;
;
La pandemia de COVID-19 ha planteado muchos retos singulares a los planificadores y operadores de transporte de todo el mundo. Nos encontramos en un entorno en el que los supuestos sobre cómo se mueven y comportan las personas en una ciudad ya no son válidos y cambian constantemente. Dado que el transporte forma parte de la recuperación económica del Reino Unido, la comprensión de los comportamientos individuales de transporte nunca ha sido más importante para fundamentar los esfuerzos de respuesta a la COVID-19.
Innovate UK, la agencia de innovación del Reino Unido adjudicó fondos a Arup como parte de su concurso "Respuesta de innovación liderada por las empresas a la disrupción global" inmediatamente después del confinamiento en Reino Unido. En sólo seis semanas, desarrollamos los fundamentos de un modelo basado en agentes (ABM), que simula los comportamientos individuales y los cambios en los viajes cuando los comportamientos habituales se ven alterados por la pandemia, como las restricciones de distanciamiento social. Este modelo constituye la base de futuros análisis, a escala de los comportamientos individuales. En colaboración con el Ayuntamiento de Birmingham y Transport for the West Midlands, construimos un ABM para la región de Birmingham con el fin de probar nuestro enfoque.
El proyecto nos ha obligado a pensar de forma diferente. Probar comportamientos radicalmente diferentes para los que no hay precedentes exigía un nuevo enfoque. Nuestro objetivo era demostrar cómo puede aplicarse el aprendizaje automático avanzado para reducir costes y aumentar la velocidad de planificación de los servicios de transporte en entornos inciertos.
Resumen del proyecto
6 semanas de construcción del ABM
200.000agentes individuales modelizados
Aportar valor más rápidamente
La pandemia de COVID-19 ha planteado nuevos retos para los modelos tradicionales, que pueden tardar meses o años en construir y simular comportamientos, y tienen dificultades para representarlos cuando son diferentes a los del pasado. Nuestro reto era desarrollar las bases de un modelo que pudiera proporcionar una visión útil de estos cambios radicales de comportamiento. Teníamos que trabajar con rapidez y sentar las bases de un modelo en pocas semanas para ayudar a las entidades de transporte a planificar las consecuencias a corto y medio plazo de los cambios en los comportamientos de viaje a causa de la pandemia.
Los ABM simulan los comportamientos a nivel individual. Tienen en cuenta diferentes características, necesidades y recursos, lo que ofrece la oportunidad única de reflejar los cambios de comportamiento durante la pandemia. A diferencia de la modelización tradicional, este enfoque detallado ofrece la posibilidad de considerar futuros totalmente diferentes a los del pasado y nos permite modelizar una amplia gama de consecuencias con mayor flexibilidad.
La red de transporte multimodal de Birmingham representa tanto las principales conexiones como las carreteras urbanas más pequeñas.
Modelización de comportamientos cambiantes
Birmingham, la segunda ciudad más grande del Reino Unido, era un lugar privilegiado para probar este planteamiento. En colaboración con el Ayuntamiento de Birmingham y Transport for the West Midlands, y con el fin de conocer sus datos y prioridades para la toma de decisiones durante el confinamiento, construimos una red multimodal de la región de West Midlands. Utilizando una combinación de datos geográficos, datos de horarios y datos del censo, pudimos construir un modelo de referencia que reflejara los comportamientos del transporte antes de la pandemia. A continuación, el modelo se utilizó para realizar simulaciones que representaran el impacto de la pandemia y proporcionó visualizaciones de los resultados.
Un modelo en seis semanas
El tiempo fue una cuestión crítica desde el principio. Dado que los comportamientos cambian de la noche a la mañana como consecuencia de las nuevas restricciones, teníamos que ser capaces de desarrollar un ABM que simulara los comportamientos rápidamente. A raíz de la pandemia, nuestros científicos de datos desarrollaron el Modificador de la Actividad Pandémica (PAM). Este software de preprocesamiento de código abierto altera los planes de comportamiento de los agentes en función de la introducción de nuevas políticas gubernamentales y nos permitió automatizar elementos de nuestro ABM y acelerar su entrega.
En sólo seis semanas, desarrollamos un modelo que simulaba aproximadamente 200.000 agentes individuales, el 10% de la población de Birmingham. Los cambios representados en los comportamientos de viaje se compararon favorablemente con nuestros datos de referencia, mostrando que los agentes cambiaban de comportamiento y pasaban del transporte público al coche privado, permitiendo mantener conversaciones más fundamentadas y con conocimiento de causa en torno a los resultados del escenario modelado. Esto no habría sido posible con un modelo tradicional.
El modelo fue desarrollado en seis semanas y simulaba el movimiento en transporte del 10% de la población de Birmingham mostrando cómo habían cambiado sus hábitos
La hoja de ruta del futuro
Al tiempo que se construye el ABM, estamos estableciendo una hoja de ruta sobre cómo podría mejorarse el modelo. Por ejemplo, cómo y qué comunidades podrían verse más afectadas por cualquier cambio en los servicios de transporte público. Estos desarrollos ayudarán a responder a preguntas específicas en torno a la pandemia y a las intervenciones en el transporte, en general, para favorecer el éxito de la planificación del transporte en nuestras ciudades.
Relacionado
Proyectos
