Perm\u00edtame explicarme, una de las mejores formas (y m\u00e1s equitativas) de lograr este ambicioso objetivo es mediante la asignaci\u00f3n de precios din\u00e1mica en tiempo real<\/strong>.<\/p>\n Aqu\u00ed tiene c\u00f3mo funciona: cuando los conductores se aproximan a un tramo congestionado de una autopista con una v\u00eda gestionada, tienen la opci\u00f3n de pagar un peaje para viajar por la v\u00eda m\u00e1s r\u00e1pida o permanecer en los carriles con tr\u00e1fico m\u00e1s intenso.<\/p>\n Por supuesto, si demasiadas personas desean seleccionar la opci\u00f3n de pago existe el riesgo de que la demanda supere la capacidad de la v\u00eda, provocando que se congestione r\u00e1pidamente.<\/p>\n Para resolver este cl\u00e1sico problema econ\u00f3mico, se puede reducir la demanda prohibiendo que ciertos veh\u00edculos elijan las v\u00edas r\u00e1pidas<\/strong> o dejar las v\u00edas abiertas a todos los conductores amortiguando la demanda mediante un incremento del precio<\/strong>, para que los conductores puedan tomar su decisi\u00f3n en base a la urgencia dependiendo de la finalidad de cada viaje concreto.<\/p>\n Pensamos que las v\u00edas gestionadas proporcionan la opci\u00f3n m\u00e1s \u00f3ptima y justa para un viaje r\u00e1pido y fiable cuando est\u00e1n abiertas a todos los conductores. Nuestro equipo est\u00e1 comprometido con el desarrollo de algoritmos de peaje eficientes e inteligentes que funcionen con pol\u00edticas innovadoras como descuentos para VAOs y viajes r\u00e1pidos para transporte y furgonetas compartidas,<\/strong> lo que incentiva desplazamientos m\u00e1s inteligentes.<\/p>\n A lo largo de los a\u00f1os, los operadores de carreteras gestionadas como Cintra se han basado en algoritmos param\u00e9tricos para fijar los precios. Estos algoritmos son f\u00e1ciles de dise\u00f1ar, entender y explicar. Normalmente utilizan un n\u00famero fijo de factores para ajustar los precios<\/strong> de las v\u00edas r\u00e1pidas aument\u00e1ndolos o disminuy\u00e9ndolos cuando las condiciones superan ciertos umbrales. Estos modelos miden par\u00e1metros como la velocidad, la densidad y las tasas de flujo de tr\u00e1fico para notificar cambios de precios que mantengan las carreteras gestionadas en movimiento.<\/p>\n Pero tras a\u00f1os estudiando el comportamiento de los conductores en nuestras v\u00edas gestionadas, el equipo de Tr\u00e1fico y An\u00e1lisis de Cintra empez\u00f3 a darse cuenta de que este enfoque no proporcionaba siempre unos resultados \u00f3ptimos.<\/p>\n Vimos lo que la econom\u00eda del comportamiento sabe bien: que la toma de decisiones de los clientes en ocasiones es algo err\u00e1tica e irracional. Nuestros algoritmos param\u00e9tricos por s\u00ed solos no pod\u00edan conseguir siempre el equilibrio entre oferta y demanda.<\/p>\n En lugar de empezar de cero, decidimos desarrollar el modelo ya existente a\u00f1adiendo un segundo modelo de aprendizaje autom\u00e1tico<\/strong>. Nuestro algoritmo existente ya cambiaba los precios autom\u00e1ticamente sin intervenci\u00f3n humana, as\u00ed que fue f\u00e1cil tomar la decisi\u00f3n de desarrollar un algoritmo complementario.<\/p>\n Hemos denominado a este algoritmo complementario factor de propensi\u00f3n en tiempo real<\/strong> (RTPF, por sus siglas en ingl\u00e9s), ya que busca cambios inusuales<\/strong> en la propensi\u00f3n de los conductores a la hora de elegir v\u00edas r\u00e1pidas gestionadas y reacciona en tiempo real ajustando el peaje<\/strong>, aument\u00e1ndolo o disminuy\u00e9ndolo por un factor calculado.