Resumen
La Analítica de Datos (DA) y la Inteligencia Artificial (IA) se están convirtiendo rápidamente en una dimensión obligatoria en la mayoría de las
actividades comerciales, industriales y sociales, incluidas las de transporte y movilidad (T&M). Por lo tanto, los agentes de T&M en todo el
mundo, ya sean de naturaleza pública o privada, confían cada vez más en los métodos y tecnologías de DA e IA para aumentar sus niveles de
eficiencia, digitalización y sostenibilidad. Por ejemplo, muchas ciudades inteligentes promueven el mantenimiento de repositorios de datos
abiertos que se pueden utilizar para identificar patrones y necesidades de movilidad de los ciudadanos, predecir las condiciones del tráfico,
diseñar planes eficientes para la entrega en la última milla utilizando vehículos de cero emisiones o incorporar nuevos modos de movilidad como
como viajes compartidos, bicicletas compartidas y automóviles compartidos (Martins et al. 2021). Además de ser intensivas en datos, estas
actividades de T&M también requieren algoritmos inteligentes capaces de optimizar operaciones a gran escala y métodos de aprendizaje
automático que nos permitan pronosticar demandas futuras, predecir la evolución de entornos de tráfico dinámico (Peyman et al. 2021),
clasificar a los ciudadanos según sus necesidades de T&M y ofrecerles servicios personalizados. Del mismo modo, los transportistas hacen un
uso cada vez mayor de tecnologías de uso intensivo de datos y, debido a la complejidad de las redes modernas de la cadena de suministro y el
aumento de las operaciones de comercio electrónico, también dependen de modelos de pronóstico, algoritmos de optimización inteligente,
entornos de simulación y aprendizaje automático. métodos (Arnau et al. 2022). En consecuencia, los principales desafíos científicos que debe
abordar la red de Transporte, Inteligencia Artificial y Análisis de Datos (TRA-AI) se relacionan con el diseño y la integración de algoritmos
inteligentes, análisis de datos y métodos de aprendizaje automático en las actividades de T&M, desde la optimización de sostenible desde
planes de enrutamiento de vehículos que hacen uso de datos en tiempo real (Abdullahi et al. 2021) hasta el uso de modelos predictivos y
algoritmos ágiles para apoyar la movilidad de los ciudadanos o la incorporación de vehículos autónomos en ciudades inteligentes. En definitiva,
los grupos de investigación que constituyen la red TRA-AI cooperarán para alcanzar los siguientes objetivos: (i) promover el uso de prácticas
respetuosas con el medio ambiente y la sociedad en T&M, que conduzcan a una utilización eficiente pero sostenible de infraestructuras públicas
(Álvarez-Palau et al. 2021); (ii) acelerar la incorporación de tecnologías de IA, como algoritmos inteligentes, modelos de aprendizaje automático
y visión por computadora, en actividades de T&M tanto interurbanas como urbanas; (iii) consolidar conceptos emergentes de T&M relacionados
con vehículos compartidos, cadenas de suministro impulsadas por IoT, sistemas de transporte inteligentes (Xhafa et al. 2021), etc.; y (iv)
incorporar las dimensiones de uso de energía, ambiental y social en la mayoría de las actividades de T&M, lo que incluye la optimización del
consumo de energía (Corlu et al. 2020), el análisis de los datos sobre emisiones de CO2 (Faulin et al. 2019). ), y el impacto social asociado a
estas actividades.
