Autor: César Hinojosa

Un sistema de recompensas para fomentar un uso eficaz de la movilidad en las ciudades


En la Universidad de Maryland (EEUU) se ha desarrollado la aplicación incenTrip, que busca incentivar hacer un buen uso de la movilidad urbana.

Para ello, el sistema usa tecnología capaz de aprender los gustos de cada usuario, conocer el estado del tráfico y los medios de transporte de una región, y hacer un uso eficaz en cada momento de toda la información personal (de cada usuario) y global (de toda la red) para ofrecer las recomendaciones más beneficiosas, con el objeto de evitar atascos, y aprovechar al máximo las opciones que ofrece el transporte multimodal.

Además, la gran innovación de la app viene de su sistema de incentivos, desarrollados para motivar a que los usuarios hagan uso de las opciones de transporte que benefician al conjunto, de forma que todos salgan ganando. Estos incentivos se personalizan para cada viaje en función de las preferencias individuales de cada viajero y las posibilidades de medios de transporte existentes en cada momento (en función del destino). Los viajeros obtienen puntos de recompensa si eligen el modo de viaje, la hora de salida o las opciones de ruta que no solo ahorran tiempo y dinero, sino que también producen mayores beneficios para el sistema.

Por ejemplo, si el sistema detecta que un usuario conduce constantemente al trabajo durante la hora donde más tráfico hay (o por las rutas más congestionadas), incenTrip aumentaría gradualmente el incentivo monetario para incitar al viajero a probar modos alternativos, otras horas de salida u otros medios, de manera que se consiga ir reduciendo el problema.

Se trata de una iniciativa original que trata de reconducir el tráfico y la movilidad en una región mediante un sistema de estímulos positivos (contrapuesto a las tradicionales medidas de estímulos negativos (multas o sanciones) que conocemos).

Inteligencia artificial para predecir el tráfico en las carreteras

El uso de sistemas de Inteligencia Artificial y de procesos de Machine Learning (donde se puede entrenar e ir mejorando la precisión de procesos de una máquina) cada vez es más habitual en diferentes sectores, y se está empezando a utilizar también para predecir con mayor exactitud el tráfico que va a existir en determinadas vías, en los momentos indicados. [Continuar leyendo]