Google Argentina anunció este miércoles la incorporación de la Ciudad de Buenos Aires al proyecto Green Light, que favorece la movilidad sostenible en las grandes urbes utilizando IA.
“La inteligencia artificial está reconfigurando nuestro mundo a pasos agigantados”, explicó Víctor Valle, Director General de Google Argentina. La Voz participó del evento en la sede de Google en Puerto Madero.
En este sentido, agregó: “En la Argentina, vemos un enorme potencial para aprovechar esta tecnología y construir un futuro más justo y sostenible. Para alcanzarlo, es fundamental que desarrollemos la IA de manera responsable y equitativa, asegurando que sus beneficios lleguen a todos los sectores de la sociedad”.
Movilidad más sustentable en la Ciudad de Buenos Aires
El tráfico vehicular es una de las principales fuentes de emisiones de gases de efecto invernadero, especialmente en las ciudades. Tal es así que la contaminación que se genera se observa especialmente en los cruces de las ciudades y puede ser hasta 29 veces mayor que en las calles abiertas. Además, la mitad de estas emisiones proceden de los vehículos que aceleran tras detenerse en un cruce, señaló Google en la charla.
Para abordar este problema, en 2021 se lanzó el proyecto Green Light, una iniciativa que utiliza inteligencia artificial y datos de Google Maps para optimizar el funcionamiento de los semáforos.
Al analizar los patrones de tráfico, proporciona recomendaciones para mejorar el flujo vehicular y reducir las emisiones.
Los resultados iniciales son prometedores, con una reducción potencial de hasta el 30% de las paradas de tráfico y el 10% de las emisiones de CO2. Esta tecnología ya se ha implementado en más de 70 intersecciones en 14 ciudades y hoy, Google anunció la incorporación de la Ciudad Autónoma de Buenos Aires a las pruebas piloto del proyecto gracias a la colaboración con el Gobierno de la Ciudad.
“Desde el área de Señalización Luminosa de la Ciudad de Buenos Aires, nos entusiasma formar parte de Project Greenlight. Esta iniciativa nos permite contar con datos de movilidad y ajustar las programaciones semafóricas en horarios específicos. Gracias a ello, podemos mejorar la fluidez del tránsito, reducir las esperas innecesarias y las emisiones de CO2 a la atmósfera, contribuyendo a una movilidad más eficiente para todos los ciudadanos”, expresó elingeniero Martín Viale, gerente operativo del Centro de Monitoreo y Gestión de la Movilidad Urbana del GCBA.
Buenos Aires es una de las ciudades que más semáforos tiene en el mundo.
Fermín Níez, técnico en Transporte y Obras, puso como ejemplo los datos que ya están utilizando en Google. Un simple cambio de duración de 1 segundo en un semáforo, en un cruce clave de Caba, generó mejoras en tiempo y combustible para miles de automovilistas. La idea es ir analizando cada dato e ir aplicándolo en la gran metrópolis.
Project Green Light se implementa en 4 etapas
1- Interpretación de las intersecciones: esta instancia implica mapear la ciudad y analizar cómo funcionan los semáforos: tiempos de cada luz, cuándo cambian, etc.
2- Medición del tráfico: creación de un modelo para ver cómo se mueve el tráfico en esa intersección. Esto permite identificar patrones, tiempos de espera, y cómo cambian los semáforos durante el día.
3- Desarrollo de recomendaciones inteligentes: utilización de la IA para sugerir a los equipos de ingenieros de la ciudad posibles ajustes en los tiempos de los semáforos que implican una implementación sencilla.
4- Análisis del impacto: luego de la implementación, se miden los resultados contemplando cuántas paradas se evitan, cómo mejora el tráfico y el impacto en el medio ambiente.
¿Cómo funciona Green Light?
1. Entendiendo la intersección de calles
Teniendo como base todo el trabajo de Google durante décadas para mapeando ciudades de todo el mundo, esta tecnología podrá inferir los parámetros existentes de los semáforos, entre ellos: la duración del ciclo, el tiempo de transición, división en verde (es decir, tiempo y orden de derecho de paso), coordinación y funcionamiento de los sensores.
2. Medición de las tendencias del tráfico
Google creó un modelo para comprender cómo fluye el tráfico por los cruces. Esto ayuda a comprender los patrones típicos de cada localidad, incluidos los de parada y arranque, los tiempos promedio de espera en un semáforo, la coordinación entre cruces adyacentes (o la falta de ella) y cómo cambian los planes de los semáforos a lo largo del día.
3. Desarrollo de recomendaciones para la ciudad
Gracias a la IA, se pueden identificar posibles ajustes en la optimización de los semáforos. Estas recomendaciones se comparten con los ingenieros de tráfico de la ciudad, quienes tras aprobarlas, pueden aplicarlas fácilmente en sólo 5 minutos, utilizando las políticas y herramientas ya existentes.
4. Análisis del impacto
Una vez implementado, se mide el número de paradas que se ahorraron los conductores y su impacto en los patrones de tráfico. A continuación, a través de modelos estándar del sector se calcula el impacto climático de estos cambios. Por último, estos datos son compartidos con la ciudad asociada y comienza un monitoreo continuo por si surgen cambios necesarios en el futuro.
Interfaz con recomendaciones, fácil de usar para las ciudades
El panel de control de esta herramienta ofrece recomendaciones específicas para cada ciudad, mostrando las tendencias de apoyo a cada una, con la opción de aceptar o rechazar la sugerencia. Una vez aplicada una recomendación, en el mismo panel se presenta un informe de análisis de impacto.
Datos y privacidad
Los datos utilizados provienen de las tendencias de conducción anónimas de Google Maps, la información de las personas en ningún momento se comparte con la ciudad ni con terceros.
Cualquier tendencia de conducción compartida con la ciudad se agrega, se anonimiza y previamente pasa por estrictos procesos de privacidad. Green Light sólo comparte recomendaciones sobre cómo una ciudad debería optimizar los tiempos de los semáforos, por ejemplo, si deberían alargar un semáforo en verde unos segundos más, para proporcionar una mejor experiencia de conducción de manera sustentable.
