Mirada científica

Big data y optimización, motores de la futura movilidad sostenible

vista nocturna de una ciudadCreo que ya no hace falta convencer a nadie de que la Inteligencia Artificial, los modelos de Aprendizaje de Máquina (Machine Learning), el Big Data y las técnicas de optimización han irrumpido en nuestra sociedad, en el tejido empresarial, en nuestro día a día, en especial, en estas dos últimas décadas, y nos costaría imaginar un mundo sin estos avances tecnológicos. Se podrían enumerar cientos de escenarios o casos de uso –Finanzas, Industria, Marketing, Sociología, Medicina…–, pero me gustaría centrarme en la movilidad sostenible, la logística y lo que ahora se conoce como Smart Cities.

Con motivo de la próxima celebración del I Congreso Online de Movilidad Sostenible (COMUS 2020), fui invitado a hablar sobre este tema tan actual y apasionante. En primer lugar, me gusta siempre diferenciar entre los problemas de predicción del futuro y los de mejora de la eficiencia. Cuando hablamos de predicción de futuro, nos referimos a predecir el número de viajeros que van a utilizar un medio de transporte o una autopista, predecir las condiciones de tráfico en una ciudad o un tramo de carretera, predecir los patrones de movilidad, predecir el número de turistas que visitarán Sevilla o, mucho mejor, que quieren visitar Sevilla pero no tienen una conexión aérea directa, predecir los envíos de paquetería o el número de barcos de mercancías que van a llegar a puerto, entre muchos otros. Para todos ellos usamos técnicas de aprendizaje de máquina, como, por ejemplo, las redes neuronales.

La mayoría de estos problemas son dinámicos y deberían resolverse periódicamente para adaptarse a las condiciones cambiantes de su entorno

Por otro lado, están los problemas de mejora de la eficiencia o de aprovechamiento de los recursos limitados que poseemos, ampliamente estudiados en Investigación Operativa. Aquí nos referimos a usar una flota (imaginemos Lipasam o Tussam) de la manera más eficientemente posible, optimizar sus rutas, maximizar el nivel de satisfacción de los usuarios, minimizar los costes, minimizar las emisiones… O incluso planificar los turnos de los conductores, o minimizar los movimientos de contenedores en un puerto. O uno muy cercano como fue la determinación de los puntos óptimos donde localizar estaciones de Sevici o las propias estaciones de metro. La mayoría de estos problemas son dinámicos y se deben (o deberían) resolver periódicamente para adaptarse a las condiciones cambiantes del problema y su entorno.  Un bonito ejemplo de lo que podría ser una Smart City combinando los dos enfoques anteriores lo encontraríamos, por ejemplo, en la determinación diaria de las rutas óptimas de recogidas de residuos en función de la predicción realizada de toneladas para ese día, en lugar de usar rutas estáticas que visitan contenedores o muy llenos o, lo peor, muy vacíos. A favor de Lipasam tengo que decir que esto ya se ha probado en algunas zonas de Sevilla, aunque no ha llegado a implantarse en su totalidad.

Actualmente se debate mucho sobre el uso de la geolocalización de los ciudadanos mediante el uso de técnicas de posicionamiento (GPS de nuestros dispositivos móviles o triangulación de antenas). Primero fue el Instituto Nacional de Estadística, quien en colaboración con las principales compañías telefónicas lanzó un proyecto para analizar los patrones de movilidad, pero, recientemente, debido a la crisis sanitaria del Covid-19, se ha publicado en el BOE nº 86, de 28 de marzo de 2020, diferentes iniciativas para promover el desarrollo de aplicaciones que geolocalicen a los ciudadanos y sirvan para determinar si algún ciudadano se han saltado las medidas de confinamiento para irse a la playa o si alguno de nosotros está o ha estado cerca de alguna persona infectada. El potencial y los beneficios de este tipo de analítica de datos es incalculable y ayudaría a explicar, contener y predecir la evolución de contagios. Lo que, lógicamente, nos preocupa a todos es que se nos garantice a los españoles la anonimización y confidencialidad de los datos y, en general, un uso racional y legal de dichos datos.

 

Alfredo GarcíaAlfredo García Hernández-Díaz

Catedrático de Métodos Cuantitativos, Universidad Pablo de Olavide

Director Académico del Máster en Planificación, Economía y Operación del Transporte Urbano y Metropolitano

Biblioteca/CRAI

28-30 octubre

st International Conference On Student Participation