Aqu\u00ed es donde entra en juego el proyecto DAKIMO: Los investigadores afirman que su soluci\u00f3n basada en la IA tiene en cuenta, entre otras cosas, los datos en directo sobre la situaci\u00f3n del tr\u00e1fico. Jens Ziehn, director del proyecto en Fraunhofer IOSB, comenta. \"Nuestra funci\u00f3n de previsi\u00f3n de IA recomienda el medio de transporte \u00f3ptimo para llegar al destino en cada caso individual, incluso para los distintos segmentos de la ruta, sin complicar demasiado las cosas. Los veh\u00edculos que se pueden reservar, incluidos los de uso compartido, se muestran tanto al principio como al final del viaje\". Cuando los humanos pierden la pista, por ejemplo, porque el autob\u00fas est\u00e1 atrapado en un atasco o no hay m\u00e1s bicicletas de alquiler disponibles en la \u00faltima parada, la IA interviene. \"La previsi\u00f3n es posible porque la IA utiliza peque\u00f1as c\u00e9lulas geogr\u00e1ficas e intervalos de tiempo cortos para calcular las probabilidades a corto y largo plazo de la disponibilidad y el n\u00famero previsto de veh\u00edculos compartidos, bas\u00e1ndose en fuentes de datos abiertas como datos del transporte p\u00fablico y datos hist\u00f3ricos sobre aspectos como la posici\u00f3n de las bicicletas compartidas\", a\u00f1adi\u00f3 Reinhard Herzog, que dirige el grupo de Modelizaci\u00f3n y Redes del Fraunhofer IOSB.<\/p>\n\n\n\n
La previsi\u00f3n se integrar\u00e1 en la norma GBFS<\/h2>\n\n\n\n
Fraunhofer IOBS ha anunciado que la previsi\u00f3n de IA se integrar\u00e1 en el futuro en la norma internacional GBFS (General Bikeshare Feed Specification) de validez mundial, una especificaci\u00f3n en tiempo real para datos p\u00fablicos que se utiliza principalmente para proporcionar informaci\u00f3n sobre el tr\u00e1fico. Actualmente se est\u00e1 llevando a cabo una fase de evaluaci\u00f3n de un a\u00f1o de duraci\u00f3n. \"Durante esta fase de prueba, la funci\u00f3n de previsi\u00f3n se incorpora a un borrador para ampliar la norma\", explic\u00f3 Herzog. \"Para generalizar el uso de nuestra tecnolog\u00eda de IA, es importante a\u00f1adir a la norma GBFS las probabilidades de previsi\u00f3n para los veh\u00edculos compartidos\". Esto se debe a que entonces la norma ya no s\u00f3lo se utilizar\u00e1 para mostrar las posiciones de los veh\u00edculos de transporte compartido actualmente disponibles, sino que tambi\u00e9n ofrecer\u00e1 predicciones sobre las probabilidades futuras de paradero calculadas por una IA.<\/p>\n\n\n\n
Como explica el equipo, el servidor de fusi\u00f3n de IA, que coteja todos los datos, ya est\u00e1 en funcionamiento. Deduce la disponibilidad de los medios de transporte bas\u00e1ndose en la IA, que se incorpora a las sugerencias de rutas. Adem\u00e1s, la previsi\u00f3n de IA ya forma parte de la mencionada versi\u00f3n de prueba de la aplicaci\u00f3n Karlsruhe Regiomove, que pone en red una amplia gama de herramientas de movilidad para la regi\u00f3n del Alto Rin Medio. El siguiente paso es extender el modelo de previsi\u00f3n a la regi\u00f3n de Baden-Wurtemberg.<\/p>\n\n\n\n
Seg\u00fan sus responsables, la aceptaci\u00f3n entre la poblaci\u00f3n es alta. Un estudio de m\u00e1s de 1.500 personas encargado como parte del proyecto habr\u00eda revelado que casi el 90% de los participantes considera \u00fatil o muy \u00fatil una predicci\u00f3n basada en la IA para compartir el transporte. Alrededor del 20% de los encuestados dejar\u00eda ocasionalmente su propio coche en casa y optar\u00eda por el transporte p\u00fablico. \"Los resultados de nuestra investigaci\u00f3n confirman que los m\u00e9todos basados en la IA pueden apoyar eficazmente la transici\u00f3n de la movilidad y contribuir a la acci\u00f3n por el clima\", declar\u00f3 Ziehn, director del proyecto.<\/p>\n\n\n\n