TFG_DAVID_FERNANDEZ_DE_DIEGO

Vista previa del material en texto

ANÁLISIS ESTRATÉGICO DE 
MOVILIDAD URBANA 
 DEFINICIÓN DE INDICADORES, SELECCIÓN 
DE KPIS Y CLUSTERIZACIÓN JERÁRQUICA 
DE 79 CIUDADES 
TRABAJO FIN DE GRADO 
Grado en Ingeniería en Tecnologías Industriales 
David Fernández de Diego 
Septiembre de 2019 
 
Tutor académico: Gustavo Morales Alonso 
UNIVERSIDAD POLITÉCNICA DE MADRID 
Escuela Técnica Superior de Ingenieros Industriales - ETSII 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
“The future is open. It is not predetermined and thus 
cannot be predicted – except by accident. The 
possibilities that lie in the future are infinite. When I 
say, 'It is our duty to remain optimists”, this includes 
not only the openness of the future but also that 
which all of us contribute to it by everything we do: 
we are all responsible for what the future holds in 
store. Thus it is our duty, not to prophesy evil, but, 
rather, to fight for a better world.” 
 
Karl Popper, The Myth of the Framework, 1994 
 
 
 
 
 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 5 
 
 
 
 
 
A Gustavo Morales Alonso, por haber aceptado mi propuesta y haber sido mi tutor a pesar de 
tener que hacerlo a distancia. Por haberme guiado y aconsejado durante el trabajo, y por 
haberme puesto en contacto con la profesora Yilsy M. Núñez Guerrero, a quien agradezco 
enormemente su disponibilidad para ayudarme y aconsejarme. 
A la Escuela Técnica Superior de Ingenieros Industriales de la UPM y a los profesores y 
personas que trabajan en ella y han participado en mi formación. A la École Nationale 
Supérieure des Mines de Nancy y a la profesora Sandie FERRIGNO por haber inspirado la 
utilización de una herramienta de clusterización jerárquica para este trabajo y a Airbus y mi 
equipo de Toulouse por haber hecho posible mi participación en el NETEXPLO Smart Cities 
Accelerator Summit 2019, fuente principal de inspiración para este trabajo. 
A mis padres y a mi hermano, por el apoyo durante toda mi vida y especialmente en los últimos 
años. Por confiar en mí y por quererme con mis defectos y mis virtudes. Sois la base que 
sostiene todo lo demás. 
No me gustaría olvidar a los que me habéis tenido que soportar hablando de movilidad urbana 
un día tras otro. Vuestra curiosidad, apoyo y consejos también forman parte de este trabajo. 
Finalmente, quiero dar las gracias a mis amigos y a las personas que me quieren y me han 
acompañado durante los estudios a los que este trabajo pone fin. 
 
¡Muchas gracias a todos! 
 
 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 7 
Resumen ejecutivo 
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 obteniéndose los 
resultados mostrados en la ilustración. 
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. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Ilustración 1 - Resultados de la clusterización de las 79 ciudades estudiadas en función de los 42 KPIs 
seleccionados para la clusterización. Método aglomerativo ascendente Ward.D2. 
Resumen ejecutivo 
 
 
8 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
Palabras clave 
Movilidad urbana, planificación urbana, transporte, smart cities, tráfico, clusterización 
jerárquica, indicadores de movilidad urbana, estrategia de movilidad urbana. 
Códigos UNESCO 
330537 PLANIFICACION URBANA 
332907 TRANSPORTE 
332908 MEDIO URBANO 
531212 TRANSPORTES Y COMUNICACIONES 
332703 SISTEMAS DE TRANSITO URBANO 
331710 INGENIERIA DEL TRAFICO 
332903 ORGANIZACION COMUNITARIA 
332702 ANALISIS DEL TRAFICO 
331702 AUTOMOVILES 
540401 GEOGRAFIA URBANA 
520610 CARACTERISTICAS SOCIO-ECONOMICAS 
520710 ESTADISTICAS DE POBLACIONES 
2509.19 ANÁLISIS DEL TIEMPO 
330801 CONTROL DE LA CONTAMINACION ATMOSFERICA 
520306 DEMOGRAFIA URBANA 
332304 TRANSITO RAPIDO 
330529 CONSTRUCCION DE CARRETERAS 
 
 
 
 
 
 
 
 
 
 
 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 9 
Índice 
 
Resumen ejecutivo ....................................................................................................... 7 
Palabras clave ................................................................................................................... 8 
Códigos UNESCO ............................................................................................................. 8 
Índice ........................................................................................................................... 9 
1 Introducción ......................................................................................................... 13 
 Motivación ..............................................................................................................13 
 Objetivos del trabajo...............................................................................................14 
2 Marco teórico ...................................................................................................... 15 
 Historia y evolución de la movilidad urbana en las ciudades modernas..................15 
 Principales retos de la movilidad urbana ................................................................16 
2.2.1 Aumento de población en las ciudades ...........................................................16 
2.2.2 Sostenibilidad y habitabilidad ..........................................................................17 
2.2.3 El reto de la energía ........................................................................................18 
 Definiciónde ciudad ...............................................................................................20 
2.3.1 En España ......................................................................................................20 
2.3.2 En la Unión Europea y la OECD .....................................................................20 
2.3.3 En el Mundo ....................................................................................................21 
2.3.4 En este trabajo ................................................................................................24 
 El concepto de ciudad inteligente (smart city).........................................................25 
2.4.1 Ciudades inteligentes diseñadas desde cero ..................................................25 
2.4.2 Ciudades con inteligencia omnipresente y totalitaria .......................................26 
2.4.3 Ciudades con inteligencia digital y participación de los ciudadanos ................26 
2.4.4 Ciudades con inteligencia creativa ..................................................................28 
 Necesidad de una buena planificación estratégica de la movilidad urbana ............29 
3 Metodología ........................................................................................................ 31 
 Análisis e identificación de los aspectos que influyen en la movilidad urbana: .......31 
3.1.1 Prueba de concepto (PoC) ..............................................................................31 
3.1.1.1 Justificación .............................................................................................31 
3.1.1.2 Base de datos utilizada para el PoC .........................................................31 
3.1.1.3 Análisis estadístico del PoC .....................................................................32 
3.1.2 Fuentes de información y bases de datos de referencia ..................................33 
3.1.2.1 NETEXPLO Smart Cities Accelerator Summit 2019 .................................33 
3.1.2.2 IESE - Cities in Motion Index ....................................................................34 
3.1.2.3 Institute for Urban Strategies - Global Power City Index 2018 ..................35 
3.1.2.4 Deloitte - City Mobility Index 2019 ............................................................35 
3.1.2.5 ISO – 37120, Indicators for city services and quality of life .......................37 
Índice 
 
