En el ámbito del transporte y la movilidad urbana, el auge del big data ha transformado la forma en que capturamos y procesamos información. Sin embargo, incluso con fuentes de datos masivas como las que hoy en día explotamos en el SUM+Lab (sensores, telefonía, GPS, billetes inteligentes o redes sociales) existe un elemento insustituible: la voz de las personas. Ningún rastro digital permite conocer directamente motivaciones, percepciones, barreras y preferencias. Para ello siguen siendo esenciales las encuestas y los procesos de participación pública.
El SUM+Lab acumula más de veinte años de experiencia en el diseño, implementación y explotación de encuestas de Preferencias Declaradas (PD), Preferencias Reveladas (PR), y estudios de calidad y satisfacción del transporte público. Esta tradición metodológica aporta un valor científico añadido: permite comprender la movilidad no solo como un fenómeno observable, sino también como un fenómeno percibido, valorado y elegido.
Desde un punto de vista analítico, estas encuestas son la base para aplicar técnicas que permiten integrar la opinión ciudadana en la toma de decisiones:
- Modelos de elección discreta, que permiten estimar elasticidades, preferencias modales, disposición a pagar y sensibilidad a atributos como el tiempo, el coste o la fiabilidad. Su utilidad está ampliamente demostrada en la literatura especializada (McFadden, 1974; Ben-Akiva & Lerman, 1985), donde constituyen el pilar cuantitativo para evaluar alternativas de política pública.
- Modelos híbridos y estructurales, que combinan variables observables con constructos latentes como actitudes o percepciones obtenidos mediante escalas psicométricas. Esta integración proporciona modelos más realistas, coherentes con la teoría del comportamiento (Walker & Ben-Akiva, 2002).
- Análisis estadísticos (regresiones multinivel, análisis factorial confirmatorio, clases latentes, bootstrap de incertidumbre), que permiten capturar heterogeneidad en colectivos específicos, diferenciar tipologías de usuarios y detectar inequidades en el acceso a la movilidad.
La complementariedad entre fuentes tradicionales y big data es hoy un estándar científico. Los datos masivos permiten observar qué ocurre; las encuestas permiten comprender por qué ocurre. Integrar ambas dimensiones produce modelos predictivos más robustos, útiles para simulaciones, planificación y evaluación ex ante y ex post.
Pero más allá del rigor estadístico, existe un argumento central: la movilidad es un servicio público, y el ciudadano es el beneficiario final de cualquier estrategia. Incorporar su experiencia, sus necesidades y sus prioridades es imprescindible para diseñar políticas efectivas, equitativas y socialmente legítimas.
Por ello, incluso en plena era del big data, la participación pública y las encuestas continúan siendo una herramienta más que necesaria para construir ciudades más inteligentes, más humanas y más centradas en quienes las habitan.
Referencias
- McFadden, D. (1974). Conditional Logit Analysis of Qualitative Choice Behavior.
- Ben-Akiva, M., & Lerman, S. (1985). Discrete Choice Analysis. MIT Press.
- Walker, J., & Ben-Akiva, M. (2002). Generalized Random Utility Model. Transportation Research B
