La irrupción de la IA y tecnologías emergentes ofrece nuevas herramientas, pero no reemplaza la necesidad de una gestión de tránsito integral
por Rodrigo Fernández, Profesor Titular, Facultad de Ingeniería y Cs. Aplicadas, U. de los Andes. Director de Sochitran
La Inteligencia Artificial (IA), el Internet de las Cosas (IoT), los vehículos autónomos (VA) y el Big Data se presentan con frecuencia como la solución definitiva a la congestión vehicular. Animaciones muestran autos cruzando intersecciones sin detenerse ni colisionar, en flujos continuos de 1.800 vehículos por hora y por pista. Un futuro ordenado y sin congestión parece posible: calles sin semáforos y sin cuellos de botella.
Pero estas visiones tienen una omisión clave: no incluyen a los otros usuarios. Si un bus necesita un intervalo de 4 segundos, la capacidad caerá a 900 veh/h/pista. Si una persona mayor o un niño requiere de ocho segundos para cruzar, el flujo se reducirá a 450 veh/h/pista. Al incorporar estos actores, la capacidad de la intersección cambia radicalmente. Y surgen preguntas como: ¿Cuál sería entonces la capacidad real de la intersección? ¿Cómo se propagarán estos efectos en la red? ¿Se alcanzará un equilibrio estable o un eterno transiente peor que un estado estacionario subóptimo?
La mayoría de las aplicaciones actuales de IA para la gestión de tránsito apuntan a optimizar el movimiento de vehículos livianos, detectando sus posiciones y “conversando” entre sí y con el semáforo. En otras palabras, buscando una programación ultra dinámica de los semáforos que aumente la capacidad de la intersección. Es, en esencia, una versión tecnológica del paradigma de los años sesenta: aumentar la capacidad vial mediante un control más eficiente de las intersecciones. Sabemos cómo termina esa historia: los flujos tienen la habilidad de sobreponerse a cualquier aumento de la capacidad vial (Goodwin, 1995).
Otra cosa olvidada por este resucitado paradigma del predict and provide de los’60 es que la gestión de tránsito va más allá de sola la programación de los semáforos. Involucra la jerarquización de la red vial que indicará la forma de regular los cruces y el uso de las calles; dónde y cuándo otorgar prioridad al transporte público, peatones y ciclistas; cómo y dónde controlar los estacionamientos; y cuál es el mejor diseño vial para que lo anterior funcione. A esto se suma la fiscalización efectiva y la evaluación ex post para verificar si las medidas producen los resultados esperados.
En muchos casos, ni siquiera se necesitarían Big Data. Datos simples y abiertos (“Small Data”), combinados con el conocimiento y experiencia de los ingenieros de transporte, permiten una gestión de tránsito más efectiva y realista que estas visiones futuristas.
La verdadera pregunta es: ¿Qué problema queremos resolver? Si solo buscamos mover más autos, la tecnología servirá para perpetuar el modelo actual. Si queremos movilidad equitativa y eficiente, debemos definir objetivos primero y elegir la tecnología después. De lo contrario, solo obtendremos una congestión más ordenada.
