flujos generales de vehículos para que la inteligencia artificial pueda sugerir, en tiempo real, el plan semafórico más adecuado.
Una red que aprende
El Banco Interamericano de Desarrollo (BID) sostiene que los datos generados por las tarjetas electrónicas de transporte pueden aportar información detallada sobre los patrones de movilidad. Su procesamiento permite construir matrices de origen y destino, analizar rutas y frecuencias y ayudar a asignar recursos de acuerdo con la demanda.
La IA, en este esquema, no reemplaza por sí sola al conductor, al planificador ni al responsable de tomar decisiones, sino que funciona como una herramienta que procesa información y encuentra patrones difíciles de detectar manualmente.
Lo que como sociedad se espera, es que el desafío sea convertir esa capacidad de cálculo en un servicio que responda mejor a quienes esperan el ómnibus, recorren la ciudad o necesitan llegar a destino. La tecnología puede anticipar una congestión o detectar un cambio en la demanda. También puede ayudar a ordenar recursos cuando la demanda cambia. La decisión final sigue dependiendo de cómo las autoridades utilicen esa información.
