Tag: movilidad

0

Como cada año desde 2014, IESE Business School presenta su Índice Cities in Motion y en la edición de 2020, presenta una peculiaridad histórica como consecuencia de la crisis sanitaria de la COVID-19, tal como sus autores indican:

«En el contexto actual de la COVID-19, este análisis adquiere aún más relevancia. Es ahora cuando se puede observar cuán preparadas están realmente las ciudades para hacer frente a una crisis que hace tambalear su estabilidad en muchas de sus dimensiones. Ha llegado el momento de ejercer una gobernanza inteligente que tenga en cuenta todos los factores y actores sociales, con una visión global.» (2020:11) IESE Business School – Índice IESE Cities in Motion 2020 / ST-542

Esta iniciativa tiene la misión de promover el Modelo de Ciudades en Movimiento, que incluye un enfoque innovador de gestión de la ciudad, y un nuevo modelo urbano para el siglo XXI, basado en 4 impulsores principales: ecosistemas sostenibles, actividades innovadoras, equidad entre ciudadanos y conectados territorio.

El índice que integra 9 dimensiones en un solo indicador (un total de 101 indicadores) y recoge 174 ciudades de todo el mundo. Gracias a esta visión amplia e integrada, permite identificar los puntos fuertes y débiles de cada una de ellas.

Como novedad, este año ofrecen en su página web una «Calculadora ICIM» que permite ingresar los datos de cualquier ciudad y, con base en ellos, muestra la posición que esa urbe ocuparía en el ranking. Se trata de una práctica herramienta de utilidad tanto para aquellas ciudades que ya están reflejadas en el ranking y desean ver los cambios que se producen con variables más actualizadas como para aquellas que no se encuentran en el ICIM pero desean conocer cuál sería su lugar en el ranking.

Calculadora ICIM_iese

Cities in motion en España

El objetivo de este post es seleccionar una ciudad que disponga de suficientes datos abiertos de movilidad para futuros estudios, o para su incorporación futura a una plataforma de movilidad. Este post parte del Índice IESE Cities in Montion que, como ya hemos mencionado, establece un ranking de “ciudades inteligentes” según diferentes criterios o dimensiones a nivel mundial. Por este motivo, hemos querido extraer qué ciudades españolas aparecen en el ranking mundial; éstas son A Coruña, Barcelona, Bilbao, Madrid, Málaga, Murcia, Palma, Sevilla, Valencia y Zaragoza.

En ITELLIGENT, hemos realizado un breve estudio donde se ha intentado localizar, para cada ciudad española que aparece en el ICIM, los siguientes data sets relacionados con movilidad en tiempo real

  1. Intensidad de Tráfico. Datos de intensidad de trafico a través de contadores de espiras electromagnéticas en más o menos tiempo real. Estos son datos estáticos espacialmente, pero dinámicos temporalmente y miden la intensidad de tráfico en el punto de medida (ej. autos/hora).
  2. Aparcamientos Rotacionales. Datos de ocupación de aparcamientos en tiempo real o próximos al tiempo real. Estos datos son datos estáticos espacialmente, pero dinámicos temporalmente. En algunos casos además de los aparcamientos de autos también se han localizado de bicicletas.
  3. Cámaras de Trafico. Datos de cámaras en tiempo real o próximos al tiempo real. Estos son datos estáticos espacialmente, pero dinámicos temporalmente. El objetivo es tener acceso a las imágenes de las cámaras con vistas a que puedan servir como sensores de trafico u otros usos (ej. determinar tipología de vehículos).
  4. Autobuses Posición. Datos de movilidad de autobuses en tiempo real o próximos al tiempo real. Estos datos son dinámicos espacial y temporalmente. Estos datos son de interés ya que pueden permitir disponer de muestras de tiempos de trayectos en diversas zonas de la ciudad a modo de “sondas móviles”.

¿Qué ciudad española posee una mayor índice de movilidad urbana?

