Resumen:Se espera que el cambio climático intensifique las precipitaciones y, en consecuencia, las inundaciones pluviales, lo que provocará mayores perturbaciones en los sistemas de transporte urbano en las próximas décadas. Diseñar estrategias de adaptación efectivas es un desafío debido a la naturaleza secuencial y de largo plazo de las inversiones en infraestructura, la profunda incertidumbre climática y las complejas interacciones entre los impactos de las inundaciones, la infraestructura y la movilidad. En este trabajo, proponemos un marco novedoso de apoyo a la toma de decisiones que utiliza el aprendizaje por refuerzo (RL) para la planificación de la adaptación a inundaciones a largo plazo. Formulado como un modelo de evaluación integrada (IAM), el marco combina la proyección de lluvias y el modelado de inundaciones, la simulación del transporte y la cuantificación de los impactos directos e indirectos en la infraestructura y la movilidad. Nuestro enfoque basado en RL aprende estrategias adaptativas que equilibran los costos de inversión y mantenimiento con los impactos evitados. Evaluamos el marco a través de un estudio de caso del centro de la ciudad de Copenhague durante el período 2024-2100, probando múltiples opciones de adaptación y diferentes creencias y escenarios climáticos realizados. Los resultados muestran que el marco supera los enfoques de optimización tradicionales al descubrir vías de adaptación espacial y temporal coordinadas y aprender compensaciones entre la reducción del impacto y la inversión en adaptación, lo que genera estrategias más resilientes. En general, nuestros resultados muestran el potencial del aprendizaje reforzado como una herramienta flexible de apoyo a la toma de decisiones para la planificación de infraestructura adaptativa en condiciones de incertidumbre climática.
Publicado originalmente en export.arxiv.org el 8 de marzo de 2026.
Ver fuente original
