Crowdsourcing como Herramienta de Gestión de la Demanda de Transporte, diciembre 2018

Ha sido una característica de los últimos años, que en ocasiones cuando se generan períodos que combinan días feriados con fines de semana, se produce una salida extraordinaria de automovilistas desde las grandes ciudades hacia zonas rurales y otras con atractivo turístico. Producto de este exceso de demanda y las restricciones que operan sobre los usuarios en la elección del horario de salida, se generan episodios de congestión significativa, con impactos negativos que afectan a usuarios, operadores de infraestructura y al medio ambiente, consumiendo cantidades excesivas de tiempo, combustible y recursos naturales. 

Pese a lo anterior, existen alternativas que aprovechan la flexibilidad de la demanda y que se han mostrado efectivas en la mejora del nivel de servicio en situaciones como la recién descrita. Estas últimas permiten gestionar la demanda y corresponden a estrategias que típicamente operan y modifican las decisiones de viaje de los individuos, logrando en algunos casos reducir la cantidad de viajes en aquellos períodos y modos donde la demanda excede la capacidad del sistema.

Un ejemplo de lo anterior es la modificación de la distribución temporal de los viajes, evitando la formación de períodos de concentración de viajes. Esta última opción es muy atractiva puesto que, porque al final del período de interés se han realizado la misma cantidad de viajes, y en términos relativos es una alternativa significativamente más barata que intervenciones sobre el sistema de transporte.

El problema de la elección de hora de salida en un viaje turístico, tal como que se formuló inicialmente, desde un punto de vista conceptual, corresponde a un problema de coordinación entre actores que no se conocen entre sí y que quieren hacer uso del/ o los mismos recursos, y que producto de la falta de información entre oferta y demanda, se generan condiciones que favorecen la generación de períodos con exceso de demanda. Estas últimas características de alguna forma implican que en la captura de las decisiones a priori y su posterior diseminación a los usuarios hay una oportunidad para que los individuos reconsideren sus decisiones de viaje, y en consecuencia se reduzcan los episodios de congestión.

La idea de capturar datos para generar información de forma colaborativa que resuelva un problema es modelo relativamente nuevo, que tiene una fuerte componente asociada a las tecnologías de la información y particularmente con las redes sociales. Este modelo es popularmente conocido como crowdsourcing y se utiliza en una amplia gama de sectores para favorecer la toma de decisiones o catapultar un emprendimiento.

Normalmente, en una lógica crowdsourcing un problema o tarea se difunde a un grupo de personas desconocidas mediante una convocatoria abierta para que estas los solucionen. Los usuarios forman comunidades en línea y sugieren soluciones. Las comunidades también pueden revisar las soluciones para encontrar errores o mejorarlas. Una vez decididas y elegidas, las mejores soluciones pasan a ser de la entidad que propuso el problema en primer lugar: el convocante. A veces, las personas que propusieron las mejores soluciones son recompensadas. En algunos casos, el trabajo es recompensado, ya sea mediante dinero, premios o bien con reconocimiento. En otros casos, la única recompensa es el prestigio, o la satisfacción intelectual.

El uso de crowdsourcing es particularmente útil en tareas en donde se deben conciliar múltiples puntos de vista o restricciones al mismo tiempo que el problema en sí mismo es de sencilla comprensión por parte de los individuos consultados.

Usualmente los modelos basados en crowdsourcing están soportados por plataformas online, donde las tareas solicitadas a los consultados requieren la producción de resultados rápidos y sencillos con poca o nula preparación de los participantes. De la misma forma, al usar intensivamente plataformas online, es posible acceder a un número significativo de individuos, lo cual permite eficientemente consultar con audiencias diversas desde el punto de vista económico, etáreo y geográfico.

Pese a que las metodologías basadas en crowdsourcing han sido aplicadas en diversas industrias, no existe a la fecha un consenso respecto   de cuáles son los elementos fundamentales que este tipo de aplicaciones debiese considerar y cuáles pueden ser considerados opcionales. Esta taxonomía es un elemento fundamental para servir de referencia en la evaluación de propuestas basadas en crowdsourcing.

