Seguro que muchas mañanas se ha preguntado, mientras está atascado con el coche camino del trabajo, si no habría una manera mejor de regular el tráfico. Todos conocemos cruces donde un semáforo está en verde demasiado poco tiempo o donde se da mucho tiempo en verde a calles con poco tráfico y pensamos que si se cambiasen mejoraría el flujo del tráfico. Y aunque seguro que hay casos en los que tendremos razón, nos preguntamos, ¿por qué no se cambian? ¿Cómo hacen para saber el tráfico que circula por las ciudades y ajustar los semáforos? | Lea esta y otras noticias en la revista gratuita eE Seguros.
Todos hemos visto cómo en las ciudades ponen medidores de tráfico en el asfalto. Unas cajas metálicas en la acera de la que salen dos tubos de plástico que se colocan en el asfalto en paralelo. Con estos medidores podemos saber muchas cosas. La hora a la que pasa un coche, la velocidad aproximada a la que circula -distintos coches tienen distinta distancia entre ejes- y si son turismos, autobuses o camiones. Estos datos nos pueden dar una idea de lo congestionada que puede estar una calle, algo que, junto con datos de otras calles, podemos usar para estimar cambios.
El problema es que si cambiamos el flujo de coches que circulan por una calle, eso creará un efecto en cadena hacia atrás. Solo con datos del tráfico actual es complicado calcular de manera detallada el efecto que puede llegar a tener en otras calles, aunque existen modelos matemáticos para saberlo. De hecho, el uso de modelos matemáticos para calcular y diseñar el tráfico empezó en la década de los años 50. Poco a poco se fueron diseñando distintos modelos, unos basados en datos empíricos y otros en datos teóricos, pero, aun así, no existe un consenso sobre qué modelos ofrecen mejores resultados y muchas veces depende de qué queramos estudiar -autopistas, calles de grandes ciudades, intersecciones o cruce de carreteras, etc.-.
Pero en los últimos años, gracias al avance en capacidad de computación, tenemos nuevas maneras de analizar y simular el tráfico. Gracias a los ordenadores podemos hacer simulaciones del tráfico y ver la evolución en el tiempo de una manera más intuitiva. Pero las simulaciones de tráfico requieren mucha potencia, por lo que existen distintos tipos de simulaciones que podemos agrupar en dos: simulaciones macroscópicas o microscópicas. Cada una tiene sus ventajas y sus inconvenientes, como veremos a continuación.
Tráfico y comportamiento del conductor
El tipo de simulación depende del nivel de detalle que queramos tener. Las simulaciones macroscópicas muestran el tráfico con un bajo detalle. El tráfico se representa como un agregado de distintos factores como la velocidad media, el flujo de coches o la densidad. Hoy en día todos tenemos un ejemplo de una representación del tráfico a escala macroscópica en nuestra mano: Google Maps. Si bien Google Maps y otros programas nos muestran el tráfico en directo -a través del número de móviles que hay en el área con el GPS activo, análisis de las imágenes de las cámaras de tráfico, etc.-, la manera de representarlo es macroscópica, con colores para determinar el estado del tráfico.
El beneficio de este método es que no requiere de tanta capacidad de procesamiento para poder arrojar predicciones sobre el estado del tráfico y es capaz de analizar una mayor área y las interacciones entre ellas, pero a cambio tenemos poco nivel de información e interacción entre vehículos. Los humanos somos poco predecibles y es complicado añadir esta variabilidad del comportamiento en estos modelos a alto nivel.
Sin embargo, las simulaciones microscópicas ayudan a entender las interacciones entre vehículos, ya que se modela el comportamiento de cada individuo, al que se le dota de una serie de características al azar -mayor o menor agresividad al volante, velocidad, destino, etc.-. Este tipo de simulaciones microscópicas son muy interesantes para analizar cómo se comportará el tráfico en una sección concreta. Por ejemplo, si se quiere rediseñar una rampa de incorporación a una autopista en la que, justo después hay una bifurcación, este sistema nos dará un análisis detallado de qué problemas hay, diseñar soluciones y probarlas. La pega es el alto coste computacional a medida que aumentamos el área que queremos analizar, lo que lo hace inviable para grandes superficies. Estas técnicas se usan en muchas situaciones, tales como analizar la viabilidad de diseños antes de construirlos, diseñar nuevas maneras de reconducir el tráfico, evaluar los efectos del cambio en semáforos o sentidos de circulación de calles, análisis de la seguridad de las carreteras, etc.
Por otro lado, hemos visto cómo en China una Inteligencia Artificial a cargo del sistema de transporte fue capaz de reducir los atascos y el tiempo de viaje medio en unos 15 minutos. Eso fue posible gracias a los análisis de tráfico en tiempo real, las predicciones basadas en la gran cantidad de datos previos y la capacidad de poder modificar semáforos en tiempo real. Ésta es una tecnología integral que tardará mucho en implementarse a gran escala, pero existen simuladores de tráfico como TSIS/Corsim o similares, que permiten a pequeñas y grandes ciudades mejorar el tráfico rodado con la infraestructura actual.
En el futuro, aun con vehículos autónomos capaces de interconectarse y anticipar las trayectorias -por lo que no hará falta semáforos para el tráfico rodado-, seguirá haciendo falta diseñar y validar las infraestructuras que se usarán, por lo que la vida de estas herramientas no terminará cuando los humanos dejemos de conducir manualmente.