<\/p>\n El aprendizaje autom\u00e1tico proporciona algunas ventajas claras en la asignaci\u00f3n de precios. Concretamente, los modelos de aprendizaje autom\u00e1tico son muy buenos para identificar patrones, ya que pueden tener en cuenta cientos o miles de variables a la vez, en comparaci\u00f3n con algunas docenas para un algoritmo param\u00e9trico.<\/p>\n Las t\u00e9cnicas de aprendizaje autom\u00e1tico t\u00edpicas incluyen, con niveles de complejidad crecientes: desde modelos de regresi\u00f3n cl\u00e1sica, \u00e1rboles de decisiones, bosques aleatorios y an\u00e1lisis de conglomerados, hasta redes neuronales en las que los datos pueden suministrarse en formatos de v\u00eddeo, audio, etc., y los modelos aprenden a identificar y agrupar objetos, extrayendo lecciones de su comportamiento.<\/p>\n Un buen modelo de aprendizaje autom\u00e1tico puede encontrar la correlaci\u00f3n hist\u00f3rica entre la congesti\u00f3n en una parte de la carretera y los cambios en la toma de decisiones de los conductores en otra. Busca estas curiosidades y puede intervenir aumentando o disminuyendo el precio de una forma m\u00e1s sofisticada que el algoritmo param\u00e9trico.<\/p>\n En momentos clave el RTPF puede asumir el control, gestionar la situaci\u00f3n \u00fanica durante un rato y devolverle el control al algoritmo param\u00e9trico.<\/strong> Esto nos permite incorporar el aprendizaje autom\u00e1tico de tal forma que produce un modelo de asignaci\u00f3n de precios muy transparente y explicable.<\/p>\n Si tiene que trazar las l\u00edneas de la batalla acad\u00e9mica respecto a la asignaci\u00f3n de precios de un bien escaso, por lo general los expertos sugerir\u00edan que dise\u00f1ase su algoritmo para maximizar la recaudaci\u00f3n u optimizar la capacidad. Pero llevada al extremo, ninguna de estas filosof\u00edas produce un buen resultado<\/strong> en una v\u00eda r\u00e1pida gestionada.<\/p>\n La persecuci\u00f3n obstinada de la optimizaci\u00f3n de la recaudaci\u00f3n puede llevarle a asignar precios tan altos a sus v\u00edas r\u00e1pidas que tan s\u00f3lo el 1% de los conductores las elijan. Las v\u00edas r\u00e1pidas estar\u00e1n infrautilizadas, y no le estar\u00e1 proporcionando a la comunidad una movilidad mejorada, pero sin duda estar\u00e1 logrando su objetivo.<\/p>\n La maximizaci\u00f3n de la capacidad parece una alternativa razonable<\/strong>. Sus precios ser\u00e1n lo suficientemente bajos para garantizar que las carreteras est\u00e9n llenas hasta su capacidad en todo momento.<\/p>\n Pero todos hemos experimentado c\u00f3mo de repente una autopista llena que se mueve r\u00e1pido se congestiona y se convierte en un tremendo embotellamiento. Intentar hacer entrar esos \u00faltimos cientos de coches en la v\u00eda r\u00e1pida puede producir un flujo de tr\u00e1fico inestable capaz de evolucionar r\u00e1pidamente hasta convertirse en una congesti\u00f3n que puede llevar horas resolver.<\/p>\n Con nuestro enfoque de algoritmo dual y RTPF, tenemos una tercera opci\u00f3n que busca garantizar que las carreteras sean r\u00e1pidas pero que fluyan<\/strong> incluso durante las horas punta m\u00e1s congestionadas. Este equilibrio persigue garantizar un rendimiento y fiabilidad \u00f3ptimos d\u00eda a d\u00eda.