Las ciudades están acelerando la transición hacia una movilidad descarbonizada y centrada en las personas. La Ley 7/2021 obliga a los municipios a implantar Zonas de Bajas Emisiones, lo que requiere hacer más eficiente y atractivo el transporte público. En este escenario, planificar con datos y anticipación se vuelve estratégico para ajustar oferta y mejorar la experiencia ciudadana. La Estrategia de Movilidad 2030 del MITMA refuerza esta línea de actuación.

Los operadores municipales afrontan una demanda volátil (clima, calendario escolar, eventos) difícil de prever con hojas de cálculo y experiencia histórica. La información está fragmentada (validaciones, AVL/GPS, incidencias) y no siempre interoperable, lo que complica generar predicciones útiles a nivel de línea y franja horaria. La programación de recursos (vehículo/tamaño, conductores) se hace con poco margen, elevando el riesgo de sobrecarga o buses sobredimensionados. Sin alertas cualificadas, la gestión en tiempo real reacciona tarde ante paradas saturadas o necesidades de accesibilidad (PMR, carritos). Además, integrar modelos en sistemas existentes sin esfuerzo operativo sostenido es un reto no trivial.

• Predicción diaria con 3 días de antelación: permite estimar viajeros por línea con modelos de IA entrenados con históricos y datos externos (por ejemplo, meteorología).
• Planificación de recursos: facilita ajustar tamaño de vehículo y dotación de conductores según demanda prevista.
• Cuadros de mando integrables: agiliza la visualización en la plataforma HUPI o dentro de los sistemas del operador.
• Mapa de uso y patrones: habilita la identificación de rutas, patrones y valores atípicos que impactan en la afluencia.
• Gestión en tiempo real + alertas: garantiza ajustes dinámicos y avisos ante saturación de paradas o necesidades específicas (silla de ruedas, etc.).

• Eficiencia operativa: planificación de flota por línea con horizonte de 72 h y capacidad de ajuste intradía. Esto resulta en menos viajes en saturación y menor infrautilización de flota (según HUPI/DBUS).
• Calidad del servicio y accesibilidad: reducción de incidencias en paradas, mejora de tiempos de llegada y asignación del vehículo idóneo (PMR, carritos).
• Gobierno del dato: explotación de datos abiertos y propios para tomar decisiones replicables.
• KPIs sugeridos para la administración: para el seguimiento institucional se proponen indicadores como % viajes en saturación (>X % ocupación), puntualidad (P+/- min), viajeros/bus‑km, ocupación media por franja, % asignaciones con vehículo accesible, ahorros de CO₂ por optimización de oferta.

Cliente: DBUS, operador de transporte público de Donosti

• Instrumento de contrato: Subcontratados por INDRA
• Precio: 52.200€
• Duración del contrato: 6 meses