De todas las ciudades analizadas en nuestro estudio, la que presenta un mejor acceso a los datos es Madrid. A título de ejemplo, algunos de estos recursos para Madrid son:

  1. Intensidad de Trafico
  2. Aparcamientos Rotacionales
  3. Cámaras de Trafico
  4. Autobuses Posición

Respecto al resto de poblaciones españolas que aparecen en el ranking ICIM, teniendo en cuenta estos cuatros data sets, cabe indicar lo siguiente:

  • Barcelona: muy completa, pero no se ha encontrado la posición de los autobuses.
  • Bilbao: completa, pero en algunos casos se requiere técnicas de scrapping, y para la posición de los autobuses, lo que se puede obtener es una imagen a modo de “tile”. No se ha encontrado datos de ocupación aparcamientos.
  • Valencia: completa, pero el acceso a las cámaras esta limitado. El acceso a las posiciones del bus es con el mismo sistema de Bilbao (una plataforma de ESRI) con las mismas limitaciones. No se ha encontrado datos de aparcamientos.
  • Málaga: completa, pero no se ha encontrado datos de intensidad de tráfico.
  • Sevilla: pobre, hay conjuntos de datos que no funcionan (ej. intensidad de tráfico). Se ha contactado con ellos, pero por ahora no hay respuesta.
  • A Coruña: pobre, la web es muy limitada y muy complicado buscar los datos. Se les ha escrito, pero hasta ahora sin respuesta.
  • Zaragoza: pobre, la web es muy compleja de utilizar y difícil encontrar cosas, es posible que haya conjuntos de datos, pero no se han encontrado.
  • Palma de Mallorca: muy pobre. No tienen prácticamente nada de los recursos de interés.
  • Murcia: muy pobre. No tienen prácticamente nada, incluso solo se ha encontrado una web de open data a nivel autonómico, pero sin datos de Murcia ciudad.

Transporte_movilidad_accesibilidad_bus

Conceptos como la movilidad, por el hecho de usarse a menudo, no dejan de ser abstractos para el colectivo. Si bien las ciudades activan cada cierto tiempo planes de movilidad, en la mayoría de ocasiones y salvo honrosas excepciones, no cumplen de manera eficiente su cometido. Uno de los errores más comunes en los planes de movilidad urbana es la confusión entre los conceptos de movilidad y accesibilidad.

Esto suele apreciarse en las acciones de mejora de la movilidad, ya que enfocan la accesibilidad como un simple factor que facilita en lo posible los desplazamientos, independientemente de la lógica de la planificación urbana o el estudio de posibles modificaciones futuras. Dicha confusión junto con otros errores, hacen que, salvo excepciones, los planes de movilidad  no alcancen los resultados deseados.

Es por ello importante acotar los términos de Movilidad  y Accesibilidad:

  • Movilidad: Conjunto de desplazamientos tanto de personas como de mercancías en un entorno físico. Se realizan por diferentes medios, vehículos, a pie, bicicleta, etc. y en diferentes franjas horarias. El objetivo de los mismos es salvar las distancias con los lugares que satisfacen nuestros deseos o necesidades, todo ello facilitado por la accesibilidad.
  • Accesibilidad: El objetivo que, en sí, persigue la movilidad a través de los medios de transporte. Además de los medios de transporte, la accesibilidad se ve influida también por factores como el desarrollo urbano o la distribución de los servicios.

Big Data en la movilidad

Ante la búsqueda de soluciones a los problemas, el primer paso es conocer y comprender los comportamientos de la población. Hasta el momento, respecto a la movilidad, los datos con los que se elaboraban los informes surgían de opiniones extraídas a través de encuestas, paneles de propuestas ciudadanas o información muy limitada a través de conteos puntuales en diversas localizaciones.

La digitalización y el análisis Big Data, permiten trabajar con grandes volúmenes de datos actualizados. Los dispositivos móviles, comparten y generan información, datos que viajan a antenas geolocalizadas. El buen procesamiento de ingentes cantidades de datos nos ofrecerá una visión detallada de la movilidad como nunca hasta ahora, con la que podremos sacar conclusiones muy ajustadas a la realidad.

El 90% de nuestro tiempo lo pasamos en compañía de dispositivos móviles, todo ello genera una huella digital. Podríamos pensar que el uso de los datos que vamos generando vulnera nuestra intimidad, aunque dichos datos en un primer momento  sean individuales, lo que realmente interesa es procesarlos de forma que describan los movimientos de multitudes y no de individuos.

Algunos ejemplos de sus aplicaciones:

Partamos de un ejemplo preciso para comprender mejor cómo se ha venido recopilando la información para intervenciones en movilidad hasta el momento, y qué oportunidades nos ofrecen las nuevas tecnologías.

