Has elegido la edición de . Verás las noticias de esta portada en el módulo de ediciones locales de la home de elDiario.es.
La portada de mañana
Acceder
El concejal y la funcionaria de Chamberí que negaron licencia de obras a la pareja de Ayuso acabaron fuera de sus puestos
El PP de Feijóo cierra filas con Isabel Díaz Ayuso
OPINIÓN | '¡No disparen al periodista!', por Raquel Ejerique

Cómo utilizar el 'big data' de los móviles para resolver los atascos en Madrid

El proyecto LUCA de Telefónica intenta utilizar el 'big data' para resolver los atascos en Madrid

José Manuel Blanco

Atascos que ralentizan el tránsito hasta enfurecer a los conductores, niveles de contaminación que sobrepasan lo admisible… ¿Dónde está la solución? Quizá analizar las grandes cantidades de datos que generan los ciudadanos, ver de dónde vienen los trabajadores y hacia dónde se desplazan cada día o cuáles son los barrios más transitados nos permita hacernos una idea para implantar soluciones.

Eso es lo que proponen desde LUCA, un proyecto de Telefónica que pretende utilizar la información que recogen sus antenas de telefonía para sacar conclusiones sobre el tráfico en la capital. Para enviar y recibir llamadas, enviar un SMS o conectarse a internet a través de una red móvil, los 'smartphones' comunican su ubicación continuamente. El análisis de esos datos tiene un sinfín de usos para las empresas e instituciones, pero uno de los más interesantes es, precisamente, el que tiene que ver con la movilidad.

“Puedes tener información agregada [sin asociar a personas concretas] de cuántos teléfonos móviles hay en cada zona o a los que se les está dando cobertura en cada momento, en cada lugar”, explica Javier Carro, uno de los 'data scientists' detrás de LUCA. Partiendo de esos datos, la herramienta Smart Steps de Telefónica se encarga de averiguar, entre otras cosas, los lugares de residencia y trabajo de los propietarios de esas líneas móviles.

Así, los expertos en 'big data' de la compañía comenzaron a seguir los movimientos que realizaba diariamente cada teléfono móvil para ir de un punto a otro (es decir, de su residencia a su lugar de trabajo y viceversa). Esa información sobre los puntos de la ciudad de los que parten y a los que se dirigen los ciudadanos, agrupada por códigos postales, se plasma sobre un mapa y se utiliza para extraer conclusiones.

Por ejemplo, han averiguado que las personas que viven al sur de la capital, fuera de la almendra central de la M-30 (barrios del extrarradio y ciudades dormitorio como Leganés, Getafe, Alcorcón, Mósteles...), y trabajan en otros puntos de esa misma zona son, en conjunto, las que más se desplazan para ir a trabajar. Tras ellos, el mayor volumen de desplazamientos corresponde a los que habitan en esa misma zona y tienen su centro de trabajo al sur de la almendra (en barrios como Centro, Retiro o Arganzuela). 

Además, han visto que los que viven fuera de la M-30 procuran alojarse lo más cerca posible del lugar en que trabajan si este se sitúa en el interior de la almendra.

Además, en toda la comunidad de Madrid, detectaron cinco grandes zonas de movilidad, es decir, muchos viajes al día entre los códigos postales que corresponden a cada una de estas áreas: norte, oeste, centro, sur y este. De esta última, en concreto, sale mucha gente a diario: presenta un gran número de desplazamientos hacia otras zonas de la región.

Sobre el mapa, se descubren las zonas donde hay más actividad: el corredor del Henares, el barrio de Las Tablas, las proximidades del barrio de Salamanca, el eje Castellana Norte, Chamartín y Atocha. Tres de esas áreas se sitúan en el interior de la M-30, “con un impacto significativo en contaminación”contaminación, concluye Pedro Antonio de Alarcón, otro de los ‘data scientist’ de LUCA.

Con esta información sobre el tapete, llega la hora de buscar soluciones. “Quisimos dar una visión de cómo nos estamos moviendo”, explica Carro. “Yo creo que es lo primero que se puede plantear una Administración pública o incluso cualquiera de nosotros que esté interesado en el tema: ¿cómo conseguimos cada día juntarnos tantos en las mismas direcciones?”.

Carro advierte de que no es “un tema sencillo” y de que sus propuestas pueden sonar “un tanto naíf”. Entre otras cosas, sugiere fomentar el transporte público o incluso el coche compartido. En base a los flujos de movimiento que revela LUCA, recurrir al 'carsharing' para reducir los atascos sería más sencillo. Si mucha gente va a la misma hora, cada día, a un punto en concreto, ¿por qué no viajan en el mismo coche?

Los datos también pueden ser de gran utilidad para el sector turístico. Por ejemplo, durante el último puente de diciembre descubrieron que Toledo y Barcelona fueron las ciudades más visitadas por las personas cuya ubicación conoce SmartSteps. También fueron destinos destacados Valencia, Alicante o Sevilla.

Descartados aquellos que viven o tienen familia en la provincia castellanomanchega, Alicante resultó ser el destino más atractivo para los madrileños. Análisis como este permiten conocer el número de viajes que hacemos, pero también hacia dónde vamos y con qué frecuencia.

El de la movilidad en Madrid es solo uno de los muchos proyectos que los 'data scientists' de Telefónica tienen entre manos. OPAL, para sacar partido a la información de las empresas, o Global Pulse, destinada a oenegés (para aprovechar el ‘big data’ en el desarrollo de acciones humanitarias) son otras de las iniciativas que están desarrollando.

Carro aclara que algunas, como LUCA, son “pruebas de concepto” y no soluciones, con las que solo buscan “demostrar que las empresas en general tienen datos que no solo sirven para su propio negocio, sino que pueden ser útiles para fines sociales”.

Al final, el objetivo es “explorar un poco y entenderlo [el 'big data'] e intentar cuestionarnos las cosas y hacernos preguntas”. Reflexionar y ofrecer herramientas para que los demás también lo hagan. “Si a alguien eso le da pistas para encontrar soluciones, para hacer aportaciones y demás”, es bienvenido. ¿Se encenderá alguna bombilla sobre cómo acabar con los atascos de Madrid? Desde luego, serían muchos los agradecidos. 

-------------------

Las imágenes son propiedad, por orden de aparición, de César y de Camilo Rueda López

Etiquetas
stats