La mobilitat urbana s’ha convertit en un dels sistemes més complexos de gestionar en les societats contemporànies. L’augment de la demanda, la diversificació dels modes de transport i la necessitat de reduir emissions han obligat a repensar tant la planificació com l’operació dels sistemes de transport.
En aquest context, la intel·ligència artificial ha començat a emergir com una eina clau per abordar aquesta complexitat, tal com s’ha evidenciat en la jornada "IA i Mobilitat" celebrada al Col·legi d’Enginyers Industrials de Catalunya. En aquest espai, experts de l’administració pública, el sector tecnològic i la recerca han analitzat com aquesta tecnologia pot millorar la planificació, l’eficiència dels sistemes de transport i la presa de decisions en entorns urbans complexos.
Més enllà de l’expectativa tecnològica, el debat ja no gira tant al voltant de què pot fer la IA, sinó de quines condicions són necessàries perquè funcioni. En aquest punt, el consens és clar: sense dades, no hi ha intel·ligència artificial.
Les dades, base de la mobilitat intel·ligent
En l’àmbit de les polítiques públiques, la directora general de Transports i Mobilitat de la Generalitat, Susi López, ha situat les dades com a element central. Sense informació fiable i ben organitzada, no es poden crear sistemes capaços d’analitzar la mobilitat ni d’anticipar escenaris. Per això, ha insistit que la IA necessita, sobretot, “dades de qualitat”.
A partir d’aquesta premissa, la Generalitat ha impulsat iniciatives per centralitzar i gestionar la informació de mobilitat, amb l’objectiu de facilitar-ne l’anàlisi i el desenvolupament de nous serveis. La IA pot convertir grans volums de dades en coneixement útil per reduir incerteses i millorar la presa de decisions.
Tot i això, la tecnologia encara es troba en una fase inicial. Tal com ha advertit, “estem en un punt molt inicial en el tema de la IA”, i el sector tot just comença a explorar-ne el potencial real.
Entre els projectes en desenvolupament hi ha sistemes per estimar emissions del trànsit a partir de la classificació automàtica de vehicles o iniciatives orientades a crear bessons digitals de les infraestructures viàries, que permetin simular el comportament del trànsit abans d’aplicar mesures sobre el territori.
Simular la ciutat abans de transformar-la
La capacitat de simulació és un dels camps amb més potencial de la intel·ligència artificial aplicada a la mobilitat. El científic de dades del Barcelona Supercomputing Center, Fernando Cucchietti, ha treballat en projectes basats en bessons digitals urbans: rèpliques virtuals de les ciutats que integren dades, models i visualitzacions per analitzar el comportament dels sistemes urbans.
Aquestes plataformes permeten estudiar l’impacte de decisions urbanes abans d’implementar-les. Disposar d’aquestes eines significa poder entendre “com impactarien les nostres decisions abans de prendre-les”.
La utilitat d’aquests models és especialment rellevant en entorns urbans complexos, on qualsevol canvi —com una nova línia d’autobús o la implantació d’un carril bici— pot generar efectes en múltiples dimensions, com el trànsit, la qualitat de l’aire o l’accessibilitat als serveis.
Models de mobilitat més precisos
La simulació no és nova en l’àmbit de la mobilitat. Fa dècades que els enginyers utilitzen models per analitzar el comportament del trànsit i avaluar possibles intervencions en infraestructures o serveis.
Josep Maria Aymamí, head of Market Expansion d’AIMSUN, ha recordat que l’estudi de les tendències de mobilitat ha estat clau per evitar situacions de congestió en xarxes complexes. I ha recodat que “estudiar les tendències de mobilitat ajuda a evitar el caos”.
En els últims anys, però, el volum d’informació disponible ha crescut exponencialment gràcies a noves fonts de dades, com la telefonia mòbil o els sensors urbans. Aquest augment ha fet que el repte ja no sigui només modelitzar el sistema, sinó gestionar i processar grans quantitats de dades.
És en aquest punt on la intel·ligència artificial ha guanyat rellevància. Quan la informació és massiva, els mètodes tradicionals resulten insuficients, i la IA permet processar-la i millorar els models existents. “Quan tens tanta informació, processar-la és complex i aquí és on la IA ens està ajudant de forma decisiva”, ha sentenciat.
De la dada a la decisió
La gestió d’aquesta informació és també al centre de l’activitat de l’Àrea Metropolitana de Barcelona. Ramon Pruneda, director d’innovació d’AMB Informació i Serveis, ha explicat que la mobilitat actual genera milions de dades cada dia procedents de múltiples serveis: transport públic, aparcaments, sistemes de control de trànsit o zones de baixes emissions.
Aquest volum d’informació reflecteix un canvi profund en la naturalesa del sistema. Avui, “el transport ja no és físic, és digital”, ha dit Pruneda.
Per aquest motiu, les administracions han hagut de construir plataformes tecnològiques capaces d’integrar dades de múltiples fonts i analitzar-les en temps real. Aquesta infraestructura és la base sobre la qual es desenvolupen aplicacions d’intel·ligència artificial, models predictius i sistemes de suport a la decisió.
En aquest context, la IA no es pot desplegar sense una estratègia prèvia de gestió de dades. “Abans de la IA hi ha la disciplina de la dada”, ha remarcat Pruneda. I ha sintetitzat aquest canvi de paradigma amb una idea clara: “la IA no és una decisió, és la conseqüència” d’una bona gestió de la informació.
Un futur de mobilitat més intel·ligent
Les diferents perspectives coincideixen a dibuixar un futur en què la intel·ligència artificial pot ajudar a gestionar millor la complexitat creixent de la mobilitat urbana. La combinació de dades massives, models de simulació i noves eines d’anàlisi permet anticipar escenaris, optimitzar serveis de transport i millorar la planificació de les ciutats.
Tanmateix, el desplegament d’aquestes tecnologies dependrà en gran mesura de la capacitat de generar i compartir dades de qualitat, així com de la col·laboració entre administracions, empreses i centres de recerca.
En aquest context, la intel·ligència artificial no es presenta com una solució immediata, sinó com una eina que, combinada amb dades i coneixement expert, pot contribuir a construir sistemes de mobilitat més eficients, sostenibles i adaptats a les necessitats de la ciutadania.
