Sci Simple

New Science Research Articles Everyday

# Estadística # Aplicaciones # Informática y sociedad

Taxis Voladores: El Futuro del Viaje Urbano

La Movilidad Aérea Avanzada ofrece una nueva solución para la congestión urbana con taxis voladores.

Kamal Acharya, Mehul Lad, Liang Sun, Houbing Song

― 10 minilectura


El auge de los taxis El auge de los taxis voladores transporte urbano en el futuro. Los taxis voladores podrían cambiar el
Tabla de contenidos

La Movilidad Aérea Avanzada (AAM) es el nuevo chico en el barrio cuando se trata de soluciones de transporte. Hablamos de taxis voladores y otros aviones chidos que podrían ayudar a aliviar los embotellamientos que parecen afectar a todas las ciudades grandes. Con las ciudades creciendo y la gente apretujándose en ellas, la necesidad de formas más inteligentes de moverse se ha vuelto más urgente que nunca. El transporte terrestre tradicional ya no sirve, y ahí es donde entra AAM, listo para poner un poco de altitud en nuestros planes de viaje.

Por qué necesitamos AAM

Las áreas urbanas en todo el mundo están creciendo a un ritmo asombroso. Con más gente vienen más coches, más congestión y, por lo tanto, más frustración. Los retrasos y embotellamientos han llevado a un tiempo perdido, mayor contaminación y pérdidas económicas que te pueden hacer marear. ¡Imagínate perder miles de millones de horas atrapado en el tráfico! Los números de informes recientes muestran que los retrasos totales de viaje alcanzaron una cantidad impresionante en solo un par de años. Eso son miles de millones de horas que podrían gastarse en algo mucho más divertido, como ver tu serie favorita.

AAM busca proporcionar una alternativa fresca, permitiéndonos ascender por encima del tráfico con aviones eléctricos y autónomos. Esto significa que podríamos dejar atrás el estrés del tráfico terrestre, alcanzando nuestros destinos potencialmente más rápido y con menos complicaciones.

Tipos de Movilidad Aérea Avanzada

AAM se puede dividir en dos categorías principales: Movilidad Aérea Urbana (UAM), que se centra en vuelos de corta distancia en espacios urbanos, y Movilidad Aérea Regional (RAM), que nos lleva un poco más lejos hacia los suburbios. UAM utiliza vehículos eléctricos inteligentes que pueden despegar y aterrizar verticalmente; ¡piensa en ellos como versiones voladoras de taxis que flotan sobre la calle! RAM, por otro lado, utiliza aeropuertos regulares y cubre distancias más largas sin necesidad de despegar y aterrizar verticalmente.

Ambos tipos comparten el mismo objetivo: llevarnos del punto A al B rápida y eficientemente, pero tienen diferentes enfoques según a dónde nos lleven.

El reto de modelar la demanda

Para hacer de AAM una realidad, necesitamos saber cuántas personas quieren usar estos taxis voladores. Ahí es donde entra en juego la modelización de la demanda. Modelar la demanda significa averiguar cómo predecir cuántos viajes se realizarán utilizando AAM basándose en cosas como distancia, costo y tiempo de viaje. Es un proceso complicado, pero esencial para asegurar que haya el número correcto de taxis voladores disponibles cuando los necesitamos.

Los investigadores han estado analizando patrones de viaje en una región específica—Tennessee—para averiguar cómo podría encajar AAM. Usando datos de varias fuentes, pueden evaluar qué tan probable es que alguien elija volar en lugar de conducir o tomar un autobús. Esta investigación espera obtener una imagen más clara de qué áreas se beneficiarían más de los servicios de AAM.

Cómo se evalúa la demanda

El primer paso para entender la demanda de AAM es recopilar datos sobre patrones de viaje. Los investigadores se centraron en datos de viajes basados en empleo, que miran dónde trabajan las personas y cómo llegan allí. Al examinar los viajes que las personas realizan a través de áreas censales en Tennessee, pueden identificar cuáles son los trayectos adecuados para el transporte aéreo.

Luego viene la parte divertida: modelar los costos y tiempos de viaje asociados tanto al transporte terrestre como a AAM. Esto significa que deben estimar cuánto costaría tomar un taxi volador en comparación con un viaje en coche tradicional y cuánto tiempo llevaría el viaje. El objetivo es crear una ecuación que tome en cuenta todos estos factores, permitiéndoles predecir qué modo de transporte preferirán las personas según sus circunstancias específicas.

