Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.
Every morning, everyone wants to travel into the city center. Every afternoon, the flow reverses. For a self-driving taxi fleet, that means empty cars driving to wherever the next passengers wait, and electric cars must also stop to recharge. Researchers at Chalmers University of Technology in Sweden have now developed an optimization method built for this problem at the scale of a whole city, one that keeps working when traffic does not behave as forecast.
Cada mañana, todo el mundo quiere desplazarse al centro de la ciudad. Cada tarde, el flujo se invierte. Para una flota de taxis autónomos, esto significa que los coches vacíos deben circular hacia el lugar donde esperan los próximos pasajeros, y que los coches eléctricos además deben detenerse a recargar. Investigadores de la Universidad Tecnológica de Chalmers, en Suecia, han desarrollado ahora un método de optimización pensado para este problema a escala de toda una ciudad, que sigue funcionando cuando el tráfico no se comporta como se había previsto.
The stakes are real. According to a report cited by the researchers, large-scale shared, self-driving electric passenger transport can reduce an individual's cost per trip by up to 60% compared with traditional taxis, while also cutting emissions per trip significantly. The gain depends on the fleet being managed well. Without efficient control, the researchers note, the mismatch between available taxis and demand can increase waiting times and queue lengths, and worsen urban congestion. As lead author Sten Elling Tingstad Jacobsen puts it, "where and how long to charge is a difficult question."
Lo que está en juego es importante. Según un informe citado por los investigadores, el transporte eléctrico compartido de pasajeros sin conductor a gran escala puede reducir el coste por viaje de cada persona hasta un 60 % en comparación con los taxis tradicionales, además de reducir de forma notable las emisiones por viaje. La ganancia depende de que la flota se gestione bien. Sin un control eficiente, señalan los investigadores, el desajuste entre los taxis disponibles y la demanda puede aumentar los tiempos de espera y la longitud de las colas, y agravar la congestión urbana. Como explica el autor principal, Sten Elling Tingstad Jacobsen, «dónde y durante cuánto tiempo recargar es una cuestión difícil».
The method combines two tools. Bayesian neural networks, a machine learning technique, forecast travel demand and charger availability in each part of the city, using historical taxi trip data from San Francisco and Chicago. Unlike many machine learning models, they also estimate how uncertain their own predictions are, which helps when real travel patterns differ from forecasts, for example during unusual weather. A transparent optimization model, with clearly defined goals and constraints, then decides where vehicles go and when they charge. The AI supports those decisions rather than making them on its own. To keep the calculation tractable, the problem is split into smaller parts that are solved separately and then combined. Jacobsen says the result is "very close to optimum while remaining computationally practical."
El método combina dos herramientas. Las redes neuronales bayesianas, una técnica de aprendizaje automático, prevén la demanda de viajes y la disponibilidad de cargadores en cada zona de la ciudad, a partir de los datos históricos de viajes en taxi en San Francisco y Chicago. A diferencia de muchos modelos de aprendizaje automático, también estiman lo inciertas que son sus propias predicciones, lo que resulta útil cuando los patrones reales de desplazamiento difieren de las previsiones, por ejemplo durante un clima inusual. Un modelo de optimización transparente, con objetivos y restricciones claramente definidos, decide después a dónde van los vehículos y cuándo se recargan. La IA apoya esas decisiones en lugar de tomarlas por su cuenta. Para que el cálculo sea manejable, el problema se divide en partes más pequeñas que se resuelven por separado y luego se combinan. Jacobsen afirma que el resultado es «muy cercano al óptimo, a la vez que sigue siendo computacionalmente viable».
What distinguishes the work, according to Jacobsen, is that it explicitly accounts for the uncertainties of a large city and optimizes fleet operations accordingly, and that the framework was developed and tested for different types of vehicles. The study compares three electric vehicle types with different battery sizes and energy efficiency, and examines how those differences affect fleet performance and service availability. The team also investigates deep reinforcement learning, a form of AI that learns through interaction, as a way to make decisions in real time. The announcement does not give a figure for the method's gains over other planning approaches, and it does not say when it could be used outside the study.
Según Jacobsen, lo que distingue el trabajo es que tiene en cuenta de forma explícita las incertidumbres de una gran ciudad y optimiza el funcionamiento de la flota en consecuencia, y que el marco se desarrolló y probó para distintos tipos de vehículos. El estudio compara tres tipos de vehículos eléctricos con distintos tamaños de batería y eficiencia energética, y analiza cómo esas diferencias afectan al rendimiento de la flota y a la disponibilidad del servicio. El equipo también investiga el aprendizaje por refuerzo profundo, una forma de IA que aprende a través de la interacción, como método para tomar decisiones en tiempo real. El anuncio no ofrece ninguna cifra sobre las ventajas del método frente a otros enfoques de planificación, y tampoco indica cuándo podría utilizarse fuera del estudio.
For fleet operators and city planners, the practical gain would be fewer empty trips and fewer cars stuck waiting, if the method holds up beyond historical data. Autonomous taxi services already run in several cities in the United States and China, where managing large fleets in complex traffic remains difficult. Balázs Kulcsár, the professor who supervised the study, says the aim is more reliable and trustworthy autonomous mobility. Whether that reaches everyday service depends on tests the research does not yet report.
Para los operadores de flotas y los urbanistas, la ventaja práctica sería menos viajes en vacío y menos coches atascados esperando, siempre que el método se sostenga más allá de los datos históricos. Los servicios de taxis autónomos ya funcionan en varias ciudades de Estados Unidos y China, donde gestionar grandes flotas en tráfico complejo sigue siendo difícil. Balázs Kulcsár, el catedrático que supervisó el estudio, afirma que el objetivo es una movilidad autónoma más fiable y digna de confianza. Que eso llegue al servicio cotidiano dependerá de unas pruebas que la investigación todavía no recoge.