https://www.hupi.eus
Guipúzcoa
,
España
Acelerada Gobe
Solicitar contacto
Última actualización:
28
/
05
/
2026
Publicado:
28
/
05
/
2026

HUPI

HUPI es una empresa tecnológica experta en Sistemas Ciberfísicos e Inteligencia Artificial. Diseña, desarrolla y utiliza soluciones de software (Asistentes Virtuales) y electrónica (Sistemas Ciber Físicos) a medida. 
Cada solución está controlada por motores de IA desarrollados por científicos de datos, expertos en matemáticas, machine learning e investigación de operaciones. Sus AV actúan desde su propia plataforma Big Data, alojada en un centro de datos ubicado en el País Vasco.

Caso de uso:
Herramienta de planificación y gestión de la movilidad basada en datos
Caso de uso:
Análisis de la demanda y predicción de la ocupación en el transporte público
Datos de la empresa

Año de fundación

2018

NIF/CIF

B75194514

Certificaciones

RGPD
Todavía no dispone de certificaciones.

Nº de Empleados

14

Tipo de empresa:

Pyme digital

Tipo de oferta

Servicio y Producto

Modelo de negocio

Venta de Servicios

Tecnologías

APIS, Big Data, Software, Robotics, Artificial Intelligence, Machine Learning, LLMs, IOT, APIs y desarrollos software, Arquitecturas, Cloud, Computación avanzada, Dispositivos inteligentes, Inteligencia Artificial, Internet of Things (IoT), Plataformas, APIs y desarrollos

Premios

  • Ganadora Concurso Nacional de Innovación - ENEDIS
  • Trofeo de Innovación - Comunidad de Aglomeración del País Vasco.
  • Ganadora Concurso de Innovación OPEN DATA - Diputación Foral de Bizkaia.
  • Ganadora Challenge Innovation COPERNICUS - Centro Nacional de Estudios Espaciales.
  • Ganadora Programa REACH - En colaboración con la Diputación Foral de Bizkaia.
  • Ganadora Programa DIGIFED - En colaboración con DBUS (Donosti Bus)
  • Trofeo de Innovación de la Economía de Nueva Aquitania - Región de Nueva Aquitania.
  • Ganadora Bai Euskarari Sariak - Bai Euskarari Elkartea.
  • Ganadora Trophées Pyrénéo - Agence des Pyrénées

Aceleradoras

Bind 4.0.
Tracción pública

Clientes destacados

Ayuntamiento de Madrid, Tracasa Instrumental (Twin Navarra), HAZI (Bind Govtech), Urola Kosta, MACS (Francia), Dbus, Ayuntamiento de Gethary, Ayuntamiento de Biarritz, Ayuntamiento de Anglet, Ayuntamiento de Ardeche, Ayuntamiento de Lacanau, Ayuntamiento de San Sebastián.

Sectores de la administración

Turismo, Medio Ambiente y Transición Energética, Ciudades Inteligentes, Energía, Planeación Territorial, Transporte y Movilidad, Gestión económica y Presupuestaria, Industria y Comercio, Salud y Sanidad
Solvencia económica

Nº total de clientes hasta la fecha

70

Canales y colaboraciones

INDRA (subcontrato)

Premios

  • Ganadora Concurso Nacional de Innovación - ENEDIS
  • Trofeo de Innovación - Comunidad de Aglomeración del País Vasco.
  • Ganadora Concurso de Innovación OPEN DATA - Diputación Foral de Bizkaia.
  • Ganadora Challenge Innovation COPERNICUS - Centro Nacional de Estudios Espaciales.
  • Ganadora Programa REACH - En colaboración con la Diputación Foral de Bizkaia.
  • Ganadora Programa DIGIFED - En colaboración con DBUS (Donosti Bus)
  • Trofeo de Innovación de la Economía de Nueva Aquitania - Región de Nueva Aquitania.
  • Ganadora Bai Euskarari Sariak - Bai Euskarari Elkartea.
  • Ganadora Trophées Pyrénéo - Agence des Pyrénées

Aceleradoras

Bind 4.0.

