Caso de uso
Red de Transporte sostenible y cálculo de emisiones de CO2
Análisis Govtech
Explora la información de las variables clave en las tres dimensiones de nuestra categorización Govtech.
Public Readiness
(Tracción pública)
Volumen adjudicado último año
200.000 €
Clientes públicos (últimos 3 años)
45
Crecimiento en contratos públicos en los últimos 3 años
0 %
Canales formales
Si
Certificación ENS
No tiene
Facturación último año
1.500.000 €
Inversión total levantada
6.600.000 €
Crecimiento en facturación en los últimos 3 años
12 %
Nº de clientes (últimos 3 años)
55
Antigüedad de la empresa
7 años
Problema
- Discontinuidad en la red ciclista: la existencia de tramos inconexos dificultaba enlazar zonas de alta demanda.
- Barreras para la adopción de movilidad sostenible: la falta de continuidad limitaba el uso de bicicletas y patinetes compartidos.
- Ausencia de herramientas de simulación dinámica: la ciudad no disponía de soluciones para anticipar el impacto de nuevas infraestructuras o políticas.
- Dificultad para priorizar inversiones: la falta de evidencia cuantitativa complicaba justificar intervenciones en términos de reducción de emisiones.
- Limitaciones del análisis climático tradicional: los enfoques existentes eran lentos, costosos y poco adaptables a decisiones en tiempo real.
Solución
- Modelo granular de reparto modal: permitió construir un análisis detallado de trayectos de menos de 5 km, segmentado por zonas geográficas.
- Cálculo de emisiones actuales y potencial de reducción: permitió estimar emisiones por modo de transporte y cuantificar el ahorro al sustituir coche por micromovilidad o bicicleta.
- Simulación predictiva con machine learning: permitió estimar el número de dispositivos y viajes esperados en distintos escenarios temporales.
- Identificación de vacíos en la red ciclista: permitió detectar 50 puntos críticos de desconexión y evaluar su impacto potencial.
- Escenarios de adopción y cuantificación de impacto: permitió analizar distintos niveles de adopción (2 %, 5 % y 10 %) y su efecto en la movilidad.
- Estimación del ahorro de CO₂: permitió proyectar el impacto ambiental de las intervenciones, superando las 2.000 toneladas de CO₂ evitadas.
Aplicaciones reales
Solución desarrollada por
Última actualización:
This is some text inside of a div block.
/
This is some text inside of a div block.
/
This is some text inside of a div block.
Publicado:
This is some text inside of a div block.
/
This is some text inside of a div block.
/
This is some text inside of a div block.
Heading
Vianova ofrece una plataforma SaaS especializada en inteligencia de datos para la gestión inteligente de la movilidad urbana. Su tecnología, basada en inteligencia artificial predictiva e integrable con múltiples fuentes de datos, proporciona análisis en tiempo real y visualizaciones intuitivas para optimizar infraestructuras, gestionar la micromovilidad, el tráfico, la seguridad vial y la logística urbana. Asegura altos estándares en privacidad y seguridad, cumpliendo con SOC 2 Tipo II y el reglamento GDPR, facilitando la transformación digital en ciudades y administraciones públicas.