Citation
Fernández de Diego, David
(2019).
Análisis estratégico de movilidad urbana
Definición de indicadores, selección de KPIS y clusterización jerárquica de 79 ciudades.
Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).
Abstract
En un contexto histórico en el que la población urbana sigue aumentando, la sostenibilidad de las ciudades se ve cuestionada y la movilidad urbana está a las puertas de su cuarta gran revolución, la estrategia de movilidad urbana adoptada condicionará el futuro de las ciudades. Este trabajo propone una herramienta de apoyo a la planificación estratégica de la movilidad urbana. Como novedad frente a los estudios, índices y normativas existentes, este trabajo utiliza una técnica de procesamiento automático de datos la cual sirve para identificar las ciudades que son similares en términos de movilidad urbana. Basándose en el principio de one size doesn’t fit all (la misma solución no sirve para todos), se ha realizado una clusterización jerárquica de 79 ciudades que aspira a poder ayudar a gobernantes y planificadores urbanos, en el análisis y la toma de decisiones. El valor de esta clusterización jerárquica es intrínseco en sí mismo. Es decir, su valor reside en el hecho de poder identificar las ciudades que presentan características de movilidad urbana similares y el grado de similitud existente entre ellas. Estas ciudades identificadas como similares podrán ser utilizadas como referencia para incorporar las medidas y servicios de movilidad que, por haber sido exitosos en ciudades que son parecidas, tendrán altas probabilidades de ofrecer buenos resultados en la ciudad estudiada. Como trabajo previo y, a partir del análisis bibliográfico y la participación en el NETEXPLO Smart Cities Accelerator Summit 2019, se han definido 250 indicadores de movilidad urbana. De entre ellos se han seleccionado y analizado 89 KPIs y, finalmente, se ha realizado la clusterización jerárquica de las 79 ciudades en función de 42 de los KPIs. Por último, a partir de los resultados obtenidos y basándose en los datos disponibles, se han analizado y caracterizado a alto nivel los distintos grupos obtenidos en la clusterización.