Especialmente en la docencia y la investigación, el intercambio de ideas y los debates con los colegas son esenciales para el desarrollo personal y el éxito del propio trabajo de investigación de la modelación de transporte. En febrero de 2021 tuvo lugar por primera vez el Foro Académico PTV. Una plataforma, creada para los tutores e investigadores del panorama de la enseñanza superior de habla alemana y del sureste de Europa, con el propósito de debatir las tendencias actuales de la movilidad en el transporte y aprender unos de otros. Este año fue especialmente emocionante la sesión de trabajo con expertos de renombre sobre el tema “Tendencias de la movilidad: Innovación en la investigación”.
Hemos resumido para usted las declaraciones clave sobre las tendencias de movilidad de 2021. ¡Diviértase!
Tendencia “La bicicleta en la modelación del transporte”
Elisabeth Lerch, Universidad de Ciencias Aplicadas de Frankfurt
En la Universidad de Ciencias Aplicadas de Frankfurt, nuestro principal interés en el marco de la nueva cátedra dotada para el transporte en bicicleta reside en identificar cómo entendemos y estructuramos nuestra tarea docente. Nuestra tarea más importante en este momento es investigar qué campos de investigación existen ya sobre el tema del “transporte en bicicleta” y dónde hay más necesidad. Así podremos definir en qué dirección debe ir nuestro propio trabajo.
Para dar una pequeña idea de nuestro enfoque: Queremos saber, por ejemplo, cómo se comportan los ciclistas / cómo se comportan los peatones. ¿Cómo se comportan cuando tienen que compartir el mismo espacio? Lamentablemente, por el momento no hay suficientes datos sobre las formas de movilidad activa. Y debido a COVID-19, no podemos realizar encuestas en el centro de la ciudad en este momento. No obstante, será emocionante ver si las tendencias provocadas por COVID-19, es decir, un mayor número de personas que trabajan desde casa o una proporción creciente de transporte en bicicleta, se mantendrán cuando la pandemia haya terminado. Sin embargo, en el ámbito del uso del ocio, se pueden estudiar datos plausibles sobre el transporte en bicicleta, ya que es ahí donde su uso está en auge. Por lo tanto, es aquí donde nos centramos actualmente.
Dr. Klaus Nökel, PTV Group
En mi opinión, la modelación del transporte en bicicleta se enmarca en la cuestión central de la “redistribución del espacio vial”. Necesitamos modelos que sean sensibles a distintos niveles. Por ejemplo, ¿sigue siendo un cruce “transitable” cuando se rediseña para el transporte en bicicleta? Esto puede representarse muy claramente con PTV Vissim, ya que el software tiene en cuenta a todos los usuarios y sus parámetros de comportamiento.
Prof. Dr. Christoph Walther, PTV Group
En PTV llevamos muchos años investigando el tráfico de bicicletas. Incluso hace más de 10 años, ya desarrollamos un método de evaluación macroeconómica de la infraestructura para bicicletas. Y actualmente formamos parte del equipo de expertos científicos que apoyan el desarrollo del Plan Nacional de Ciclismo (PNC) para el Ministerio Federal de Transportes e Infraestructuras Digitales (BMVI). Personalmente, me parece interesante la idea de investigar algún día el desarrollo del transporte en bicicleta para ver si podría haber un punto de equilibrio en la demanda. Un punto a partir del cual el efecto positivo disminuiría, de modo que posiblemente ya no haría ningún bien al flujo de tráfico si aún más ciudadanos se pasaran a la bicicleta. En Copenhague, tuve la experiencia de no poder cruzar a la parada del autobús como peatón porque había muchos ciclistas.
Prof. Dr. Matthias Richter, Universidad de Ciencias Aplicadas de Zwickau
Recientemente hemos realizado un estudio empírico sobre el tema “Causas y efectos de los conflictos entre ciclistas y peatones” en colaboración con la Universidad Tecnológica de Cracovia. Mi colega Marek Bauer y yo presentamos los resultados en la “13ª Conferencia Internacional de Seguridad Vial, GAMBIT 2020”. El estudio analizó el comportamiento de ciclistas y peatones y su interacción en función de diversos factores, como la infraestructura disponible para el transporte en bicicleta. Una observación interesante que hicimos fue que la proporción de peatones que son responsables de los conflictos aumenta constantemente y que es necesario y posible tomar las medidas respectivas para que el encuentro de los distintos usuarios de la vía pública sea más libre de conflictos. En particular, en lo que respecta a la seguridad de ambos grupos en las vías peatonales y ciclistas y en los espacios compartidos. Desgraciadamente, muchos peatones y ciclistas se encuentran con el otro usuario de la vía pública de forma negativa.
