La planificación del transporte es uno de los componentes clave de la planificación urbana. Hasta hace relativamente poco, la planificación del transporte se realizaba exclusivamente sobre la base de encuestas origen-destino, utilizadas para comprender las características de los viajes de los individuos en una ciudad.
De gran utilidad para la política pública, la gran cobertura geográfica y el nivel de detalle incluido en esta encuesta implican, no obstante, un gran costo de ejecución; lo que dificulta que se realicen de manera periódica. Por ejemplo, en Bogotá y Santiago se realizan cada 4 y 10 años, respectivamente. El largo período de tiempo que existe entre las muestras implica asumir que la movilidad no tendrá mayores cambios o que los proyectos de transporte ejecutados en este período tendrán el efecto esperado obtenido en su evaluación. Por eso, fenómenos no planificados, como la pandemia y sus repercusiones en la movilidad urbana son difíciles de abordar con este tipo de información.
Los datos generados por las nuevas tecnologías digitales, incluyendo sensores fijos y móviles y aplicaciones de viaje, pueden proveer información importante a quienes planifican el transporte en entornos urbanos.
La granularidad temporal y espacial de estos datos, y la alta penetración de los dispositivos móviles, puede facilitar un análisis más preciso y casi en tiempo real la movilidad urbana. Con esta información, las matrices de viajes de las ciudades pueden actualizarse de manera más periódica; y completarse para identificar patrones no incluidos en dichas matrices. Ejemplo de lo primero es el caso de Neuquén, donde la matriz de viaje de la ciudad fue actualizada con una encuesta realizada por mensaje de texto (véase Gutiérrez et al., 2019). Un ejemplo de lo segundo se encuentra en San Salvador, donde se complementó la matriz de viajes de la ciudad con datos georreferenciados y la localización de los usuarios de celular (véase Rendón et al., 2020).
Entre los usos del big data en la planificación del transporte, se encuentra el de la gestión de tráfico y la mitigación de la congestión.
Cuatro de las diez ciudades más congestionadas del mundo se encuentran en América Latina y el Caribe; Bogotá, Ciudad de México, Río de Janeiro y San Pablo. Se espera que la congestión aumente después de la pandemia, dado el temor a contagiarse en el transporte público. Desde el año pasado, la demanda de vehículos ha aumentado en las ciudades de la región, incluyendo la demanda los vehículos de segunda mano. El uso de big data para la identificar las dinámicas temporales y espaciales de la congestión es clave; a fin de diseñar acciones específicas para su mitigación.
En nuestro estudio Congestión urbana en América Latina, utilizamos millones de datos obtenidos a través de la plataforma Waze, dentro del programa Waze for cities, para analizar las características y estimar los costos de la congestión en la región. Los datos obtenidos reportan el estado de tráfico y proveen el número de alertas en las vías de la ciudad, con una alta granularidad temporal y espacial.
Como mostramos en nuestro estudio, estos datos pueden contribuir a identificar:
- Vías que poseen mayor nivel de congestionamiento a diversas horas del día, y señalar las zonas más críticas para una posible intervención.
- El impacto que pueden tener las perturbaciones en el tráfico, como algún evento masivo (i.e. partido de fútbol o concierto de música); o alguna protesta que impida la circulación por las vías, anticipando acciones para mitigar demoras.
- Tramos donde existe un mayor índice de siniestralidad, y así identificar las intersecciones que requieren intervenciones con mayor urgencia.
- Patrones de movilidad en zonas de primera necesidad de la ciudad, como hospitales o escuelas, y tomar medidas para mejorar la seguridad vial.
Con la disponibilidad de big data, producto de las nuevas tecnologías que están siendo implementadas en el sector, los policymakers pueden ahora disponer de mayor y mejor calidad de la información para la toma de decisiones. Pueden también utilizar esta información monitorear la eficiencia de las acciones implementadas y complementar la evaluación de los proyectos transporte.
¿Quieren conocer más sobre el uso del big data en la gestión de tráfico y la mitigación de la congestión?
Los invitamos a descargar este estudio novedoso del BID. Con una metodología innovadora, detallamos las características y costos de la congestión para 10 ciudades de la región; Buenos Aires, Bogotá, Ciudad de México, Lima, Montevideo, Río de Janeiro, San Salvador, Santiago, Santo Domingo, Sao Paulo. Se pueden visualizar las zonas más congestionadas de cada ciudad, la dinámica de la congestión durante el año, semana, día y hora del día. Muestra cómo se comporta la congestión en zonas de primera necesidad; y brinda un resumen de recomendaciones de políticas para disminuir la congestión de las ciudades.
Leave a Reply