Físicos U. de Chile buscan optimizar el tránsito vehicular mediante simulaciones e inteligencia artificial
Juan Alejandro Valdivia, académico del Departamento de Física de la Facultad de Ciencias encabeza el equipo que trabaja en la creación de una serie de simulaciones computacionales que buscan hacer más eficiente el transporte urbano.
Diario UChile
Jueves 13 de julio 2023 12:45 hrs.
Compartir en
¿Cómo mejorar el flujo vehicular en las horas punta? ¿Son realmente efectivas las aplicaciones de navegación como Waze, Google Maps y Apple Maps para evitar tacos? ¿Hay que obedecer ciegamente lo que dicen nuestros teléfonos? ¿O puede haber beneficios en desobedecerlos? Estas son algunas de las preguntas que busca resolver un grupo de científicos del Departamento de Física de la Facultad de Ciencias de la Universidad de Chile (DFC), quienes pertenecen al Chilean Complexity Cluster (C3), laboratorio donde están desarrollando una serie de simulaciones y códigos computaciones con inteligencia artificial que prometen optimizar tanto el transporte público como privado.
Usando estas herramientas, el equipo liderado por el profesor Juan Alejandro Valdivia analizó el funcionamiento de aplicaciones de navegación como Waze, determinando que, en momentos de congestión, puede resultar más efectivo y conveniente prescindir, ocasionalmente, de seguir las instrucciones proporcionadas por la app. “De este modo, se puede prevenir que todos los usuarios intenten usar las mismas calles, permitiendo que la aplicación se recalibre y tome decisiones más acertadas que eviten, efectivamente, los tacos”, indica el académico de la U. de Chile.
El proyecto que encabeza Juan Alejandro Valdivia, académico del Departamento de Física de la Facultad de Ciencias, busca poner a prueba la efectividad de aplicaciones como Waze, Google Maps y Apple Maps en situaciones de congestión.
De igual manera, han realizado investigaciones en las redes viales de nuestro país, usando Punta Arenas como ciudad modelo para analizar patrones que permitan mejorar la circulación vehicular, basándose en el paradigma de transporte sobre redes complejas. Además, han desarrollado diversos análisis que permitieron determinar que, en una gran urbe, el transporte de buses público debe equilibrar o decidir entre la optimización de los tiempos de viaje y la garantía de paradas en tiempos precisos, ya que lograr ambos objetivos a la vez es prácticamente inviable, conclusiones que fueron parte de una investigación destacada por la revista Forbes.
“En nuestras simulaciones de tráfico, estudiamos los comportamientos complejos que surgen cuando los vehículos interactúan en una red vial. Analizamos problemas como los atascos y buscamos soluciones mejorando la estructura de las calles y la sincronización de los semáforos. Estas simulaciones nos brindan una perspectiva única y nos permiten comprender mejor el flujo vehicular sin tener que realizar pruebas reales en las ciudades. Con un potente computador, se podría incluso simular una ciudad como Santiago auto por auto, descubriendo comportamientos inesperados y obteniendo resultados que van más allá de simples cambios en la dirección de las calles”, afirma el profesor Juan Alejandro Valdivia.
Máquinas que aprenden
Actualmente, el equipo de físicos del C3 (DFC-Uchile) está realizando investigaciones que podrían servir para determinar estrategias de viaje de deliveries y optimización de rutas para vehículos autónomos (que se manejan solos), los cuales han sido promocionados como el futuro del transporte, pero que aún enfrentan desafíos para su uso seguro. Para ello, trabajan con inteligencia artificial para explorar mejores estrategias de conducción, que permitan -por ejemplo- ahorrar combustible. Además, están generando reglas prácticas, basadas en aprendizaje no supervisado, cuyo objetivo es producir un sistema de transporte que aprenda de eventos pasados y desarrolle tácticas (en base a semáforos, dirección de calles, etc.) para controlar situaciones de alto tráfico u otras eventualidades del transporte cotidiano.
“Cuando uno habla de aprendizaje en inteligencia artificial, una forma de hacerlo es con aprendizaje no supervisado, donde yo le digo al código creado que aprenda solo y determine cuáles son las estrategias más robustas para optimizar el flujo vehicular en la ciudad. Eso se puede programar. Entonces, el código va reforzando ciertas estrategias y botando otras que no le sirvieron y aprendiendo. Eso es lo que estamos modelando y creemos que puede ser muy útil, no solo para vehículos y transporte urbano, sino que también en muchas otras áreas en el futuro”, destaca el doctor Valdivia.
También están realizando simulaciones que podrían ser muy útiles para que las ciudades sean más amigables y sustentables, pues incorporan el transporte de deliveries -que ha crecido exponencialmente desde 2020- como un usuario relevante de la infraestructura vial. “El tráfico se está volviendo interesante, porque cada vez hay trayectorias más complejas. Un ejemplo son los deliveries, donde tienes el gran camión que lleva cosas a diversos hogares durante todo el día y las motos o autos que hacen entregas de productos y luego vuelven a una central y salen nuevamente ¿Qué es mejor, grandes o pequeños recorridos? Estamos analizando estos movimientos -que en física se llaman movimientos brownianos sobre redes complejas y que satisfacen ciertas reglas- para entender las mejores y más eficientes opciones para estas entregas y qué es lo óptimo para una ciudad; porque estos servicios serán cada vez más comunes en el futuro y serán un problema para el tráfico y para los clientes que esperan un pedido”, advierte el académico de la U. de Chile.
¿Cómo mejorar el flujo vehicular en las horas punta? ¿Son realmente efectivas las aplicaciones de navegación como Waze, Google Maps y Apple Maps para evitar tacos? ¿Hay que obedecer ciegamente lo que dicen nuestros teléfonos? ¿O puede haber beneficios en desobedecerlos? Estas son algunas de las preguntas que busca resolver un grupo de científicos del Departamento de Física de la Facultad de Ciencias de la Universidad de Chile (DFC), quienes pertenecen al Chilean Complexity Cluster (C3), laboratorio donde están desarrollando una serie de simulaciones y códigos computaciones con inteligencia artificial que prometen optimizar tanto el transporte público como privado.
Usando estas herramientas, el equipo liderado por el profesor Juan Alejandro Valdivia analizó el funcionamiento de aplicaciones de navegación como Waze, determinando que, en momentos de congestión, puede resultar más efectivo y conveniente prescindir, ocasionalmente, de seguir las instrucciones proporcionadas por la app. “De este modo, se puede prevenir que todos los usuarios intenten usar las mismas calles, permitiendo que la aplicación se recalibre y tome decisiones más acertadas que eviten, efectivamente, los tacos”, indica el académico de la U. de Chile.
El proyecto que encabeza Juan Alejandro Valdivia, académico del Departamento de Física de la Facultad de Ciencias, busca poner a prueba la efectividad de aplicaciones como Waze, Google Maps y Apple Maps en situaciones de congestión.
De igual manera, han realizado investigaciones en las redes viales de nuestro país, usando Punta Arenas como ciudad modelo para analizar patrones que permitan mejorar la circulación vehicular, basándose en el paradigma de transporte sobre redes complejas. Además, han desarrollado diversos análisis que permitieron determinar que, en una gran urbe, el transporte de buses público debe equilibrar o decidir entre la optimización de los tiempos de viaje y la garantía de paradas en tiempos precisos, ya que lograr ambos objetivos a la vez es prácticamente inviable, conclusiones que fueron parte de una investigación destacada por la revista Forbes.
