¿Qué parte de los viajes de una ciudad se hacen en transporte público? Obtenemos la cuota modal a partir de los datos de telefonía móvil y billetaje
Cada día, millones de personas deciden cómo moverse por su ciudad: en coche, en bicicleta, en autobús, en metro o caminando. Saber qué proporción elige el transporte público y entre qué zonas de la ciudad, lo que se conoce como cuota modal, es una de las preguntas más importantes para cualquier operador o autoridad de transporte. Sin embargo, obtener esta información, ha sido tradicionalmente difícil, caro y lento. Ante este contexto y conscientes de la importancia de conocer estos datos para el desarrollo de un sistema de transporte adaptado a las necesidades reales de la población, en Nommon desarrollamos una metodología que permite calcular fácilmente el número de personas que opta por cada modo de transporte, incluso a nivel de barrio. ¿Cómo? Cruzando datos de telefonía móvil con validaciones de transporte público.
El reto de una demanda de movilidad cambiante
El transporte público se enfrenta a una demanda que cambia cada vez más deprisa, empujada por nuevos hábitos de trabajo y de consumo. Como consecuencia de esta rápida evolución, la oferta actual de transporte público no siempre está a la altura: según el último barómetro del Mobility Institute, casi uno de cada cinco encuestados en Madrid y Barcelona señala la falta de buenas combinaciones y la lentitud del servicio como principales motivos para no usarlo. No son fallos puntuales, sino la señal de un desajuste estructural entre la oferta de transporte y una demanda en transformación continua.
Para corregir ese desajuste, los planificadores necesitan conocer la cuota modal de las ciudades o, en otras palabras, qué parte de los desplazamientos totales de la población capta el transporte público zona a zona. Es el mismo indicador que usan cadenas como Inditex o Amazon para saber qué parte de los clientes potenciales consiguen atraer. La diferencia es que, mientras el comercio lleva años perfeccionando esa medición, el transporte público ha tenido que conformarse con encuestas de movilidad: caras, poco frecuentes y con escasa resolución geográfica y temporal. Por ese motivo, en Nommon nos propusimos resolver esta carencia con una metodología basada en el cruce de datos con actualización constante y gran detalle espacial y temporal: telefonía móvil y billetaje.
La solución: big data e inteligencia artificial para obtener la cuota modal
La metodología propuesta combina dos fuentes masivas de datos, telefonía móvil y billetaje. Ambas fuentes son explotadas a través de los motores analíticos de dos productos propios de Nommon. Por un lado, utilizamos los datos anonimizados de telefonía móvil y la herramienta Mobility Insights para reconstruir la movilidad total de la población. Por otro lado, con WiseTransit, convertimos la información que nos brindan las validaciones del transporte público en viajes reales, revelando cómo los pasajeros se desplazan a través del sistema.
Por separado, cada una de estas fuentes cuenta solo una parte de la historia. Sin embargo, juntas, permiten calcular qué fracción de todos los desplazamientos de una zona se realiza en transporte público. El reto no es trivial: los datos de telefonía y los de billetaje no «hablan el mismo idioma». Los viajes de telefonía van de puerta a puerta, pero con una precisión de localización que varía según la densidad de la red de antenas de cada zona. Los viajes de transporte público, en cambio, quedan anclados con exactitud a la parada de subida y bajada, pero no recogen el trayecto a pie hasta ella ni desde ella. Antes de poder comparar ambas fuentes, hay que traducirlas a un lenguaje común y, en Nommon, lo hacemos en ambas direcciones.
Mientras que, para el transporte público, delimitamos el área de influencia de cada parada y usamos la distribución de los viajes de telefonía en esa área para completar el trayecto puerta a puerta, para la movilidad general asignamos a cada viaje un margen de desplazamiento admisible, coherente con la precisión del dato en esa zona, que acota el abanico de ubicaciones plausibles sin decidir todavía cuál es la correcta.
Con ambas fuentes armonizadas, el núcleo de la metodología es un modelo de optimización que trabaja viaje a viaje, no sobre matrices ya agregadas por zona. Se trata de una decisión deliberada: ajustar volúmenes agregados movería bloques enteros de viajes sin dejar rastro de por qué, mientras que operar a nivel individual hace que cada pequeño ajuste quede justificado y sea reversible.
