La ciudad de Nueva York tuvo que implementar el análisis de datos durante la pandemia para disponer de más autobuses en las rutas más demandadas por los usuarios.

¿Quién no ha pensado alguna vez que le gustaría que el transporte público fuera más eficiente? Que sería estupendo poder contar con más autobuses en aquellas rutas en las que hay más usuarios. Seguro que más de una y más de dos veces le has dado vueltas a ese tema. En EE.UU. también llevan un tiempo planteándoselo y la pandemia fue el detonante de empezar a utilizar el Big Data para conseguir un transporte público más eficiente.

Todo surgió cuando se anunció que tras 115 años, el metro de la ciudad de Nueva York (EE. UU.) iba a cerrar por las noches para frenar la propagación de la Covid-19. Eso provocó que la Autoridad Metropolitana del Transporte (MTA, por sus siglas en inglés), habilitara más autobuses para suplir la demanda de transporte público. Había que hacerlo rápido y cubriendo las zonas con más afluencia.

Rutas más eficientes

Así fue como empezaron a utilizar el Big Data. En concreto utilizaron Remix, una de las plataformas de planificación de transporte más populares del mundo. El software de autoservicio permite a las agencias de transporte redirigir fácilmente las líneas o crear otras nuevas. La MTA ya lo había utilizado para comenzar a rediseñar la red de autobuses del barrio neoyorquino de Queens.

Sin embargo, la nueva estrategia hacía necesario el uso de más datos. La red necesitaba disponer de información sobre dónde vivían los trabajadores de primera línea que dependían del servicio de transporte nocturno y hacia dónde se dirigían con más frecuencia. Con esa información, sus planificadores podían trazar las rutas de autobús más eficientes y tal vez incluso prestar mejor servicio a estos pasajeros que los del metro.

Calculadora de datos

El software principal de Remix parece una especie de calculadora de coste-beneficio. Cuando un planificador traza una nueva ruta a través de un mapa en la pantalla, la plataforma calcula cuánto podría costar y quién podría usarla en vista de quién podría acceder a ella, lo que finalmente ayuda a los planificadores a evaluar si la inversión pública vale la pena.

Si se añaden más datos se profundiza el análisis técnico de la herramienta: con unos pocos clics, la información demográfica y las cifras existentes de pasajeros ayudan a los planificadores a visualizar las rutas que mejor cubrirían las necesidades de una comunidad. También hay un elemento similar a Google Docs: los usuarios pueden dejar sugerencias como que dos paradas podrían fusionarse en una.