Estacionamiento inteligente: Cómo utilizan los datos las ciudades y empresas privadas para afrontar el reto del estacionamiento urbano

Estacionamiento-inteligente

Seguramente todos nos acordamos de cuando éramos niños y estábamos sentados en el asiento trasero del coche familiar en busca de aparcamiento. Yo recuerdo especialmente los días de verano, entre gotas de sudor por la espalda y olor a asfalto quemado, intentando evitar los rayos de sol que me acechaban por la ventanilla.

Pero por ese entonces no sabía que buscar aparcamiento no era solo una causa de molestia personal (pese a la sensación de triunfo final), sino de perjuicio social. INRIX ha calculado que el norteamericano medio gastó en 2017 unos 1.400 $ solo en costes indirectos de aparcar (combustible y tiempo perdido en la búsqueda). Por descontado, esos quilómetros recorridos dando vueltas también contribuyen al cambio climático. Donald Shoup, el máximo experto en el estacionamiento basado en la demanda, ha calculado que solo en una área de 15 manzanas de Los Ángeles, esos recorridos circulares producen 730 toneladas de CO2al año.

La buena noticia es que las ciudades y el sector privado están trabajando para lograr soluciones que aborden cómo localizar y pagar el estacionamiento.

Reinventando la manera de localizar y pagar el estacionamiento.

En Lille (Francia), por ejemplo, la metrópoli se ha asociado con OpenDataSoft para agregar y compartir datos de Waze, operadores de bicis compartidas y tráfico, una información que ha servido a un emprendedor para crear una aplicación gratuita con información del estacionamiento disponible en tiempo real. Otro cliente de OpenDataSoft, Saemes, el segundo mayor proveedor de estacionamiento de la región parisina, tiene un portal de datos abiertos dedicado a la información de estacionamiento. Este portal permite desarrollar soluciones para encontrar aparcamiento, como accessible.net, destinada específicamente a las plazas para personas con discapacidad.

Entre tanto, en San Francisco, la Agencia Municipal del Transporte (MTA) ha adoptado este año la tarificación reactiva a la demanda para los 28.000 espacios que gestiona, tras el éxito de una prueba piloto que acarreó un descenso medio de las tarifas de los parquímetros del 4% y del tiempo de búsqueda de aparcamiento de 30 puntos porcentuales en los aparcamientos en cuestión. La tarificación reactiva a la demanda es una de las medidas más recomendadas por Shoup, pero en las últimas décadas ha resultado inaccesible para las ciudades. Ahora, con los parquímetros en red, San Francisco y otras urbes analizan, manzana a manzana y espacio a espacio, el volumen de demanda de estacionamiento existente y a partir de ahí determinan las tarifas.

Obviamente, para dar una solución a todos esos vehículos que dan vueltas, la tarificación reactiva a la demanda no es más que la punta del iceberg: los conductores tienen que saber dónde están las plazas libres para beneficiarse de ella.

 

Un algoritmo predictivo para determinar la tarifa de estacionamiento.

Durante la fase de la prueba piloto de San Francisco, que se aplicó en 7.000 espacios, la ciudad instaló sensores que facilitaban información de disponibilidad en tiempo real. Esta información se transmitía a los conductores a través de la aplicación de la propia MTA, junto con otras de terceros. No obstante, los sensores eran caros y, cuando la MTA expandió el programa a toda la ciudad, no los sustituyó ni instaló nuevos sensores. En su lugar, se optó por utilizar los datos recopilados durante la prueba piloto para crear un algoritmo capaz de predecir la disponibilidad de aparcamiento a partir de los ingresos recaudados en las horas anteriores. Posteriormente, esta predicción de disponibilidad permite determinar la tarifa. Los datos de tarificación siguen estando abiertos a los desarrolladores y en último término al público como indicadores de las plazas libres, según Hank Wilson, responsable de la política de estacionamiento de la MTA de San Francisco. “Esperamos conseguir más o menos los mismos beneficios [que en la prueba piloto]”, señaló Wilson. “Si les das la tarifa correcta, los usuarios se hacen a la idea.”

He querido conversar en torno al estacionamiento con David Eaves, profesor de Política Pública de la Harvard Kennedy School of Government y emprendedor en el ámbito del gobierno digital. Se ha mostrado bastante favorable al uso de un algoritmo predictivo. “Me parece que es algo realmente bueno; tal vez marginalmente sea menos preciso que los sensores, pero esos sensores instalados son muy caros”, explica. “Sin embargo, no me parece que el sistema pueda funcionar demasiado bien con los eventos atípicos.”

