Optimización de la supervisión operativa en redes de autobuses urbanos: Un enfoque basado en inteligencia artificial y evaluación en tiempo real

Abstract

[ES] El constante crecimiento de las ciudades en las últimas décadas ha generado desafíos significativos en términos de planificación, sostenibilidad y bienestar. Como respuesta, ha sido necesario promover políticas urbanas inclusivas que incluyan la participación de gobiernos, comunidades y empresas. Dentro de este contexto, la movilidad y el transporte emergen como elementos esenciales en la vida diaria de millones de personas, motivando la búsqueda de soluciones de transporte innovadoras y eficientes.

Para enfrentar desafíos como la congestión del tráfico, surge el Sistema de Ayuda a la Explotación (SAE) optimizando la gestión de flotas y mejorando la calidad del servicio. En este trabajo, se propone desarrollar un modelo basado en Inteligencia Artificial (IA) para optimizar la supervisión operativa en redes de autobuses urbanos. Utilizando datos proporcionados por el SAE, el modelo analiza el estado de las líneas y vehículos, ofreciendo recomendaciones precisas sobre las acciones necesarias para la explotación, permitiendo a los operadores gestionar las incidencias de forma más efectiva.

[EN] The constant growth of cities in recent decades has generated significant challenges in terms of planning, sustainability, and well-being. In response, it has been necessary to promote inclusive urban policies that involve the participation of governments, communities, and businesses. Within this context, mobility and transportation emerge as essential elements in the daily lives of millions of people, motivating the search for innovative and efficient transport solutions.

To address challenges such as traffic congestion, the Operations Assistance System (OAS) emerges, optimizing fleet management and improving service quality. In this work, we propose to develop a model based on Artificial Intelligence (AI) to optimize operational supervision in urban bus networks. Using data provided by the OAS, the model analyzes the status of lines and vehicles, offering precise recommendations on the actions necessary for operation, allowing operators to manage incidents more effectively.