La accesibilidad al transporte público es un asunto de creciente relevancia frente al aumento de la población urbana y la consecuente expansión de las ciudades. La desigual distribución de la accesibilidad en diferentes áreas urbanas, especialmente en las periferias, impulsa la dependencia hacia los vehículos privados, lo cual incrementa la contaminación y limita las oportunidades laborales y sociales de sus residentes.

Una innovadora investigación ha propuesto un método que integra las Redes Neuronales de Paso de Mensajes (MPNN, por sus siglas en inglés) y el Aprendizaje por Refuerzo para rediseñar las líneas de autobús, enfocándose en disminuir las desigualdades geográficas en el acceso a transportes públicos. Este enfoque, que fue aplicado y comprobado usando un caso simplificado de la ciudad de Montreal, ha demostrado ser más eficaz que las estrategias de metaheurística clásicamente empleadas en el diseño de redes de transporte.

El proyecto se centra en optimizar la accesibilidad del transporte público en áreas desatendidas, incrementando así la calidad de vida urbana. Mediante la utilización de MPNN, se captura mejor la estructura de la red de PT, permitiendo a la inteligencia artificial comprender y aprender las dependencias entre diferentes líneas y ubicaciones de interés.

Se utilizó un marco de Reinforcement Learning para ajustar dinámicamente las líneas de autobús con el fin de mejorar un cuantil inferior de la distribución de la accesibilidad, en lugar de optimizar solo la eficiencia medida en términos de costos generalizados. Este proceso implica la creación de un gráfico de transporte público con paradas de autobús y metro, centrándose en mejorar las conexiones sin necesidad de rediseñar por completo la ya existente infraestructura metropolitana.

A raíz de los resultados obtenidos, se observó una clara reducción en la desigualdad de accesibilidad, demostrando que la combinación de MPNN y Aprendizaje por Refuerzo representa un prometedor camino a seguir para la planificación estratégica del transporte público en ciudades de gran magnitud.