 
10 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
3.1.3 Criterios de selección de las ciudades estudiadas ..........................................37 
3.1.4 Definición de los indicadores de movilidad urbana y selección de los KPIs .....38 
3.1.4.1 Utilización de los indicadores disponibles en las bases de datos de 
referencia 38 
3.1.4.2 Definición de los indicadores utilizados en este trabajo ............................40 
3.1.4.3 Selección de los KPIs ..............................................................................40 
 Obtención de los datos necesarios para la realización del análisis de los KPIs y la 
clusterización ....................................................................................................................43 
3.2.1 Necesidad de datos precisos y sin sesgo ........................................................43 
3.2.2 Dificultades para la obtención de los datos correspondientes a los indicadores:
 44 
 Análisis de los KPIs y clusterización .......................................................................46 
3.3.1 Análisis de los KPIs .........................................................................................46 
3.3.2 Clusterización de las ciudades en función de los KPIs ....................................46 
3.3.2.1 Técnicas de clusterización .......................................................................46 
3.3.2.2 Aplicación de la clusterización para la agrupación de las ciudades en 
función de los KPIs estudiados ..................................................................................48 
3.3.2.3 Utilización de R para realizar la clusterización jerárquica ascendente 
politética de 79 ciudades en función de 42 KPIs ........................................................48 
4 Resultados y Discusión ....................................................................................... 49 
 Análisis de los KPIs ................................................................................................49 
4.1.1 Cultura y Aspecto social ..................................................................................49 
4.1.2 Demografía y Geografía ..................................................................................53 
4.1.3 Economía ........................................................................................................59 
4.1.4 Medio ambiente ...............................................................................................63 
4.1.5 Transporte .......................................................................................................65 
 Clusterización de las ciudades en función de los KPIs ...........................................85 
4.2.1 Datos utilizados para la clusterización .............................................................85 
4.2.1.1 Errores, sesgo y aproximaciones en los datos utilizados en el trabajo .....86 
4.2.1.2 Justificación de la utilización de datos erróneos, sesgados y aproximados
 87 
4.2.2 Análisis de los resultados obtenidos en la clusterización .................................88 
4.2.2.1 Agrupación en 5 clústeres ........................................................................90 
4.2.2.2 Agrupación en 10 clústeres ......................................................................92 
4.2.2.3 Agrupación en 20 clústeres ......................................................................94 
5 Conclusiones ....................................................................................................... 97 
6 Líneas futuras ..................................................................................................... 99 
7 Bibliografía ........................................................................................................ 101 
8 Planificación temporal y presupuesto ................................................................ 105 
 Metodología de trabajo y herramientas utilizadas ................................................. 105 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 11 
 Planificación del trabajo y distribución temporal ................................................... 106 
9 Índice de figuras ................................................................................................ 109 
10 Índice de tablas.............................................................................................. 111 
11 Glosario ......................................................................................................... 113 
12 Anexos .......................................................................................................... 115 
 Indicadores .......................................................................................................... 115 
12.1.1 Indicadores de la dimensión Cultura y Aspecto Social .................................. 115 
12.1.2 Indicadores de la dimensión Demografía y Geografía ................................... 115 
12.1.3 Indicadores de la dimensión Economía ......................................................... 116 
12.1.4 Indicadores de la dimensión Medio Ambiente ............................................... 116 
12.1.5 Indicadores de la dimensión Transporte........................................................ 117 
 Datos utilizados y clusterización ........................................................................... 120 
 Correlaciones de los KPIs .................................................................................... 122 
 Códigos de R ....................................................................................................... 123 
12.4.1 Correlación IESE Cities in Motion Index ........................................................ 123 
12.4.2 Correlación KPIs ........................................................................................... 123 
12.4.3 Clusterización ............................................................................................... 124 
 
 
 
 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 13 
1 Introducción 
 Motivación 
A nivel personal, la movilidad urbana es un tema que me interesa especialmente y en el cual 
he realizado 2 proyectos anteriormente. El primero de ellos se focalizaba en el futuro de la 
movilidad urbana y estudiaba la introducción de drones eléctricos autónomos para el 
transporte de pasajeros en zonas urbanas y el segundo se centraba en la movilidad urbana 
de la ciudad de Londres. 
A partir de la idea inicial de realizar un Trabajo Final de Grado relacionado con la movilidad 
urbana, se ha querido orientar el trabajo hacia algo que pueda corresponder al contenido 
esperable de un TFG. Para evitar hacer un trabajo excesivamente descriptivo y poner en 
práctica algunos de los contenidos estudiados durante el grado, en este trabajo se aspira a 
realizar una herramienta que, mediante el análisis de datos relacionados con la movilidad 
urbana, sirva de ayuda en su planificación estratégica. 
Además, este trabajo aspira a aportar un pequeño granito de arena de cara a lograr los 
Objetivos de Desarrollo Sostenible. Estos objetivos forman parte de la Agenda 2030 para el 
Desarrollo Sostenible que fue aprobada en 2015 por la ONU. Son un total de 17 objetivos que 
incluyen temas como la educación la defensa del medio ambiente, el papel de la mujer en la 
sociedad y el diseño y planificación de las ciudades entre otros. 
En concreto, el Objetivo 11: Lograr que las ciudades y los asentamientos humanos sean 
inclusivos, seguros, resilientes y sostenibles, dice lo siguiente: 
“Las ciudades son hervideros de ideas, comercio, cultura, ciencia, productividad, desarrollo 
social y mucho más. En el mejor de los casos, las ciudades han permitido a las personas 
progresar social y económicamente. En los últimos decenios, el mundo ha experimentado un 
crecimiento urbano sin precedentes. En 2015, cerca de 4000 millones de personas vivía en 
ciudades y se prevé que ese número aumente hasta unos 5000 millones para 2030. Se 
necesita mejorar, por tanto, la planificación y la gestión urbanas para que los espacios 
urbanos del mundo sean más inclusivos, seguros, resilientes y sostenibles. 
Ahora bien, son muchos los problemas que existen para mantener ciudades de manera que 
se sigan generando empleos y siendo prósperas sin ejercer presión sobre la tierra y los 
recursos. Los problemas comunes de las ciudades son la congestión, la falta de fondos 
para prestar servicios básicos, la falta de políticas apropiadas en materia de tierras y 
vivienda y el deterioro de la infraestructura. 
Los problemas que enfrentan las ciudades, como la recogida y la gestión seguras de los 
desechos sólidos, se pueden vencer de manera que les permita seguir prosperando y 
creciendo, y al mismo tiempo aprovechar mejor los recursos y reducir la contaminación 
y la pobreza. Un ejemplo de esto es el aumento en los servicios municipales de recogida de 
desechos. El futuro que queremos incluye ciudades de oportunidades, con acceso a 
servicios básicos, energía, vivienda, transporte y más facilidades para todos.” 
La mejora de la movilidad urbana es una parte fundamental de este objetivo número 11 siendo 
además uno de los aspectos que más impacto tiene en la calidad de vida de las ciudades. 
Además, la movilidad urbana está relacionada con la igualdad social (Objetivo 10) y el acceso 
a la riqueza, al trabajo (Objetivo 8) y a la educación (Objetivo 4) y los medios de transporte 
tienen un gran impacto medioambiental (Objetivo 13). 
 
