Nommon

La planificación del transporte público atraviesa una transformación clave impulsada por la digitalización, la transición ecológica y la necesidad de ofrecer servicios más eficientes y adaptados a los nuevos hábitos de movilidad. En este marco, las ciudades inteligentes necesitan herramientas que traduzcan el creciente volumen de datos disponibles en conocimiento útil para la toma de decisiones. La expansión de los sistemas de pago inteligente en el transporte público son una oportunidad para integrar fuentes de datos en tiempo real en la planificación urbana, alineándose con estrategias como la Agenda Urbana o la Estrategia de Movilidad Segura, Sostenible y Conectada 2030.

Las administraciones públicas enfrentan graves dificultades para acceder a datos de movilidad que sean actualizados, representativos y útiles para diseñar políticas públicas eficaces. Los métodos tradicionales como encuestas de movilidad o aforos manuales son muy caros y poco escalables. Además, la información disponible suele estar fragmentada por operador o tipo de transporte, lo que impide tener una visión integral de la red. Esto limita la capacidad de anticipar cambios en la demanda, adaptar rutas, mejorar frecuencias o evaluar el impacto de nuevas políticas tarifarias. La toma de decisiones se ve ralentizada por la falta de herramientas que integren y estructuren los datos generados diariamente por millones de desplazamientos.

Se requiere acceso a los sistemas de ticketing y validación de transporte existentes, así como capacidad de integración con plataformas de análisis de movilidad y sistemas de información geográfica (SIG) de la administración, garantizando la interoperabilidad con infraestructuras digitales públicas y el cumplimiento de los marcos de protección de datos.

• 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.

• Eficiencia en la planificación: Reduce en un 60% el tiempo necesario para realizar análisis de demanda por zona y franja horaria, frente a métodos manuales.
• Cobertura continua: Proporciona datos actualizados semanalmente, superando la baja frecuencia de las encuestas tradicionales, analizando más de 13.000 paradas, 600 líneas de transporte y 4.5 millones de validaciones diarias.
• Capacidad de respuesta institucional: Permite evaluar el impacto de eventos o cambios en la red (obras, ajustes tarifarios, etc.) con datos reales en pocos días.
• Mejora de la experiencia ciudadana: Favorece decisiones más precisas sobre frecuencias y rutas, mejorando la calidad del servicio sin aumentar costes.
• Sostenibilidad y equidad: Ayuda a detectar zonas infradotadas o sobredimensionadas, promoviendo una distribución más equitativa de los recursos públicos.

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

La gestión de los parques urbanos se ha convertido en un asunto estratégico en el marco de las políticas públicas orientadas al bienestar, la sostenibilidad y la resiliencia urbana. En un contexto marcado por el cambio climático, la creciente demanda de espacios verdes accesibles y la necesidad de reforzar los servicios públicos con herramientas digitales, conocer cómo se utilizan los parques urbanos es clave para planificar su mantenimiento, mejorar su uso y asegurar su disponibilidad como infraestructuras de salud y sociales. Esta tendencia se ha visto acelerada por los efectos de la pandemia y por la digitalización de la administración local, impulsada por fondos europeos y nuevas normativas sobre datos abiertos y gobierno inteligente. En este contexto, muchas entidades públicas están explorando nuevas fuentes de información para comprender mejor los usos ciudadanos del espacio público y optimizar su gestión.

La gestión de parques urbanos es clave para el bienestar, la sostenibilidad y la resiliencia en ciudades. En un contexto de cambio climático y creciente demanda de espacios verdes, conocer su uso permite planificar mejor su mantenimiento y asegurar su función social y de salud. La pandemia y la digitalización impulsada por fondos europeos han acelerado esta tendencia, llevando a muchas administraciones a explorar nuevas fuentes de datos para optimizar la gestión del espacio público.

La solución está diseñada para integrarse con sistemas municipales de gestión del espacio público, plataformas urbanas inteligentes y movilidad mediante el uso de datos espaciales e indicadores en formatos estándar como CSV y Parquet. Permite la conexión con datos abiertos y la actualización de información de manera sencilla, así como la exportación de resultados e indicadores mediante APIs compatibles con sistemas SIG, cuadros de mando y plataformas Smart City. Su arquitectura modular en Python y Streamlit, junto con el control de versiones en Git, facilita su adaptación, escalabilidad e interoperabilidad con otros sistemas municipales.

• Insights de la población: Se fusionan los datos anonimizados de telefonía móvil y aplicaciones móviles para estimar y analizar en tiempo real la afluencia, perfil y comportamiento de los usuarios en zonas verdes.
• Monitorización permanente con alta resolución temporal: Se calcula la ocupación de los parques las 24 horas del día, con intervalos de hasta 15 minutos, sin necesidad de sensores físicos ni encuestas.
• Indicadores segmentados por perfil sociodemográfico y lugar de residencia: Se proporcionan datos sobre edad, género, zona de procedencia y frecuencia de visita, facilitando el análisis de patrones por tipo de usuario.
• Predicción de afluencia mediante modelos de aprendizaje automático: Se incorporan modelos predictivos que anticipan los niveles de uso según el histórico y factores como clima o eventos programados.
• Visualización e interoperabilidad con otros sistemas públicos: Se despliega una interfaz visual y una API para integrar los datos con plataformas smart city, cuadros de mando municipales o aplicaciones ciudadanas.

• Evidencia para la toma de decisiones públicas: Permite a las administraciones planificar mejor los recursos de mantenimiento, limpieza o vigilancia, adaptándolos al uso real de cada parque.
• Optimización de la gestión operativa: Reduce el uso de recursos destinados a campañas manuales de conteo o encuestas, ofreciendo una alternativa más precisa y continua.
• Diseño urbano más inclusivo y conectado: Facilita la identificación de zonas con baja accesibilidad o alto potencial de mejora, apoyando el diseño de itinerarios peatonales y ciclistas.
• Mayor equidad en el uso del espacio público: Visibiliza diferencias de uso por perfil y barrio, lo que contribuye a decisiones más justas en la distribución de inversiones y servicios.
• Capacidad de anticipación y resiliencia: Habilita una respuesta ágil ante picos de afluencia, condiciones meteorológicas adversas o eventos, reduciendo fricciones y mejorando la experiencia ciudadana.

Cliente: Marbella

• Instrumento de contrato: Contrato menor
• Precio: 23.000€
• Duración del contrato: 3 años
• Tiempo de implementación: 3 años

Cliente: ATM Barcelona

• Instrumento de contrato: Contrato menor
• Precio: 13.000€
• Duración del contrato: 5 semanas
• Tiempo de implementación: 5 semanas