Buscar aparcamiento en la calle en Madrid es ese “minuto” que se convierte en media hora y en tres vueltas a la misma manzana. Un equipo de IMDEA Networks (Comunidad de Madrid) ha diseñado un sistema de coordinación, Cord-Approx, que ordena el caos y asigna plazas de forma inteligente. En simulaciones detalladas con datos reales, quienes usaron el sistema tardaron 6,7 minutos de media en encontrar hueco; el resto, casi 20 minutos.
La mejora alcanza el 66% y, de propina, menos coches dando vueltas supone menos atascos y menos emisiones. La clave no es solo adivinar dónde podría haber sitio, sino coordinar a toda la ciudad para que no compitan por el mismo hueco. De momento, la investigación se ha probado en simulaciones y el prototipo funcional está en desarrollo mientras exploran pilotos con ayuntamientos y proveedores de movilidad.
¿Cuánto tiempo se ahorra buscando aparcamiento con Cord-Approx?
El estudio ‘Reducing Street Parking Search Time via Smart Assignment Strategies’ dividió a las personas conductoras en dos grupos (quienes usaban la aplicación frente a quienes no) y midió el impacto de varias estrategias. Con Cord-Approx, la búsqueda bajó a 6,7 minutos de media en Madrid, frente a casi 20 minutos sin el sistema; esto es, una reducción del 66% según las simulaciones con datos reales de tráfico.
Cord-Approx predice la disponibilidad probable de plazas a partir de patrones históricos de ocupación y asigna cada hueco mediante un algoritmo de emparejamiento óptimo. Traducido: en lugar de que todo el mundo vaya “a ver si suena la flauta”, el sistema reparte los destinos para que no compitan por el mismo sitio y roza un escenario ideal “omnisciente”.
La primera autora del trabajo, Behafarid Hemmatpour, lo resume así: «El hallazgo clave de la investigación es en qué medida la coordinación aumenta la eficiencia: al dirigir a cada conductor a un lugar específico, convierte un caos total en un proceso organizado». Además, su rendimiento se comparó con un referente teórico (Oracle) que asume información perfecta. «Cord-Approx se acerca mucho al escenario ideal del Oracle en cuanto a rendimiento, capturando gran parte de su ventaja teórica sin requerir datos perfectos», ha destacado Hemmatpour.
¿Qué viene ahora: prototipo, pilotos y cómo lo usarás en tu app de mapas?
Hasta ahora, todo se ha validado mediante simulaciones. El equipo desarrolla un prototipo completamente funcional y explora oportunidades para probar la estrategia Cord-App en pilotos reales con municipios o proveedores de movilidad. El profesor Nikolaos Laoutaris adelanta el siguiente paso: «Por ahora, aún no hemos colaborado con autoridades municipales ni empresas privadas para probar el sistema en un entorno real. El siguiente paso es colaborar con una ciudad o empresa para implementar una prueba,» ha explicado. Para que el lector pueda sacarle partido cuando esté disponible, aquí van pasos claros y accionables basados en lo anunciado por los investigadores:
- Si tu ayuntamiento o un proveedor de movilidad lanza un piloto con Cord-App, participa: recibirás indicaciones en tiempo real hacia plazas en la calle a medida que te acerques a tu destino.
- Cuando exista integración por API en Google Maps, Waze o en la app municipal de tu ciudad, utilízala para que te guíe directamente a un hueco concreto.
- Si trabajas en un ayuntamiento o en una empresa de movilidad, valora integrarlo en la gestión del tráfico o vincularlo a tarifas dinámicas para gestionar la demanda de aparcamiento en la calle.
Además de guiar a las personas conductoras y reducir su frustración (que no es poca), el sistema puede integrarse mediante una API en plataformas existentes como Google Maps, Waze o aplicaciones municipales. «Las autoridades municipales podrían usar este sistema para gestionar la demanda de aparcamiento en la calle de manera más eficiente, por ejemplo, integrándolo con la gestión del tráfico municipal o incluso con tarifas dinámicas», ha destacado Hemmatpour. El artículo ha sido aceptado y se presentará en ACM SIGSPATIAL’05.
¿Sirve fuera de Madrid?
El sistema se ha diseñado para adaptarse a distintos contextos urbanos y Madrid se eligió como caso de estudio por su diversidad y por contar con conjuntos de datos detallados de tráfico. No obstante, los resultados no se limitan a la capital y la guía coordinada debería funcionar allí donde la escasez de plazas genere tráfico de búsqueda.
Puedes encontrar más artículos relacionados en nuestra sección de motor.
