Todo el mundo habla de inteligencia artificial (IA). Pero ¿a qué podemos llamar inteligencia artificial? Esta expresión hace referencia a la capacidad que tienen algunas máquinas (ordenadores) para imitar el comportamiento humano inteligente y así poder alcanzar unos objetivos definidos.
Esta disciplina de la informática, como explica el experto Antonio Gutiérrez-Lythgoe en su estudio “Movilidad urbana sostenible: Predicción de demanda con Inteligencia Artificial”, tiene como objetivo desarrollar sistemas que realicen tareas que requieren inteligencia humana. De esta forma, la máquina es capaz de resolver problemas, reconocer patrones y aprender por sí misma
La inteligencia artificial ayuda a moverse en autobús y metro
La inteligencia artificial resulta especialmente útil en los estudios sobre movilidad urbana ya que es capaz de detectar, por ejemplo, cómo nos movemos en las ciudades y su entorno. ¿De qué forma lo hace? Pues principalmente analizando los datos existentes, por ejemplo, de algunos tan obvios como los posicionamientos GPS que emiten constantemente nuestros teléfonos móviles.
El análisis inteligente de estos datos, y otros, resulta especialmente útil en las grandes urbes, donde se mueven millones de personas. Por ejemplo, en la ciudad de Madrid, los algo más de 2.100 autobuses de su Empresa Municipal de Transportes (EMT) transportaron un total de 454,5 millones de viajeros durante el año 2023. La EMT madrileña tiene la capacidad de leer datos en tiempo real y, gracias a técnicas de data mining (minería de datos) e inteligencia artificial, detectar necesidades y hacer proyecciones de la demanda en tiempo real dentro de sus 223 líneas y servicios especiales de autobuses.
En la capital, los usuarios de Metro de Madrid también se benefician de la inteligencia artificial. El servicio, que en días laborables registra una media de 2,26 millones de viajes, utiliza estos sistemas para labores muy variadas: desde la vigilancia de la seguridad hasta regular la ventilación de estaciones y túneles.
De manera similar a la predicción del tráfico, las técnicas Deep Learning (otra aplicación de la inteligencia artificial) también pueden contribuir en la predicción de la demanda de transporte público o taxi en las ciudades. Otra funcionalidad de la IA que permite dirigir la movilidad urbana hacia la gestión eficiente de los recursos.
Inteligencia artificial para reducir (o evitar) atascos
Otro gran campo de aplicación de la inteligencia artificial, concretamente la rama de esta llamada “Machine Learning” (a través de algoritmos, dota a los ordenadores de la capacidad de identificar patrones en datos masivos y elaborar predicciones sin necesidad de ser programados) es la predicción del volumen de congestión de las ciudades.
Los embotellamientos preocupan por varias razones: desde la evidente pérdida de tiempo, a la contaminación ambiental que generan. Tom Tom, la empresa dedicada a la creación de mapas y navegación asistida para el automóvil, hace un estudio anual de las ciudades más cogestionadas del mundo. En su “Índice de Tráfico” se mide el tiempo que un conductor tarda de más en completar un recorrido urbano de 10 kilómetros de distancia. La urbe más congestionada del mundo, entre las 357 analizadas en 55 países, es Londres. En las ciudades españolas, Vitoria está a la cabeza de las que tienen el tráfico más lento: los conductores invierten 21 minutos en recorrer 10 kilómetros. (Ojo: casi 40 minutos en el caso de Londres fuera de la hora punta).
Para intentar atajar los atascos, y disminuirlos en lo posible, también se usa la inteligencia artificial. Según la consultora Entelgy, cada español pierde 20 horas anuales de su tiempo en atascos. Así que, a través del análisis de datos en tiempo real, la IA puede predecir patrones de atascos y permitir a las autoridades tomar medidas antes de que se produzcan. Es más: también pueden coordinarse los semáforos inteligentes para mantener un flujo constante de tráfico, o abrir y cerrar carriles reversibles según la demanda del tráfico.
Pero una de las preguntas que nos hemos hecho todos cuando conducimos es ¿por qué hay atasco si no hemos visto ningún accidente en la carretera? Para darle respuesta, hace unos años, Berthold Horn, del Laboratorio de Ciencias Computacionales e Inteligencia Artificial del famoso MIT norteamericano (Massachusetts Institute of Technology), publicó un estudio en el que, usando técnicas de inteligencia artificial, se demostró que el flujo de tráfico mejoraría si todos los coches mantuvieran la misma distancia entre sí y los conductores no tendieran a pegarse al que los precede. Lo podéis ver de forma muy esquemática en la ilustración inferior.
Al realizar este estudio, el investigador analizó la conducta de las aves que vuelan en grandes bandadas sin chocarse entre sí. Gracias al análisis de datos de la inteligencia artificial, concluyó que si todos los coches mantuviesen una distancia entre sí de entre 4 y 5 metros (tarea que pueden facilitar los coches equipados con control activo de la velocidad) no sólo disminuirían los atascos, sino que la fluidez general aumentaría. Y con ella, disminuiría el consumo de combustible y, por lo tanto, las emisiones contaminantes.
