El proyecto OptimalSharing @SmartCities busca en el diseño de nuevos algoritmos las soluciones para optimizar el transporte compartido. Más allá de las grandes ciudades, donde ya son habituales estos servicios, su idea es ver cómo aplicarlo también en las de pequeño tamaño.
Conseguir que el transporte urbano y los desplazamientos sean más eficientes y sostenibles es un desafío político de las ciudades del futuro. Los investigadores de esta línea valoran los nuevos servicios de transporte innovadores, como los vehículos compartidos, una forma que de responder a estas demandas. La cuestión es que también presentan retos operativos complejos: desde decidir cuántos aparcamientos son necesarios para estas flotas de vehículos hasta calcular la ruta más adecuada según el estado del tráfico.
La Universitat Politècnica de València, y en concreto, personal investigador de su campus de Alcoy, participa en OptimalSharing @SmartCities. Su trabajo es llevar a cabo esas ideas para una «optimización ágil». ¿Qué quiere decir eso? La idea es que los algoritmos sean capaces de procesar rápidamente grandes cantidades de datos para apoyar la toma de decisiones en tiempo real. El proyecto está liderado por la Universitat Oberta de Catalunya y toma como ejemplo Barcelona. La novedad es que lo trabajan para que pueda aplicarse a cualquier ciudad que ofrece servicios de vehículos compartidos.
«Con una toma de decisiones más eficiente, se podría ahorrar tiempo a los ciudadanos», asegura el catedrático Ángel A. Juan. Eso permitiría «reducir el consumo de energía y aumentar la seguridad y el bienestar social de los habitantes de grandes ciudades, como Barcelona o València». Así lo explica el profesor de la UOC, que también enfatiza el papel para municipios de menor tamaño.
Tres ciudades, tres tamaños
En la UPV, el equipo liderado por la profesora Elena Pérez fomentará que los resultados obtenidos en OptimalSharing @SmartCities para Barcelona se pueda aplicar fuera. Y así, ponerlo en práctica en ciudades como València o Alcoy. Este grupo de investigadores se encargará de definir los indicadores clave para el desarrollo de los algoritmos de optimización y que también se emplearán posteriormente en la evaluación de los pilotos de simulación.
El reto es «conocer cuál es el impacto esperado a todos los niveles» de conceptos como el uso temporal de vehículos compartidos o compartir viajes y rutas cortas. “Se pretende realizar una evaluación completa de los conceptos de carsharing y ridesharing» , apunta Elena Pérez. De ahí «los algoritmos de optimización ágiles que desarrollará el consorcio».
El aprendizaje automático
Se parte de grandes ciudades como Barcelona o València porque producen una gran cantidad de información en tiempo real. El internet de las cosas es el canal para ello, con sensores, cámaras y otros dispositivos electrónicos ubicados en vehículos e infraestructuras. El nuevo proyecto partirá del análisis de este tipo de información, que está recogida por la iniciativa Open Data BCN, el servicio de datos abiertos del Ayuntamiento de la ciudad. «El primer paso será analizar todos los datos disponibles sobre la movilidad de los ciudadanos, utilizando algoritmos de aprendizaje automático para identificar patrones de movilidad y demandas de los ciudadanos», explica Juan.
A partir de estos datos, el objetivo del proyecto será desarrollar algoritmos capaces de optimizar en tiempo real prácticas de transporte compartido, como, por ejemplo, el carsharing o el ridesharing. Ante este reto, el grupo ICSO, en colaboración con otros investigadores nacionales e internacionales, ha desarrollado los algoritmos de optimización ágil.
«Coordinar los flujos de tráfico de tantos vehículos en un sistema tan dinámico como es una ciudad inteligente, donde las condiciones de tráfico o ambientales cambian continuamente, es un proceso altamente complejo», señala el coordinador de OptimalSharing @SmartCities. Eso implica que no es posible utilizar métodos tradicionales o que requieran un tiempo de computación alto. Aquí es donde los algoritmos ágiles desempeñan un papel determinante, ya que permiten la reoptimización continua y en tiempo real de estos sistemas dinámicos», destaca.
Sidma: el futuro del mantenimiento predictivo de la maquinaria es con aprendizaje automático
Ciencia abierta
El proyecto OptimalSharing @SmartCities está previsto que finalice a mediados de 2023. En ese tiempo se habrá trabajado bajo una política de ciencia abierta. Es decir, los resultados, tanto los conceptos y algoritmos como la plataforma de simulación de tráfico, estarán disponibles públicamente. Y así los socios y las partes interesadas puedan probar nuevos modelos de movilidad basados en carsharing y ridesharing.
El proyecto cuenta con la colaboración de diferentes empresas y organizaciones vinculadas con el sector de la movilidad urbana y el transporte sostenible. Uno de los objetivos del proyecto es «exportar los resultados y aprendizajes del mismo a otras ciudades españolas, y también otras del resto de Europa» concluye Ángel A. Juan.