http://www.un.org/es/events/citiesday/index.shtml
http://www.un.org/es/events/povertyday/
Introducción 
 
 
14 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
 Objetivos del trabajo 
En este trabajo se pretende estudiar, mediante la definición de indicadores, la selección de 
KPIs, y la realización de una clusterización jerárquica, la movilidad urbana de 79 ciudades. 
Existen varios estudios, índices e incluso una normativa ISO, cuyo objetivo es evaluar, 
mediante el uso de indicadores y la comparación entre ciudades, el desarrollo de estas. Como 
novedad frente a los trabajos y estudios realizados hasta el momento y, basándose en el 
principio de one size doesn’t fit all, este trabajo pretende realizar una clusterización jerárquica 
que sirva para identificar cuáles son aquellas ciudades que son similares en términos de 
movilidad urbana. 
El valor de la clusterización es intrínseco en sí mismo. Es decir, el valor reside en el hecho de 
poder identificar las ciudades que son similares y aquellas que son distintas. Además, al 
tratarse de una clusterización jerárquica, se puede apreciar el grado de similitud y de 
diferenciación entre las distintas ciudades. 
Estas ciudades identificadas como similares son las que deberían ser utilizadas para realizar 
los análisis comparativos entre ciudades, sirviendo de referencia para incorporar las medidas 
de movilidad urbana que han sido exitosas y de ejemplo para no cometer los mismos errores. 
Aunque en un principio se pretende valorar, para cada ciudad, el nivel de desempeño que 
obtiene en los distintos indicadores con respecto al desempeño de la ciudad líder de su clúster, 
esta aproximación queda descartada por los siguientes motivos: 
1. No es posible evaluar objetivamente el rendimiento en movilidad urbana. Además, no 
existe un potencial máximo de desarrollo. 
2. La identificación de ciudades líderes y de medidas exitosas tampoco podría ser 
objetiva pues estaría basa en criterios personales. Es la labor de los gobernantes 
decidir qué tipo de ciudad aspiran a ser y orientar consecuentemente su estrategia. 
3. Tratar de evaluar el desempeño de cada ciudad queda fuera del alcance de este 
trabajo pues requeriría de un estudio mucho más exhaustivo de las ciudades. 
Además, por las motivaciones personales del autor y por la voluntad de estudiar a nivel global 
la movilidad urbana, se ha optado por enfocar el trabajo hacia el ámbito estratégico de la 
movilidad a nivel global. 
El estudio exhaustivo de aquellas ciudades que han sido identificadas como similares en 
términos de movilidad urbana no forma parte de los objetivos de este trabajo y quedaría en 
manos de los gobernantes y planificadores urbanos, los cuales podrán servirse de esta 
clusterización para orientar su trabajo. No obstante, sí se pretenden reflejar en este trabajo 
las apreciaciones más destacables de las distintas agrupaciones de ciudades obtenidas en la 
clusterización. 
 
 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 15 
2 Marco teórico 
 Historia y evolución de la movilidad urbana en las 
ciudades modernas 
La historia de las ciudades modernas comienza con la invención de la máquina de vapor yel 
inicio de la primera revolución industrial a finales del siglo XVIII. La máquina de vapor hizo 
posible el transporte de personas y de objetos a una escala desconocida hasta el momento y 
permitió el desarrollo de la industria. Este desarrollo industrial atrajo a miles de personas que 
se desplazaron del campo a la ciudad en busca de nuevas oportunidades y fue el origen de 
la urbanización masiva de las ciudades como Londres y París. 
El siglo XIX vio como el transporte comenzó a desarrollarse en las ciudades, con la 
inauguración de las primeras líneas de tranvía (originalmente propulsados por caballos) y del 
primer sistema de metro (Londres 1863). Fue también un siglo marcado por la contaminación 
de las ciudades, en las que las deplorables condiciones sanitarias y medioambientales 
originaban numerosas enfermedades. 
La segunda fase del desarrollo de la movilidad de las ciudades modernas está marcada por 
la puesta en marcha de la red eléctrica, a finales de la década de 1880 (Corwin 2017). El 
despliegue de la red eléctrica en las ciudades permitió su iluminación adecuada, hizo posible 
la electrificación de los medios de transporte y gracias al ascensor, los edificios comenzaron 
a crecer en altura. Además, la red eléctrica sentó las bases necesarias para los sistemas de 
comunicación modernos y el uso de los electrodomésticos. 
La última gran etapa de la movilidad en las ciudades modernas está marcada por el desarrollo 
del automóvil y su popularización a lo largo de toda la sociedad. Gracias a la introducción de 
la producción en cadena (Ford T en 1908) y el consiguiente abaratamiento de los costes de 
producción, incluso el propio operario encargado de montar los coches podía permitirse 
comprar uno de ellos. Esto hizo que, poco tiempo después y especialmente tras la segunda 
guerra mundial, las ciudades se transformaran para acomodar al coche como el principal 
medio de transporte. 
Desde los mediados del siglo XX, nuestras vidas han cambiado radicalmente, especialmente 
con la introducción de la tecnología digital. Sin embargo, si miramos a las calles, los medios 
de transporte disponibles no son tan diferentes a los que existían a mediados del siglo XX. 
Donde sí se aprecian novedades es en el uso que se les da a estos. 
La popularización de la movilidad compartida ha generado un cambio en la concepción y en 
los ideales asociados a la posesión de un vehículo propio y con la introducción masiva del 
vehículo eléctrico y el desarrollo de los automóviles autónomos, la movilidad urbana está a 
punto de transformarse de nuevo. Podría decirse que estamos adentrándonos en la cuarta 
gran etapa de la movilidad urbana. 
 
Marco teórico 
 
 
16 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
 Principales retos de la movilidad urbana 
Esta nueva etapa de la movilidad urbana se plantea no sin grandes retos a los que hacer 
frente. A pesar del futuro prometedor que se vislumbra en el horizonte, si nos paramos a 
observar la situación actual de las ciudades, podemos darnos cuenta de que para las ciudades 
más exitosas la movilidad urbana es un reto complicado y, para las menos exitosas, es un 
problema importante. 
En las ciudades más exitosas, existen enormes desequilibrios entre la oferta y la demanda, 
los cuales están produciendo graves crisis de accesibilidad y desigualdad. Al mismo tiempo, 
muchas de estas están teniendo que hacer frente a profundos problemas financieros. 
En las ciudades menos exitosas, se observa una despoblación progresiva y una reducción 
masiva de los servicios. Para estas ciudades, mantener la cobertura de los servicios de 
transporte a un nivel aceptable y en condiciones decentes de limpieza es ya un reto más que 
suficiente. 
Los principales retos de movilidad urbana a los que se enfrentan las ciudades son el aumento 
de la población, la sostenibilidad y habitabilidad y el reto de la energía. 
2.2.1 Aumento de población en las ciudades 
La población mundial ha crecido desde 751 millones de habitantes en 1950 hasta más de 4,2 
billones en la actualidad y se espera que este número siga aumentando hasta alcanzar los 
6,7 billones de habitantes en 2050 («New International Standard for measuring the 
performance of cities going “smart”» 2019) . 
 
