¿Sabías que, a pesar de la creciente preocupación por las emisiones de carbono, los coches siguen siendo el medio de transporte más utilizado en Alemania? Sin embargo, un grupo de investigadores del Instituto Fraunhofer de Optrónica, Tecnologías de Sistemas y Explotación de Imágenes (IOSB) está trabajando en un proyecto innovador llamado DAKIMO, que busca cambiar esta situación. Este esfuerzo se centra en desarrollar un sistema inteligente de transporte intermodal, facilitando a los ciudadanos la planificación de rutas que combinen diferentes modos de transporte, y así reducir la dependencia de los vehículos privados.
La necesidad de alternativas ecológicas
Cuando hablamos de transporte ecológico, nos referimos a una amplia gama de opciones, desde autobuses y trenes hasta scooters eléctricos y bicicletas compartidas. Aunque estos medios son menos contaminantes que los coches, su uso aún no se ha generalizado. ¿Por qué? Principalmente, porque los vehículos privados ofrecen una comodidad y accesibilidad que los demás medios no pueden igualar. Para que el transporte público sea realmente atractivo, es crucial que los usuarios puedan combinar distintos modos de transporte de forma sencilla y eficaz.
En la actualidad, la planificación de rutas intermodales puede ser un verdadero dolor de cabeza. Imagina que llegas a una parada en 30 minutos en autobús, pero luego te encuentras esperando a que haya bicicletas o scooters disponibles, algo que no siempre se puede garantizar. Hasta ahora, las aplicaciones de rutas no han tenido en cuenta estos aspectos críticos, lo que limita el uso de conexiones intermodales y, en consecuencia, la adopción de alternativas más sostenibles.
El proyecto DAKIMO y su impacto
El equipo de investigación del Fraunhofer IOSB en Karlsruhe ha dado un paso adelante con el desarrollo de un sistema basado en inteligencia artificial que pronostica la disponibilidad de medios de transporte compartidos. Este sistema utiliza datos en tiempo real sobre las condiciones del tráfico para calcular la probabilidad de encontrar una bicicleta o un scooter eléctrico para alquilar en un lugar específico a una hora concreta. ¡Imagina lo útil que podría ser!
El socio del proyecto, raumobil GmbH, se encarga de utilizar estas predicciones para crear rutas intermodales que consideren la disponibilidad pronosticada. El objetivo es mejorar la aplicación regiomove, lanzada por el KVV, la autoridad de transporte de Karlsruhe, para ofrecer sugerencias de rutas que realmente se adapten a las necesidades de los usuarios y a la situación actual.
“Para que el transporte sea intermodal y más ecológico, debe ser más simple, confiable, flexible y fácil de planificar”, afirma Jens Ziehn, líder del proyecto en Fraunhofer IOSB. “Nuestra función de pronóstico de IA recomienda los mejores medios de transporte para cada caso, sin complicar el proceso”. ¿No es genial que la tecnología pueda facilitar tanto nuestras decisiones diarias?
Implementación y aceptación pública
La funcionalidad de pronóstico se integrará en la General Bikeshare Feed Specification (GBFS), que proporciona datos en tiempo real para aplicaciones de movilidad. Actualmente, se encuentra en una fase de evaluación que durará un año. Durante este tiempo, el pronóstico se incorporará a un borrador de expansión del estándar, lo que permitirá a las aplicaciones de rutas ofrecer opciones intermodales basadas en datos precisos.
Los comentarios del público han sido muy positivos. Un estudio realizado con más de 1,500 participantes reveló que cerca del 90% considera útiles las predicciones basadas en IA para medios de transporte compartidos. Además, aproximadamente el 20% de los encuestados ha expresado que dejaría el coche en casa en ciertas ocasiones a favor del transporte público. “Nuestros hallazgos confirman que los métodos basados en IA pueden apoyar efectivamente la transición hacia la movilidad sostenible y contribuir a la acción climática”, concluye Ziehn. ¿Te imaginas un futuro donde el transporte público sea la opción más popular? ¡El camino hacia la sostenibilidad está en marcha!