El modelo de cuatro pasos

Para desglosar esto más, los investigadores utilizan un método llamado el modelo de cuatro pasos. Este modelo incluye cuatro etapas principales: generación de viajes, distribución de viajes, elección del modo y elección de la ruta.

  1. Generación de Viajes: Este paso estima el número total de viajes que comienzan y terminan en varias áreas basándose en factores sociales y económicos. Piénsalo como contar cuántas personas están yendo al trabajo.

  2. Distribución de Viajes: Esta etapa toma los viajes generados y los distribuye entre diferentes áreas. Es como decidir qué caminos tomarán las personas según las condiciones del tráfico.

  3. Elección del Modo: Este paso crucial analiza qué modo de transporte elegirán las personas. ¿Conducirán, tomarán el autobús o se subirán a un taxi volador? Aquí es donde el análisis de datos se pone realmente emocionante.

  4. Elección de la Ruta: Finalmente, los investigadores deciden qué rutas específicas se tomarán. Todo se trata de optimizar para el mejor viaje posible.

El enfoque aquí está en la elección del modo, analizando si los viajeros son propensos a elegir AAM sobre las opciones de transporte tradicionales.

Factores que influyen en la demanda

Muchos factores entran en juego al predecir la demanda de AAM. Las preferencias individuales, las distancias de viaje y cuánto están dispuestos a gastar influyen en su elección de transporte.

Un aspecto importante es la distancia del viaje. La investigación muestra que AAM es preferido para viajes más largos. Entonces, si tienes que viajar una buena cantidad de 250 millas o más, volar puede sonar mucho más atractivo que estar parado en el tráfico.

Otro factor significativo es el costo. Si volar cuesta demasiado en comparación con conducir, la mayoría de la gente optará por la opción terrestre. Pero si AAM puede posicionarse como una opción rentable—especialmente para viajes largos—las personas pueden estar más inclinadas a elegirlo.

Entendiendo la modelización de costos

La modelización de costos es una pieza crucial del rompecabezas. Se trata de averiguar cuánto costará un viaje para diferentes modos de transporte.

Para el transporte terrestre, los investigadores miraron los costos de kilometraje—cuánto cuesta conducir un coche basado en la distancia y los precios del combustible. Usaron la tasa estándar de kilometraje establecida por el IRS para simplificar las cosas.

En cuanto a los viajes aéreos, los investigadores no analizaron cada posible número para las tarifas aéreas. En cambio, utilizaron un método más simple basado en la distancia. El costo de viajar por AAM se calculó utilizando datos de precios de boletos, que indican una tendencia general sobre cuánto suelen costar los vuelos a diversas distancias.

El tiempo también importa

Cuando las personas deciden cómo viajar, el tiempo es un factor significativo. Qué tan rápido puedes llegar a tu destino a menudo supera las consideraciones de costo.

Para el transporte terrestre, el tiempo de viaje se puede calcular utilizando datos de distancia de conducción. Una buena estimación del tiempo de viaje es esencial ya que la gente no solo está preocupada por el costo de su viaje; también quiere saber cuánto tiempo pasarán yendo del punto A al B.

Cuando se trata de viajes aéreos, debes considerar no solo el tiempo de vuelo, sino todo el viaje, incluido el tiempo de espera en el aeropuerto. La programación eficiente y los tiempos de escala reducidos se vuelven críticos para mostrar las ventajas de AAM.

Modelización de riesgos

Cada modo de transporte conlleva ciertos riesgos. En términos de seguridad, AAM tiene un fuerte argumento. Los estudios muestran que volar generalmente tiene un menor riesgo de fatalidad en comparación con conducir. Mientras que el transporte terrestre puede parecer más sencillo, al mirar más de cerca los datos, volar puede ser sorprendentemente seguro.

Para incorporar estos riesgos en el modelo de demanda, los investigadores analizan estadísticas sobre fatalidades en el transporte y las utilizan para evaluar qué tan arriesgado es cada modo de transporte. Pesan los riesgos potenciales contra los costos y beneficios, proporcionando una estimación más precisa cuando la gente elige AAM.

