Especialistas analizan desafíos de Metro de Santiago y Londres en temas de congestión

Cómo utilizar la recopilación de datos para predecir o mejorar la demanda en las estaciones de metro, fue uno de los temas que especialistas nacionales y extranjeros abordaron en el Workshop Internacional de Gestión de Pasajeros, que organizó la Facultad de Ingeniería y Ciencias Aplicadas de la Universidad de los Andes. Iniciativa que, según Sebastián Seriani, doctor en Transporte y organizador de este encuentro, busca vincular la academia con la industria.

Tomando los casos del Metro de Londres y de Santiago: Howard Wong y Taku Fujiyama, de la Universidad de Londres; Daniel Schwarz, de Metro de Santiago; y Juan Carlos Muñoz, de la Universidad Católica de Chile; presentaron algunas medidas de gestión que actualmente se utilizan en estas estaciones y los desafíos que se enfrentan en materia de congestión.

Considerando el caso local, en el Metro de Santiago se ha observado un fuerte aumento de la demanda en los últimos años, y en especial, tras la apertura de las líneas 3 y 6, a diferencia de Londres, e incluso en ciudades como Tokyo o Nueva York donde la demanda ha decaído, comportamiento que se podría explicar por la implementación de sistemas de transporte públicos cada vez más integrados.

Según Daniel Schwarz, Deputy Manager for Corporate Studies de Metro de Santiago, las tarjetas Bip han permitido la recopilación de datos relevantes para desarrollar una matriz origen-destino que les permite, por ejemplo, conocer cuáles son los principales destinos de los pasajeros, y de esa forma, responder de forma más rápida y eficiente a la demanda.

 No obstante, uno de los desafíos pendientes es lograr estimar las bajadas de los usuarios y establecer, por ejemplo, las rutas que más se usan, por Wifi o Bluetooth.

Un trabajo que realizará Seriani, gracias al Fondo de Ayuda a la Innovación que se adjudicó en la UANDES, es el desarrollo de un instrumento con el cual, a través de inteligencia artificial, le permitirá capturar las imágenes y, de esta forma, procesar y detectar cuándo se supera la cantidad de pasajeros máxima permitida, por metro cuadrado, y así manejar la congestión de manera eficiente.