Análisis a partir del big data permiten entender la carga de tráfico de distintas áreas y rutas y permitir una movilidad más sostenible.

Fra Carnevale es uno de los pintores más misteriosos del Renacimiento. Apenas cuenta con nueve obras atribuidas, en las que la arquitectura es la protagonista. Su obra más conocida es “La ciudad ideal” donde muestra un paisaje urbano metafísico, una utopía de orden y limpieza geométrica. En fechas similares, un arquitecto italiano apodado Il Filarete soñó la Sforzinda, otra ciudad utópica. De hecho, el mismísimo término “utopía” proviene del título de la obra de Tomás Moro sobre una sociedad y una arquitectura ideales. Por suerte, cinco siglos después, la imaginación cuenta con un aliado tecnológico para facilitar las cosas: el big data aplicado a la movilidad y el urbanismo.

El diseño de las ciudades y el movimiento de peatones y vehículos está íntimamente ligado. Tanto es así que el tipo de movilidad, desde los caballos y carruajes hasta los patinetes eléctricos, ha ido definiendo la configuración de las ciudades.

Usando el big data para planificar rutas

Si se tiene en cuenta esos dos factores, la movilidad puede gestionarse a medio y largo plazo por medio de la planificación urbana o bien modularse en la actividad diaria de la población, ya sea con la frecuencia de los medios de transporte públicos, la distribución de las flotas de vehículos compartidos o la información sobre atascos y accidentes.

El futuro, si hemos de seguir los indicadores de población y las previsiones de la ONU, es eminentemente urbano. Y dentro de ese crecimiento exponencial de infraestructuras, el big data está destinado a ser una herramienta clave de la smart city o ciudad inteligente.

Un análisis por medio de big data permite entender la carga de tráfico de distintas áreas y rutas, así como los picos de demanda del transporte público. De esta manera, por ejemplo, se generan los llamados mapas de calor que muestran las zonas con riesgo de aglomeraciones.

Sin embargo, el big data permite ir más allá incluso: el caudal de información disponible ofrece la posibilidad de cambiar la señalización de las calles o incluso racionalizar el crecimiento de una ciudad y sus conexiones.

Gran parte de esta planificación se simplifica por medio de la visualización de los datos masivos como en el proyecto CityScience Lab de la Universidad de Hamburgo.

La iniciativa, que ha contado con el apoyo del MIT Media Lab, aglutina datos abiertos del ayuntamiento de Hamburgo sobre tipologías de edificios y superficies. También se incorporan datos de infraestructuras de tráfico y calidad del aire o datos anonimizados de hogares inteligentes.