Costo Generalizado del Viaje (GCT)

Un gran enfoque en los estudios de AAM es el Costo Generalizado del Viaje (GCT), que ayuda a los investigadores y planificadores urbanos a entender la relación entre costo, tiempo y seguridad para diferentes modos de transporte.

En lugar de solo considerar el costo monetario, el GCT toma en cuenta el valor de tu tiempo y los riesgos inherentes. Ofrece una imagen más completa de lo que realmente cuesta ir de un lugar a otro, no solo en dólares, sino también en tiempo perdido y riesgo aumentado.

Elegir AAM sobre el transporte tradicional

Entonces, ¿cómo se elige AAM en lugar del transporte terrestre? Aquí es donde se vuelve interesante. Los investigadores han encontrado que si más del 70% del GCT proviene de los costos de transporte aéreo, y el viaje es lo suficientemente largo, las personas son mucho más propensas a elegir AAM.

Imagina que tienes la opción entre estar en un tráfico lento o volar por encima de todo en un cómodo taxi volador. Si el tiempo y el dinero se alinean y volar tiene sentido, no es de extrañar que la gente opte por la ruta aérea.

Los hallazgos de la modelización de demanda de AAM

Un resultado significativo de estudiar la demanda de AAM indica que cuando el transporte aéreo representa una parte considerable del costo del viaje y la distancia es mayor de 250 millas, es probable que la gente esté a bordo con la idea de los taxis voladores. Esta es una señal prometedora para la industria de AAM, mostrando un fuerte potencial para satisfacer la demanda de viajes urbanos y regionales.

Direcciones futuras para la investigación de AAM

Aunque la investigación actual ha avanzado considerablemente, el trabajo aún no ha terminado. Los estudios futuros buscarán incluir factores como el costo y la eficiencia de los aviones eléctricos, que podrían cambiar aún más la dinámica de AAM y su viabilidad como solución de transporte.

Conclusión

En resumen, la demanda de Movilidad Aérea Avanzada es un área emocionante y en evolución. A medida que aumenta la comprensión de los patrones de viaje, costos y preferencias, las perspectivas para AAM se vuelven más claras. La esperanza es ofrecer una solución que no solo satisfaga la demanda, sino que también proporcione un medio de transporte más seguro, rápido y eficiente. A medida que miramos hacia el futuro, este nuevo modo de taxis voladores podría ser justo la mejora en el transporte que necesitamos, permitiéndonos elevarnos por encima de los problemas de tráfico cotidianos y traer un poco de alegría de vuelta a nuestros viajes diarios.

Fuente original

Título: Demand Modeling for Advanced Air Mobility

Resumen: In recent years, the rapid pace of urbanization has posed profound challenges globally, exacerbating environmental concerns and escalating traffic congestion in metropolitan areas. To mitigate these issues, Advanced Air Mobility (AAM) has emerged as a promising transportation alternative. However, the effective implementation of AAM requires robust demand modeling. This study delves into the demand dynamics of AAM by analyzing employment based trip data across Tennessee's census tracts, employing statistical techniques and machine learning models to enhance accuracy in demand forecasting. Drawing on datasets from the Bureau of Transportation Statistics (BTS), the Internal Revenue Service (IRS), the Federal Aviation Administration (FAA), and additional sources, we perform cost, time, and risk assessments to compute the Generalized Cost of Trip (GCT). Our findings indicate that trips are more likely to be viable for AAM if air transportation accounts for over 70\% of the GCT and the journey spans more than 250 miles. The study not only refines the understanding of AAM demand but also guides strategic planning and policy formulation for sustainable urban mobility solutions. The data and code can be accessed on GitHub.{https://github.com/lotussavy/IEEEBigData-2024.git }

Autores: Kamal Acharya, Mehul Lad, Liang Sun, Houbing Song

Última actualización: 2024-11-25 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2412.06807

Fuente PDF: https://arxiv.org/pdf/2412.06807

Licencia: https://creativecommons.org/licenses/by/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Más de autores

Artículos similares

Procesado de imagen y vídeo Avances en MRI y aprendizaje automático para la detección de tumores cerebrales

Este artículo habla sobre el papel del aprendizaje automático en el diagnóstico de tumores cerebrales usando tecnología de MRI.

Juampablo E. Heras Rivera, Agamdeep S. Chopra, Tianyi Ren

― 10 minilectura