Predicción del ahorro de CO2 gracias a la movilidad compartida en Stavanger

Resumen del proyecto

En los últimos años, hemos sido testigos del rápido crecimiento de los servicios de movilidad compartida en las ciudades. Patinetes, bicicletas, motocicletas, etc., han llenado las calles con la promesa de reemplazar el uso del vehículo privado y contribuir a una movilidad más sostenible. Sin embargo, sin las políticas y regulaciones adecuadas, la movilidad compartida también puede canibalizar el transporte público, generar nuevos viajes motorizados y competir por el espacio público. En este contexto, las ciudades se encuentran ante la necesidad de demostrar con datos la hipótesis de que la movilidad compartida contribuye de manera efectiva a la tan necesaria transición hacia un sistema de transporte urbano más sostenible.

Stavanger (Noruega) es una de las 100 ciudades elegidas para participar en la Misión de la Unión Europea para conseguir ciudades inteligentes y climáticamente neutras. La ciudad se ha comprometido a buscar soluciones innovadoras para alcanzar este objetivo para el año 2030. En lo que respecta a la movilidad compartida, Stavanger ha desplegado recientemente estos nuevos modos de transporte y está comenzando a implementar políticas y regulaciones.

En el marco del programa AI4Cities, Nommon y Populus trabajaron con Stavanger en la implementación de AVENUE, una solución basada en inteligencia artificial que permite a las ciudades predecir la demanda esperada de viajes de movilidad compartida y el correspondiente ahorro de CO2 para diseñar marcos regulatorios que fomenten el cambio modal desde el coche privado a modos más sostenibles.

Solución

AVENUE se basó en la integración de dos herramientas: Populus Mobility Manager, que permite a las ciudades recopilar, agregar y analizar datos de los operadores de movilidad compartida, y la solución WiseRide de Nommon, una plataforma de apoyo a la decisión para la planificación y operación de estos servicios, dirigida tanto a operadores como a autoridades municipales. AVENUE incluyó dos modelos de aprendizaje automático: (i) un modelo de regresión que predice la demanda de los servicios de movilidad compartida para cada par origen-destino, y (ii) un modelo de clasificación que infiere el modo de sustitución que se utilizaría en ausencia de los servicios de movilidad compartida. La combinación de estos modelos permitió a AVENUE no solo predecir la demanda futura bajo la influencia de distintas políticas, sino también predecir los efectos en el cambio modal, lo que hizo posible estimar el impacto de los servicios de movilidad compartida en la huella de carbono de la ciudad. La plataforma se utilizó para predecir la demanda tanto en las zonas de cobertura del servicio de movilidad compartida ya desplegado, como en las zonas donde aún no está habilitado, lo que permitió a Stavanger analizar posibles escenarios de expansión del sistema.

La siguiente figura ofrece una visión general de la solución técnica empleada:

La implementación de AVENUE en Stavanger se basó en los datos proporcionados por los operadores de patinetes eléctricos Tier y Voi. Para validar la solución, se llevó a cabo un seguimiento exhaustivo de las predicciones del modelo de demanda comparándolas con los viajes observados por los operadores. El siguiente gráfico muestra la demanda pronosticada por AVENUE para julio de 2022 y la demanda realmente observada en la ciudad durante el mismo período. Los resultados indican que el modelo de predicción capturó con precisión tanto el volumen como las tendencias de la demanda.

Resultados

Los usuarios finales de la herramienta en la ciudad de Stavanger tuvieron acceso a la plataforma de visualización interactiva que integraba los resultados de los modelos a través de una conexión API, permitiendo seleccionar una fecha futura y acceder a un conjunto de indicadores predictivos adaptados a los intereses específicos de la ciudad. Entre los indicadores incluidos, destacan:

• Proyecciones de demanda para los viajes de movilidad compartida que tienen origen y destino en cada una de las zonas designadas en el mapa.
• Estimación de las emisiones de CO2 de los viajes de movilidad compartida y en cada uno de los modos de sustitución.
• Estimación del ahorro de CO2 correspondiente al cambio modal.

Los resultados del proyecto indicaron que, al incorporar las recomendaciones proporcionadas por AVENUE respecto a las nuevas áreas de expansión y la ubicación de nuevos puntos de movilidad, la ciudad podría lograr una reducción del 4-5% en las emisiones de CO2 del transporte urbano para el año 2025.

Lecciones aprendidas

Las ciudades se enfrentan al desafío de diseñar políticas que aprovechen los beneficios de los nuevos servicios de movilidad y, al mismo tiempo, eviten posibles efectos no deseados, como el abandono del transporte público. Ninguno de estos objetivos puede lograrse sin la capacidad de comprender y predecir el comportamiento de los usuarios. El trabajo realizado en el proyecto AVENUE con Stavanger y los operadores Tier y Voi nos ayudó a evolucionar nuestra solución WiseRide para ofrecer un mejor servicio a ciudades y operadores, ayudándoles a conseguir un transporte urbano más sostenible. WiseRide ayuda a aprovechar el potencial de los servicios de movilidad compartida, abordando retos como la reducción de las emisiones de gases de efecto invernadero —como se demostró en el proyecto AVENUE—, pero también otros desafíos relacionados con la sostenibilidad ambiental (por ejemplo, la calidad del aire, el ruido o el consumo de energía) y la eficiencia operativa, como la optimización de la ubicación de los hubs de movilidad y la toma de decisiones sobre la expansión del sistema.