“En nuestras simulaciones de tráfico, estudiamos los comportamientos complejos que surgen cuando los vehículos interactúan en una red vial. Analizamos problemas como los atascos y buscamos soluciones mejorando la estructura de las calles y la sincronización de los semáforos. Estas simulaciones nos brindan una perspectiva única y nos permiten comprender mejor el flujo vehicular sin tener que realizar pruebas reales en las ciudades. Con un potente computador, se podría incluso simular una ciudad como Santiago auto por auto, descubriendo comportamientos inesperados y obteniendo resultados que van más allá de simples cambios en la dirección de las calles”, afirma el profesor Juan Alejandro Valdivia.
Máquinas que aprenden
Actualmente, el equipo de físicos del C3 (DFC-Uchile) está realizando investigaciones que podrían servir para determinar estrategias de viaje de deliveries y optimización de rutas para vehículos autónomos (que se manejan solos), los cuales han sido promocionados como el futuro del transporte, pero que aún enfrentan desafíos para su uso seguro. Para ello, trabajan con inteligencia artificial para explorar mejores estrategias de conducción, que permitan -por ejemplo- ahorrar combustible. Además, están generando reglas prácticas, basadas en aprendizaje no supervisado, cuyo objetivo es producir un sistema de transporte que aprenda de eventos pasados y desarrolle tácticas (en base a semáforos, dirección de calles, etc.) para controlar situaciones de alto tráfico u otras eventualidades del transporte cotidiano.
“Cuando uno habla de aprendizaje en inteligencia artificial, una forma de hacerlo es con aprendizaje no supervisado, donde yo le digo al código creado que aprenda solo y determine cuáles son las estrategias más robustas para optimizar el flujo vehicular en la ciudad. Eso se puede programar. Entonces, el código va reforzando ciertas estrategias y botando otras que no le sirvieron y aprendiendo. Eso es lo que estamos modelando y creemos que puede ser muy útil, no solo para vehículos y transporte urbano, sino que también en muchas otras áreas en el futuro”, destaca el doctor Valdivia.
También están realizando simulaciones que podrían ser muy útiles para que las ciudades sean más amigables y sustentables, pues incorporan el transporte de deliveries -que ha crecido exponencialmente desde 2020- como un usuario relevante de la infraestructura vial. “El tráfico se está volviendo interesante, porque cada vez hay trayectorias más complejas. Un ejemplo son los deliveries, donde tienes el gran camión que lleva cosas a diversos hogares durante todo el día y las motos o autos que hacen entregas de productos y luego vuelven a una central y salen nuevamente ¿Qué es mejor, grandes o pequeños recorridos? Estamos analizando estos movimientos -que en física se llaman movimientos brownianos sobre redes complejas y que satisfacen ciertas reglas- para entender las mejores y más eficientes opciones para estas entregas y qué es lo óptimo para una ciudad; porque estos servicios serán cada vez más comunes en el futuro y serán un problema para el tráfico y para los clientes que esperan un pedido”, advierte el académico de la U. de Chile.
¿Cómo mejorar el flujo vehicular en las horas punta? ¿Son realmente efectivas las aplicaciones de navegación como Waze, Google Maps y Apple Maps para evitar tacos? ¿Hay que obedecer ciegamente lo que dicen nuestros teléfonos? ¿O puede haber beneficios en desobedecerlos? Estas son algunas de las preguntas que busca resolver un grupo de científicos del Departamento de Física de la Facultad de Ciencias de la Universidad de Chile (DFC), quienes pertenecen al Chilean Complexity Cluster (C3), laboratorio donde están desarrollando una serie de simulaciones y códigos computaciones con inteligencia artificial que prometen optimizar tanto el transporte público como privado.
Usando estas herramientas, el equipo liderado por el profesor Juan Alejandro Valdivia analizó el funcionamiento de aplicaciones de navegación como Waze, determinando que, en momentos de congestión, puede resultar más efectivo y conveniente prescindir, ocasionalmente, de seguir las instrucciones proporcionadas por la app. “De este modo, se puede prevenir que todos los usuarios intenten usar las mismas calles, permitiendo que la aplicación se recalibre y tome decisiones más acertadas que eviten, efectivamente, los tacos”, indica el académico de la U. de Chile.