De entre toda la población mundial, la población urbana es, desde mediados de los años 2000, 
mayoritaria frente a la población rural y se espera que en las próximas décadas muchas más 
personas se instalen en las ciudades de todo el mundo. En concreto, se estima que 2,5 
billones adicionales de personas se instalarán en las ciudades de aquí a 2050. 
Este aumento de población será absorbido por las ciudades existentes y por las que se creen 
en los próximos años. En la actualidad existen 33 megaciudades con más de 10 millones de 
habitantes (se espera que este número aumente a 43 antes de 2030) y 48 ciudades con una 
población entre 5 y 10 millones. Sin embargo, la mayor parte de la población urbana reside 
en ciudades de entre 500.000 y 5 millones de habitantes, de las cuales existen 1065 ciudades 
en la actualidad y cuyo número se espera que aumente a 1307 en 2030. 
Ilustración 2 - Informe Perspectivas Mundiales de Urbanización publicado por la ONU. 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 17 
Tal y como se puede observar en la imagen, gran parte de las ciudades más pobladas del 
mundo se encuentran actualmente en Asia, continente que ha registrado los índices de 
urbanización más elevados de las últimas décadas y cuya proyección de aumento de 
población urbana se mantendrá elevada durante los próximos años. El continente africano 
experimentará también una gran urbanización mientras que en Europa y América del Norte 
algunas ciudades verán cómo su población se reduce. 
 
Las ciudades, especialmente las de Asia y África, se enfrentan por tanto al reto de acomodar 
de forma adecuada a todos estos nuevos ciudadanos, manteniendo el nivel de confort y la 
calidad de vida de los habitantes que ya residen actualmente en ellas. 
2.2.2 Sostenibilidad y habitabilidad 
Todas las ciudades del mundo se enfrentan a 3 grandes dificultades a la hora de garantizar la 
sostenibilidad. En primer lugar, las ciudades necesitan satisfacer una elevada demanda de 
transporte y de energía concentrada en una superficie reducida. Debido al uso de 
combustibles fósiles como fuente de energía, las ciudades experimentan altos niveles de 
contaminación del aire, los cuales llegan a suponer una grave amenaza para la salud de sus 
habitantes. 
El segundo reto de sostenibilidad al que se enfrentan las ciudades es la gestión del impacto 
medioambiental y los residuos. Por último, las ciudades se enfrentan al reto del agua. Muchas 
ciudades se encuentran en situaciones delicadas a la hora de garantizar el suministro de agua 
corriente y otras están contaminando el agua de sus ríos. 
De entre todas las amenazas para la sostenibilidad y la habitabilidad de las ciudades, la 
movilidad urbana juega un papel importante en la contaminación del aire. Los avances 
tecnológicos como la reducción de las emisiones producidas por los motores de combustión 
interna o el desarrollo de los coches eléctricos permiten sin duda mejorar los niveles de 
contaminación de las ciudades, sin embargo, han de ir acompañados de ciertas medidas de 
regulación que faciliten la transición desde la movilidad urbana del presente hacia una 
movilidad urbana del futuro totalmente electrificada. 
Otras formas de movilidad como la movilidad compartida juegan también un papel importante 
en la reducción de la contaminación y del impacto medioambiental de la ciudad, sin embargo, 
han de ser gestionadas adecuadamentepara lograr un equilibrio que beneficie a toda la 
sociedad. 
Ilustración 3 -United Nations-Department of Economic and Social Affairs-Population Division. The World ’s Cities in 
2018 - Data Booklet. World ’s Cities 2018 - Data Book. (2018). 
 
Marco teórico 
 
 
18 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
2.2.3 El reto de la energía 
Que el futuro de la movilidad urbana está íntimamente ligado a la electrificación de los medios 
de transporte es algo que hoy en día es mundialmente reconocido. En los medios de 
transporte públicos, la propulsión eléctrica se utiliza desde hace décadas para los medios de 
transporte de tipo ferroviario (metro, tranvía, trenes…) y su utilización para los autobuses 
urbanos está experimentando un crecimiento incesante. Ya a finales del año 2017, 385.000 
de los 3 millones de autobuses urbanos operativos en el mundo eran eléctricos, es decir el 
13% de la flota mundial (McKerracher, Izadi-Najafabadi y Soulopoulos 2019). 
En lo que respecta a los vehículos privados, más de 2 millones de coches eléctricos fueron 
vendidos en 2018 y se espera que el 57% de los coches vendidos en 2040 lo sean también 
(McKerracher, Izadi-Najafabadi y Soulopoulos 2019). Incluso para los medios de transporte 
marítimos y aéreos se están desarrollando medios de propulsión híbridos e incluso eléctricos. 
Para el transporte aéreo, a menudo cuestionado por su impacto medioambiental, este tipo de 
tecnología podría traer una gran reducción de las emisiones de CO2 y con el desarrollo 
adecuado de la capacidad de las baterías, nuevos medios de transporte como los vehículos 
eléctricos de despegue y aterrizaje vertical (eVTOL) podrían revolucionar el transporte aéreo 
urbano (Airbus 2019). 
 
Ilustración 4 - Evolución de la adopción de los vehículos eléctricos para distintos tipos de vehículos. 
(McKerracher, Izadi-Najafabadi y Soulopoulos 2019). 
Si a este aumento en la demanda de energía eléctrica debido a la electrificación de los medios 
de transporte se le suma el incremento de la demanda debido al aumento de la población, nos 
encontramos con que el sistema energético se verá sometido a una gran presión en los 
próximos años. El sistema eléctrico ha de adaptarse para poder soportar una demanda tan 
elevada y especialmente deberá adaptarse para responder a los picos de demanda de energía 
que se produzcan en aquellos momentos en los muchos vehículos se conecten a la vez a la 
red para recargar sus baterías. 
Por otro lado, un nuevo ecosistema energético está emergiendo en las ciudades con el 
objetivo de integrar una gran cantidad de pequeñas fuentes de energía procedentes de 
paneles solares o pequeños generadores eólicos de particulares. Estas pequeñas 
aportaciones particulares de energía, cuando no son consumidas por el propietario, pueden 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 19 
ser distribuidas a los vecinos o bien almacenadas en una batería1, formándose así pequeñas 
redes eléctricas conocidas como microredes. La integración de los vehículos eléctricos en 
estas microredes permitiría, potencialmente, conectar la propia batería del coche a la red y 
almacenar el excedente de energía o bien aportar energía a las viviendas en caso de que se 
produjera un corte en el suministro de electricidad2. 
Actualmente el 95% de la energía utilizada para el transporte procede del petróleo y toda esta 
energía deberá ser suministrada a través de la red eléctrica en el futuro. Es por esto que el 
desarrollo de este tipo de microredes y la adaptación del sistema eléctrico serán 
fundamentales para el progreso de la movilidad urbana del futuro. 
 
