¿Es posible optimizar el tráfico con algoritmos y simulaciones inteligentes?

Para llegar de un lugar a otro por la mejor ruta, o cuando no sabemos cómo llegar, recurrimos a aplicaciones como Google Maps o Waze, que pocos segundos nos indican cuánto tiempo tardaremos en el traslado y cómo están las condiciones del tráfico. También si viajamos en transporte público aplicaciones como Moovit nos ofrecen información sobre qué ruta tomar e incluso indicaciones para los tramos a pie. Pero ¿qué factores consideran estas aplicaciones para determinar la mejor ruta?  

Para responder a la pregunta hay que conocer los algoritmos detrás de estas aplicaciones, los cuales se basan en la teoría de grafos, una rama de las matemáticas y las ciencias computacionales. Esta, junto al cómputo en la nube y los sistemas de posicionamiento global (GPS), permite crear un modelo del sistema vial de la ciudad y de los lugares geográficos de nuestro interés, como si se tratara del dibujo de un mapa con puntos y líneas. El ITESO, por ejemplo, podría representarse como un punto llamado nodo, y las avenidas que lo interconectan con otros lugares (otros nodos), como la estación del tren, paradas de autobús o nuestra casa se representan con líneas llamadas aristas. 

Pero eso no es todo. De acuerdo con Francisco Cervantes, coordinador de la Ingeniería en Inteligencia Artificial, la teoría de grafos permite crear modelos a gran escala para estudiar situaciones complejas como la movilidad en una ciudad tan grande como el Área Metropolitana de Guadalajara. “Se puede hacer a partir un enfoque que pone al centro a las personas, desde la complejidad de la que a veces no somos conscientes, especialmente con el transporte urbano”, señala el profesor del Departamento de Electrónica, Sistemas e Informática del ITESO.

La apuesta por una movilidad multimodal 

Semáforos que no dan a los peatones el tiempo y espacio apropiado para cruzar con seguridad, traslados cortos que acaban siendo más tardados por el tráfico, accidentes, inundaciones o el caos cotidiano en López Mateos son algunas de las problemáticas de movilidad que siguen abordándose con métodos que no aportan soluciones apropiadas, señala el coordinador en entrevista para Entre Saberes. 

En su experiencia, con la teoría de grafos es posible construir modelos con una visión global de la vialidad en la ciudad. En ellos se analizan las entidades —los lugares de origen y destino— y las relaciones entre ellas, representadas por calles y avenidas, integrando sus características y condiciones como el número de carriles, límites de velocidad, cierres viales o reportes de baches. 

La información que alimenta los modelos se obtiene a partir de fuentes abiertas —ya sean gubernamentales, programas como Mi Bici o plataformas como Waze u Open Street Map— que reportan en tiempo real sobre la saturación del tráfico, presencia de accidentes, inundaciones o baches en las vías. Estos datos se incorporan en el modelo como etiquetas y propiedades del grafo. De esta forma, el modelo se actualiza constantemente con información en tiempo real.  

Sin embargo, la movilidad es dinámica y es necesario considerar el comportamiento del transporte público y privado, así como los efectos que una decisión tiene sobre peatones y automovilistas. Es aquí donde, junto con la teoría de grafos, intervienen los sistemas multiagente, una técnica basada en inteligencia artificial. 

Ese mapa estático que genera la teoría de grafos —donde se ven las conexiones entre lugares de interés, calles, avenidas y estaciones de transporte— es como el mapa en un videojuego. Con los sistemas multiagente se crean representaciones de los peatones, automóviles y el transporte público que circularía en el mapa, así como sus interacciones, por ejemplo: sus horarios de ingreso y salida de la ciudad. Cuando miles de ellos se mueven al mismo tiempo, los investigadores pueden observar y analizar los flujos del tráfico e identificar patrones colectivos como embotellamientos o zonas poco transitadas para optimizar la movilidad.   

A su vez, pueden “jugar” a simular otros escenarios. Por ejemplo, qué pasaría si se habilitara un segundo piso en López Mateos, si más personas usaran la bici, si se cerrara alguna calle por obras, accidentes o inundaciones, o si se agregaran rutas nuevas o se modificaran las condiciones de las ya existentes. A partir de estas simulaciones se podrían generar soluciones que descongestionen el tráfico, de manera temporal o definitiva. 

La apuesta es que el trabajo con ambas herramientas se consolide en el desarrollo de una aplicación sustentada, primero, en una visión de la movilidad centrada en las personas y, segundo, en una red que establezca conexiones entre las personas, los espacios y los medios de transporte, de modo que sea posible realizar trayectos en movilidad multimodal. 

“Esta aplicación no solo indicará cómo ir de un punto a otro, sino también la mejor manera de organizar todos los traslados del día usando distintos medios de transporte, considerando factores económicos, ecológicos y el tiempo disponible. Actualmente se trabaja en modelos para la Ciudad de México, León y Monterrey”, explica Cervantes. 

Más allá de la movilidad urbana, la teoría de grafos y los sistemas multiagente también permiten abordar otras problemáticas complejas, como la propagación de la corrupción. Cervantes, quien coordina una investigación alrededor esta problemática, explica que en ese caso los nodos representan personas y organizaciones, y las relaciones entre ellos pueden ser familiares, de amistad o jerárquicas. Aunque los detalles son distintos, el enfoque es el mismo: construir modelos que permitan entender dinámicas complejas y explorar posibles soluciones a problemas sociales, mostrando la versatilidad de estas herramientas matemáticas y computacionales. 

Un proyecto paraguas para ciudades más habitables 

La creación y el desarrollo de estos modelos generan soluciones, pero desde ahora inciden en la formación de profesionales que colaboran aportando sus conocimientos, métodos y enfoques para imaginar ciudades más habitables.  

Desde 2023, Francisco Cervantes dirige la investigación “Estudio de la corrupción desde una perspectiva de la teoría de grafos y los sistemas multiagente”, la cual busca aplicar estos mismos enfoques —teoría de grafos y sistemas multiagente— a problemas complejos de la vida pública. Una de sus características es que funciona como un gran paraguas que integra a estudiantes de licenciatura, maestría y doctorado con especialistas en matemáticas, ingeniería civil, ciencias computacionales, desarrollo de software, inteligencia artificial e instituciones gubernamentales. Juntos, buscan generar soluciones reales a los problemas que afectan de forma directa a la sociedad.