La ciudad británica de York es muy conocida por su enorme catedral gótica, sus murallas y su rica historia romana. El denso centro de la ciudad, muy apreciado por los 7 millones de turistas que la visitan cada año, plantea grandes retos a los planificadores del tráfico y de la ciudad. Como la capacidad de los carriles no puede aumentarse simplemente ampliando o añadiendo avenidas en el centro histórico, la ciudad lucha contra la congestión vial, la contaminación y la difícil accesibilidad. Por ello, York decidió recurrir a la innovación y a la tecnología punta para hacer frente a estos retos. Tras un año de aplicación, York es ahora la primera ciudad del Reino Unido que utiliza un modelo de transporte en tiempo real para la gestión del tráfico.
El nuevo modelo de transporte en tiempo real es un componente clave del Programa de Evolución de Viajes Inteligentes de la ciudad, STEP. El programa, lanzado en 2018 y financiado por el Gobierno del Reino Unido, se centra en enfoques digitales para la planificación del desarrollo y la gestión del tráfico, no solo en la infraestructura física. En su núcleo se encuentra una plataforma de datos, que reúne todo tipo de información de movilidad relevantes de diferentes fuentes con el objetivo de mejorar la conectividad para preparar el futuro de cómo la ciudad se enfrenta a los niveles cambiantes de la demanda.
“Estos datos son la base de la gestión del tráfico “, explica Michael Oliver, de PTV Group, responsable del éxito de la implantación del modelo de transporte en tiempo real de York. “Nuestro software para la modelización predictiva del tráfico, PTV Optima, está integrado con más de 100 sensores de flujo de tráfico en vivo, más de 100 controladores de señales en vivo, datos de velocidad en vivo en toda la red proporcionados por TomTom, e información actualizada sobre cambios en la red.”
La herramienta combina estos datos de tráfico con un modelo de transporte dinámico fuera de serie.
“De forma similar a como funcionan las previsiones meteorológicas”, dice Oliver. “Las condiciones de tráfico actuales se actualizan constantemente y pueden preverse hasta con una hora de antelación. Esta previsión proporciona a la sala de control una imagen coherente y detallada de toda la capacidad de tráfico actual”.
Los gestores de tráfico pueden supervisar constantemente todas las avenidas. Obtienen una visión detallada de lo que ocurre en toda la red, no sólo de los lugares con sensores o CCTV. El modelo identifica los mejores escenarios para gestionar los atascos, los cierres de avenida o las obras y permite a la sala de control probar escenarios alternativos para la próxima hora, el próximo día o semanas en el futuro.
La ciudad dispone así de un activo de modelización vial operativa para supervisar las condiciones actuales, planificar el futuro próximo, observar cómo se desarrollan los planes y utilizar este conocimiento para mejorar las estrategias futuras.
“Antes de STEP, los cruces se modelaban de la mejor manera posible, se probaban y se ajustaban mediante la observación cuando se implementaban, y luego los funcionarios de control de la red (NMO) estaban atentos a los CCTV, Twitter y las redes sociales para detectar cualquier incidente o tráfico congestionado. Esta última parte fue sobre todo reactiva, y cada segunda cuenta con la capacidad de la red”, explicó el director del proyecto STEP, James Guilliatt, en una entrevista con la revista TransportXtra. “Optima, como parte de STEP, nos proporciona ahora predicciones y alertas que pueden informar a las autoridades nacionales de tráfico mucho antes del punto de crisis, de modo que las intervenciones pueden realizarse antes y con mayor eficacia, por ejemplo, activando antes los planes de señalización de las horas punta si se produce un pico inesperado. Una especie de prevención más que de cura”.
Dave Atkinson, director de programas y Smart Place del ayuntamiento de la ciudad de York, también saca una conclusión positiva pocas semanas después de la puesta en marcha del proyecto en junio de 2021: “En esta primera fase ya está demostrando ser un éxito. Somos capaces de predecir los niveles de tráfico futuros basándonos en el comportamiento del tráfico en tiempo real y gestionar mejor el flujo de tráfico en periodos de gran afluencia ajustando los semáforos para que se adapten mejor a las condiciones del tráfico.”
La nueva estrategia y el modelo de transporte en tiempo real se mantendrán activamente durante al menos los próximos seis años, con muchas posibilidades de ampliación.
Michael Oliver concluye: “Actualmente el modelo de transporte en tiempo real se utiliza sólo para el tráfico de automóviles. En el futuro, una integración con los datos del transporte público en tiempo real podría ser otra gran opción. Los datos de localización de los autobuses en directo podrían importarse al programa para que los gestores de tráfico pudieran ver dónde están los autobuses en tiempo real, junto con sus retrasos actuales, y utilizar esta información para apoyar la toma de decisiones sobre dónde, cuándo y cómo priorizar las intervenciones.”