Skip to main content

Article Category

Article available in the folowing languages:

Políticas de transporte urbano basadas en datos masivos

La gestión del tráfico es una de las mayores pesadillas de los ayuntamientos. Cada decisión, por pequeña que pueda parecer, puede generar un efecto en cadena enorme, razón por la que las autoridades precisan datos precisos y herramientas de predicción para asegurarse de que no se equivocan. PoliVisu tiene las herramientas.

Economía digital
Sociedad

No es fácil cambiar costumbres. Además esto se aplica a casi todos los ámbitos: desde la primera vez que unos abuelos utilizan un teléfono inteligente, a la reacción de las administraciones públicas cuando oyen por vez primera hablar de los datos masivos. Utilicemos un ejemplo tan concreto como los accidentes de tráfico. Tradicionalmente, los responsables políticos reciben quejas de los residentes o de la sociedad civil y, a continuación, investigan. En el caso de los datos masivos, tienen la oportunidad de acceder a mapas interactivos que se sirven de datos de la policía para generar un mapa dinámico de los accidentes de tráfico en la ciudad. Aquí reside la diferencia entre la formulación de políticas lenta y desconectada y la toma de decisiones oportuna y eficaz. «Muchos responsables de la toma de decisiones están anclados aún en la tradición. Adoptan decisiones políticas en función de modelos estáticos de consulta y reuniones de planificación cerradas en un marco temporal anual o superior. Sus acciones suelen estar aisladas y ser lentas, y ofrecen soluciones obsoletas ya en su aplicación», señala Lieven Raes, coordinador de PoliVisu (Policy Development based on Advanced Geospatial Data Analytics and Visualisation).

De mapas interactivos a políticas mejores

PoliVisu se propone enfrentarse a estas prácticas tradicionales, mejorar la alfabetización en materia de datos y ofrecer acceso a tecnologías avanzadas. Sus herramientas de visualización de políticas se basan en mapas interactivos para mostrar datos y explorarlos hasta el último detalle. El proyecto se dedicó en concreto al transporte y la movilidad. Tal y como indica Raes: «Es un ámbito con muchos conjuntos de datos que podrían utilizarse. La movilidad es la columna vertebral de cualquier ciudad, y un gran tema para experimentar con ubicaciones de distintos tamaños y con diferentes niveles de progreso en cuanto al uso de los datos masivos». Además de los accidentes de tráfico, el equipo del proyecto trabajó en un modelizador del tráfico y una herramienta para aumentar la seguridad en las calles en las que hay un colegio. El primero genera datos en tiempo real sobre el flujo del tráfico y permite simular crisis o mantenimientos, mientras que el segundo ofrece sensores que los vecinos pueden instalar en sus ventanas. Los sensores miden el tráfico y ofrecen los datos obtenidos a las administraciones para que decidan, por ejemplo, qué calle cerrar por la mañana. «Pusimos en marcha tres pilotos en tres ciudades —explica Raes—. En Issy-les-Moulineaux (Francia), investigamos una solución a los grandes atascos. En Gante (Bélgica), las autoridades no sabían dónde se concentraba la población estudiante y por tanto no podían ofrecer servicios relevantes en las ubicaciones adecuadas. Experimentamos con muchas fuentes de datos para dar con la información que precisaban. Por último, ofrecimos predicciones del tráfico en el caso de construcciones planeadas de carreteras en Pilsen (Chequia) para evitar consecuencias negativas». El equipo del proyecto creó un total de quince visualizaciones de políticas. En breve, se publicarán un libro y un curso en línea sobre datos aplicados a políticas para ofrecer formación respecto a los beneficios de las visualizaciones de datos en la mejora de la formulación de políticas. El acceso a los datos no siempre resultó fácil, pero el esfuerzo mereció la pena. Las tres ciudades piloto iniciales siguen usando todavía las herramientas de PoliVisu. «A menudo, los datos necesarios no existían o los poseía alguien que pedía una gran cantidad de dinero por utilizarlos. En Gante, por ejemplo, no había ni una sola fuente de datos disponible. Debimos extraerlos de varias fuentes como registros anónimos universitarios y de la empresa de telecomunicaciones Proximus. Ahora ya saben dónde pasan los estudiantes la semana y el fin de semana», añade Raes. Para cuando termine el proyecto, el equipo habrá generado un conjunto de herramientas de procesamiento y visualización de datos para las ciudades interesadas. Este conjunto se distribuirá con una metodología estructurada y adaptable y estudios prácticos reales como fuentes de inspiración que introduzcan (geo) datos abiertos en el ciclo de vida de la formulación de políticas.

Palabras clave

PoliVisu, transporte, datos masivos, tráfico, atascos, colegios, calles, formulación de políticas, accidentes de tráfico

Descubra otros artículos del mismo campo de aplicación