 
1 Las baterías usadas de vehículos eléctricos pierden autonomía con cada ciclo de uso. Cuando ya no 
cuentan con suficiente capacidad como para ser usadas para el transporte, pueden ser usadas en las 
microredes para almacenar energía. 
2 Basado en la presentación Joël de Rosnay – Presidente de Biotics International. NETEXPLO 2019 
Marco teórico 
 
 
20 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
 Definición de ciudad 
2.3.1 En España 
Para poder realizar este estudio, es necesario definir lo que se considera una ciudad, algo 
que no es precisamente trivial. Dado que se va a realizar un análisis entre distintas ciudades, 
se debe adoptar un criterio sólido a la hora de definir lo que se considera como ciudad. 
En España, se utilizan 3 criterios para definir una ciudad: En primer lugar, el criterio 
morfológico. Una ciudad debe ser diferenciable a simple vista. La existencia de edificios de 
varios pisos, calles de varios carriles por dirección o semáforos son algunos indicadores de 
que estamos ante una ciudad. El segundo criterio utilizado es el de la población. En España, 
se considera a un núcleo urbano como ciudad cuando supera los 10.000 habitantes. Este 
número (Buolamwini y Gebru 2018) es distinto en cada país. Finalmente se tiene en cuenta la 
actividad económica del núcleo urbano. En una ciudad, han de predominar los servicios y las 
actividades industriales frente a la agricultura y la ganadería. 
2.3.2 En la Unión Europea y la OECD 
A nivel europeo, hasta hace poco no existía una definición harmonizada del concepto ciudad. 
Para solventar el problema, la OECD y la Comisión Europea desarrollaron en 2011 una nueva 
definición del concepto ciudad (Dijkstra y Poelman 2012). 
 
Ilustración 5 - Países miembros de la OECD. 
Esta nueva definición de ciudad se basa en la identificación de sectores de 1km2 con una 
densidad de población superior a 1500 habitantes/ km2 lo que justifica que también se haga 
referencia a las ciudades como áreas densamente pobladas. La metodología utilizada para 
identificar las ciudades es la siguiente: 
1. Se seleccionan los sectores de alta densidad de población y se eliminan aquellos que 
están aislados o rodeados por menos de 5 sectores con densidad de población 
superior a 1500 habitantes/ km2. 
2. Se incorporan los sectores que, aunque no tengan una densidad de población superior 
a 1500 habitantes/km2, están rodeados por 5 o más sectores de alta densidad. 
3. Adicionalmente se impone la condición de que un centro urbano debe tener un mínimo 
de población de 50.000 habitantes para ser considerado como ciudad. 
El aglomerado de sectores de alta densidad de población resultante se denomina centro 
urbano. 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 21 
Llegados a este punto, es posible que los sectores que componen el centro urbano 
pertenezcan a diversos municipios. Este sería el caso de todos aquellos cuadrantes 
pertenecientes a municipios de menor tamaño que rodean a las grandes ciudades y que 
debido al crecimiento de la ciudad principal, se han anexionado a ella. Para todos estos casos, 
se establece lo siguiente: Todos los municipios que tengan más del 50% de su población 
situada en el centro urbano, son considerados como parte de la ciudad principal. Finalmente 
se establece que la ciudad ha de tener un reconocimiento a nivel político. 
 
Ilustración 6 - Dijkstra, L. & Poelman, H. Cities in Europe the New OECD-Ec. Reg. Focus (2012). 
En algunos casos, el centro urbano, o aglomerado de sectores de alta densidad, abarca una 
superficie que es mucho mayor que la de la ciudad principal. En estos casos se puede optar 
por 3 estrategias: 
• Se define una Gran ciudad que engloba todas las otras ciudades y adopta el nombre 
de la más grande o la más relevante. 
•Se divide el centro urbano en varias ciudades. 
• Una combinación de la primera y la segunda estrategia. 
La estrategia elegida debe responder a la necesidad de asegurar que los datos estadísticos 
sean coherentes. 
2.3.3 En el Mundo 
Finalmente, a nivel mundial, la Organización de las Naciones Unidas (ONU) define las 
ciudades como lugares donde vive y trabaja un gran número de personas y que además son 
Marco teórico 
 
 
22 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
centros de gobierno, comercio y transporte. Sin embargo, reconoce que no existe un criterio 
estadístico estándar para determinar los límites y establece tres definiciones de límite de 
ciudad. Los conceptos de ciudad que establece la ONU son los siguientes (Moreno 2017): 
1. La ciudad propiamente dicha: 
Hace referencia al concepto más reducido de ciudad. Se trata de una única unidad 
política individual que incluye el centro histórico de la ciudad. Con esta definición, todas 
las áreas urbanas pertenecientes a otros municipios no se consideran parte de la 
ciudad y por lo tanto no contribuyen a la estadística de la ciudad principal. Muchos 
países reportan sus datos estadísticos siguiendo esta definición a excepción de los 
datos referentes a la capital. Este es el caso de Benín, Bolivia, Congo, República 
Checa, Egipto, Alemania Corea, Polonia, Rusia y otros países. 
2. Aglomeración urbana: 
Se refiere al territorio que contiene el núcleo de la ciudad propiamente dicha y que 
además está habitado con una densidad de población elevada. Este territorio es 
independiente de los límites administrativos. Esta definición es la misma que la que 
establecen la OECD y la Comisión Europea. En general, la población y la superficie de 
una ciudad definida de esta manera es superior a la de la ciudad propiamente dicha. 
Si se observa la ilustración 13, los sectores de alta densidad de población sobrepasan 
los límites administrativos de la ciudad. Esta realidad es muy común en prácticamente 
todas las grandes ciudades. Este es el caso de París, donde la ciudad propiamente 
dicha, comúnmente denominada París intramuros y rodeada por la vía de 
circunvalación el Boulevard Périphérique, tiene una población de 2.190.327 (Mairie de 
Paris 2019) habitantes. Una cantidad que contrasta enormemente con los 11.017.000 
habitantes de la aglomeración urbana (United Nations Department of Economic and 
Social Affairs 2018). 
 