El proyecto que encabeza Juan Alejandro Valdivia, académico del Departamento de Física de la Facultad de Ciencias, busca poner a prueba la efectividad de aplicaciones como Waze, Google Maps y Apple Maps en situaciones de congestión.
De igual manera, han realizado investigaciones en las redes viales de nuestro país, usando Punta Arenas como ciudad modelo para analizar patrones que permitan mejorar la circulación vehicular, basándose en el paradigma de transporte sobre redes complejas. Además, han desarrollado diversos análisis que permitieron determinar que, en una gran urbe, el transporte de buses público debe equilibrar o decidir entre la optimización de los tiempos de viaje y la garantía de paradas en tiempos precisos, ya que lograr ambos objetivos a la vez es prácticamente inviable, conclusiones que fueron parte de una investigación destacada por la revista Forbes.
“En nuestras simulaciones de tráfico, estudiamos los comportamientos complejos que surgen cuando los vehículos interactúan en una red vial. Analizamos problemas como los atascos y buscamos soluciones mejorando la estructura de las calles y la sincronización de los semáforos. Estas simulaciones nos brindan una perspectiva única y nos permiten comprender mejor el flujo vehicular sin tener que realizar pruebas reales en las ciudades. Con un potente computador, se podría incluso simular una ciudad como Santiago auto por auto, descubriendo comportamientos inesperados y obteniendo resultados que van más allá de simples cambios en la dirección de las calles”, afirma el profesor Juan Alejandro Valdivia.
Máquinas que aprenden
Actualmente, el equipo de físicos del C3 (DFC-Uchile) está realizando investigaciones que podrían servir para determinar estrategias de viaje de deliveries y optimización de rutas para vehículos autónomos (que se manejan solos), los cuales han sido promocionados como el futuro del transporte, pero que aún enfrentan desafíos para su uso seguro. Para ello, trabajan con inteligencia artificial para explorar mejores estrategias de conducción, que permitan -por ejemplo- ahorrar combustible. Además, están generando reglas prácticas, basadas en aprendizaje no supervisado, cuyo objetivo es producir un sistema de transporte que aprenda de eventos pasados y desarrolle tácticas (en base a semáforos, dirección de calles, etc.) para controlar situaciones de alto tráfico u otras eventualidades del transporte cotidiano.
“Cuando uno habla de aprendizaje en inteligencia artificial, una forma de hacerlo es con aprendizaje no supervisado, donde yo le digo al código creado que aprenda solo y determine cuáles son las estrategias más robustas para optimizar el flujo vehicular en la ciudad. Eso se puede programar. Entonces, el código va reforzando ciertas estrategias y botando otras que no le sirvieron y aprendiendo. Eso es lo que estamos modelando y creemos que puede ser muy útil, no solo para vehículos y transporte urbano, sino que también en muchas otras áreas en el futuro”, destaca el doctor Valdivia.
También están realizando simulaciones que podrían ser muy útiles para que las ciudades sean más amigables y sustentables, pues incorporan el transporte de deliveries -que ha crecido exponencialmente desde 2020- como un usuario relevante de la infraestructura vial. “El tráfico se está volviendo interesante, porque cada vez hay trayectorias más complejas. Un ejemplo son los deliveries, donde tienes el gran camión que lleva cosas a diversos hogares durante todo el día y las motos o autos que hacen entregas de productos y luego vuelven a una central y salen nuevamente ¿Qué es mejor, grandes o pequeños recorridos? Estamos analizando estos movimientos -que en física se llaman movimientos brownianos sobre redes complejas y que satisfacen ciertas reglas- para entender las mejores y más eficientes opciones para estas entregas y qué es lo óptimo para una ciudad; porque estos servicios serán cada vez más comunes en el futuro y serán un problema para el tráfico y para los clientes que esperan un pedido”, advierte el académico de la U. de Chile.