Agrega que no cree que los conductores resulten demasiado perjudicados por el hecho de privarles de la información de la disponibilidad en tiempo real. “No es tan significativo abrir una aplicación y ver exactamente dónde están las plazas libres; el aparcamiento es algo tan líquido que solo en el tiempo que uno tarda en desplazarse a una plaza puede que ya esté ocupada.” He preguntado a Wilson si la MTA de San Francisco ha recopilado datos justo de ese aspecto (con qué frecuencia una aplicación dirige a un conductor a una plaza y esta sigue libre al llegar), pero me dice que no.

El programa de San Francisco es tan nuevo en su versión de toda la ciudad que hará falta tiempo para observar sus efectos. Pero Eaves pone sobre la mesa un par de cuestiones más generales que conviene tener en cuenta.

La imagen global: movilidad e interconectividad.

En primer lugar, está el hecho de que las ciudades persiguen soluciones relacionadas con el estacionamiento desde posiciones aisladas, lo que se traduce en ineficaces redundancias para los conductores que diariamente traspasan los límites municipales en sus desplazamientos. “¿Por qué necesito tres aplicaciones de pago distintas para Cambridge, Boston y Somerville (Passport Park, Park-Boston y ParkMobile, respectivamente)?”, Eaves pregunta retóricamente. Además, está la cuestión de qué sucede con los datos recopilados por las empresas privadas responsables de los parquímetros. Eaves señala que la mayoría de las ciudades tienen reglas sobre lo que ellas mismas pueden hacer con esos datos, pero cuando externalizan la gestión de los parquímetros, muchas no aplican las mismas reglas al sector privado. Una solución es exigir a los proveedores de parquímetros que utilicen interfaces API abiertas que permitan a los viajeros usar cualquier aplicación para pagar el estacionamiento.

La segunda cuestión es el repunte inminente de los vehículos autónomos y el hecho de que el aparcamiento puede perder importancia en el futuro, a cambio de la mayor relevancia del espacio de recogida y depósito. Esta posibilidad todavía es lo bastante remota como para que, según Wilson, haya incidido hasta la fecha en las decisiones de inversión en estacionamiento inteligente. Además, la misma estrategia económica será válida en gran medida para las empresas de red de transporte (TNC) como Uber y Lyft. “Creo que la tarificación reactiva a la demanda [de estacionamiento] puede servir de modelo para la valoración del espacio a borde de acera para las TNC”, añade Wilson.

Eaves asiente. “Está claro que es muy importante tarificar la recogida de vehículos automáticos (AV) con más precisión”, puntualiza antes de expresar su escepticismo sobre la utilidad última de cualquier solución limitada al modelo de transporte dominante. “La pregunta que formularía a una ciudad es: si dispusiera de 30 millones para gastar en objetivos globales que hicieran la ciudad más agradable para andar y vivir en ella, ¿en qué los emplearía?”

(La cifra de 30 millones es hipotética, pero tal vez no tan ilusoria. Wilson comenta que instalar todos los parquímetros del nuevo programa de estacionamiento ha costado 11 millones, aunque los parquímetros actuales estaban agotando su vida útil y habrían tenido que cambiarse igualmente, y que el coste del software de base de datos y analítica ha sido de “algunos millones” más —y eso sin tener en cuenta el tiempo del personal ni el coste de oportunidad.)

El estacionamiento inteligente por sí solo no resolverá los problemas del transporte urbano. Con todo, para muchas ciudades sí será un elemento esencial de una solución multimodal que sin duda alguna aliviará la vida diaria de muchos de sus trabajadores y residentes. Mientras las ciudades implantan soluciones inteligentes para componentes individuales de sus sistemas de transporte, cada vez será más importante incorporar sistemas de uso compartido de datos detrás de las cámaras para integrar orígenes de datos y aplicaciones que de otro modo estarían aislados. Una visión integrada aportará nuevas soluciones a los conductores (por ejemplo, los operadores de estacionamiento ya están pensando en colaborar con terceros para guiar a los conductores hacia los estacionamientos con plazas disponibles), pero estas innovaciones dependen de una infraestructura de datos que pueda compartir distintos tipos de información y señales en tiempo real.

The Alliance for Parking Data Standards (APDS), una iniciativa reciente impulsada por el International Parking Institute (IPI), la British Parking Association (BPA) y la European Parking Association (EPA), pretende promover esta visión integrada a nivel internacional. La misión de la APDS consiste en desarrollar, promover, gestionar y mantener un estándar uniforme que permita a las organizaciones compartir datos de estacionamiento en plataformas de alcance global.

Mientras tanto, menos camisetas sudadas y más tiempo de trabajo y de ocio es una ecuación que presumiblemente reciba el apoyo mayoritario.

Related Posts