Pronosticar el uso de sistemas de bicicletas compartidas mediante técnicas de aprendizaje automático para fomentar la movilidad urbana sostenible

Los sistemas de bicicletas compartidas pueden contribuir sin duda a la consecución de una movilidad urbana sostenible. A pesar de este potencial, su planificación y funcionamiento no están exentos de dificultades. El principal problema operativo de los sistemas de bicicletas compartidas es la distribución desequilibrada de las bicicletas en la región de servicio, lo que da lugar a zonas en las que las bicicletas escasean y zonas en las que se acumulan. Para proporcionar un nivel de servicio aceptable, el operador necesita realizar movimientos de reposicionamiento, que resultan costosos. Se han desarrollado soluciones de optimización del reposicionamiento de bicicletas compartidas que se basan en la estimación del número esperado de solicitudes y devoluciones en cada ubicación. Los errores en esta predicción se trasladan directamente a soluciones de reposicionamiento subóptimas. Por este motivo, el desarrollo de metodologías capaces de predecir con exactitud el uso de las bicicletas compartidas es un tema de gran interés.

Este artículo aborda este problema utilizando métodos de regresión de aprendizaje automático, que permiten predecir el uso a partir de datos históricos y meteorológicos. Se han analizado tres técnicas diferentes de regresión por aprendizaje automático (bosque aleatorio, gradient boosting y redes neuronales artificiales) y se han aplicado a un estudio de caso basado en el sistema de bicicletas compartidas de Nueva York.

En este artículo se describen las variables de los modelos y sus procesos de calibración. Se analizan y comparan los resultados para determinar cuál de las tres técnicas y en qué condiciones es la más adecuada. Las comparaciones no sólo se hacen en términos de precisión, sino también con respecto a la aplicabilidad de los algoritmos.

Los resultados indican que, dada la precisión similar de todos los métodos, el proceso de calibración más sencillo de la técnica de bosque aleatorio la hace aconsejable para la mayoría de las aplicaciones.

Título Original:

"Forecasting the Usage of Bike-Sharing Systems through Machine Learning Techniques to Foster Sustainable Urban Mobility"

Autor/es: