Ciutats de tot el món utilitzen la tecnologia per un trànsit més segur. De Barcelona a Rio, descobreix 6 ciutats que han fet els seus carrers més segurs.
Les ciutats d’avui són més intel·ligents que mai, però la tecnologia encara pot ajudar-nos a fer-les més intel·ligents de moltes maneres. Una àrea que moltes ciutats d’arreu del món intenten millorar mitjançant els avenços tecnològics són els accidents de trànsit. Les ferides greus i morts provocats en accidents relacionats amb el trànsit passen arreu del món, i per això moltes ciutats posen tota l’energia en trobar solucions el més aviat possible.
Encara que les ciutats són més segures en general i s’ha progressat molt en la reducció dels accidents, hi ha algunes tendències preocupants. A Europa, les morts per accidents de trànsit estaven disminuint progressivament fins que el 2015 la tendència va revertir. Als Estats Units, les morts per accidents estan decreixent en general, però els accidents en àrees urbanes augmenten. Tenint en compte que cada cop hi ha més persones que viuen a les ciutats, hem de trobar maneres de fer més segures les ciutats i reduir els accidents de trànsit.
Hem recopilat sis exemples reals de ciutats que han incorporat la tecnologia per reduir els accidents i ser més segures i intel·ligents.
Vision Zero
El primer país que va incorporar el programa Vision Zero va ser Suècia el 1997 i ja s’ha estès per tot el món. L’objectiu del programa és augmentar la seguretat de les carreteres i reduir el nombre de ferits greus i morts. La filosofia en què es recolza és “la vida i la salut mai poden substituir-se per altres beneficis per la societat”.
Altres ciutats del món ja han adoptat iniciatives similars, com els Estats Units, Canadà, els Països Baixos i el Regne Unit.
La manera en què les ciutats implementen el programa varia, algunes utilitzen sensors en senyals de trànsit per dur a terme anàlisis espacials i descobrir on succeeixen diferents tipus d’accidents i identificar quins són els millors llocs per situar-hi carrils bici.
Els Països Baixos, per exemple, van utilitzar les dades per esbrinar on coincideixen la velocitat, la massa o la direcció i ara estan prenent mesures per evitar que aquest tipus de vehicles es barregin. També treballen amb la idea que les seves carreteres haurien d’estar preparades perquè quan hi hagi un accident el resultat no sigui fatal.
Array of Things (Chicago)
El projecte, que es duu a terme a la ciutat de Chicago i treballa amb Loop Alliance, consisteix en la instal·lació de sensors en molts dels carrers principals de la ciutat. Aquests sensors proporcionaran dades que permetran conèixer en més profunditat com es mouen els vianants i els vehicles per la ciutat. Els urbanistes i enginyers poden utilitzar aquestes dades per millorar la seguretat viària.
La tecnologia també permetrà centrar-se en problemes com l’asma urbana, les inundacions, la qualitat de l’aire i el canvi climàtic. L’investigador en cap d’Array of Things, Charlie Catlett, va explica que “es tracta de crear nous fluxos de dades que ens permetin entendre i solucionar els principals reptes urbans”.
El projecte no es limita només a Chicago. També col·labora amb 9 universitats d’arreu del món que es troben tant en altres ciutats d’Estats Units (Atlanta, Nueva York, Portland i Seattle) com a ciutats del Regne Unit i els Països Baixos.
Hudson Yards (ciutat de Nova York)
Hudson Yards és un projecte de desenvolupament urbanístic notable per dos motius: és el desenvolupador urbanístic privat més gran dels Estats Units i utilitza tecnologia d’última generació. Aquest projecte encara està en fase de creació, encara que algunes parts ja estiguin completes.
El desenvolupament mesurarà tots els aspectes de la comunitat, des del flux de trànsit a la qualitat de l’aire. Tot estarà connectat amb tecnologia punta, que en part s’utilitzarà per millorar la circulació del trànsit i fer-lo més segur.
Altres problemes que les dades de Hudson Yards podran col·laborar a solucionar són els costos energètics, la reducció de l’impacte ecològic i comprovar l’estat de la ciutat en temps real, cosa que es podria traduir en qualsevol cosa des del temps d’espera d’un tren fins la disponibilitat d’una cinta de córrer al gimnàs.
Centro de Operações Prefeitura Do Rio (Rio de Janeiro)
Aquest projecte conjunt de la ciutat de Rio i IBM disposa d’un sistema instrumentalitzat del govern local amb dades de més de 30 agències diferents de tota la ciutat. Utilitzen algoritmes i un equip d’analistes de dades, amb la qual cosa no només duen a terme informes sobre el que està passant a la ciutat, sinó que també creen models predictius.
Aquest model de gran abast té diverses aplicacions en tota la ciutat, entre les qual hi ha una gran quantitat d’informació valuosa sobre el trànsit. Per exemple, el sistema pot ser de gran ajuda per a la policia en un accident. Els agents poden saber quantes ambulàncies es dirigeixen al lloc dels fets i proporcionar serveis d’emergència amb més informació si fos necessària.
Safe London Streets (Londres)
Transports for London és conscient des de fa temps del valor de la tecnologia en l’abordament de les moltes opcions de transports de la ciutat, per exemple, l’ús de les dades per identificar les causes dels accidents de trànsit i trobar maneres d’evitar-los.
Una d’aquestes maneres és la reducció de la velocitat, que és un dels factors determinants dels accidents de trànsit. La ciutat està utilitzant mapes de límit de velocitat digitals i tecnologia que pot garantir que els autobusos no sobrepassen el límit de velocitat.
El seu programa ja està aconseguint resultats positius. La quantitat de persones mortes o ferides de gravetat en un accident de trànsit s’ha reduït en un 40% i es troba al mínim mai registrat. El nou objectiu és reduir els morts i ferits greus en un 50% (o 10.000 persones) abans del 2020.
Traffic Fatalities Prevention (Barcelona)
Per arribar a l’objectiu de la Unió Europea de reduir els accidents de trànsit en un 50% abans del 2020, Barcelona ha implementat la solució intel·ligent de Bismart Traffic Fatalities Prevention.
Aquesta solució té en compte dades sobre accidents produïts a la ciutat, com per exemple, el nombre d’accidents, on es van produir i, fins i tot, les condicions meteorològiques del moment per crear una eina de machine learning que predigui on i quan és probable que es produeixi un accident.
Així, les forces de seguretat i els serveis d’emergències poden distribuir-se millor per dur a terme una aproximació preventiva per als accidents de trànsit.
Pots llegir més sobre Traffic Fatalities Prevention aquí. No dubtis en posar-te en contacte amb nosaltres si tens algun dubte o vols més informació.
