El dato como cimiento: SUM+LAB apuesta por campañas de medición avanzadas para modelar mejor la movilidad urbana

En un momento en el la sociedad demanda avanzar hacia sistemas de transporte más ecológicos y adaptables al mismo tiempo que inclusivos y duraderos para el medio ambiente centrados en los usuarios; el SUM+Lab reafirma su compromiso por alcanzar la excelencia en la recolección y análisis de datos para modelar la movilidad en entornos urbanos.

Desde el equipo de SUM + LAB partimos de una premisa clara: la calidad del modelado avanzado depende en gran medida de la calidad de los datos utilizados como base. Muchos errores en las predicciones, deficiencias en la planificación y políticas mal ajustadas tienen su origen en una estrategia de medición deficiente. Por esta razón, en SUM+Lab hemos desarrollado nuestra propia metodología para recopilar y combinar datos de múltiples fuentes que nos permite representar de manera precisa la compleja realidad de los sistemas urbanos de transporte.

Visión artificial para la observación precisa y multimodal

Uno de nuestros pilares metodológicos es el uso de visión artificial aplicada al estudio de la movilidad. Hemos desarrollado una solución versatil y multifuente denominada SUM+Lab Counter, equipada con algoritmos de detección y seguimiento basados en redes neuronales convolucionales, específicamente adaptados al contexto urbano. El sistema combina detección tipo YOLOv11 con algoritmos de seguimiento por trayectorias (tracking por detección), lo que permite:

  • Realizar conteo de vehículos y usuarios (peatones, bicicletas, VMP, motocicletas, autobuses, camiones).
  • Clasificar tipologías de trayectorias y maniobras en intersecciones complejas (giro, cruce, cesión de paso, etc.).
  • Estimar velocidades y tiempos de cruce en pasos de peatones o glorietas.
  • Detectar individualmente cada vehículo y establecer flujos macroscópicos gracias a la lectura de matrículas
  • Detectar ocupaciones parciales y dinámicas de grupo (relevante para análisis de capacidad y confort).

Este sistema ha sido validado en distintos escenarios: intersecciones urbanas, campus universitarios, vías de alta intensidad y eventos de tráfico atípico. En todos los casos, la precisión de detección supera el 90% respecto a técnicas manuales, con una capacidad operativa 24/7.

Fusión de datos y modelización dinámica

El enfoque de SUM+Lab no se limita a la observación directa. Nuestro grupo ha desarrollado modelos que integran datos cuantitativos y cualitativos, estructurados y no estructurados, aplicando técnicas de fusión de datos.

Los datos captados mediante visión artificial se cruzan con otras fuentes para construir nuestros modelos:

  • Datos de aforos automáticos y estaciones electromagnéticas.
  • Registros de billetaje y posicionamiento GPS de flotas públicas.
  • Datos de telefonía móvil
  • Encuestas origen-destino y preferencias declaradas

Esta integración permite alimentar nuestros modelos de simulación dinámica, que son capaces de representar la movilidad de personas y mercancías con una alta granularidad espacial y temporal. Usamos modelos de elección discreta (Mixed Logit, Nested Logit, Latent Class Models) para representar la toma de decisiones de los usuarios, incorporando atributos de servicio, percepción de seguridad, calidad del entorno y accesibilidad.

Aplicaciones directas y casos reales

Nuestros últimos trabajos han permitido diseñar y evaluar intervenciones complejas como:

  • Zonas de Bajas Emisiones (ZBE) dinámicas , modelando sus efectos sobre la demanda, la redistribución modal y las emisiones contaminantes .
  • Modelos de demanda para sistemas de transporte a la demanda, integrando análisis de comportamiento de usuarios y simulación de flotas con criterios de sostenibilidad y equidad .
  • Análisis multicriterio para priorización de inversiones en movilidad activa y accesibilidad universal.

Además, hemos implementado sistemas de toma de decisiones en tiempo real mediante plataformas digitales, conectadas a Centros de Control de Tráfico y alimentadas por múltiples fuentes de datos y a servidores locales que procesan vídeo e información de multiples sensores como nuestro diseño de sensores ambientales embarcados en vehículos públicos.

En el SUM+Lab trabajamos por una movilidad basada en datos de alta calidad, integrando fuentes heterogéneas y aplicando técnicas de análisis, simulación y predicción. Esto no solo mejora la planificación urbana y la eficiencia del sistema de transporte, sino que también refuerza la legitimidad de las decisiones públicas, basadas en evidencia objetiva, transparente y replicable.

Porque sin buenos datos, no hay buenos modelos. Y sin buenos modelos, no hay decisiones sostenibles.

Estos trabajos y desarrollos son posibles gracias al apoyo financiero de diversas instituciones públicas. En particular, agradecemos la financiación recibida a través del proyecto SUM+Cloud, cofinanciado por el Gobierno de España y el Ministerio de Transformación digital y Función Pública y los fondos europeos Next Generation EU; el proyecto PLAN4LEZ cofinanciado por el Gobierno de España y el Ministerio de Ciencia e Innovación y los fondos europeos Next Generation EU; el proyecto MOVE, financiado por el Ministerio de Ciencia e Innovación dentro del Plan Estatal de I+D+i; y el proyecto TCNIC, en el marco de las ayudas a la competitividad industrial de la Consejería de Industria del Gobierno de Cantabria con ayuda de fondos FEDER de la UE. Asimismo, reconocemos el valor del acuerdo marco de colaboración con el Ayuntamiento de Santander, que ha permitido desarrollar soluciones de modelización y análisis en un entorno urbano real, y con acceso a datos en tiempo real. Todo este respaldo ha sido muy importante para dotar al grupo SUM+LAB de la capacidad técnica y humana necesaria para consolidarse como referente en el ámbito de la movilidad sostenible basada en datos.