El modelo sigue una heurística iterativa que busca suavizar saltos bruscos e injustificados en la cuota modal entre zonas vecinas, normalmente síntoma de inconsistencias entre fuentes y no de una realidad de movilidad. Para ello, reasigna el origen o el destino de un viaje solo cuando esa reasignación es geográficamente plausible, respeta los márgenes de desplazamiento admisibles y mejora la coherencia del conjunto sin generar nuevos desequilibrios en otras zonas.
Solo al final de este proceso, una vez ajustados los viajes individuales, se agregan por zona y periodo para construir las matrices definitivas: la de movilidad total, la de demanda de transporte público y, por división de ambas, la de cuota modal. Hacer el ajuste antes de agregar, y no después, es lo que da a estas matrices una coherencia muy superior a la que se obtendría cruzando directamente los datos agregados de cada fuente.
La metodología a prueba en un entorno urbano
En Nommon pusimos a prueba esta metodología en varios proyectos. Como ejemplo, presentamos el caso de una ciudad española de tamaño medio, con una red de autobuses organizada de forma radial alrededor del centro urbano, un diseño urbano muy habitual. El cruce de datos produjo tres capas de información: la movilidad total de cada par origen-destino (OD) de zonas, la demanda de transporte público que capta cada par y su cuota modal.
Con estos tres datos construimos un indicador de impacto muy sencillo de interpretar: un par OD de zonas es prioritario cuando existe mucha movilidad y, aun así, pocos viajes eligen el transporte público. Así distinguimos entre pares OD con mucho tráfico de viajeros que ya están bien servidas y pares OD donde el transporte público se está dejando pasajeros por el camino: la verdadera oportunidad de crecimiento. Esta distinción se muestra en la Figura 1, donde cada punto representa un par OD en función de su movilidad total y su cuota modal. En el gráfico, los pares prioritarios se destacan en rojo bajo la etiqueta de “impacto alto”.
Al llevar estos resultados a un mapa, el patrón resultó muy claro: los pares OD de mayor oportunidad, es decir: aquellos con alta movilidad y baja cuota modal del transporte público, se concentran en el arco sur de la ciudad (ver Figura 2), precisamente donde la red de autobuses ofrece menos conexiones directas. Es la consecuencia lógica de un diseño radial: los trayectos entre el centro y la periferia están bien cubiertos, pero moverse de un barrio periférico a otro obliga, muchas veces, a transbordar antes en el centro.
El diagnóstico tiene una lectura importante para cualquier planificador: esa cuota modal inferior no significa por sí misma que los vecinos prefieran el coche, sino que, posiblemente, no se les está ofreciendo una alternativa competitiva en tiempo de viaje y número de transbordos. Y esa diferencia cambia por completo la estrategia a seguir, desde ajustar horarios y recorridos hasta introducir líneas de transporte a demanda en las zonas periféricas donde la oferta convencional no resulta rentable.
La nueva era de la planificación: precisión y actualización constante
Este caso de estudio confirma que fusionar datos de telefonía y de billetaje aporta algo que las encuestas tradicionales no pueden ofrecer: alta resolución espacial y temporal y, además, una actualización continua que permite ir más allá de los promedios anuales o estacionales y estudiar días concretos para ver cómo evoluciona la cuota modal en cada uno de ellos. Por ejemplo, un laborable frente a un festivo, una jornada con una incidencia en la red o un evento singular en la ciudad. Eso permite que podamos, no solo hacer una foto puntual, sino repetir el cálculo con el tiempo para comprobar si una nueva línea, un cambio en la frecuencia o una obra de infraestructura logran verdaderamente aumentar la cuota modal.
De cara al futuro, esta capacidad abre la puerta a construir valores de referencia de cuota modal según el tipo de ciudad (tamaño, densidad, forma de la red). De esta manera, autoridades y operadores podrían comparar los resultados de sus sistemas con los de ciudades similares y fijar objetivos de mejora realistas.
En un momento en el que la movilidad urbana cambia más rápido que nunca, medir bien de dónde partimos es el primer paso para diseñar un sistema de transporte público que responda mejor a las necesidades tanto de quienes lo usan como de quienes todavía no lo hacen.