La literaria ciudad de Zalacaín el Aventurero, Villa de Urbía, ha pasado en pocas décadas de ser un tranquilo pueblo vasco, a una próspera ciudad de tamaño medio. Su crecimiento rápido y desordenado, junto a su especial orografía, han desembocado en importantes problemas de tráfico. La Gerencia de Urbanismo desea implementar varias acciones para mejorar la circulación del tráfico rodado. La primera de ellas será un plan de optimización de sus líneas de autobuses. Modificar las líneas de su red de transporte público con el objetivo de aumentar su cuota de uso y paliar, en gran medida, sus problemas de tráfico, adaptando los itinerarios a las necesidades actuales.

Hasta el momento, independientemente del presupuesto y la ambición de los planes, los informes básicamente se fundamentan en encuestas a los usuarios con sus opiniones, en el nivel de tráfico en determinados lugares y durante un cierto tiempo o en el volúmen de ocupación de las diferentes líneas. La ocupación de las lineas ofrece número de usuarios y en qué paradas se suben, pero nunca qué tramos de esa línea poseen más viajeros. En definitiva, datos que aportan una información muy determinada y en torno a un grupo poblacional pequeño con respecto al que se desea influir.

Actualmente, Urbía cuenta con una poderosa herramienta para la mejora en su movilidad. Los dispositivos móviles, que junto a los sensores y herramientas de geomarketing generarán una visión de la situación de la movilidad imposible de obtener antes. Cada persona que posee un dispositivo móvil transmite información sobre sus movimientos y cuándo los efectúa. Por ejemplo, los datos móviles permiten saber si 50 empleados de una empresa, usuarios de bus, caminan en demasía hasta la parada de bus más cercana a las oficinas. Como solución se podría colocar una marquesina más próxima y con una frecuencia de paradas que se ajuste a esa necesidad. Dicha mejora se puede ver no sólo transformada en una simple facilidad para usuarios, sino que podría fomentar el uso del transporte público a otros empleados que hacían uso del transporte privado, por no ser satisfactoria la situación del transporte público respecto de sus necesidades.

La S.D Urbía ha ascendido a Primera División, con lo que la afluencia de público al estadio Municipal Tellagorri aumentará. Si se trabaja de una manera clásica, se contará con la ayuda de datos como la capacidad del estadio, asistencia media esperada y estimaciones sobre los espectadores que pueden acudir en transporte público y privado en las horas punta, etc. Gracias a los dispositivos móviles y sensores interconectados podemos responder con gran precisión a el ¿Cuántos?, ¿Desde dónde?, ¿Cómo? y ¿A qué hora? se dirigen al estadio. Información fundamental en la aplicación de operaciones especiales de llegada y de salida, en los días de partido, inclusive dependiendo de las condiciones meteorológicas o del rival.

En las instalaciones que ofrecen servicios públicos, la localización de los mismos es fundamental para favorecer o no la accesibilidad en una ciudad. La capacidad de las nuevas herramientas otorgará de manera mucho más certera diferentes puntuaciones sobre la idoneidad de la ubicación entre las posibles, mucho más ajustadas con respecto de antiguos métodos.

¿De dónde proceden los datos?

El Big Data puede obtenerse mediante datos móviles generados por los ciudadanos, datos agregados de la red y/o sensores. Todos estos datos nos permiten:

  • Trabajar con datos objetivos, masivos y anónimos.
  • Obtener tendencias y comportamientos grupales no individuales.
  • La información es captada, no declarada.
  • Información sobre la frecuencias de los mismos.
  • Procedencias.
  • Conclusiones relevantes.

Todos estos datos se exportan y extrapolan a soportes visuales, mapas y gráficos, que ofrecen comportamientos reales y fiables de la población estudiada, a partir de los cuales se trabaja con mapas activos de la situación de la movilidad urbana y se establecen políticas de mejora y transformación, siempre en la búsqueda de ciudades más sostenibles y habitables. Actualmente no se podría decir que se trabaja con datos en tiempo real, pero si en plazos de tiempo muy cortos aunque se avanza para que pronto sea una realidad.

Todas estas aplicaciones del Big Data son también extrapolables a la empresa privada como eficaz herramienta para sectores como la gestión turística, la seguridad pública, el control de riesgos financiero, el sector inmobiliario, las consultorías de negocios o la macroestadística.