Unica360

Las Administraciones están reforzando políticas y planes de movilidad sostenible, accesibilidad urbana,  y zonas de bajas emisiones, lo que exige medir mejor la proximidad peatonal a servicios, equipamientos y centralidades, así como anticipar el efecto de peatonalizaciones, supermanzanas o cambios en el espacio público. En ese marco, una solución que combine analítica espacial y simulación de escenarios permite evaluar accesibilidad, cobertura y cambios esperados en los flujos peatonales antes de ejecutar actuaciones.

• Falta de medición precisa de la proximidad peatonal a servicios: muchos municipios no disponen de indicadores homogéneos para medir qué viviendas o barrios tienen acceso peatonal real a comercio, salud, educación o transporte público. Esto dificulta detectar déficits de accesibilidad y priorizar intervenciones.
• Inventarios incompletos de servicios y equipamientos: las Administraciones suelen localizar solo una parte de la oferta existente, especialmente la pública, pero tienen dificultades para cartografiar de forma realista comercios y equipamientos privados.
• Limitada capacidad para activar servicios de promoción económica y apoyo al emprendimiento: la falta de datos completos sobre oferta y accesibilidad limita la capacidad de la Administración para diseñar servicios útiles para ciudadanía y emprendedores.
• Incertidumbre sobre el impacto de peatonalizaciones y cambios en el espacio público: muchas Administraciones no cuentan con herramientas para anticipar cómo afectarían estas decisiones a los flujos peatonales y vehiculares antes de ejecutarlas.
• Dificultad para priorizar inversiones en movilidad activa: la falta de análisis territorial comparativo dificulta identificar qué barrios o corredores urbanos ofrecen mayor potencial de mejora en accesibilidad peatonal.
• Datos urbanos fragmentados para la planificación peatonal: la información necesaria —cartografía, red viaria, equipamientos, población y movilidad— suele estar dispersa entre distintos sistemas y departamentos municipales.

• Analítica espacial de proximidad y accesibilidad: el uso de location intelligence, redes peatonales e isócronas permite medir el acceso real a servicios desde cada vivienda o zona urbana e identificar áreas con menor cobertura para orientar la planificación.
• Extracción y depuración avanzada de puntos de interés: algoritmos propios permiten extraer inventarios online, clasificar establecimientos y deduplicar fuentes para construir censos realistas de actividades, equipamientos y servicios.
• Base de datos completa y lista para usar: los sistemas incluyen el 100% de los datos necesarios, sin depender de la disponibilidad de datos por parte de la Administración, mejorando calidad y estandarización y reduciendo el tiempo de puesta en marcha del proyecto.
• Simulación de escenarios de movilidad urbana: la modelización y el análisis de escenarios permiten estimar el efecto de distintas configuraciones urbanas, comparar alternativas y reducir el riesgo de decisiones con efectos no deseados.
• Modelización territorial para priorización de intervenciones: el uso de microdatos espaciales, indicadores territoriales y análisis multicriterio permite ordenar zonas según su potencial de impacto y priorizar inversiones con mayor efecto en movilidad sostenible.
• Integración de datos urbanos para soporte a la planificación: la combinación de analítica espacial, enriquecimiento de datos, cloud computing y modelos analíticos permite unificar fuentes heterogéneas en una visión territorial única.

No requiere necesariamente APIs estándar (aunque pueden implementarse), ya que permite integrar datos mediante una solución SaaS que ingesta directamente desde ERP o a través de intercambio de ficheros planos.

En modo API se integra con GIS e interfaces de consulta de datos y visualización.

Estimación de presencia de transeúntes y tráfico de vehículos

• Cliente: Ciudad de San Antonio (Texas), Ayuntamiento de Bilbao
• Link aplicación: https://madrid.demo-microtarget.unica-analytics.com/en

Impacto de resultado

• Reducción del 20% del déficit de accesibilidad tras implementar las políticas derivadas del análisis
• Estimación de tráfico peatonal y de vehículos para cada tramo de vía de la ciudad, por tipo de día -laborable, fin de semana-, estación, tramo horario.
• Soporte a emprendedores, estimando viabilidad de negocios en función del tráfico peatonal y de vehículos.
• Optimización de servicios como alumbrado, a partir de tráfico nocturno.
• Análisis de flujos de movilidad entre barrios y centralidades urbanas.
• Evaluación del impacto de peatonalizaciones, cambios en la red viaria o nuevas infraestructuras.
• Apoyo a decisiones de planeamiento urbano y movilidad sostenible.

Indicadores operativos 

• Construcción de inventarios realistas y utilizables de servicios, equipamientos y actividad económica para análisis territorial.
• Recomendaciones de aperturas de negocio en localizaciones determinadas.
• Estimaciones de nivel de ruido en una vivienda antes de su transmisión.
• Anticipación del efecto de cambios urbanos antes de ejecutar intervenciones en el espacio público.

El sistema destaca, y es único, por su total escalabilidad territorial. Los agentes simulados se desplazan sobre la topología de la red viaria de Open Street Map y la simulación genera indicadores para cada tramo de vía, lo que permite aplicar el análisis a escala nacional o agregada a diferentes niveles territoriales.

El sistema puede entregar resultados a distintos niveles espaciales (tramo de vía, grid de 100 metros, sección censal y código postal), lo que facilita su uso tanto en análisis urbanos detallados como en planificación territorial a mayor escala.

Al mismo tiempo, constituye una base muy sólida aplicable a territorios grandes y Administraciones de alto nivel, de manera que las Administraciones locales puedan emprender proyectos para adaptar, personalizar los resultados, sin empezar desde cero, con una metodología robusta y comparable con otros territorios.