Michael Cik, Universidad Tecnológica de Graz
Una tendencia de movilidad masiva en Austria es el uso de la bicicleta. En la Universidad Tecnológica de Graz nos preocupa cómo podemos, ofrecer una buena y correcta representación del tráfico de bicicletas en un modelo de movilidad en el futuro. El interés por los modos de transporte activo en las ciudades y las autoridades locales no sólo ha sido muy alto desde la pandemia. En la investigación, no sólo tenemos en cuenta las características del modo de transporte (como proveedores de entrada en la técnica del modelo), sino también la base de datos. ¿Cómo obtengo la información que necesito? ¿Utilizo los datos del GPS? ¿Instalo estaciones de recuento o compro datos de comunicaciones móviles?
Dr. Klaus Nökel, PTV Group
Se trata de un estudio empírico: A pesar de que el COVID-19 es una gran carga para la industria, la sociedad y la economía, la situación sigue siendo muy interesante desde el punto de vista de la ciencia de los datos. Los científicos están recopilando datos como locos para diseccionar y analizar este “gran experimento” global con la mayor precisión posible en términos de cambios de comportamiento. Por el momento, sólo podemos especular sobre cuántos de estos cambios de comportamiento se establecerán de forma permanente como tendencias de movilidad. Sin embargo, es un hecho que varias de las características sólo se han acelerado con COVID-19 y, por tanto, es seguro que se manifestarán de forma permanente como nuevos patrones de comportamiento. Sin embargo, todavía no podemos decir cuáles serán y, por tanto, tampoco pueden incluirse en el modelo.
Michael Cik, Universidad Tecnológica de Graz
Actualmente tenemos un proyecto en Graz que investiga la movilidad activa. Se centra en los usuarios de scooters básicos (no eléctricos) y en los ciclistas. El estudio comienza con la pregunta ¿Cómo puedo obtener registros de datos del sujeto de la investigación con los que pueda generar resultados? Conseguir información exhaustiva en determinadas fechas de referencia implica una gran cantidad de tiempo y gastos. No hay una receta para todos. Una cosa que hemos incluido definitivamente en nuestra tarea docente es que formamos a los alumnos para que sean capaces de enfrentarse a los análisis estadísticos y al procesamiento de datos.
Tendencia “La inteligencia artificial en la modelación del transporte”
Dr. Klaus Nökel, PTV Group
La modelación del transporte ya no puede imaginarse sin la inteligencia artificial. Hay que considerarla como una extensión de los métodos convencionales de modelación del transporte o incluso, en cierta medida, ya como un sustituto. En mi opinión, los expertos en transporte de PTV tenemos que tomar una decisión: En el futuro, ¿modelaremos las decisiones de movilidad en nuestros productos, como la elección del modo de transporte, basándonos en bosques aleatorios o redes neuronales en lugar de los modelos logit que actualmente están por todas partes en los modelos de transporte?
La modelización del transporte en tiempo real tiene un gran potencial para la previsión a corto plazo de las condiciones del tráfico, tarea fundamental en la gestión de este. La inteligencia artificial podría utilizarse para definir las condiciones del tráfico a partir de imágenes de vídeo de un tramo de vialidad de un cruce y, como resultado, poder derivar acciones de control sencillas. De este modo, los métodos basados en la IA podrían mantener bajo control el ruido de fondo en las operaciones estándar de cada día.
Si queremos avanzar en este desarrollo, no hay forma de evitar los registros de datos de entrenamiento de alta calidad para la inteligencia artificial. Una cuestión apasionante es si los modelos de transporte pueden utilizarse para sintetizar esos datos de entrenamiento.
Andreas Stadler, PTV Group
Los datos han sido, son y serán cada vez más importantes para la modelación del transporte. Tenemos que encontrar la manera de estudiar continuamente los datos y utilizarlos para ampliar o mejorar los modelos. En última instancia, se trata de mantener un modelo vivo, independientemente de si me refiero a un modelo urbano o a un modelo Vissim a pequeña escala. La base de datos es, en mi opinión, más importante que la metodología. Tanto si utilizo los nuevos métodos de IA o de aprendizaje automático para ello, como si utilizo un procedimiento estadístico antiguo: todos ellos requieren datos. La diferencia entre los resultados de los procedimientos es menor que la que se habría producido si la calidad de los datos hubiera sido distinta. Las preguntas realmente interesantes, por ejemplo ¿Cómo se puede modelar la movilidad compartida?, ¿Cómo seguirán las cosas con COVID-19?, ¿Cómo reacciona la gente a un cambio en el transporte en bicicleta? Hasta cierto punto, estas cuestiones pueden modelarse de forma significativa en teoría. Sólo estamos luchando con la base de datos que falta.
