La ciudad de Tallinn, reconocida por su ambición en sostenibilidad, participa en la iniciativa europea AI4Cities con el objetivo de acelerar la neutralidad climática a través de soluciones tecnológicas basadas en inteligencia artificial. En este marco, Tallinn identificó una oportunidad para reforzar su red de transporte sostenible enfocándose en trayectos urbanos de corta distancia (menos de 5 km), que siguen realizándose mayoritariamente en coche. La colaboración se estableció entre el Ayuntamiento, la consultora Rebel y la startup govtech Vianova, en el contexto del programa Horizon 2020 de la Unión Europea.

A pesar de contar con una red ciclista avanzada, Tallinn enfrentaba múltiples discontinuidades en las rutas ciclistas que impedían conectar eficientemente zonas de alta demanda. Esta falta de continuidad generaba una barrera estructural a la adopción de modos de transporte sostenibles como bicicletas o patinetes compartidos. Además, la ciudad carecía de herramientas dinámicas para anticipar el impacto de nuevas infraestructuras o políticas de movilidad, lo que dificultaba priorizar inversiones y justificar intervenciones en términos de reducción de emisiones. El análisis tradicional de impacto climático era lento, costoso y poco adaptable a decisiones en tiempo real.

Se desplegó la solución Emissions Reduction de Vianova, integrada en su plataforma de inteligencia de movilidad, basada en datos históricos, modelos de predicción y visualización geoespacial. La intervención incluyó:

• Construcción de un modelo granular de reparto modal para trayectos de menos de 5 km, segmentado por zonas hexagonales.
• Cálculo de emisiones actuales (gCO₂/km) por modo de transporte, y del ahorro potencial al sustituir viajes en coche por micro-movilidad compartida o bicicletas privadas.
• Simulación basada en machine learning del número de dispositivos (e-bikes, patinetes, bicicletas) y viajes esperados durante un año.
• Identificación de 50 vacíos clave en la red ciclista y cuantificación del impacto según tres escenarios de adopción: 2 %, 5 % y 10 %.
• Estimación del potencial de ahorro de CO₂ para cada corredor e intervención, con una proyección total de más de 2.000 toneladas de CO₂ evitadas.

• Reducción estimada de emisiones: entre 1.03 y 5.18 toneladas de CO₂ (micromovilidad compartida) y hasta 1.729 toneladas (bicicletas privadas) solo en el primer año, dependiendo del escenario de adopción.
• Priorización de inversiones: la herramienta permitió orientar la toma de decisiones hacia aquellos corredores con mayor retorno climático, optimizando el gasto público.
• Gestión basada en datos: se integraron datos propios del municipio (contadores de tráfico, calidad del aire, reclamaciones vecinales, estaciones de carga, etc.) para afinar las predicciones y facilitar el monitoreo en tiempo real.
• Agilidad institucional: la interfaz no-code de Vianova permitió a los equipos técnicos municipales simular escenarios, aplicar políticas virtuales y visualizar impactos sin requerir desarrollos a medida.
• Escalabilidad: el modelo es replicable para otros modos, como hubs de movilidad o transporte autónomo, y adaptable a otras ciudades.