Las motivaciones que tenemos para los diferentes viajes que hacemos y nuestras decisiones sobre el transporte que utilizamos son complejas y variadas. Si se amplía la escala para tener en cuenta a poblaciones urbanas enteras, se hace evidente el reto al que se enfrentan las administraciones de transporte y planificación. Intentan formular políticas, anticipar la demanda en sus redes de transporte y definir las inversiones. Tienen que conciliar estas decisiones con la mejora del bienestar social a través del acceso a la educación, la sanidad y el empleo. Todo ello mientras se esfuerza por alcanzar el objetivo de cero emisiones.
Nuestro laboratorio de modelización de ciudades reúne a nuestros expertos en transporte, energía, cambio climático y economía con científicos de datos, ingenieros de software y diseñadores para responder a estos retos. Construimos modelos a nivel urbano, regional y nacional.
Al modelar la demanda futura, no construimos un solo plan. Realizamos múltiples simulaciones para generar un amplio abanico de escenarios. Escenarios que tienen en cuenta las incertidumbres y ponen de relieve dónde están las sensibilidades. Múltiples escenarios que ayudan a las administraciones a ser más creativas a la hora de imaginar un futuro mejor. El rigor de nuestros modelos permite a las administraciones planificar esas políticas e inversiones futuras con mayores niveles de confianza y transparencia.
La modelización basada en agentes (ABM) recoge la variedad y los matices de las decisiones individuales que guían nuestras elecciones de viaje. Al modelizar a los individuos, podemos sustituir las generalizaciones sobre la calidad del aire, por ejemplo, por niveles precisos de exposición individual.
Modelización basada en agentes
Los modelos tradicionales no reflejan las complejidades de la vida. Los recorridos y flujos agregados ocultan las múltiples realidades de las diferentes opciones de las personas.
La ambición de nuestro laboratorio de modelización de ciudades es sencilla. Simular el día de cada persona.
Recogemos esa individualidad utilizando la modelización basada en agentes (ABM). Modelamos a cada individuo, cada uno con un horario, cada uno tomando decisiones sobre dónde viajar, cuándo salir y qué modo de transporte utilizar. Cada uno de ellos se ve influido por las decisiones de otros individuos del modelo. A diferencia de la simulación tradicional, modelamos tanto el "por qué" como el "qué", lo que permite comprender el complejo comportamiento.
Modelización a escala de la vida urbana
La computación en nube ha permitido modelar las complejidades de la vida urbana a gran escala. Como socio de investigación de Transport for London, nuestro modelo de la ciudad utiliza más de 1.000.000 de agentes, cada uno de los cuales toma 750 decisiones a lo largo del día. La aceleración de la potencia de cálculo permite ahora que estos modelos de alta precisión se ejecuten en las mismas escalas de tiempo que los modelos agregados menos refinados. También abre el camino a una mayor equidad en la planificación del transporte, reflejando las necesidades de un mayor número de personas.
Construimos nuestros modelos desde cero, utilizando los registros de viajes y los datos del censo para poblar las redes con perfiles individuales. Una computación más rápida también nos permitirá añadir más conjuntos de datos y aumentar la precisión. Estamos estudiando cómo superponer los datos de teléfonos móviles y tarjetas de crédito para crear perfiles más sofisticados, modelando el comportamiento individual a escala micro.
Una reflexión transparente
Las decisiones sobre las infraestructuras de transporte y el uso del suelo son objeto de un gran escrutinio público. Hemos construido nuestro laboratorio de modelización de ciudades utilizando un software de código abierto. Utilizamos proyectos de código abierto aprovechando los conocimientos técnicos de la comunidad, y publicamos el software de código abierto que desarrollamos. Esto permite a las administraciones públicas seguir siendo transparentes y responsables. Las partes interesadas pueden ver e interpretar los datos que determinan las decisiones que influyen en sus vidas.
La planificación de transportes funciona con horizontes temporales amplios. Los fundamentos de código abierto del laboratorio permiten a las autoridades prescindir de un único software patentado. Para el Ministerio de Transportes de Nueva Zelanda, no sólo estamos construyendo un modelo a escala nacional para los próximos 50 años, estamos desarrollando la capacidad del propio Ministerio para crear, ejecutar y modelar escenarios futuros.