Prof. Dr. Matthias Richter, Universidad de Ciencias Aplicadas de Zwickau
Desde hace poco, la Universidad de Ciencias Aplicadas de Zwickau lleva el nombre de “Universidad para la Movilidad”. Como tal, nosotros, de forma similar a lo descrito para la Universidad de Ciencias Aplicadas de Frankfurt, estamos todavía en proceso de autodescubrimiento y actualmente estamos definiendo el enfoque que esto significa para nuestro trabajo. “La movilidad” puede interpretarse de muchas maneras diferentes y comprende innumerables aspectos de campos como el vehículo y la producción, la energía y la infraestructura, la digitalización, pero también la salud y la sostenibilidad. En el campo de la gestión del transporte, por ejemplo, estamos realizando pruebas sobre el uso de modelos basados en la IA. También hay mucho de artesanal en esto: Poner una cámara o sobrevolar el tráfico con drones, identificar los vehículos y determinar los parámetros. Creo que en este punto en particular hay un gran potencial de investigación con datos en tiempo real. Con métodos comparativamente sencillos se pueden conseguir grandes efectos que, por ejemplo, en lo que respecta al uso de vehículos autónomos (y también a su coexistencia con los vehículos clásicos) abren posibilidades imprevistas.
Michael Cik, Universidad Tecnológica de Graz
Se vuelve emocionante cuando puedo calcular las actividades de las personas a partir de los modelos. Con el tiempo, mejoraremos cada vez más el mapeo de actividades mediante la inteligencia artificial. Independientemente de si se trata de enfoques basados en reglas (bosques aleatorios, redes neuronales) o en modelos probabilísticos, los modelos son cada vez más inteligentes con ambos procedimientos, pero sólo pueden funcionar si generamos buenos registros de datos de entrenamiento y de prueba para entrenar a la IA. Mi sueño sería disponer de una base de datos anotada de un grupo de población suficientemente grande. Los registros de datos tendrían que contener detalles sobre la trayectoria, las actividades y el horario diario de cada persona. El modelo se entrena a partir de estos datos de entrenamiento y se vuelve cada vez más inteligente con el tiempo. Con un segundo registro de datos se valida el modelo. En mi opinión, sería importante invertir fondos de investigación en estas encuestas de datos, porque estos resultados también deberían incluirse en futuras encuestas de hogares, que por supuesto deberían mejorarse y digitalizarse con el tiempo.
Tendencia “Modelización del transporte en un contexto interdisciplinar”
Michael Cik, Universidad Tecnológica de Graz
Para mí, el mayor descubrimiento de los últimos tiempos ha sido ver cómo muchos campos especializados interactúan realmente y pueden trabajar juntos sobre la base de un modelo de demanda, en el que normalmente no se piensa. Es posible utilizar los hechos empíricos, que se heredan, y el modelo de demanda, que se crea, para tantos fines diferentes. Ya sea el aire, el ruido o el medio ambiente o, como es el caso actual, el sector sanitario. Es interesante ver qué impacto tienen la movilidad y la demanda en los demás campos de investigación.
Por ejemplo, cuando comparo la curva de movilidad en Austria para marzo de 2020 y la del segundo y tercer cierre con la curva de desarrollo económico de este periodo y el desarrollo en el área epidemiológica, se observan claras correlaciones.
Sin embargo, en una conversación con el Instituto de Investigación Económica nos enteramos de que los resultados de los cálculos del modelo de transporte se necesitan muy rápidamente para su posterior procesamiento con el fin de poder hacer previsiones económicas.
Dr. Klaus Nökel, PTV Group
Si algo nos ha demostrado COVID-19 es que tenemos que ampliar nuestro campo de actividad en la modelación del transporte. Estamos tan acostumbrados a consultar la modelación del transporte sólo para la planificación de infraestructuras, que estamos descuidando vergonzosamente otras posibles áreas de aplicación más allá de ésta. La planificación de infraestructuras no juega ningún papel en el caso de la pandemia. Los modelos de transporte se utilizaron y se utilizan aquí para determinar las redes de contacto y los riesgos de infección y para averiguar qué efectos podrían tener los cierres en la economía. Las posibilidades interdisciplinarias que han surgido ahora son más que apasionantes.
