La región América Latina y Caribe es la segunda región más urbanizada del planeta. Si la tendencia actual continúa, se estima en que en poco menos de 20 años el 90% de la población latinoamericana vivirá en ciudades. Y no son las megaciudades, como Sao Paulo, Buenos Aires o Ciudad de México, las que presentan mayores tasas de crecimiento. Éstas se dan más bien en ciudades intermedias, caracterizadas por ser escenarios de una gran inequidad; y por la escasez, tanto de recursos financieros, como de la información necesaria para planificar y poner en práctica un crecimiento urbano sostenible en cuanto a vivienda, servicios y movilidad.
El Banco Interamericano de Desarrollo, consciente de la fuerte correlación entre la inversión en mejoras de la movilidad y el transporte público y el desarrollo de un país o región, colabora con gobiernos locales y nacionales para que la toma de decisiones sobre este tipo de inversión se haga de forma informada, rápida, veraz y al menor costo. La clave está en disponer de herramientas ágiles y eficaces, capaces de captar toda la complejidad que engloba las dinámicas de la población, el territorio y el transporte. Y, por supuesto, en los datos de movilidad-. Es por ello que la colaboración del BID con el grupo Telefónica, en lo referente a los datos, y con LUCA, en cuanto a las herramientas que aplican inteligencia sobre estos para la obtención de Insights, ha fructificado en diversos proyectos de gran interés de los que hablaremos más adelante.
¿Qué son los datos de movilidad?
El poder de los datos
La frontera entre el mundo real y el mundo digital cada día es más delgada y, como consecuencia de ello, se generan datos a una velocidad cada vez mayor. De hecho, el 90% de los datos en el mundo a fecha de hoy, se ha creado en los últimos dos años. Ahora mismo, más de 5 mil millones de personas están llamando, generando mensajes de texto, subiendo imágenes o vídeos a sus redes sociales, o navegando por la web a través de sus teléfonos móviles. Es por ello que el Big Data, se ha convertido en un activo fundamental del que pueden y deben beneficiarse, tanto empresas privadas, como organismos públicos, ya que permite que la toma de decisiones deje de ser una acción basada en la experiencia o en la intuición, y se base en los datos. Pero para poder extraer el valor de los datos, para poder detectar y comprender patrones en los datos y convertirlos en decisiones informadas, hacen falta herramientas.
Big Data es un activo sí, pero ¿qué datos se generan en telefonía móvil?
Como es natural, esta capacidad de visualizar millones de viajes por día, es fundamental para comprender la movilidad. Y más aún, el poder realizar extrapolaciones de los patrones de comportamiento observados a la población general, es de vital importancia para la elaboración de políticas de ordenamiento de la movilidad que cubran las necesidades reales de los ciudadanos. Y decimos necesidades “reales” de los ciudadanos porque hablamos de Insights de movilidad extraídos de los datos reales ya existentes, frente a los obtenidos por medio de lentos y costosos procesos manuales de encuesta. Por tanto, hablamos de veracidad, mayor rapidez en su obtención, y menor costo.
Herramientas basadas en Inteligencia Artificial, como LUCA Transit, permiten averiguar cosas como cuál es el motivo del viaje (trabajo, ocio), la frecuencia, el medio de transporte utilizado; permite generar matrices origen-destino, hacer una segmentación demográfica de las personas que se desplazan etc. Así, al tener una mejor comprensión de la movilidad en un área metropolitana, se puede realizar una mejor planificación de infraestructuras, mejor estimación de nuevas necesidades de cara a creación de nuevos barrios y al crecimiento de la población, y mejorar la definición de rutas de transporte alternativas ante circunstancias determinadas (como ocurre con las obras de mejora en infraestructuras de transporte) etc
Nuestra metodología no reemplaza, sino que complementa los estudios de movilidad urbana tradicionales. En particular, permite:
- Obtener datos de Movilidad analizando datos ya existentes, lo cual supone un gran ahorro, al no ser ya necesarias las tradicionales campañas de recolección
- Ganar en agilidad para contar con datos (2 meses)
- Obtener tasas promedio de producción de viajes por persona, muy importantes para calcular nuevas urbanizaciones o estimación de viajes futuros x crecimiento poblacional (Planificación Urbana)
- Obtener una Matriz OD Base x período según zonificación (principales motivos)
- Conocer la distribución modal y las principales rutas de movilidad entre zonas
- Actualizar fácilmente la información de las matrices de viajes
- Actualizar fácilmente la generación y atracción de viajes por zonas según cambios en usos del suelo y movilidad
- Relacionar la movilidad con la accesibilidad por carencia de autobuses o infraestructura adecuada
- Mejorar la infraestructura urbana gracias a la comprensión de la movilidad del Área Metropolitana
El BID ha contado con LUCA también en Centroamérica, con proyectos dentro del contexto de la mejora de infraestructuras y transportes. Pero lo más interesante es ver cómo el contexto del transporte no ha sido más que principio de una fructífera colaboración, ya que día a día, estas herramientas Big Data aplicadas a los datos de movilidad Movistar ya no hablan sólo de flujos de transporte, sino que empiezan a hablar también de otros temas como la inferencia de pobreza, la mejora de la atención humanitaria en situaciones de emergencia y muchas otras cosas más.
Lo importante es que sepamos plantearles las preguntas adecuadas.
Se ve interesante , me gustaria conocer mas sobre esto, porque resultaria una herramienta valiosa, en estudios de transporte
Importante información para el mejoramiento del transporte urbano, en el Perú , especialmente Piura, se hace necesario ahondar mucho en este tema, tratare de difundir.
Interessante perceber a visão sistêmica que é pensado, não apenas para os modais, como também para com as necessidades dos cidadãos que habitam no determinado centro urbano!
Percibo que es una herramienta agil , dinamica , muy rapida , que puede ayudar sensiblemente a tomar rapidas y mejores decisiones de los desplazamientos urbanos / O-D, que se pueden transformar en graficos de los sentidos de los desplazamientos , a partir de los cuales se puede configurar la geometria de las vias urbanas .
Sera factible contar con un modelo tipo ejemplo numerico – grafico ?
. Favor enviar a mi correo ,
Sinceramente
Ya hoy en día la información que se puede obtener de la telefonía móvil da un conocimiento muy importante sobre algunos aspectos de la movilidad y en un futuro próximo mucho más.
Me preocupa el sesgo que se pueda obtener, por una parte por no recoger a los usuarios que no tengan un smartphone (personas ancianas, niños, nivel socioeconómico bajo, especialmente en América Latina), y por otra el sesgo de la compañía que facilita los datos, especialmente en un mercado competitivo donde las compañías low cost de telefonía cada vez tienen un porcentaje más importante del mercado de la telefonía. Es decir, el usuario de Iberia, Air France, etc., no es el mismo que el usuario de Ryanair, lo mismo pasa con la telefonía.