Las metodologías basadas en crowdsourcing permiten a diferentes intereses obtener resultados relevantes. Un resultado relevante es por ejemplo es poder decidir en torno a un problema utilizando la inteligencia colectiva que números masivos de individuos pueden producir si es que se dan algunas condiciones mínimas.

Usualmente los modelos basados en crowdsourcing están soportados por plataformas online, donde las tareas solicitadas a los consultados requieren la producción de resultados rápidos y sencillos con poca o nula preparación de los participantes. De la misma forma, al usar intensivamente plataformas online, es posible acceder a un número significativo de individuos, lo cual permite eficientemente consultar con audiencias diversas desde el punto de vista económico, etáreo y geográfico.

Otra cuestión central en el uso de crowdsourcing es la motivación de los participantes y el diseño de los incentivos para ellos. Se ha mostrado que el éxito de este tipo de iniciativas depende del tipo de incentivos que los usuarios esperan recibir a cambio de su contribución al sistema. En el caso de las motivaciones interiores (aquellas que no provee el sistema de forma pecuniaria o similar) y las exteriores se han identificado las siguientes categorías:

  • Reciprocidad: Quienes contribuyen esperan que otros hagan lo mismo
  • Reputación: Quienes contribuyen esperan ser reconocidos por otros
  • Competencia: Quienes contribuyen quieren mostrar que contribuyen más que otros
  • Altruismo: Quienes contribuyen lo hacen sin esperar recompensa alguna
  • Autoestima: Quienes contribuyen lo hacen para crecer como personas
  • Entretención: Quienes contribuyen lo hacen por entretención
  • Recompensas: Quienes contribuyen lo hacen por una promesa de recompensa que aumente su patrimonio.
  • Dinero: Quienes contribuyen lo hacen por dinero

La motivación además depende del tipo de objetivo en las tareas encomendadas, la tarea encomendada, la estructura social y la naturaleza del objeto de la consulta. Combinados estos elementos determinan cuánto esfuerzo mental y físico comprometerán los consultados y el tiempo que comprometerán en la tarea.

En el caso de los objetivos, si estos son demasiado simples, es posible que no motiven la participación de los actores. Por otra parte, si los objetivos incluyen desafíos importantes, entonces se favorece el interés en aprender y activar la creatividad para resolver la consulta. Adicionalmente si el objetivo del crowdsourcing tiene una identificación con el consultado se habla de congruencia.

En el caso de aplicaciones relacionadas con transporte, considerando diferentes casos de estudio es posible clasificar el uso de crowdsourcing en dos grandes grupos: adquisición de datos en infraestructuras que están distribuidas en grandes extensiones de territorio y por otro lado, la realimentación respecto de la calidad de servicio percibida por los usuarios en distintas facilidades de transporte.

En general, las aplicaciones en transporte han mostrado que este tipo de técnicas tiene un gran potencial para congregar cantidades significativas de usuarios en torno a problemas que son de interés de todo el grupo. Sin embargo, hay ciertos elementos que son centrales al momento de considerar este tipo de herramientas para uso en transportes.

Factores como el tamaño de la muestra, la precisión de los resultados y el error admisible son cantidades relacionadas entre sí. De ser posible calcular dichos indicadores, estos se pueden diseminar en conjunto con la información de viajes esperados, generando confianza y fidelización. Por otro lado, favorece además en análisis en el tiempo y en el espacio de la calidad de la información diseminada por la aplicación.

Algunos resultados de interés de generar son por ejemplo número de participantes, fracción de participantes respecto del total de viajeros, error estimado de la consulta, número de cambios de horario observados, metas a cumplir, probabilidad de éxito, total de horas ahorradas estimadas, estimación del ahorro consumo combustible, error estimado, confiabilidad, etc.

Por otro lado, en relación con la diseminación de la información, es un resultado reportado en la literatura que los mejores resultados se obtienen diseminado la información a una fracción de los usuarios durante ciertos períodos del día. La fracción específica a utilizar requiere una mirada más en detalle de experiencias anteriores, pero a priori se puede considerar una estrategia utilizar el 20% de los usuarios.

    Agregar un comentario