¿Tan seguros como los que llevan conductor? Los taxis eléctricos autónomos se adaptan a lo inesperado
Los taxis autónomos eléctricos pueden reducir el coste del viaje hasta en un 60%
Estos servicios ya operan en varias ciudades de Estados Unidos y China
Los coches sin conductor llegan a Madrid: los robotaxis de Waymo darán servicio en 2027
Los taxis eléctricos autónomos podrían ser los protagonistas de la próxima revolución de la movilidad urbana y traer consigo destacados beneficios ambientales y económicos, como la reducción de las emisiones y el abaratamiento del coste por viaje hasta en un 60% en comparación con los taxis convencionales, según un informe de la Universidad de Stanford.
Pero para que este escenario deje de parecer ciencia ficción, resulta imprescindible conseguir que estos vehículos sin conductor sean capaces de tomar decisiones inteligentes sobre cómo deben conducir en cada momento y cuándo tienen que recargar sus baterías. Alcanzar ambos objetivos no es una tarea sencilla cuando hablamos del tráfico de una gran ciudad.
Desequilibrios
«Con las flotas de taxis autónomos, pueden surgir rápidamente desequilibrios en las redes de vehículos urbanos. Por ejemplo, por la mañana todos quieren ir al centro de la ciudad, y por la tarde es al revés. Los coches autónomos deben entonces circular vacíos para recoger pasajeros para los desplazamientos matutinos y vespertinos», indica Sten Elling Tingstad Jacobsen, doctor en Ingeniería de Control por el Departamento de Ingeniería Eléctrica de la Universidad Tecnológica de Chalmers en Suecia.
En el caso de los vehículos eléctricos, hay que sumar un problema adicional: «necesitan paradas ocasionales para recargar. Sin embargo, dónde y cuánto tiempo recargar es una cuestión difícil», reconoce Jacobsen.
El científico aborda ambos problemas en una investigación desarrollada en colaboración entre la Universidad Tecnológica de Chalmers y Volvo Cars. Su trabajo presenta un nuevo método de optimización que permite un control casi óptimo de flotas a gran escala, teniendo en cuenta las incertidumbres que surgen en los sistemas de transporte del mundo real.

Control de flotas
El desajuste entre los taxis disponibles y la demanda de viajes puede afectar negativamente a las condiciones del tráfico en una gran ciudad. Sin estrategias eficientes de control de flotas, los servicios de movilidad autónoma pueden aumentar los tiempos de espera y las colas, empeorando la congestión del tráfico urbano.
En su tesis doctoral, Jacobsen desarrolla métodos basados en datos para mejorar el funcionamiento de las flotas de taxis eléctricos autónomos. Su investigación combina técnicas de aprendizaje automático para predecir la demanda de viajes con modelos de optimización avanzados para la planificación y gestión de flotas.
Además, investiga cómo el aprendizaje por refuerzo profundo, una forma de inteligencia artificial que aprende a través de la interacción y la experiencia, puede utilizarse para tomar decisiones en tiempo real en sistemas de transporte complejos.
BNN
La primera parte de la investigación explica cómo deben colocarse los vehículos vacíos en la ciudad para que estén listos cuando el próximo viajero los necesite. Por otro lado, la segunda parte de la investigación se centra en los desafíos adicionales que surgen cuando las flotas de taxis autónomos son eléctricas y requieren carga regular.
Mediante un método de aprendizaje automático conocido como redes neuronales bayesianas (BNN), se predice la demanda de viajes y la disponibilidad de cargadores en diferentes zonas de la ciudad a partir de datos históricos de viajes en taxi de San Francisco y Chicago.
A diferencia de otros modelos de aprendizaje automático, las BNN también proporcionan estimaciones de la incertidumbre de sus predicciones. Esta información hace que la gestión de la flota sea más sólida cuando los patrones de viaje reales difieren de las previsiones debido, por ejemplo, a condiciones climáticas inusuales.

IA de apoyo
El aprendizaje automático se utiliza únicamente para proporcionar previsiones, mientras que las decisiones sobre dónde se dirigen los vehículos y cuándo se cargan las toma un modelo de optimización transparente con objetivos y restricciones claramente definidos, de modo que la IA apoya las decisiones, en lugar de tomarlas por sí sola.
El estudio también compara tres tipos de vehículos eléctricos con diferentes tamaños de batería y eficiencia energética, y analiza cómo esto afecta al rendimiento de la flota y la disponibilidad del servicio.
Dividir el problema
«Debido a que la demanda, las condiciones del tráfico y la disponibilidad de vehículos cambian constantemente, el problema general se vuelve rápidamente demasiado complejo para resolverlo directamente», señala Jacobsen.
«Nuestro enfoque aborda este desafío dividiendo el problema en partes más pequeñas y manejables que se pueden resolver de manera eficiente y luego combinar para estimar el mejor despliegue general de la flota en toda la ciudad. De esta manera, obtenemos una solución que está muy cerca de la óptima sin dejar de ser computacionalmente práctica», añade el científico.

Más fiable y segura
Los servicios de taxis autónomos ya operan en varias ciudades de Estados Unidos y China, pero la gestión de grandes flotas en entornos urbanos complejos por la variabilidad del tráfico y la interacción con los conductores humanos sigue siendo un desafío.
«Nuestro método robusto puede mejorar la coordinación del tráfico y favorecer una movilidad autónoma más fiable y segura», asegura Balázs Kulcsár, profesor del Departamento de Ingeniería Eléctrica en la Universidad Tecnológica de Chalmers y supervisor del estudio.
Incertidumbre
«Muchos estudios existentes abordan problemas similares de gestión de flotas y logística. Lo que distingue a nuestro trabajo es que consideramos explícitamente las incertidumbres presentes en una gran ciudad y optimizamos las operaciones de la flota en consecuencia», destaca Jacobsen.
«También hemos desarrollado y probado el marco para diferentes tipos de vehículos, lo que lo hace flexible y robusto. Esto permite que las flotas de vehículos autónomos respondan de manera más efectiva a las condiciones cambiantes, manteniendo al mismo tiempo servicios de transporte eficientes y confiables», concluye el investigador.