<\/p>\n Actualmente estamos usando el RTPF en las carreteras LBJ, NTE y 35W TEXpress<\/strong> en Dallas-Ft. Worth. Nuestra intenci\u00f3n es desplegarlo en nuestras cuatro infraestructuras con asignaci\u00f3n de precios din\u00e1mica para las concesiones de Cintra en los EE. UU.<\/p>\n Pero el viaje no termina aqu\u00ed. Continuamos mejorando nuestro modelo permitiendo que tenga en cuenta m\u00e1s factores, tome las riendas un poco m\u00e1s y mejore su explicabilidad.<\/p>\n El enfoque de algoritmo dual con un algoritmo param\u00e9trico explicable y un poco de aprendizaje mec\u00e1nico como guinda del pastel es una forma pragm\u00e1tica y razonable de llevar el aprendizaje autom\u00e1tico a la pr\u00e1ctica de la infraestructura con asignaci\u00f3n de precios.<\/p>\n A lo largo de este blog, le hemos presentado esta innovaci\u00f3n a todo Ferrovial y a usted. La innovaci\u00f3n es vital para nuestro crecimiento y desarrollo como empresa.<\/strong> Tenemos la suerte de trabajar con expertos que entienden c\u00f3mo funciona su sector: esa experiencia no deber\u00eda desecharse nunca en favor del modelo de aprendizaje autom\u00e1tico.<\/p>\n Creemos que el enfoque de algoritmo dual podr\u00eda usarse m\u00e1s en Ferrovial. Se puede tener lo mejor de ambos mundos: aprovechar nuestra experiencia para construir unos cimientos s\u00f3lidos y despu\u00e9s permitir que el aprendizaje autom\u00e1tico ampl\u00ede nuestro pensamiento.<\/p>\n Esperamos que tanto el cliente como la compa\u00f1\u00eda se beneficien del RTPF, ya que los viajes por carreteras gestionadas ser\u00e1n m\u00e1s fiables y tendr\u00e1n precios m\u00e1s eficientes. Gracias a los acuerdos de reparto de ingresos con los estados en los que operamos, los departamentos de transporte tambi\u00e9n pueden beneficiarse directamente.<\/p>\n Estamos orgullosos de este logro t\u00e9cnico y de la mejora directa que puede suponer para Cintra, nuestros clientes y las comunidades a las que dan soporte.<\/p>\n Un art\u00edculo de John Brady<\/em><\/p>\n","protected":false},"excerpt":{"rendered":" En Cintra hacemos todo lo posible para conseguir que los viajes por nuestras carreteras sean una experiencia fiable. Queremos proporcionar a la gente una opci\u00f3n mejor, para que no terminen en un atasco infinito como los que se ven en las autopistas de Manhattan y LA. Las ciudades est\u00e1n buscando aumentar la movilidad y reducir […]<\/p>\n","protected":false},"featured_media":42282,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"nivel-1":[4429],"nivel-2":[4515,4516,5759,6156,6157],"nivel-3":[5932],"nivel-4":[5749,5745],"nivel-5":[5637,5647,5639],"topic":[7287,7292,7286],"coauthors":[6650],"class_list":["post-42199","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","nivel-1-autopistas","nivel-2-innovacion","nivel-2-inteligencia-artificial","nivel-2-managed-lanes","nivel-2-tarificacion-dinamica","nivel-2-tecnologia","nivel-3-estados-unidos","nivel-4-dallas","nivel-4-texas","nivel-5-cintra","nivel-5-lbj-texpress","nivel-5-north-tarrant-express","topic-construccion-e-infraestructuras","topic-tecnologia-e-innovacion","topic-transporte"],"acf":[],"yoast_head":"\nDesarrollando nuestro modelo param\u00e9trico<\/h2>\n
Presentando el RTPF<\/h2>\n
Una tercera v\u00eda: \u00bfcapacidad, recaudaci\u00f3n o rendimiento?<\/h2>\n
Despleg\u00e1ndolo en cuatro (o m\u00e1s) v\u00edas r\u00e1pidas<\/h2>\n
![\"autopista](\"https:\/\/static.ferrovial.com\/wp-content\/uploads\/sites\/3\/2022\/01\/17143326\/lbj-28-carriles-02-1280x720-1-e1642426218246.jpeg\")
<\/p>\nDescanse<\/h2>\n