Escenarios impulsados por IA para la movilidad urbana: Cuantificando el papel de los modelos de EDO y la planificación de escenarios en la reducción de la congestión del tráfico

La urbanización y los avances tecnológicos están remodelando la movilidad urbana, presentando tanto desafíos como oportunidades. Este documento investiga cómo las tecnologías impulsadas por Inteligencia Artificial (IA) pueden impactar las dinámicas de congestión del tráfico y explora su potencial para mejorar la eficiencia de los sistemas de transporte. Específicamente, evaluamos el papel de las innovaciones en IA, como los vehículos autónomos y la gestión del tráfico inteligente, en la mitigación de la congestión bajo diferentes marcos regulatorios. Los vehículos autónomos reducen la congestión a través de un flujo de tráfico optimizado, ajustes de ruta en tiempo real y una disminución de errores humanos. El estudio emplea Ecuaciones Diferenciales Ordinarias (EDOs) para modelar la relación dinámica entre las tasas de adopción de IA y la congestión del tráfico, capturando bucles de retroalimentación sistémicos. Los resultados cuantitativos incluyen niveles umbrales de adopción de IA necesarios para lograr una reducción significativa de la congestión, mientras que las ideas cualitativas provienen de la planificación de escenarios que exploran las condiciones regulatorias y sociales. Este enfoque de doble método ofrece estrategias prácticas para que los responsables políticos creen sistemas de transporte urbano eficientes, sostenibles y equitativos. Si bien se reconocen las implicaciones de seguridad de la IA, este estudio se centra principalmente en las dinámicas de reducción de la congestión.