_
_
_
_
_

Si no sigues la ruta ideal, estás provocando atascos de tráfico

Un estudio en cuatro ciudades europeas demuestra que la mitad de las rutas favoritas de los conductores no eran las rutas ideales sugeridas por los aparatos de navegación

Cuando se mueven por la ciudad, los conductores toman algunas decisiones a la hora de elegir una ruta que no son las mejores
Cuando se mueven por la ciudad, los conductores toman algunas decisiones a la hora de elegir una ruta que no son las mejores A. Lima et al. J. R. Soc

Si utiliza un coche para desplazarse, cada vez que se pone al volante se enfrenta a una decisión: ¿cómo va a llegar a su destino? Tanto si es un trayecto que hace todos los días, por ejemplo desde casa hasta el trabajo, como si es a algún lugar en el que no ha estado antes, tiene que optar por un camino.

Por lo general, los estudios sobre el transporte han dado por sentado que los conductores son muy racionales y eligen la ruta ideal que minimiza el tiempo de viaje. Los modelos de predicción de tráfico se basan en esta suposición aparentemente razonable. Los planificadores usan estos modelos en sus esfuerzos para hacer que el tráfico siga fluyendo libremente cuando analizan un cambio en una red de carreteras, por ejemplo, o el impacto de un nuevo carril VAO. Para que los modelos de tráfico sean fiables tienen que reproducir bien el comportamiento de los usuarios. Pero existen pocas pruebas empíricas que respalden la suposición en la que se basan: que los conductores elegirán la ruta ideal.

Más información
¿Cómo sabe el GPS qué ruta recomendarnos?
Un GPS en el cerebro

Por esa razón, decidimos investigar cómo toma la gente estas decisiones en sus vidas reales. El comprender cómo los conductores elaboran una ruta para llegar a su destino nos ayudará a conocer mejor el comportamiento del movimiento humano. Una comprensión mejor de la planificación de rutas individual puede ayudar a mejorar las infraestructuras urbanas y los sistemas GPS, y no solo para un conductor, sino para todo el mundo. La eliminación de los atascos es un objetivo importante: un cálculo cifró el coste del tráfico en 2014 en EE UU en 160.000 millones de dólares, con 42 horas más de tiempo de viaje y 960 dólares de combustible adicional para cada persona que viaja cada día de su casa a su trabajo.

¿Cómo viaja realmente la gente?

Estudiamos el comportamiento de planificación de las personas usando datos de GPS recabados durante varios meses de cientos de conductores en cuatro ciudades europeas para buscar patrones interesantes en sus decisiones.

Y descubrimos que la gente solo utiliza algunas rutas cuando se mueve entre sus lugares relevantes, incluso cuando esos desplazamientos se repiten una y otra vez a lo largo de periodos prolongados. La mayoría de la gente tiene una ruta favorita para los desplazamientos que realiza rutinariamente y algunas rutas alternativas que utiliza con menos frecuencia hacia los mismos destinos.

Entonces, ¿elige realmente la gente la ruta ideal?

En una palabra, no. Resultaba que aproximadamente la mitad de las rutas favoritas no eran las rutas ideales sugeridas por los aparatos de navegación, como las que ofrecen algunas aplicaciones de mapas populares para smartphones. Si también tenemos en cuenta las elecciones alternativas de los conductores, hay menos rutas ideales todavía, ya que solo un tercio de ellas minimizan el tiempo de viaje.

Nuestros datos proporcionan pruebas empíricas de que los conductores no siguen la ruta ideal, lo que contradice directamente la suposición del tiempo de viaje más corto.

¿Por qué siguen los conductores una ruta que no es la ideal?

¿Qué hay detrás de este resultado? No es fácil encontrar una única respuesta válida para todos los conductores.

En los estudios previos a pequeña escala se descubrió que muchos factores, algunos aparentemente menores, podían influir en la preferencia por la ruta. Por ejemplo, la gente tiende a elegir rutas que van hacia el sur, en vez de rutas de una misma distancia que van hacia el norte. La gente prefiere rutas que son rectas al principio, en vez de otras más cortas que no son rectas. Los puntos de referencia también influyen en la elección de la ruta, ya que se realizan más viajes en función de ellos de lo que cabría esperar por la minimización del tiempo de viaje. Una novedosa aplicación para iPhones se basa en ese mismo concepto y permite a la gente encontrar la ruta más “interesante” entre dos puntos.

La gente podría no ser capaz de determinar cuál es la ruta ideal entre todas las elecciones posibles por la limitación de la información y por su limitada capacidad para procesar una gran cantidad de información. O, incluso si puede, la gente podría elegir deliberadamente otras rutas, según sus preferencias personales. Hay muchos factores que pueden influir en las preferencias, como el consumo de carburante, la fiabilidad de la ruta, la simplicidad y el placer.

La aparente flexibilidad de los conductores al elegir una ruta puede ser una oportunidad para aliviar la congestión general. Por ejemplo, las aplicaciones para smartphones podrían ofrecer puntos y cupones a los conductores que estén dispuestos a utilizar rutas más largas que evitan las zonas congestionadas. La aplicación de navegación Waze ya ha cambiado los hábitos de los conductores en algunas ciudades, de modo que no es muy descabellado imaginar un sistema de juegos que reduzca los atascos.

