A menudo, las aplicaciones de navegación convencionales como Google Maps o Strava fallan en lo más básico para un ciclista: la sensación de seguridad y comodidad. Para muchos usuarios, que una calle tenga carril bici no es suficiente si el tráfico es infernal o las cuestas son imposibles.
Bajo esta premisa nace BikeButler, una innovadora aplicación web desarrollada por investigadores de la Universidad de Washington (EEUU) que promete jubilar a los mapas tradicionales mediante el uso de personalización extrema e inteligencia artificial (IA) para crear rutas personalizadas en función de las preferencias del ciclista.
La idea surgió de la frustración personal de Jared Hwang, estudiante de doctorado, creador de BikeButler y ciclista habitual, quien prefería el transporte público ante la incapacidad de las apps actuales para sugerirle rutas que no fueran peligrosas o agotadoras.
“Sabemos dónde están los carriles bici y cuáles son los límites de velocidad; deberíamos poder acceder a toda esa información a la vez”, explica Hwang en un comunicado. El resultado es una herramienta que, en lugar de darte una única ruta “rápida”, te permite jugar con controles deslizantes para decidir qué prefieres en cada viaje.
A diferencia de otras plataformas, BikeButler permite a los usuarios ajustar ocho atributos diferentes para diseñar su ruta ideal: mediante una interfaz intuitiva, un ciclista puede elegir entre rutas con límites de velocidad bajos, mayor presencia de vegetación o mejor calidad del asfalto.
Captura de pantalla de la herramienta BikeButler.
Omicrono
La aplicación genera opciones basadas en estas preferencias y permite visualizar imágenes reales de los segmentos del trayecto, indicando mediante notas por qué esa calle se ajusta (o no) a lo que el usuario ha pedido.
El corazón tecnológico de esta herramienta es lo que la hace realmente especial. Para evaluar factores subjetivos que no aparecen en los mapas oficiales, como la cantidad de zonas verdes o el estado real del pavimento, el equipo recurrió a un Modelo de Lenguaje Visual (MLV).
Esta inteligencia artificial analizó miles de imágenes de Google Street View para puntuar las calles, logrando un nivel de coincidencia con el criterio humano de casi el 60%, un hito que permite “mapear” sensaciones y no solo distancias.
El proyecto, que fue presentado recientemente en la Conferencia sobre Factores Humanos en Sistemas Informáticos (ACM) en Barcelona, ha sido probado con éxito en la ciudad de Seattle, en Estados Unidos.
Los resultados confirmaron lo que muchos ciclistas saben por intuición: las preferencias cambian según el día. No se busca lo mismo en un paseo relajado de sábado por la mañana que en el trayecto diario hacia el trabajo, donde la eficiencia prima sobre el paisaje.
Aunque por ahora BikeButler funciona como una prueba de concepto limitada a una ciudad —la de Seattle—, su potencial de expansión es enorme. Los investigadores ya trabajan en integrar funciones para reducir el número de giros o permitir modificaciones manuales de la ruta arrastrando el trazado.
