Si la gente compartiera, Nueva York podría pasar de tener 14,000 a 3,000 taxis

Hay cerca de 14,000 taxis en la ciudad de Nueva York, pero en ocasiones parecen no dar abasto. Sin embargo, en un nuevo estudio procedente del MIT, los investigadores sugieren que solo 3,000 vehículos para el transporte compartido –ya sea un taxi tradicional, un auto que hace Uber o Lyft, o un futuro taxi autónomo– podrían perfectamente realizar el mismo trabajo si cada uno aceptara hasta cuatro pasajeros. Pero esto no queda aquí: si todos los pasajeros estuvieran deseando compartir sus viajes con otros nueve extraños, a cambio de menos tráfico y precios más bajos, la ciudad necesitaría solo 2,000 de esos vehículos.

Serían noticias más que bienvenidas en ciudades como Nueva York, donde el embotellamiento ha arreciado tanto que la ciudad ha propuesto la implementar cuotas por congestión. Podría incluso ser una bendición para urbes como Los Ángeles o Londres, que están tratando de recortar el esmog producto de las emisiones de los autos. Desde luego, si servicios y aplicaciones como los anteriormente citados mejoran o empeoran el tráfico es aún tema de vigoroso debate, dependiendo en gran medida de si retirar ciertas flotillas del uso público estimule a más personas a conducir su propio auto.

El ‘ingrediente secreto’ del MIT, como la investigadora principal Daniela Rus escribiera en los Procedimientos de la Academia Nacional de Ciencias, es un algoritmo que su equipo desarrolló para hallar las rutas más eficientes con la finalidad de que, en un solo viaje, los vehículos de uso compartido recogieran y transportaran múltiples pasajeros hasta sus diversos destinos. Primero que todo, establece todas las solicitudes y vehículos disponibles en un mapa, en tiempo real. Luego analiza todas las posibles combinaciones de viaje para encontrar la mejor opción antes de asignar pasajeros a cada vehículo. Si una nueva solicitud aparece durante el viaje inicial, el sistema calcula si el taxi debería asimilar o no esa nueva petición. A su vez, por medio del algoritmo, se enviarán autos desocupados a lugares con alta demanda, basándose en información almacenada.

“Uno de los desafíos pasa por crear una solución que pueda lidiar con miles de solicitudes que aparezcan (a la vez) en tiempo real”, sostiene Rus, directora del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT. “Llamamos a nuestro algoritmo ‘óptimo en cualquier momento’, lo que significa que este será mejorado constantemente, dando paso siempre a la solución óptima”.

Para ponerlo a prueba, el equipo desarrolló simulaciones empleando el GPS (navegador satelital) público de tres millones de viajes en taxi en Manhattan, durante una semana de 2013. ¿Resultado? Si cada uno de los taxis transportaba hasta cuatro pasajeros separados, el tiempo de espera por pasajero sería, como promedio, de unos 2.7 minutos, al tiempo que cada viaje se retrasaría cerca de 2.3 minutos. Ahora bien, en el caso de taxis u ómnibus pequeños que trasladaran 10 pasajeros, ese tiempo de espera se incrementaría hasta unos 2.8 minutos, si bien los retrasos en los viajes rondarían los 3.5 minutos. El algoritmo funcionaría con cualquier servicio de transporte compartido, e incluso con vehículos autónomos, aseguran los investigadores.

Si bien la matemática podría constatarlo, David King, profesor de urbanismo en la Universidad Estatal de Arizona, tiene sus dudas acerca de si los números se darían así en el mundo real o si funcionarían. Para empezar, los investigadores asumen que cada viaje en taxi lleva un pasajero (los datos no lo especifican) cuando en realidad, un sinnúmero de taxis ya son compartidos por un grupo de múltiples pasajeros.

“Las familias los toman, o bien una pareja que está yendo a cenar, de modo que no se trata solo de que este vehículo recoge a la Persona 1, pues este puede luego recoger a las Personas 2, 3, 4 y 5”, dice King. El primer grupo pudo haber completado solo la mitad de los asientos, sostiene. Su propia investigación indica que el número promedio de personas transportadas es de 1.6, lo que significa que los 430,000 viajes rendidos en un día durante esa semana en 2013 pudieron haber recogido unos 688,000 pasajeros (por su parte, Rus añade que los parámetros del algoritmo pueden ser ajustados y serían puestos a prueba con el tiempo para encontrar la solución óptima).

Aun así permanece el problema de por qué los pasajeros acuden a los taxis en primer lugar. “Hay mucho interés en compartir los taxis, y lo ha habido por décadas, pero nadie lo hace nunca”, refiere King. “Los taxis son un servicio exclusivo, y los más ricos los usan más porque ellos aprecian el tiempo tanto como su privacidad. Quienes ganan poco, en cambio, los toman cuando no les queda más remedio”.

Al margen del desafío social que implica hacer que seres extraños se sientan cómodos en un auto pequeño, las prioridades individuales pueden igualmente interponerse. Por no hablar, agrega, de que las personas pueden cuestionarse la fiabilidad de un taxi compartido por diez personas, y cuya ruta variará muchas veces en función de recoger otras nueve personas por el camino.

Y no es que la Comisión de Taxis y Limosinas de Nueva York no haya tratado antes de promover la práctica del viaje compartido. En 2010, de hecho, se ensayó un limitado programa (Share-a-Cab), con una tarifa fija de 3 o 4 dólares por persona.

“En los primeros dos días del programa, las únicas personas paradas en los tres puntos de recogida eran otros periodistas”, escribió una reportera del New York Times en esa época. “Los choferes no disminuían la velocidad cuando pasaban. De manera que me le acerqué a la gente que estaba llamando sus taxis, fingiendo ir en su misma dirección y ofreciéndoles compartir el viaje. Después de ser rechazada por la duodécima o la decimotercera vez, comencé a ofrecerme para pagar todo el precio –esto ya no era ‘compartir’ el taxi, sino regalarles un viaje. Pero eso solo intimidaba aún más a las personas. A la larga, estaba dando vueltas en el asiento trasero de mi propio taxi y, a través de la ventanilla abierta, gritaba: ‘¡Vengan, súbanse!’, a todos aquellos que veía con una mano al aire”.

Esto no quiere decir que no haya valor en estudios de este tipo, señala King. Después de todo, l os programas de viajes compartidos desde Uber, Lyft, y demás existen en muchas ciudades, y, para rematar, Google está iniciando su propio servicio. Hay un beneficio en estudiar cómo estas iniciativas pueden aplicarse a la industria del taxi, añade, pero “una cosa es decir que podemos perfeccionar la eficiencia ganando en cultura de compartir servicios; y otra, que vamos a reducir cinco veces la flotilla de vehículos”.

Rus, por su parte, reconoce que su equipo investigará aún más para identificar otras condiciones necesarias. “El algoritmo es de hecho muy general, y fue probado en un estudio en particular, pero eso no significa que sea esta su única función”, repone. “Es muy fácil entretenerse con esto de los parámetros y las presunciones”. El algoritmo es solo una vía matemática para comparar los beneficios de compartir viaje entre todas las partes, y las diferentes instancias tendrían que decidir cómo podrían querer implementarlo. Si bien no todas las ciudades, acota, verán resultados así de drásticos, sí se verificaría una gran diferencia, sobre todo en el tráfico, con solo sacar de circulación cierto número de autos.

Este artículo fue publicado originalmente en inglés en CityLab.com.

Galería relacionada: las ciudades con el mejor transporte público en EEUU