Un problema cotidiano para los conductores es la búsqueda de estacionamiento. Muchos se enfrentan a la frustración de llegar a su destino solo para descubrir que no hay espacios disponibles. Esta situación no solo provoca retrasos, sino que también contribuye al aumento del tráfico y las emisiones contaminantes. A menudo, los sistemas de navegación más populares no consideran el tiempo adicional necesario para encontrar un lugar donde aparcar, lo que puede desincentivar el uso del transporte público.
Investigadores del MIT han desarrollado un innovador sistema que busca resolver esta problemática, identificando los estacionamientos que ofrecen el mejor equilibrio entre proximidad al destino y disponibilidad de espacios. Este método adaptativo guía a los usuarios hacia el área de estacionamiento más adecuada en lugar de simplemente dirigirlos a su destino final.
Optimización del tiempo de viaje
En pruebas simuladas utilizando datos de tráfico real de Seattle, este enfoque logró reducir el tiempo de viaje hasta en un 66% en las áreas más congestionadas. Para un conductor, esto podría significar un ahorro de aproximadamente 35 minutos, en comparación con esperar a que se libere un espacio en el estacionamiento más cercano.
Aunque aún no han creado un sistema listo para su implementación en el mundo real, los resultados obtenidos demuestran la viabilidad del enfoque y sugieren cómo podría llevarse a cabo. Cameron Hickert, estudiante graduado del MIT y autor principal del estudio, destaca: “Esta frustración es real y afecta a muchas personas; subestimar sistemáticamente estos tiempos de conducción impide que las personas tomen decisiones informadas sobre sus opciones de transporte”.
Método probabilístico para la selección de estacionamientos
Para abordar el problema del estacionamiento, los investigadores implementaron un enfoque basado en la probabilidad que considera todos los estacionamientos públicos cercanos al destino. Este método evalúa la distancia desde el punto de origen hasta cada lote y la probabilidad de éxito al encontrar un espacio disponible.
El sistema utiliza programación dinámica para calcular la mejor ruta posible para el usuario. Además, contempla situaciones en las que una persona llega al estacionamiento ideal pero no encuentra espacio. En tales casos, se evalúa la distancia a otros lotes y las probabilidades asociadas con cada uno.
“Si hay varios lotes cercanos con probabilidades ligeramente inferiores de éxito pero muy próximos entre sí, podría ser más inteligente dirigirse allí en lugar de ir al lote con mayor probabilidad y esperar encontrar una apertura”, explica Hickert.
Datos sobre disponibilidad de estacionamiento
La información sobre la disponibilidad de espacios puede provenir de diversas fuentes. Algunos estacionamientos cuentan con detectores magnéticos o barreras que rastrean el número de vehículos que entran y salen. Sin embargo, como estos sensores no son comunes, los investigadores también analizaron la efectividad del uso de datos crowdsourced.
Por ejemplo, los usuarios podrían reportar espacios disponibles mediante una aplicación o se podría recopilar información observando cuántos vehículos circulan buscando aparcamiento o cuántos ingresan a un lote solo para salir sin éxito.
A largo plazo, incluso vehículos autónomos podrían informar sobre lugares libres mientras circulan por la ciudad. “Actualmente, gran parte de esa información no se utiliza. Pero si pudiéramos capturarla mediante simples acciones como marcar ‘sin parking’ en una app, eso podría ser una fuente valiosa para tomar decisiones más informadas”, añade Hickert.
Futuras investigaciones y reducción de emisiones
Los investigadores evaluaron su sistema utilizando datos reales del tráfico en Seattle durante diferentes momentos del día tanto en entornos urbanos como suburbanos. En escenarios congestionados, su enfoque redujo el tiempo total de viaje aproximadamente un 60%, comparado con esperar por un espacio disponible y alrededor del 20%% frente a una estrategia que consistía en conducir continuamente hacia el siguiente estacionamiento más cercano.
A medida que avanzan sus investigaciones, planean realizar estudios más amplios utilizando información sobre rutas en tiempo real dentro de toda una ciudad y explorar métodos adicionales para recopilar datos sobre disponibilidad de estacionamiento.
Cathy Wu, profesora asociada en Ingeniería Civil y Ambiental (CEE) y miembro del Instituto para Datos, Sistemas y Sociedad (IDSS) del MIT concluye: “Los sistemas de transporte son tan grandes y complejos que resulta difícil modificarlos. Lo que buscamos son pequeños cambios capaces de generar un gran impacto para ayudar a las personas a tomar mejores decisiones y reducir tanto la congestión como las emisiones”.
Si (
No(
