El 15 de febrero, en una de las salas del aulario José Luis Massera de la Facultad de Ingeniería (Fing), decenas de personas escuchaban atentos a las ponencias de la segunda edición del workshop internacional “Planificación de transporte y ciudades inteligentes”. Los más viejos tomaban apuntes en sus libretas y las más jóvenes en sus computadoras. El silencio se interrumpía cada tanto por el último sorbo de un mate. En la primera fila, un estudiante mexicano tomaba fotos de las presentaciones en la pantalla, bloqueando la vista a unos pocos sentados a su espalda. Así se fue generando el ambiente en una sala casi llena de interesados a impulsar la incorporación de tecnologías de la información y la comunicación en la infraestructura de las ciudades, y ese era el objetivo de este encuentro.
La actividad se organizó en torno a siete ejes temáticos: planificación de transporte urbano, eficiencia energética, acceso a servicios, gestión de residuos, vehículos aéreos no tripulados, videovigilancia y desarrollo sustentable. Investigadores nacionales e internacionales expusieron sus proyectos sobre cada una de estas temáticas para “compartir ideas sobre cómo abordar problemas que surgen en las ciudades modernas” y analizar “los aportes de la tecnología para mejorar la calidad de vida”, de acuerdo a la descripción del evento en su página de internet.
Uno de los ejes principales de la jornada fueron las ponencias sobre planificación de transporte en las ciudades modernas. En Montevideo la red de transporte está conformada por 1.528 ómnibus que abarcan 149 líneas, y hay 4.854 paradas repartidas por la ciudad. Por mes se registran cerca de 22 millones de viajes con tarjeta del Sistema de Transporte Metropolitano (STM) y cinco millones sin tarjeta.
Movilidad urbana
Una de las presentaciones estuvo a cargo del ingeniero y docente de la Fing Renzo Massobrio, que aventuró la presentación de su tesis de maestría, “Análisis de datos de movilidad urbana en Montevideo, Uruguay”, por medio de una videollamada desde Francia. El objetivo de la investigación era analizar “diversas fuentes de datos urbanos para caracterizar la movilidad en el sistema de transporte público de Montevideo”, explicó Massobrio a la diaria. “Es crucial conocer la movilidad para identificar situaciones problemáticas relacionadas con la operación diaria y la planificación a largo plazo de los sistemas de transporte”, agregó.
Una de las principales fuentes de datos fue el STM, que se implementó en el servicio de transporte público en 2010 e implicó la incorporación de dispositivos GPS en los ómnibus y las tarjetas STM para los usuarios. “Estas tecnologías ofrecen ventajas directas para los usuarios del transporte –por ejemplo, poder abonar el boleto sin utilizar dinero físico y ver la ubicación de los ómnibus en tiempo real– pero, además, representan fuentes de datos muy valiosas para intentar caracterizar la movilidad en la ciudad”, apuntó el ingeniero. Para caracterizar el uso que hacen los pasajeros del sistema de transporte y describir la movilidad en la ciudad, Massobrio analizó los datos de más de 20 millones de transacciones con tarjetas STM realizadas durante mayo de 2015.
A partir de esos datos, el ingeniero hizo un análisis temporal y un análisis espacial de la movilidad en Montevideo. “Gracias a que los ómnibus cuentan con GPS y a que el sistema STM almacena la fecha y hora de cada transacción, es posible saber dónde y cuándo se realizan las ventas de boletos en la ciudad”, explicó. “En la dimensión temporal, se pudo constatar la existencia de tres picos de ventas de boletos: en la mañana entre las 7.00 y 8.00, al mediodía entre las 12.00 y las 13.00 y de tarde entre las 16.00 y las 18.00”. A su vez, constató que durante los fines de semana los picos de la mañana y la tarde “desaparecen”, porque estos “probablemente estén asociados a viajes hacia y desde los lugares de trabajo de las personas”. En el caso de la dimensión espacial, generó “visualizaciones que permiten agregar los datos de las más de 20 millones de ventas estudiadas y mostrarlas en mapas interactivos”, y así identificó que las ventas de boletos se concentran en el centro de Montevideo, en especial sobre las avenidas.
Asimismo, Massobrio implementó un análisis espacio-temporal para “observar la distribución de ventas de boletos en las diferentes zonas de la ciudad a diferentes horas del día”. Encontró que “las zonas de la periferia de la ciudad son las que comienzan con más actividad temprano en la mañana y terminan más tarde en la noche”, y en el correr del día la actividad se concreta en el centro de Montevideo, “en las principales avenidas y en las terminales de ómnibus”.
