Hupi Ibérica

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).

Las redes urbanas cuentan con datos incompletos, heterogéneos y poco interoperables, dificultando la comparación de escenarios y la priorización de intervenciones. La falta de caracterización multimodal precisa y la resistencia social ante cambios de movilidad requieren evidencias comprensibles y visualizaciones accesibles. Además, integrar datos visuales en tiempo real con garantías de privacidad plantea desafíos técnicos y normativos.

• 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.

Cliente: Ayuntamientos de Gethary, Biarritz, Anglet, Ardeche, Lacanau

• Instrumento de contrato: Contrato menor
• Precio: 27.520€
• Duración del contrato: 3 meses

• 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.

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.).

Cliente: DBUS, operador de transporte público de Donosti

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

• 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.