¿Estamos muy lejos de la mejor ruta?

En nuestro siguiente estudio, en vez de intentar comprender qué impulsa las decisiones individuales sobre las rutas, nos propusimos cuantificar lo lejos que están esas decisiones de ser las mejores.

Resulta difícil comparar directamente todos los diferentes desplazamientos que se realizan en una ciudad, porque intervienen muchos lugares y su distancia es diferente. Para facilitar esta tarea, transformamos las trayectorias para que todas se pareciesen, independientemente de su origen, de su destino y de su distancia reales. Lo que hicimos fue alternar, trasladar y modificar la escala de cada ruta para que todas las trayectorias empezasen y terminasen en dos mismos puntos en un nuevo sistema de referencia. Después de esta transformación, parece que todas las rutas unen los dos mismos puntos; parece que todas tienen una longitud similar, pero se mantiene su forma. Lo que descubrimos al trazar una muestra de las rutas transformadas fue la variabilidad intrínseca de las rutas humanas.

Una muestra de las trayectorias transformadas revela la forma de las rutas humanas. Independientemente de los puntos de inicio y de destino reales, cada trayectoria transformada empieza en el círculo a la izquierda y termina en el círculo a la derecha.
Una muestra de las trayectorias transformadas revela la forma de las rutas humanas. Independientemente de los puntos de inicio y de destino reales, cada trayectoria transformada empieza en el círculo a la izquierda y termina en el círculo a la derecha.

Curiosamente, nuestra abstracción de todos los viajes se parece en cierta manera a las líneas de fuerza de un imán, en las que los orígenes y los destinos de las rutas sustituyen al polo norte y al polo sur del imán. Al analizar el diagrama de densidad de las trayectorias transformadas, descubrimos que la gran mayoría de ellas están dentro de una elipse que tiene la misma forma independientemente de la escala, y que tiene como focos los puntos donde empiezan y donde terminan. Esta elipse representa de hecho el límite de las rutas humanas.

El diagrama de densidad muestra las probabilidades de que esté en cualquier lugar entre el inicio (a la izquierda) y el destino (a la derecha). Los colores indican, en una escala logarítmica, de oscuro a brillante, los lugares que más probabilidades tienen de ocupar los conductores en ese viaje. 

El diagrama de densidad muestra las probabilidades de que esté en cualquier lugar entre el inicio (a la izquierda) y el destino (a la derecha). Los colores indican, en una escala logarítmica, de oscuro a brillante, los lugares que más probabilidades tienen de ocupar los conductores en ese viaje.
El diagrama de densidad muestra las probabilidades de que esté en cualquier lugar entre el inicio (a la izquierda) y el destino (a la derecha). Los colores indican, en una escala logarítmica, de oscuro a brillante, los lugares que más probabilidades tienen de ocupar los conductores en ese viaje.

La elipse también nos ayuda a medir lo directa que es una ruta. La excentricidad de la elipse nos dice lo larga que es. Una excentricidad cercana a 1 significa que la elipse se parece a una línea (anchura elevada y altura baja), mientras que una excentricidad cercana a 0 significa que se parece a un círculo (anchura y altura más o menos parecidas).

En general, una ruta recta no es una opción viable debido a los obstáculos físicos, como los edificios. Los conductores se desvían del camino más corto ideal en función de la red de calles y de sus preferencias personales. Aunque estos dos fenómenos son difíciles de reproducir en un modelo, descubrimos que están representados por una elipse de una forma particular con una elevada excentricidad de 0,8.

Para nuestra sorpresa, la forma observada de la elipse no cambiaba con la distancia entre los extremos. Parece como si en un entorno urbano, los conductores estuviesen dispuestos a coger desvíos que son aproximadamente proporcionales a la distancia entre su punto de salida y el destino. Las rutas en las que hay unos desvíos más grandes simplemente no se utilizan o se dividen en dos viajes separados.

Nuestro estudio descubrió las reglas básicas de un modelo de planificación de rutas realista que refleja el comportamiento individual en un entorno urbano. Estos hallazgos se pueden utilizar como base para unos nuevos modelos de planificación que prevean mejor el tráfico. Y ahora que sabemos que los conductores tienen cierta flexibilidad cuantificable en sus rutas, podemos emplear esta información para diseñar mecanismos de incentivos para aliviar los atascos en nuestras carreteras más transitadas o para planes de carriles VAO basados en las rutas preferidas de la gente.

Marta González es profesora asociada de ingeniería civil y medioambiental en el Massachusetts Institute of Technology (MIT).

Antonio Lima es estudiante de doctorado en ciencias informáticas en la Universidad de Birmingham. 

Cláusula de divulgación:

Los autores no trabajan para ninguna empresa u organización que pueda beneficiarse de este artículo, ni la asesoran o poseen participaciones en ella, y no han notificado ninguna afiliación digna de mención, aparte del puesto académico antes mencionado.

Este artículo fue publicado originalmente en inglés en la web The Conversation.

Traducción de News Clips.

Regístrate gratis para seguir leyendo

Si tienes cuenta en EL PAÍS, puedes utilizarla para identificarte
_

Más información

Archivado En

Recomendaciones EL PAÍS
Recomendaciones EL PAÍS
Recomendaciones EL PAÍS
_
_