El tráfico no es solo una molestia para quienes conducen: también representa un riesgo para la salud pública y perjudica a la economía.
Los estudios sobre transporte estiman que el costo anual de la congestión asciende a 160.000 millones de dólares, lo que incluye 7.000 millones de horas perdidas en atascos y 3.000 millones de galones adicionales de combustible consumido.
Una forma de mejorar el tráfico es compartir coche, y un nuevo estudio del MIT sugiere que las opciones para compartir coche de empresas como Uber y Lyft podrían reducir a un tercio el número de vehículos en circulación sin afectar significativamente al tiempo de viaje.
Bajo la dirección de la profesora Daniela Rus, directora del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT, los investigadores desarrollaron un algoritmo que determinó que 3.000 coches de cuatro plazas podrían atender el 98 % de la demanda de taxis en la ciudad de Nueva York, con un tiempo de espera medio de solo 2,7 minutos.
«En lugar de transportar a las personas de una en una, los conductores podrían llevar a dos, tres o cuatro personas a la vez. Así harían menos viajes en menos tiempo y ganarían lo mismo», afirma Rus. «Un sistema así permitiría a los conductores trabajar turnos más cortos y, además, reduciría el tráfico, mejoraría la calidad del aire y acortaría los desplazamientos, haciéndolos menos estresantes».
El equipo también descubrió que tan solo 2.000 vehículos de 10 plazas cubrirían el 95 % de la demanda, frente a los casi 14.000 taxis que circulan actualmente por la ciudad de Nueva York.
A partir de datos de 3 millones de viajes en taxi, el nuevo algoritmo funciona en tiempo real para modificar las rutas de los coches según las solicitudes entrantes. También puede enviar de forma proactiva los coches inactivos a zonas con alta demanda, una medida que, según Rus, acelera el servicio un 20 %.
«Que sepamos, esta es la primera vez que los científicos han podido cuantificar experimentalmente la relación de equilibrio entre el tamaño de la flota, la capacidad, el tiempo de espera, los retrasos del viaje y los costos operativos para una variedad de vehículos, desde taxis hasta furgonetas y minibuses», afirma Rus. «Además, el sistema es especialmente adecuado para los coches autónomos, ya que puede modificar continuamente las rutas de los vehículos en función de las solicitudes en tiempo real».
Rus escribió un artículo sobre este trabajo junto con Javier Alonso-Mora, antiguo investigador posdoctoral del CSAIL; Samitha Samaranayake, profesora adjunta de la Universidad de Cornell; Alex Wallar, estudiante de doctorado; y Emilio Frazzoli, profesor del MIT. El artículo se publicó en el número de esta semana de Proceedings of the National Academy of the Sciences.
Aunque el concepto de compartir coche existe desde hace décadas, solo en los últimos dos años servicios como Uber y Lyft han aprovechado los datos de los teléfonos inteligentes de tal manera que compartir coche se ha convertido en una opción económica y cómoda. (En 2015, Lyft informó que el 50 % de sus viajes en San Francisco se compartían con otros pasajeros.)
Sin embargo, los enfoques existentes siguen siendo limitados en cuanto a su complejidad. Por ejemplo, algunos sistemas para compartir coche exigen que la ruta del usuario B coincida con la del usuario A y requieren que se envíen todas las solicitudes antes de poder crear una ruta.
En cambio, el nuevo sistema permite reasignar las solicitudes a distintos vehículos. También puede analizar una variedad de tipos de vehículos para determinar, por ejemplo, dónde o cuándo sería más útil una furgoneta de 10 plazas.
El sistema funciona creando primero un grafo con todas las solicitudes y todos los vehículos. Después crea un segundo grafo con todas las combinaciones de viajes posibles y utiliza un método llamado «programación lineal entera» para calcular la mejor asignación de vehículos a los viajes.
Una vez asignados los coches, el algoritmo puede reequilibrar los vehículos inactivos restantes enviándolos a zonas con mayor demanda.
«Un desafío clave fue desarrollar una solución en tiempo real que tuviera en cuenta a la vez los miles de vehículos y solicitudes», afirma Rus. «Nuestro método lo permite porque ese primer paso nos ayuda a comprender y abstraer la red viaria con gran nivel de detalle».
El resultado final es lo que Rus llama un «algoritmo óptimo en cualquier momento», es decir, mejora cuantas más veces se ejecuta. Rus afirma que está deseando ver cuánto puede mejorar con nuevos ajustes.
«Los servicios para compartir coche tienen un enorme potencial para generar un impacto social positivo en materia de congestión, contaminación y consumo energético», afirma Rus. «Es importante que, como investigadores, hagamos todo lo posible por explorar maneras de hacer que estos sistemas de transporte sean lo más eficientes y fiables posible».