En última instancia, el ingeniero elaboró –a partir de los mismos datos– “matrices origen-destino”, que permiten “conocer cuántas personas se mueven entre cada zona de la ciudad” y son necesarias para “tomar cualquier decisión que busque mejorar la calidad de servicio ofrecida por el sistema de transporte –como modificar recorridos, fijar horarios y frecuencias, relocalizar paradas, etcétera–”, dijo Massobrio. A su vez, las “matrices origen- destino generadas representan una fuente complementaria y menos costosa que las encuestas a la hora de caracterizar la movilidad en la ciudad”, apuntó el ingeniero.
“Como los ómnibus cuentan con GPS, es posible establecer el lugar de ascenso de los pasajeros, de acuerdo a la ubicación del ómnibus en el momento en que los usuarios validan su tarjeta STM. El problema está en que los pasajeros no vuelven a validar su tarjeta STM al descender del ómnibus, por lo que los destinos de cada viaje deben ser estimados”, explicó el ingeniero. Para llevar a cabo esa estimación utilizó un “encadenamiento de viajes”, metodología que toma “información histórica de los usuarios y asume que un nuevo viaje comienza ‘cerca’ del destino del viaje anterior y que, al final del día, los pasajeros regresan ‘cerca’ del origen del primer viaje del día”, sostuvo.
El ingeniero logró identificar los destinos de más de 80% de los viajes estudiados y obtuvo más de nueve millones de viajes correspondientes a mayo de 2015. Asimismo, estos datos le permitieron elaborar una aplicación web que “permite ver los resultados de las matrices en forma de mapa interactivo, pudiendo filtrar por fechas y rangos horarios”.
Gira y gira
Otra de las exposiciones sobre movilidad urbana a cargo de ingenieros uruguayos se tituló “Consideración de los giros en el diseño óptimo de recorridos de ómnibus de transporte público”, a cargo del ingeniero y doctor en Informática Antonio Mauttone, del Instituto de Computación (Inco) de la Fing, que desarrolló un modelo de optimización de recorridos de ómnibus en conjunto con otros investigadores. “El término ‘giro’ refiere simplemente al hecho de que un ómnibus, cuando tiene que doblar, debe reducir la velocidad, y eso impacta en los tiempos de viaje y, por lo tanto, impacta sobre los costos tanto de usuarios como de operadores”, señaló Mauttone a la diaria.
“Los recorridos de los ómnibus son uno de los aspectos que más influyen en la determinación del nivel de servicio para los usuarios del sistema de transporte público y en el costo de operación del sistema que perciben los operadores. A su vez, tienen un impacto en el entorno urbano donde se despliegan los servicios”, sostuvo Mauttone. Asimismo, explicó que los trazados y las secuencias de calles que siguen cada una de las líneas son decisiones coordinadas entre las “autoridades reguladoras” –que en el caso de la capital es la Intendencia de Montevideo (IM)– y los “operadores de los servicios” –las empresas de transporte–.
En ese sentido, desde el Inco un grupo de investigadores trabajó en el desarrollo de un modelo de optimización de recorridos de ómnibus, que minimice “el tiempo de viaje desde el origen hasta el destino de los usuarios y reduzca los costos de operación para los operadores” y a su vez contemple la cantidad de giros que realiza una unidad durante su trayecto. Cada una de las soluciones calculadas por el modelo, mediante un algoritmo computacional, implica una propuesta de trazados de recorridos. “Imaginá una ciudad que no tenga ningún recorrido, o que quisiera sacar todos los que hay y crear todo un sistema nuevo de recorridos. Con ese objetivo es que está concebido el modelo de optimización que creamos. Es decir, dada la demanda de movilidad entre diferentes pares de zonas, determinar cómo desde la IM y las empresas se puede brindar un servicio con los mejores niveles y costos de operación posible”, comentó el ingeniero a la diaria.