Datos de la empresa

Año
Ventas
Empleados
EBITDA
Clientes
Ronda
Inversión
Inversores
Todavía no se han publicado datos de la empresa.
This is some text inside of a div block.
Caso de uso

Herramienta de planificación y gestión de la movilidad basada en datos

Contexto

Diversas ciudades están impulsando programas de gemelos digitales urbanos para mejorar la toma de decisiones públicas, apoyados en fondos europeos y estrategias de movilidad sostenible. La planificación de infraestructuras debe incorporar análisis basados en datos y comunicación ciudadana efectiva, en línea con políticas de movilidad 2030 y las obligaciones de Zonas de Bajas Emisiones (ZBE).

Problema

  • Datos urbanos incompletos y heterogéneos: las redes disponen de información fragmentada y poco interoperable, dificultando su uso conjunto.
  • Dificultad para comparar escenarios: la falta de estandarización impide analizar alternativas y priorizar intervenciones de forma objetiva.
  • Déficit en la caracterización multimodal: no se dispone de una visión precisa e integrada de los distintos modos de movilidad.
  • Necesidad de evidencias comprensibles para la ciudadanía: la resistencia social ante cambios exige visualizaciones claras y accesibles que faciliten la toma de decisiones.
  • Desafíos en la integración de datos visuales en tiempo real: incorporar este tipo de información con garantías de privacidad supone retos técnicos y normativos.
...

Solución

  • Medición multimodal en tiempo (casi) real: permite contar personas, bicis, VMP y vehículos por zona; ingesta cámaras/sensores existentes, datos de TP y telefonía; opción de visión artificial no intrusiva con procesamiento local para proteger la privacidad.
  • Indicadores de capacidad y uso: facilita dashboards y mapas interactivos (uso modal, tiempos, intensidad, accesibilidad) para cada calle/zona.
  • Predicción de afluencias: habilita modelos de IA a corto y largo plazo (estacionalidad, franjas, curso escolar) para anticipar cambios de hábitos.
  • Simulación de escenarios: compara alternativas (aceras, ZBE, carriles bici) con impactos en accesibilidad, seguridad, emisiones y calidad urbana; soporte a la decisión sobre dónde actuar primero.
...

APIs e Integraciones

Integración con el Gemelo Digital: exposición datos en formatos abiertos (p. ej., GeoJSON/GTFS) y APIs interoperables compatibles con ontologías/estándares (NGSI‑LD/FIWARE) para capas dinámicas, consultas y alertas.

Aplicaciones reales en administración pública

Ayuntamientos de Gethary, Biarritz, Anglet, Ardeche, Lacanau / Precio: 27.520€

Impacto

  • Accesibilidad y equidad: priorización de itinerarios peatonales y ciclistas reales; validación automática de requisitos de accesibilidad y simulación de recorridos seguros para colectivos vulnerables.
  • Eficiencia y sostenibilidad: reducción de viajes “innecesarios” y mejor reparto modal por calle; estimación de emisiones evitadas por intervención.
  • Seguridad y confianza: disminución de puntos de conflicto y tiempos de cruce (p85) en áreas críticas; tratamiento de imagen privacy‑by‑design conforme a guías AEPD.
  • Agilidad institucional: decisiones trazables y comparables entre barrios y fases del plan; integración ágil para comunicar “antes/después” a la ciudadanía.
Implementado en:
Ver caso de uso
Caso de uso

Análisis de la demanda y predicción de la ocupación en el transporte público

Contexto

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.

Problema

  • Dificultad para prever la demanda: la variabilidad por factores como clima, calendario o eventos no puede gestionarse eficazmente con herramientas básicas o experiencia histórica.
  • Fragmentación de la información operativa: los datos de validaciones, GPS (AVL) e incidencias no están integrados ni son plenamente interoperables.
  • Limitaciones en la predicción a nivel operativo: la falta de datos consolidados dificulta generar previsiones útiles por línea y franja horaria.
  • Programación ineficiente de recursos: la asignación de vehículos y conductores se realiza con poco margen, aumentando el riesgo de sobrecarga o sobredimensionamiento.
  • Falta de capacidad de reacción en tiempo real: la ausencia de alertas cualificadas impide anticipar situaciones como paradas saturadas o necesidades de accesibilidad.
  • Complejidad en la integración de modelos avanzados: incorporar soluciones predictivas en sistemas existentes requiere un esfuerzo operativo elevado y sostenido.
...

Solución

  • 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.).
...

APIs e Integraciones

Integración de datos con el SAE del operador.

Aplicaciones reales en administración pública

DBUS, operador de transporte público de Donosti / Precio: 52.200€ (Subcontratados por INDRA)

Impacto

  • 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.
Implementado en:
Ver caso de uso