• Dificultad de acceso a datos de movilidad de calidad: las administraciones no disponen de información actualizada, representativa y útil para la toma de decisiones.
• Limitaciones de los métodos tradicionales: encuestas de movilidad y aforos manuales resultan costosos y poco escalables.
• Fragmentación de la información: los datos están dispersos por operador o tipo de transporte, impidiendo una visión integral del sistema.
• Falta de capacidad predictiva: la ausencia de datos consolidados limita la anticipación de cambios en la demanda.
• Dificultad para optimizar servicios de transporte: resulta complejo adaptar rutas, frecuencias o evaluar políticas tarifarias.
• Procesos de decisión lentos: la falta de herramientas que integren y estructuren grandes volúmenes de datos ralentiza la gestión pública.

• Modelización de viajes a partir de datos de validación: Extracción de patrones de movilidad a partir de datos de pago sin contacto, anonimizados y respetando la privacidad, para estimar flujos entre zonas de transporte.
• Integración de fuentes externas: Combina los registros de pagos con información complementaria como censos, horarios y geodatos para mejorar la inferencia de trayectos completos.
• Herramienta interactiva de análisis: Despliega una plataforma que permite a técnicos públicos consultar patrones de viaje según zona, horario, propósito y perfil de usuario.
• Automatización del tratamiento de datos: Implementa procesos de análisis automatizados que actualizan periódicamente los datos, facilitando su uso continuo en la toma de decisiones.

Cliente: CRTM

• Instrumento de contrato: Proyecto Big Data For Public Transport (BD4PT), financiado por el Ministerio de Asuntos Económicos y Transformación Digital y el Fondo Europeo de Desarrollo Regional (FEDER)
• Precio: 282.739€
• Duración del contrato: 24 meses
• Tiempo de implementación: 18 meses