Ilustración 7 – Modelo de aglomeración urbana en el que la población es superior a la población de la 
ciudad propiamente dicha. 
En algunos casos, cuando dentro de los límites administrativos de la unidad política 
que conforma la ciudad propiamente dicha existen áreas con baja densidad de 
población, puede darse la situación en la que la población de la ciudad propiamente 
dicha sea superior a la de la aglomeración urbana. Un ejemplo visual de esta situación 
se propone en la ilustración 14. En esta situación imaginaria, los límites de la ciudad 
propiamente dicha abarcan grandes sectores de baja densidad de población y el 
número de sectores que conforman la aglomeración urbana es mucho más reducido. 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 23 
En este caso, la población de la aglomeración urbana es menor que la de la ciudad 
propiamente dicha3. 
 
Ilustración 8 - Modelo de aglomeración urbana el que la población es inferior a la población de la ciudad 
propiamente dicha. 
3. Área metropolitana urbana: 
El área metropolitana está asociada a un concepto estadístico denominado área 
estadística de nivel 5. Se trata de un concepto más complicado que tiene significados 
estadísticos, técnicos, administrativos y políticos. Algunos países usan esta definición, 
aunque en general solo se usa para las capitales. 
De entre las 1860 ciudades con más de 300.000 habitantes disponibles en la base de datos 
de la ONU, un 55% utiliza la definición de aglomeración urbana, un 35% utiliza la definición 
de ciudad propiamente dicha y el 10% restante utiliza la definición de área metropolitana 
urbana (United Nations-Department of Economic and Social Affairs-Population Division 2018). 
La ONU sugiere que, como se indica en la 2018 Revision of World Urbanization Prospects 
(WUP) (United Nations Department of Economic and Social Affairs 2018), se utilice para el 
concepto de ciudad la definición de aglomeración urbana. 
 
Tabla 1 - United Nations, Department of Economic and Social Affairs, Population Division (2018). World 
Urbanization Prospects: The 2018 Revision, Online Edition. 
 
3 Se descarta, por ser irreal, el caso hipotético en el que los dos sectores de alta densidad de población 
sumaran más población que los 30 sectores de baja densidad de la ciudad propiamente dicha. 
Region, subregion, 
country or area 
Size class of urban 
settlement
Size class 
code
Type of data 2000 2005 2010 2015 2020 2025 2030 2035
WORLD 10 million or more 1 Nº of Agglomerations 16 20 25 29 34 37 43 48
WORLD 5 to 10 million 2 Nº of Agglomerations 30 36 39 45 51 58 66 73
WORLD 1 to 5 million 3 Nº of Agglomerations 325 343 380 439 494 558 597 639
WORLD 500 000 to 1 million 4 Nº of Agglomerations 396 456 510 554 626 659 710 757
WORLD 300 000 to 500 000 5 Nº of Agglomerations 524 591 645 707 729 794 827 846
More developed regions 10 million or more 1 Nº of Agglomerations 5 6 6 6 6 6 7 7
More developed regions 5 to 10 million 2 Nº of Agglomerations 7 8 9 13 14 16 16 16
More developed regions 1 to 5 million 3 Nº of Agglomerations 96 96 100 103 105 110 113 115
More developed regions 500 000 to 1 million 4 Nº of Agglomerations 122 128 137 136 151 151 156 162
More developed regions 300 000 to 500 000 5 Nº of Agglomerations 183 189 188 203 194 196 198 201
Less developed regions 10 million or more 1 Nº of Agglomerations 11 14 19 23 28 31 36 41
Less developed regions 5 to 10 million 2 Nº of Agglomerations 23 28 30 32 37 42 50 57
Less developed regions 1 to 5 million 3 Nº of Agglomerations 229 247 280 336 389 448 484 524
Less developed regions 500 000 to 1 million 4 Nº of Agglomerations 274 328 373 418 475 508 554 595
Less developed regions 300 000 to 500 000 5 Nº of Agglomerations 341 402 457 504 535 598 629 645
Marco teórico 
 
 
24 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
2.3.4 En este trabajo 
Elegir una definición de ciudad u otra tiene un impacto sobre la superficie, la población, y todos 
aquellos parámetros que dependen de la población incluida en la ciudad. Un ejemplo en el 
que se aprecia el impacto de utilizar una u otra de las definiciones podría ser la ciudad de 
Toronto en Canadá: Si usamos la definición de ciudad propiamente dicha la población es de 
unos 2,6 millones. Esta cifra asciende a 5,1 millones si usamos la definición de aglomeración 
urbana y, si utilizamos la definición de área metropolitana, la población es de 6,6 millones de 
habitantes (United Nations-Department of Economic and Social Affairs-Population Division 
2018). 
En el análisis correspondiente a este trabajo, y dado que las ciudades que se van a 
analizar son ciudades de la OECD, utilizaremos los datos estadísticos siguiendo el 
criterio de la OECD siempre que sea posible y adecuado, es decir, usaremos el criterio 
de aglomeración urbana. Como el criterio es el mismo que el segundo criterioutilizado por 
la ONU en la mayoría de las ciudades, siempre que no sea posible utilizar datos de la OECD, 
se utilizarán los datos extraídos de la ONU. Cuando se utilicen datos de otras fuentes es 
posible que estos hayan sido recopilados utilizando otros criterios de definición de ciudad. 
Este hecho ha sido identificado como una de las fuentes de error en los datos que se utilizan 
en este trabajo. 
Finalmente, se debe tener en cuenta que para algunos indicadores utilizados en este trabajo 
como los relativos al clima, a la gobernanza, la presencia de río o mar, y otros, la definición 
de ciudad escogida no tiene ninguna influencia por que dichos parámetros son independientes 
de la población y el área de la ciudad. 
 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 25 
 El concepto de ciudad inteligente (smart city) 
La movilidad urbana del futuro no se puede estudiar sin considerar el concepto de ciudad 
inteligente o smart city, un concepto cuya definición no está totalmente integrada a nivel global 
y que sin embargo se utiliza a menudo para referirse a ciudades de todo el mundo haciendo 
referencia tanto al presente como al futuro. 
Según la normativa ISO 37122:20194, “una ciudad inteligente es una ciudad que aumenta el 
ritmo al que se obtienen resultados de sostenibilidad social, económica y ambiental y 
responde a desafíos como el cambio climático, el rápido crecimiento de la población y la 
inestabilidad política y económica mediante la mejora sustancial de la forma en que se 
involucra a la sociedad, la aplicación de métodos de liderazgo colaborativo, la colaboración 
entre las distintas disciplinas y los sistemas de la ciudad, y la utilización de la información de 
los datos y de las tecnologías modernas para prestar mejores servicios y mejorar calidad de 
vida a los habitantes de la ciudad (residentes, empresas, visitantes), tanto en la actualidad 
como en el futuro inmediato, sin que esto implique una desventaja injusta para otros ni una 
degradación del medio ambiente natural”. 
En este trabajo, y, basándose en el artículo Is there anybody out there? The place and role of 
citizens in tomorrow ‘s Smart Cities (Vanolo 2016), se han identificado 4 tipologías de ciudad 
inteligente que, si bien presentan diferencias claras, no están completamente desligadas entre 
sí. Aunque las 4 tipologías de ciudad establecidas son situaciones extremas, en muchas 
ciudades sí que se puede apreciar una tendencia hacia una de ellas. 
A la hora de planificar la movilidad urbana de las ciudades inteligentes del futuro, se deberá 
identificar el tipo de ciudad inteligente que se ambiciona ser y adaptar la estrategia de 
movilidad consecuentemente. Las tipologías de ciudad inteligente identificadas son las 
siguientes: 
2.4.1 Ciudades inteligentes diseñadas desde cero 
Esta tipología de ciudades inteligentes es una de las tipologías más difusas y estereotipadas 
que existe. Se trata de un concepto asociado a ciudades inteligentes hipertecnológicas 
construidas sin restricciones desde cero en emplazamientos en los que no existe un 
asentamiento de población previo. La ventaja principal de estas ciudades inteligentes 
diseñadas desde cero es que pueden ser construidas en torno a la tecnología y las nuevas 
formas de movilidad emergentes. 
Además, estas ciudades pueden elegir en cierta medida el tipo de ciudadano que quieren 
atraer para que encaje adecuadamente con su infraestructura y modo de vida. Por ejemplo, 
si una ciudad ha sido diseñada para que los ciudadanos puedan desplazarse andando o 
usando transporte público, orientará su estrategia publicitaria para atraer a ciudadanos que 
estén habituados al uso de transporte público o métodos alternativos al vehículo privado. 
Algunas ciudades pertenecientes a esta tipología de ciudad inteligente son Songdo (Korea del 
Sur), Mazdar City (Emiratos Árabes Unidos) y la menos conocida PlanIt Valley (Portugal). 
Estas ciudades gozan de una enorme popularidad y representan la quintaesencia de la ciudad 
inteligente (Carvalho 2015), sin embargo son casos aislados excepcionales y no se pueden 
considerar como ejemplos representativos de smart city. A pesar de esto, India ha lanzado un 
ambicioso proyecto de construcción de 100 nuevas ciudades inteligentes diseñadas desde 
cero. 
 
