Cómo la IA puede ayudar a las ciudades a gestionar mejor el transporte

La gestión de la infraestructura y el diseño de vehículos están evolucionando gracias a las oportunidades que ofrece el uso generalizado de dispositivos, como teléfonos inteligentes y sensores de localización en el vehículo, para procesar, recopilar e intercambiar información entre usuarios y proveedores de servicios, así como para monitorear y detectar comportamiento de los vehículos y comportamiento de las personas.

En conjunto, estos crean una gran cantidad de datos (big data), que es la fuente principal para usar la IA en el transporte, lo que permite que las computadoras realicen actividades para humanos, como conducir.

Niveles de automatización
La aplicación de inteligencia artificial más avanzada y revolucionaria en el transporte actual es la automatización de vehículos. La clasificación más utilizada para describir el grado de automatización la definen las normas de la Sociedad Internacional de Ingenieros Automotrices (SAE). Esto proporciona seis niveles de automatización (incluido el Nivel 0, lo que significa que no hay automatización), identificados según quién (es decir, conductor o sistema humano) realiza la operación y en qué momento.

Los automóviles de hoy en día están generalmente equipados con características SAE de nivel 1 y 2, comúnmente conocidas como sistemas avanzados de asistencia al conductor (ADAS), como asistencia de estacionamiento, control de crucero, luces delanteras adaptables y asistencia de mantenimiento de carril (consulte la figura 1). Estos dispositivos ayudan a los conductores a proporcionar ayuda, advertencia y asistencia, en lugar de reemplazarlos en las actividades de conducción (automatización total).

Además, algunos fabricantes de vehículos pueden ofrecer modelos equipados con funciones de automatización parcial, como el piloto automático en determinadas condiciones y el servicio de aparcacoches autónomo, pero los conductores deben tener el control del vehículo en todo momento (nivel 3 de SAE).

En el futuro, se espera que los principales fabricantes de automóviles, así como los recién llegados a la industria automotriz como Google, comercialicen vehículos totalmente automatizados (AV), que podrán actuar como un agente inteligente y adaptarse a su contexto utilizando datos recopilados en en tiempo real desde cámaras, sistemas de detección de luz y rango (LiDAR), sensores de localización y mapas digitales.

Adaptando la infraestructura
Aunque algunos pueden argumentar que los AV podrán operar en cualquier contexto externo, es muy probable que la IA también impacte en la forma en que se diseña y gestiona la infraestructura de transporte, para mejorar las condiciones de seguridad y controlar las condiciones del tráfico en tiempo real. 

La movilidad futura se caracterizará por un uso extensivo de vehículos que requieren un diálogo continuo con otros elementos del sistema (vehículos, peatones, ciclistas e infraestructura) para orientarse en el entorno de conducción, es decir, vehículos conectados y automatizados (CAV) y por ' carreteras inteligentes debidamente equipadas para adaptarse a ellas. Los semáforos inteligentes son un ejemplo de cómo los vehículos y la infraestructura podrían cooperar tanto para mejorar las condiciones generales del tráfico al adaptar los ciclos verde / rojo a los flujos reales que se acercan a la intersección, como para priorizar vehículos, como ambulancias, reconociendo una emergencia mediante el procesamiento de datos, sonidos e imágenes.

Estos avances tecnológicos en vehículos e infraestructura también irán acompañados del desarrollo de servicios de tránsito innovadores para promover el uso de soluciones de transporte multimodal sin fisuras. Si se planifica e integra correctamente con el tránsito masivo rápido existente, los CAV podrían generar grandes beneficios en términos de sostenibilidad ambiental, social y económica, promoviendo un uso más eficiente y consciente de los recursos.

Por ejemplo, los vehículos autónomos podrían usarse principalmente como "servicios alimentadores" para conectar a las personas que viven en áreas rurales o en zonas urbanas de baja densidad, donde las líneas de tránsito no operan con altas frecuencias debido a los bajos niveles de demanda, con el metro y el tren. estaciones, ampliando sus áreas de influencia, aumentando el uso del transporte público y reduciendo la necesidad de tener un automóvil.

También podrían potenciar la movilidad potencial de usuarios con capacidades limitadas o sin carnet de conducir (personas mayores o jóvenes, por ejemplo), y permitirles realizar otras actividades, como leer o hablar por teléfono, mientras viajan en coche.

Se prevé que los sistemas automatizados también tendrán una gran presencia en el transporte de mercancías, tanto para la entrega de la primera como de la última milla en áreas urbanas, a través de vehículos comerciales ligeros autónomos o 'drones de carretera'.

El camino por delante
De hecho, es probable que en un futuro próximo se produzcan algunos cambios radicales en el transporte urbano. Los viajeros recibirán soluciones de movilidad para sus viajes que no requieren la propiedad de un vehículo, sino que se basan en el alquiler y el uso compartido con el resto de la comunidad (es decir, movilidad compartida). Sin embargo, la amplia difusión de vehículos en las zonas urbanas podría provocar un aumento de la congestión de las carreteras, un mayor consumo de energía, emisiones contaminantes, impacto visual y gasto de uso del suelo. Un mayor volumen de viajes podría generarse no solo por la disponibilidad de más vehículos, sino también por la presencia de vehículos vacíos que circulan por las carreteras para evitar estacionarse o enviar entregas sin conductor.

En conclusión, es necesario evaluar cuidadosamente el amplio espectro de impactos potenciales de las aplicaciones de IA en los sistemas de transporte frente a los cambios que traerán a la movilidad, considerando también el impacto en el uso del suelo, la inclusión social y más.

Las ciudades deben prepararse para estos cambios con un enfoque doble. A corto plazo, podrían invertir en las innovaciones tecnológicas que estén disponibles en el mercado e integrarlas en los sistemas existentes. Esto ya está sucediendo con los semáforos inteligentes, por ejemplo. Estos dispositivos son capaces de autorregular el ciclo rojo-verde según los caudales que se acercan a las intersecciones y pueden autoprogramarse según la hora del día, la semana y el mes.

Al mismo tiempo, las ciudades deberán planificar la movilidad futura a largo plazo con un enfoque visionario que capture el alcance de la innovación que nos espera y que se caracterizará por la comunicación entre la infraestructura y los vehículos (Vehículo a Infraestructura / V2I ) y con personas (Vehicle-to-People / V2P), monitoreándose a sí mismos y reaccionando automáticamente a las condiciones externas.

Las ciudades deben planificar una transición fluida hacia el futuro, una transición económicamente sostenible pero también inclusiva, evitando cualquier forma de brecha digital. Esto significa repensar los sistemas de movilidad, incluidos los servicios de transporte público, el mantenimiento de la infraestructura, la logística, las tarifas y la regulación. También significa invertir en el desarrollo de capacidades y la formación con el fin de educar y establecer el estándar para que los analistas de transporte de alto nivel puedan gestionar y gobernar estos nuevos procesos.