El futuro del transporte parece estar lleno de posibilidades divertidas y llamativas. Desde sistemas de transporte hyperloop ultrarrápidos, hasta coches autónomos y taxis voladores, las nuevas tecnologías prometen llevarnos más lejos y más rápido que nunca. Sin embargo, ante problemas cotidianos como la congestión, la contaminación del aire y la capacidad insuficiente, la solución más eficaz para las ciudades podría ser el humilde autobús, combinado con el poder de los datos.
Por supuesto, en muchas ciudades la tecnología ya ha empezado a sustituir los horarios impresos por paneles de salidas en tiempo real, que utilizan datos en directo sobre la ubicación de los autobuses obtenidos mediante seguimiento GPS. Pero esto es solo el comienzo. Hay una fuente de datos que podría ofrecer una visión en tiempo real de toda la red de transporte de una ciudad sin invertir ni un céntimo. Y probablemente la llevas contigo ahora mismo.
Los teléfonos móviles modernos contienen una variedad de sensores, como GPS, acelerómetro, giroscopio, brújula digital y otros, capaces de generar un flujo constante de datos. Las unidades individuales de movimiento, rastreadas mediante el GPS de un teléfono y procesadas de forma masiva, pueden aportar información detallada sobre los tiempos de viaje, la velocidad y los destinos.
Intercambio justo
Por supuesto, utilizar estos datos sin poner en riesgo la privacidad de los usuarios supone un desafío. Cuando se trata de información de ubicación, la anonimización tiene sus límites. Pero existe una solución ingeniosa. A cambio de sus datos, los pasajeros podrían recibir numerosos beneficios, como rutas y horarios más flexibles, adaptados a las necesidades de cada hora. El nivel de servicio podría vincularse directamente a la cantidad de datos que cada pasajero decida compartir.
Al combinar estos datos con un sistema eficiente de billetes para diversos medios de transporte, como autobuses, tranvías, trenes, taxis y otros, sería posible crear un sistema flexible y adaptable, capaz de ajustar las soluciones de transporte a las necesidades de cada persona.
Al salir de casa, las personas podrían indicar su destino y recibir orientación hacia la ruta más rápida, barata, saludable o respetuosa con el medioambiente para llegar ese día, por cualquier medio y a un precio estándar por unidad de distancia. Las rutas responderían a los cambios del tiempo y a los cierres de carreteras, con horarios y servicios flexibles para adaptarse a un martes lluvioso en el que todo el mundo prefiera tomar el autobús en vez de caminar o ir en bicicleta. La masificación podría reducirse repartiendo la carga de viajeros entre distintos medios de transporte.
Lo mejor es que el sistema estaría aprendiendo y mejorando constantemente. Es relativamente sencillo programar automáticamente servicios adicionales en tiempo real si, por ejemplo, hay un número inusualmente alto de personas esperando en una parada concreta. Sin embargo, gracias al aprendizaje automático avanzado, que procesa grandes cantidades de datos históricos para detectar patrones, se podrían anticipar las caídas y los aumentos de la demanda. Permitir que una red de transporte aprenda por sí misma a partir de los datos de sus usuarios puede ayudarla a ofrecer un mejor servicio, manteniendo al mismo tiempo los modestos márgenes del proveedor.
El sistema de transporte también puede utilizarse como herramienta para promover el bien social. Por ejemplo, el precio puede influir poderosamente en cambios de comportamiento positivos: se podrían ofrecer descuentos a quienes se bajen una parada antes y recorran a pie el resto del trayecto. También se puede mejorar el propio autobús o tranvía convirtiéndolo en un espacio para la cultura, la educación y la información. La publicidad podría complementarse o incluso sustituirse por televisión comunitaria, arte público e información educativa, que ofrecerían una experiencia más positiva a un público cautivo.
¿Ya es posible?
Todo este potencial puede hacerse realidad hoy: no en el futuro, sino aquí y ahora. Los principales desafíos son superar la tradición, usar un único billete en distintos medios de transporte y repartir los ingresos entre una compleja red de proveedores de transporte bajo la jurisdicción de una sola autoridad de transporte.
Junto con la Universidad de Bournemouth, una pequeña empresa de tecnología digital, We Are Base, intenta precisamente hacer eso. Juntos, estamos buscando formas de aprovechar los datos para que el transporte público sea una opción mejor que los vehículos privados en cuanto a puntualidad, flexibilidad y comodidad. También recopilamos y analizamos datos en tiempo real para demostrar cómo una red de transporte podría utilizar el aprendizaje automático para optimizar la eficiencia del transporte de sus clientes.
La tecnología es la parte relativamente fácil; negociar la política local suele resultar más difícil. Por ejemplo, encontrar una forma justa de repartir los ingresos por billetes entre los operadores que participan en un trayecto que utiliza más de un medio de transporte, posiblemente a través de varias zonas y distritos. También es esencial ganarse la confianza de los consumidores. Para que estos sistemas funcionen, los usuarios deben elegir seguir las recomendaciones de viaje, aunque en ese momento no parezcan óptimas. Esto es especialmente difícil: al fin y al cabo, ¿cuántos podemos decir que confiamos en las empresas locales de autobuses cuando algunas todavía tienen dificultades para prestar los servicios según un horario fijo?
La oportunidad de una revolución del transporte está aquí, pero para que funcione hay que aspirar a ella. El primer paso es que los consumidores y las autoridades locales comprendan y reconozcan los beneficios de un sistema de transporte local que aprende por sí mismo, se adapta y es realmente flexible. Y, dado que está a nuestro alcance, no deberían conformarse con menos. Así que, la próxima vez que alguien proponga una solución nueva y llamativa a los problemas del transporte, recuerda que la verdadera innovación está en manos de los propios viajeros, encerrada en sus teléfonos móviles.
