Muchas ciudades alrededor del mundo han incorporado dispositivos tecnológicos para pago y ubicación de buses, permitiendo así recolectar información que resulta útil para el diseño, supervisión y mejoramiento de los sistemas de transporte. Es posible encontrar diversas investigaciones orientadas al análisis de la demanda, comportamiento usuario en un nivel desagregado y medición de variables de servicio (Trépanier and Morency (2010); Morency at al. (2006); Park et al. (2008)).
La matriz origen-destino (OD) es una de las herramientas más importantes, sino la más a nivel estratégico, para la planificación de transporte. La construcción de matrices OD de transporte público con registros de tarjetas de pago y registros GPS de buses se ha diseñado y aplicado en ciudades como Chicago (Zhao, 2007), Gatineau (Trepanier (2007), Seúl (Park et al, 2008), Londres (Gordon, 2012), Santiago (Munizaga y Palma, 2012) entre muchas otras.
Éstas y otras experiencias siguen en desarrollo, alcanzando importantes niveles de asertividad en la inferencia de aspectos particulares de los viajes, como los son además del origen y el destino, la cantidad, tipo y características de sus transbordos y etapas de acceso y lentamente se van incorporando dentro del set de herramientas de análisis disponibles para autoridades locales, operadores y consultores.
Este cambio de paradigma y su aplicación ha permitido también la obtención de diversos indicadores de eficiencia del sistema (como niveles de ocupación y pasajeros-kilómetro) y de calidad de servicio de la oferta (como frecuencia, regularidad y velocidad de vehículos) y de la demanda (como tiempo de viaje, número y tiempo de trasbordo). Por cierto, las líneas de investigación del potencial de la data pasiva generada por los GPS de los buses y la tarjetas de pago sigue en exploración, con aplicaciones que exceden las fronteras del transporte.
La ciudad de Bogotá no ha estado exenta del fenómeno, donde desde el 2014 han trabajado en el diseño e implementación de una metodología que permita construir matrices (OD) de viajes del Sistema Integrado de Transporte Público (SITP) utilizando información de las tarjetas de pago y registros GPS de buses. Para ello se diseñó una metodología basada en experiencias similares de otras ciudades, adaptado a las características particulares del sistema de transporte de la ciudad y aplicada a dos grupos de datos, el primero corresponde a una semana de febrero de 2015 y el segundo a una semana de septiembre de 2016, con mejoras metodológicas que han provenido de la examinación de su resultados.
Fue interesante participar del proceso de convencimiento de la autoridad local, quienes sin ni un dato a priori a la vista que le asegurara que el nuevo método de estimación funcionaría para el caso bogotano, empujó para que se incorporara esta nueva forma de obtener información de demanda, pasando de desarrollar una medición sólo en la red troncal que consistía en muestrar con papelitos de colores los orígenes-destino de los usuarios en algunos periodos del día, a tener una radiografía detallada de los viajes de los habitantes tanto espacial como temporalmente. Si bien aún les queda camino por recorrer para aprovechar el potencial de los datos, pues queda por construir indicadores de calidad de servicio y herramientas de apoyo a la planificación de transporte público como son los perfiles de carga de los servicios, la pura incorporación de esta información para el mejoramiento del SITP les generará grandes beneficios a la hora de entender y rediseñar el sistema.
En segunda instancia, a partir de esta información se calibró la matriz obtenida en día laboral y periodo punta mañana, con información de medición de flujos en arcos y con información de tiempos de viaje obtenidos de los propios registros de GPS de los buses, obteniendo como resultado que la matriz a priori obtenida por este medio representa de mucho mejor manera los flujos en los arcos medidos con desviaciones pequeñas respecto a su estructura inicial.
Habiendo realizado este proceso un par de veces, cabe reflexionar sobre cómo a partir de esta nueva información, mejor se aprovecha la fase predictiva necesaria para implementar nuevas mejoras en un sistema de transporte, toda vez que los modelos disponibles son implementados con una lógica estática precisamente por la indisponibilidad de información. A mi parecer, el desafío que estamos prontos a abordar es desarrollar herramientas ad-hoc que permitan modelar la ciudad y sus interacciones, aprovechando todas las potencialidades de variabilidad espacial y temporal que se tiene. Sin duda, este desafío nuevamente requerirá de la academia, los agentes públicos y privados que han participado en la explotación de los datos para avanzar en esta nueva línea de trabajo.