4 Traducción propia. Texto en inglés disponible en el link: 
https://www.iso.org/obp/ui/#iso:std:iso:37122:ed-1:v1:en 
Marco teórico 
 
 
26 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
En este trabajo, al no existir todavía ejemplos de esta tipología que estén completados, no se 
estudiarán este tipo de ciudades. No obstante, sí sería posible predecir o estimar los datos 
correspondientes a los indicadores de estas ciudades del futuro e introducirlas en la 
clusterización para ver a qué tipo de ciudades se asemejarán. 
2.4.2 Ciudades con inteligencia omnipresente y totalitaria 
Esta tipología de ciudad inteligente está relacionada con una visión según la cual la tecnología 
sirve como herramienta de control y vigilancia. Según esta visión, la infraestructura urbana y 
los servicios están interconectados y controlados por un sistema central que está 
continuamente obteniendo información a través de miles de sensores situados en la ciudad. 
La información de las personas puede ser consultada gracias al reconocimiento facial y se 
pueden vigilar y analizar aquellos comportamientos que se consideran sospechosos por estar 
fuera de lo común estadísticamente hablando. 
Una ligera tendencia hacia este tipo de tipología de ciudad inteligente la encontramos en 
ciudades de países como China. Por ejemplo, en Hangzhou, un cerebro de la ciudad se 
encarga de tomar decisiones basadas en datos y en el reconocimiento vocal y de imágenes. 
Su nivel de desarrollo es tal que 200 policías han sido remplazados por la denominada patrulla 
automática, la cual actúa con una precisión del 95%. 
Esta tipología encarna algunas de las mayores preocupaciones que surgen actualmente con 
respecto a asuntos como la privacidad, la supervisión, la seguridad de la tecnología y los 
ataques que pueden ser realizados cuando se superan las barreras de seguridad. 
Las ciudades que se orienten hacia esta tipología de ciudad inteligente invertirán en la 
automatización de los medios de trasporte y fomentaran medidas que sustenten la supervisión 
como por ejemplo la instalación masiva de sensores o el despliegue de una buena red 5G. 
Además, bucarán atraer a aquellos ciudadanos cuyo nivel de confianza en la tecnología sea 
elevado. 
2.4.3 Ciudades con inteligencia digital y participación de los 
ciudadanos 
Esta tipología de ciudad inteligente se basa en el uso de datos procedentes de dos fuentes. 
Por un lado, tiene en cuenta la información incorporada a través de sensores como pueden 
ser sensores de luz, de lluvia o cámaras de tráfico y, por otro lado, incorpora información de 
los propios ciudadanos, los cuales interactúan con la ciudad comportándose también ellos 
mismos como sensores. 
Ilustración 10 - Songdo, Korea del Sur 
(https://www.kpf.com/projects/new-songdo-city). 
Ilustración 9 - Masdar City, Abu Dhabi 
(https://transsolar.com/fr/projects/masdar-city). 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 27 
Este concepto de ciudad inteligente se articula en torno al uso de smartphones. El teléfono 
móvil viaja con cada ciudadano y contiene sensores que permiten conocer la geolocalización 
del ciudadano, la velocidad a la que se desplaza y el recorridoque realiza. Gracias a esta 
información se puede, por ejemplo, detectar zonas donde hay retenciones y, ayudados por la 
información proporcionada por las cámaras de tráfico y otros sensores, adaptar los semáforos 
para mejorar el flujo de vehículos. 
Además, el teléfono puede utilizarse para que el propio ciudadano interactúe con la ciudad de 
forma activa a través de aplicaciones. Por ejemplo, el ciudadano podría indicar su satisfacción 
con el estado de limpieza del autobús autónomo en el que se ha montado para ir al trabajo, si 
su opinión es respaldada por otros usuarios, el autobús sería automáticamente dirigido a un 
centro de limpieza al terminar su ruta. 
Un ejemplo de este tipo de aplicación interactiva lo podemos encontrar actualmente en la 
ciudad de Boston. Allí, la aplicación BOS:311 disponible en Android, AppleStore y accesible 
también a través de su página web, permite a los ciudadanos informar sobre desperfectos en 
la carretera o en la señalización, denunciar vehículos aparcados inadecuadamente, señalar 
cualquier tipo de peligro o indicar cualquier otro tipo de incidencia. Gracias a esta colaboración 
ciudadana las incidencias se cierran en tan solo unas horas, habiéndose cerrado ya más de 
1,6 millones de incidencias. 
Esta tipología de ciudad contempla un tipo de ciudadano comprometido con la ciudad y se 
basa en la estigmatización de la tecnología digital. Esto supone una limitación ya que la 
participación queda reducida a aquellos ciudadanos que disponen de un smartphone. 
Aquellos ciudadanos que no se adapten al uso de la tecnología, quedaran excluidos de este 
tipo de ciudades. 
Ilustración 11 - Captura de pantalla de la aplicación BOS:311. https://311.boston.gov/ 
Marco teórico 
 