Mauttone planteó que al observar un mapa de recorridos de líneas de transporte público se pueden identificar trayectos que dan muchas vueltas, y estos pueden resultar eficientes en cierto sentido porque “una sola línea puede cubrir una gran cantidad de pares de demanda origen-destino a la vez”. Sin embargo, los recorridos no insumen tiempo solamente a causa de los tramos de calles por los que transitan, sino también por los giros que deben realizar para cambiar de calle. Por ese motivo, si en un modelo de optimización de recorridos no se toma en cuenta la cantidad de giros, luego pueden surgir “costos ocultos” que impactan en el tiempo de viaje y los costos operativos.
“Un giro implica un descenso y posterior recuperación de la velocidad, con el consecuente decremento del nivel de servicio y aumento del costo de operación. En resumen, no es que haya que evitar los giros totalmente, son necesarios, ya que en algunos casos son buenos para cubrir la demanda que está cerca de una línea que ya es rápida, pero deben mantenerse controlados”, explicó Mauttone.
Los ingenieros hicieron una prueba del modelo con datos de la ciudad de Rivera para “usarlo como caso de estudio con características reales. Sin embargo, los experimentos computacionales realizados no necesariamente son concluyentes respecto de la situación actual de dicha ciudad”, aclaró Mauttone. Para ese caso los ingenieros hicieron “diez ejecuciones del mismo algoritmo”, lo que arroja “diez soluciones diferentes”. “Una solución es una propuesta de recorridos, y lo que hicimos fue variar –de una ejecución a otra– la penalización de los giros dentro del modelo”, explicó el ingeniero, y agregó: “Cuando no penalizo los giros, el algoritmo genera una solución de 12 recorridos, los cuales eventualmente van a durar mucho. Cuando comienzo a penalizar los giros, el modelo va a asumir que tanto los usuarios como los operadores incurren en un alto costo al hacer un giro, generalmente medido en tiempo. Entonces, en un caso extremo el algoritmo genera 83 recorridos”. “Estos recorridos serán todos muy directos y cada uno llevará menos carga de pasajeros, pero a un muy alto costo de operación”, sostuvo.
Por lo tanto, el ingeniero concluyó que para el desarrollo de recorridos óptimos que ofrezcan beneficios tanto a usuarios como operadores, deben delinearse trayectos con un equilibrio en la cantidad de giros.
El fondo tecnológico
La ingeniera Verónica Orellano, de la Unidad Análisis de Datos de la IM, también participó en el evento y presentó un “Análisis de datos para el transporte público de Montevideo”. Aclaró que su unidad tiene el objetivo de “canalizar datos de transporte y desarrollar aplicaciones para que los responsables puedan tomar decisiones y hacer un trabajo más profesional”.
En ese sentido, Orellano presentó dos aplicaciones desarrolladas con los datos arrojados por el sistema STM que ocasionaron “decisiones con impacto público”, como el caso de la propuesta “Boleto a $ 29 todo el año”, que surgió de una aplicación que clasifica el “comportamiento de los pasajeros”. Según explicó Orellano, la aplicación se desarrolló con el objetivo de “ver quiénes eran los usuarios que estaban haciendo uso del transporte” y para clasificarlos en “ocasionales, frecuentes o destacados en base a cuánto usaban los usuarios el transporte”. A partir de estos datos, la IM implementó una medida que apunta a beneficiar a quienes utilizan con frecuencia la tarjeta STM como medio de pago. “Al final del mes, se cuenta la cantidad de viajes que hizo el usuario, y si está dentro de la categoría frecuente o destacado, se le devuelven dos pesos por viaje. Eso hace que el último aumento de tarifa no lo afecte”, explicó la ingeniera, y añadió: “Antes de tomar esta decisión se tiene que ver cuánta plata implica, qué impacto tiene, cuántos usuarios involucra, y para eso usaron nuestras aplicaciones”.
La segunda aplicación se creó con el objetivo de identificar paradas de ómnibus donde crear “nuevos refugios y la sustitución de refugios en mal estado” para la protección de los usuarios de transporte público ante fenómenos climáticos. Orellano planteó que con el desarrollo de esta aplicación se logró “detectar dónde era mejor la colocación de refugios” tomando en cuenta los picos de demanda durante el día y la existencia o no de un refugio natural, como puede ser el techo de un edificio. A su vez, con esta tecnología se pudo “determinar si las paradas que estaba colocando la IM estaban bien dimensionadas de acuerdo a la realidad”, y eso habilitó a que “se colocaran refugios de distintas dimensiones –por ejemplo, sustituyendo la colocación de dos techitos chicos por uno más grande–” de acuerdo a las necesidades de los usuarios.