La mejora de la separación de residuos es prioritaria para las Administraciones públicas por las obligaciones derivadas de la Ley 7/2022 de residuos y suelos contaminados para una economía circular y de los objetivos europeos de reciclaje de residuos municipales, que exigen reforzar la recogida separada y mejorar la planificación territorial del servicio. 

Concretamente, en su artículo 11, la Ley 7/2022  impone establecer tasas de recogida que cubran el coste real del servicio y que permitan implantar sistemas de pago por generación. Estas tasas que deberán establecer los ayuntamientos  son una medida potencialmente polémica e impopular, que necesita:

1. Ser justificada y presentada como justa, y razonable
2. Ser anticipada, con estudios previos a su implantación que puedan hacerse llegar a la ciudadanía

La soluciones de Unica360, basadas en modelización microterritorial, algoritmia, series temporales y sistemas de ecuaciones lineales, permite identificar tanto volúmenes de generación de residuos como tasa de impropios (separación incorrecta) por barrios, distritos, edad, género, renta, etc., habilitando sistemas de información que facilitan la lectura de los indicadores como dashboards, GenAI y LLMs con los que los técnicos municipales pueden hacer consultas, tomar datos precisos, predecir escenarios y tomar decisiones de cara a la implantación futura de una tasa por uso.

• Baja visibilidad sobre generación y calidad de separación en origen: muchos municipios no saben con precisión cuánto residuo se genera ni cómo está separando la ciudadanía, lo que dificulta diagnosticar la situación y prepararse para modelos de tasa por uso.
• Falta de lectura microterritorial del rendimiento de la recogida selectiva: los datos suelen estar agregados por distrito o contrato con la empresa encargada de la recogida, sin detalle suficiente para identificar barrios o zonas con peor desempeño.
• Dificultad para imputar residuos e impropios a ciudadanos y comercios: sin sistemas de identificación individual, la Administración no puede atribuir directamente la generación de residuos ni los impropios a cada tipo de generador.
• Escasa capacidad para diferenciar el peso de residentes y actividad económica: la falta de identificación de usuarios impide separar con claridad qué parte del residuo procede de hogares y cuál de comercios o servicios.
• Baja capacidad para anticipar demanda e impacto de cambios operativos: las Administraciones tienen dificultades para prever la evolución futura de los residuos y para estimar el efecto de cambios en contenedores, rutas, frecuencias o campañas.
• Datos dispersos y difícil acceso al conocimiento para usuarios no técnicos: la información relevante está fragmentada entre sistemas y los modelos avanzados resultan poco accesibles para perfiles de negocio o gestión.

• Analítica avanzada del servicio de residuos: el análisis de los datos generados por el servicio permite estimar volúmenes, calidad de separación y patrones de comportamiento, creando una base objetiva para diagnóstico, seguimiento y comunicación pública.
• Analítica espacial y modelización microterritorial: la combinación de location intelligence, variables sociodemográficas y tipologías urbanas permite estimar resultados a escala microterritorial y localizar con precisión las áreas donde la recogida selectiva funciona peor.
• Modelos de imputación probabilística a generadores: el uso de sistemas de ecuaciones y analítica avanzada permite estimar residuos e impropios atribuibles a ciudadanos y comercios, con resultados segmentados por barrio y perfil sociodemográfico.
• Segmentación analítica por tipología de generador: la modelización permite estimar la contribución relativa de residentes y comercios, mejorando el diagnóstico y apoyando decisiones sobre fiscalidad y diseño del servicio.
• Predicción y simulación de escenarios con IA: el uso de series temporales, machine learning y simulación permite anticipar la producción futura y comparar el efecto esperado de distintas configuraciones del servicio antes de implantarlas.
• Integración de datos y acceso en lenguaje natural: la unificación de fuentes heterogéneas junto con interfaces GenAI-LLM permite consultar datos, generar mapas e informes y acceder a insights de forma más intuitiva para usuarios no técnicos.

No requiere necesariamente APIs estándar (aunque pueden implementarse), ya que permite integrar datos mediante una solución SaaS que ingesta directamente desde ERP o a través de intercambio de ficheros planos.

La integración es por lo general un desarrollo a medida de conectores para ingesta de datos con una configuración básica de software analítico que requiere poca personalización.

Sistema de análisis de volumetría y calidad de Residuos Sólidos Urbanos para Ayuntamiento de Madrid (proyecto piloto)

• Cliente: Fomento de Construcciones y Contratas (FCC)
  Link aplicación: Pliego Prescripciones Técnicas Particulares Contrato Contenerización Recogida Transporte Residuos

Impacto de resultado

• Se han identificado oportunidades de aplicación inmediata y obstáculos respecto a la calidad de datos, relacionados con los sistemas de monitorización / pesado de camiones de recogida.
• Datos que llevarían meses de trabajo o que serían imposibles de recopilar: (datos de población por edad-género-renta, comercios geocodificados y clasificados, tráfico peatonal y atracción turística) son generados e integrados en un solo punto de acceso de usuario no experto.

Indicadores operativos 

• Obtención de estimaciones realistas de separación por barrios:  variaciones del 25% en el comportamiento respecto al volumen de residuos generado por personas
• Estimación de residuos por persona un 40% más precisa
• Imputación específica de residuos a comercios un 40% más precisa
• Imputaciones diferenciales fiable de tasas de impropios: 30% variabilidad en la tasa imputado entre barrios
• La predicción de volumen de recogida con alto grado de explicabilidad (r=0.69)

La aplicación es totalmente escalable territorialmente, exportable a otros ayuntamientos, diputaciones, incluso a nivel estatal