Cada día, en Bogotá se realizan más de 12 millones de viajes. Gestionar esta complejidad en tiempo real, en medio de la transformación de la infraestructura vial que reduce la capacidad disponible para la movilidad, es uno de los mayores desafíos que enfrenta la ciudad. Para responder a este reto, ya estamos dando pasos importantes en la incorporación de herramientas de inteligencia artificial, gracias al apoyo del Banco Interamericano de Desarrollo (BID).

El resultado es un modelo de machine learning que busca estimar, con una anticipación de entre 30 y 60 minutos, la probabilidad de congestión vehicular sobre las vías. En esencia, la malla vial es una red donde cada nodo influye sobre los demás, por eso, el modelo desarrollado captura las dinámicas de propagación que los enfoques tradicionales pasan por alto.

Esto significa que, rara vez, la congestión aparece de forma abrupta. Se construye: un incidente menor reduce la capacidad de un tramo, el flujo se redistribuye y los corredores alternos comienzan a saturarse. Cuando esa cadena ya es visible, la respuesta operativa llega inevitablemente tarde. Saber con antelación dónde es probable que ocurra un punto crítico cambia por completo la lógica de intervención.

Con este nuevo modelo, la Secretaría de Movilidad podrá anticiparse a la congestión antes de que se consolide, tomar decisiones oportunas, como ajustar los tiempos semafóricos en los corredores afectados, desplegar agentes de tránsito en los puntos de mayor riesgo o, cuando sea necesario, coordinar acciones con otras entidades para ofrecer una respuesta integral.

El beneficio para la ciudadanía es tangible: dado que el personal operativo en la vía es un recurso limitado, anticipar dónde se concentrarán las mayores afectaciones permite asignarlo de manera más eficiente, priorizando los incidentes con mayor impacto sobre la movilidad y la seguridad de las personas.

Este modelo de inteligencia artificial exigió construir previamente una infraestructura de datos robusta con flujos de información en tiempo real que provienen de cámaras, sensores, aplicaciones de navegación colaborativa, controladores semafóricos e interoperabilidad entre sistemas que históricamente funcionaban de manera independiente. Sin esa base, ningún algoritmo produce estimaciones útiles. Con ella, la red vial deja de ser un objeto que se observa de forma intermitente y se convierte en un sistema que se monitorea de manera continua.

El modelo no reemplaza el juicio operativo: lo informa y lo amplía. Ese es, precisamente, el estándar de las ciudades que gestionan la movilidad con inteligencia. Bogotá ya está construyendo esa capacidad.