Prof. Dr. Christoph Walther, PTV Group
En 2019, la Unión Europea puso en marcha la iniciativa GAIA-X con el objetivo de reducir la dependencia de los proveedores de TI estadounidenses y chinos y de las plataformas impulsadas por los datos y dominantes en el mercado. GAIA-X proporciona un marco organizativo y jurídico para una arquitectura en la nube respectiva. La sala de datos de movilidad iniciada por el Ministerio Federal de Transporte e Infraestructura Digital de Alemania (BMVI) podría convertirse en un ejemplo de aplicación de GAIA-X en el ámbito de la movilidad. Como usuario, la oportunidad de este tipo de salas de datos radica en trabajar con registros de datos de diferentes proveedores y, por tanto, generar mejores matrices que las de la demanda sobre la base de un solo proveedor. Esto también podría revolucionar el Plan Federal de Transportes alemán si los planificadores no tienen que dedicar un esfuerzo desproporcionado a la actualización de las matrices cada 5-10 años, sino que las actualizan continuamente. Muchos países europeos y empresas de todo el mundo apoyan ya el proyecto.
Tendencia “Modelización del transporte en general”
Dr. Klaus Nökel, PTV Group
Tenemos que convencer a las ciudades y a las autoridades locales de las ventajas de la modelación del transporte. Por ello, tenemos que hacer que el uso de modelos sea más asequible y atractivo para los municipios más pequeños. Las ciudades más pequeñas no suelen disponer de los recursos financieros y humanos necesarios para crear un modelo y mantenerlo adecuadamente. En este sentido, actualmente se están tomando medidas para reducir el tiempo y los costos que conlleva la construcción de modelos. También creo que debemos orientarnos más hacia el diseño de nuestros productos de manera que sean más fácilmente comprensibles, para que los colegas, que no son especialistas en transporte formados y que sólo se ocupan del transporte ocasionalmente, puedan encontrar un camino hacia el tema.
Los expertos en movilidad también deberían dejar de ver los modelos de transporte como una gran carpeta polvorienta que se saca del cajón para trabajar con ella una vez al año. Un modelo debería utilizarse más bien para el seguimiento: cada semana, cada día, para comprobar si el modelo se corresponde con la realidad al otro lado de la ventana. De este modo, se podrían reconocer a tiempo los cambios en el proceso de transporte e identificar la causa para poder formular recomendaciones de actuación basadas en datos.
Michael Cik, Universidad Tecnológica de Graz
Hasta ahora siempre hemos trabajado en una situación de laboratorio, pero, desde marzo del año pasado, este entorno artificial se ha convertido en una realidad, gracias a COVID-19. Ahora nos preocupan otras cuestiones que estamos investigando en proyectos punteros. ¿Cómo seguirá evolucionando la movilidad? ¿Qué cambios en el comportamiento de la movilidad podemos observar? Todavía no he oído a nadie que haya encontrado la fórmula definitiva sobre cómo se desarrollará la movilidad después del coronavirus. Creo que este es un tema de investigación apasionante, no sólo para el campo de la modelación del transporte. Por un lado, estamos intentando integrar este modelo basado en datos, en el que trabajamos con datos de comunicaciones móviles, en modelos basados en agentes. También estamos trabajando muy estrechamente con colegas de Suiza. Siempre me ha parecido muy emocionante lo que el Sr. Nagel (nota del editor: Prof. Kai Nagel, TU Berlín) con su equipo y el RKI están haciendo sobre el tema.
Prof. Dr. Christoph Walther, PTV Group
En los países con una red de transporte muy desarrollada y densa, una tendencia necesaria es dar prioridad a la preservación de la infraestructura frente a su ampliación. Con el Plan Federal de Transportes 2030 se ha conseguido pasar de las nuevas construcciones a la preservación, pero falta un procedimiento de optimización de este proceso de preservación, es decir, la priorización de las medidas de preservación con un presupuesto limitado. La base de datos para la planificación de la preservación puede perfeccionarse cada vez más: En principio, los automóviles están en condiciones de registrar las superficies irregulares cuando circulan por las calles. Estos datos proporcionan una buena indicación del estado actual del firme. Los sensores, denominados infraestructuras inteligentes, pueden proporcionar información sobre los cambios en la estructura. La recopilación de datos y la minería de datos podrían así revolucionar la planificación de la conservación.
La protección del clima lo eclipsa todo. Nuestro gobierno se ha comprometido con objetivos de protección del clima (por ejemplo, -42% de CO2 en el sector del transporte), cuya aplicación es muy ambiciosa. Las medidas iniciales no serán efectivas hasta que hayan pasado 2-3 años. Eso significa que la función de reducción lineal está ampliamente predestinada a fracasar en los primeros años. Si no se alcanzan los objetivos, la ley establece que tendrán que entrar en vigor medidas de emergencia. Sin duda, en este punto nos encontraremos con interesantes retos de planificación.