Hoy en día, la congestión en las autovías es un problema global, de hecho, casi todas las naciones lo sufren en mayor o menor grado. Entre otras incidencias, ésta causa pérdidas comerciales debido al
aumento de tiempo de viaje y pone en peligro la calidad del medio ambiente debido a las mayores emisiones de CO2 resultantes del atasco. Se estima que los gastos ocasionados por la congestión aumentarán en aproximadamente un 50% para 2050. Por estas razones, el control del tráfico para aliviar la congestión de la carretera es un problema importante a tratar por los Sistemas de Transporte Inteligentes.
Por otra parte, el adelantarse a las congestiones es un componente clave de los Sistemas de Transporte Inteligentes, dado que las predicciones dadas pueden ser utilizadas tanto por los conductores, con el fin de replanificar sus rutas, como por los gestores de tráfico y autoridades, para mejorar el tráfico vehicular.
Hay una serie de circunstancias específicas que causan o agravan la congestión, la mayoría de ellas reducen la capacidad de una carretera en un tramo determinado, o durante un determinado periodo de tiempo. En muchas ciudades altamente pobladas la congestión vehicular es recurrente, y se atribuye a la gran demanda del tráfico. La mayoría del resto se atribuye a incidentes de tránsito, obras viales y eventos climáticos. Es difícil predecir en qué condiciones un atasco sucede, pues puede ocurrir de repente. Se ha constatado que los incidentes pueden causar repercusiones, que luego se difunden y crean un atasco.
Gracias a la alta sensorización de la que disponen las vías en la actualidad, es posible conocer el estado de la vía (número de vehículos, velocidad promedio, y un largo etcétera) en multitud de sus puntos, y con una frecuencia lo suficientemente alta como para que los datos obtenidos sean prácticamente intratables por operadores humanos. Es ahí donde las técnicas de inteligencia artificial y de minería de datos entran en juego para, a partir de grandes cantidades de datos, extraer conocimiento que pueda resultar de interés tanto para los operadores de tráfico (con el fin de actuar en consecuencia) como para los propios conductores (para, llegado el caso, tomar rutas alternativas).
DeustoTech Mobility promueve una movilidad más eficiente, sostenible, segura y confortable a través del uso de las tecnologías de la información y comunicación.
Como unidad de investigación viene desarrollando sistemas basados en inteligencia artificial capaces de predecir la congestión en un determinado punto de la carretera, en función de los datos recogidos por el sensor situado en un punto de interés de la vía, así como por lo sensores situados antes y después de éste.
Gracias a las técnicas utilizadas, se obtiene, de una manera automática, un conocimiento estructurado en forma de reglas, de manera que sea comprensible por cualquier persona. Así, estas técnicas permiten generar mensajes de la forma:
«Es muy posible que, si el flujo de vehículos actual se mantiene durante aproximadamente una hora, ocurra una retención en las inmediaciones del punto kilométrico 56»
Experimentos realizados con datos de tráfico de carreteras californianas, en colaboración con la Universidad de Hong Kong, han demostrado que se puede predecir la aparición de un atasco con 30 minutos de antelación con un acierto superior al 95%. Gracias a estas investigaciones, se abre campo para el desarrollo de nuevos navegadores que consideren éstas predicciones, y sean capaces, aparte de darnos la ruta más rápida, o más corta, darnos rutas que eviten que nos encontremos con atascos en el momento de recorrerlas.
Escrito por ENRIQUE ONIEVA CARACUEL. Investigador Post-Doctoral en DeustoTech Mobility. Profesor de Inteligencia Artificial en el Máster en Ingeniería Informática