 
28 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
2.4.4 Ciudades con inteligencia creativa 
A menudo, las iniciativas más inteligentes y efectivas surgen en aquellos entornos en los que 
la falta de recursos fomenta la creatividad de los ciudadanos. Se crean así ciudades que 
también son inteligentes a pesar de que no ser necesariamente ciudades tecnológicas. 
Un ejemplo de este tipo de inteligencia no digital podemos encontrarlo en la ciudad de Brugos, 
España. Allí, aparcar en doble fila no solo no es ilegal, sino que está permitido en muchas 
zonas. Para evitar que los coches que estacionan en la segunda línea bloqueen a los que 
están en primera línea, los conductores dejan estacionado el coche sin aplicar el freno de 
mano, permitiendo desplazar el coche en caso de que sea necesario salir de la primera línea. 
Con esta artimaña, se logra flexibilizar el uso de las calles adaptándolas para lograr un 
equilibrio entre las necesidades de tránsito y de aparcamiento. 
Otro ejemplo lo encontramos en Sao Paulo, Brasil. Allí los conceptos de Smart City que se 
manejan en otros lugares están demasiado alejados de la pobre realidad de sus barrios. Sin 
embargo, en esta ciudad sí utilizan la tecnología para mejorar la realidad de sus ciudadanos. 
No obstante, la utilizan siguiendo principios como el de la reducción del número de 
aplicaciones, la integración de servicios y el fomento de la escalabilidad de las aplicaciones y 
el uso de códigos open-source. Además, como no toda la población tiene acceso a la 
tecnología, se ha evitado la digitalización de la burocracia, algo que sí se ha digitalizado 
completamente en otras ciudades como Singapore. 
 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 29 
 Necesidad de una buena planificación estratégica de la 
movilidad urbana 
En este contexto de transformación de la movilidad urbana, los gobernantes y planificadores 
urbanos deben construir y modelar la movilidad urbana de las ciudades de manera que se dé 
respuesta a los retos que se plantean. Aquellas ciudades cuya movilidad urbana no sea 
correctamente planificada corren el riesgo de saturarse, sufrir problemas de congestión del 
tráfico y de contaminación, ver aumentada la pobreza y la desigualdad entre los ciudadanos 
y, sobre todo, corren el riesgo de desperdiciar los recursos limitados de los que disponen. 
Aquellas ciudades que, por el contrario, logren aplicar correctamente las medidas de movilidad 
urbana adecuadas, verán cómo aumenta la prosperidad y la cohesión social, mejorando la 
calidad de vida de sus ciudadanos. 
Muchos de los grandes defectos que condicionan la movilidad en las ciudades tienen un origen 
histórico y se deben a la propia evolución de la ciudad a lo largo de los siglos. Por el contrario, 
otros se deben a errores estratégicos en la planificación urbana. Un ejemplo claro es el caso 
del boom de las bicicletas públicas en España a finales de los años 2000. 
 
Ilustración 12 - Evolución de los sistemas de bicicleta pública en España. (Observatorio de la Bicicleta Pública en 
España 2018). 
A partir del año 2006, los sistemas de bicicleta pública experimentaron un gran desarrollo 
llegando a existir un total de 100 sistemas operativos en el año 2010. Sin embargo, este 
servicio no tuvo la misma aceptación en todas las ciudades y, desde 2010, muchas ciudades 
han ido suprimiendo estos sistemas reduciéndose el número total de sistemas operativos 
hasta estabilizarse en torno a los 50 en la actualidad. A pesar de ello, el número total de 
estaciones y de bicicletas operativas ha seguido aumentando. Este hecho indica que, pese a 
haber sido un fracaso en muchas de las ciudades, los sistemas de bicicleta pública sí han 
tenido una buena aceptación en algunas ciudades. 
Marco teórico 
 
 
30 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
 
Ilustración 13 - Evolución del número de bicicletas y de estaciones de bicicleta pública en España. (Observatorio 
de la Bicicleta Pública en España 2018). 
Tal y como muestran los datos, tanto en España como en el mundo entero, el éxito de los 
sistemas de bicicletas públicas ha sido confirmado en numerosas ciudades. Sin embargo, hay 
una serie de factores que hacen que la misma iniciativa que ha triunfado en una ciudad, sea 
un completo fracaso en otra. Dichos factores están relacionados con el urbanismo, la 
demografía, la geografía e incluso la cultura propia de cada ciudad. 
Al igual que sucedió con el boom de las bicicletas públicas en España, a menudo, distintas 
ciudades tratan de replicar aquellas medidas que han resultado exitosas en otras. Poder 
contar con una herramienta que permita identificar si la iniciativa es adecuada para la ciudad 
es fundamental para la planificación estratégica que han de realizar los dirigentes y 
planificadores urbanos. 
 
 
 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 31 
3 Metodología 
Se definen 3 fases del trabajo: 
1. Análisis e identificación de los aspectos que influyen en la movilidad urbana. 
2. Obtención de los datos necesarios para la realización del análisis de los KPIs y la 
clusterización. 
3. Análisis de los KPIs y clusterización. 
 Análisis e identificación de los aspectos que influyen 
en la movilidad urbana: 
A partir del estudio bibliográfico y la participación en el NETEXPLO Smart Cities Accelerator 
Summit 2019, se han definido 250 indicadores de movilidad urbana. De entre todos los 
indicadores se han seleccionado aquellos que se consideran más importantes para la 
movilidad urbana (KPIs). 
En esta primera fase se incluye también la prueba de concepto que se realizó, al principio del 
trabajo, para verificar que el planteamiento que se estabaaplicando era el correcto. 
3.1.1 Prueba de concepto (PoC) 
3.1.1.1 Justificación 
El término PoC procede de la abreviación de la expresión en inglés Proof of Concept. Una 
prueba de concepto es una demostración, cuyo objetivo es demostrar la validez o el potencial 
de un concepto o una teoría. Se trata de un prototipo a pequeña escala que además permite 
detectar fallos o errores en el planteamiento o la ejecución. 
La idea que se plantea originalmente para este trabajo es realizar una clusterización de las 
ciudades en función de una serie de indicadores de movilidad urbana. Estos indicadores 
pueden ser cuantitativos o cualitativos. Para verificar, en las primeras fases del trabajo, que 
el enfoque que se ha planteado es el correcto, se ha realizado una primera prueba de 
concepto (Proof of Concept). 
El objetivo de esta prueba de concepto es detectar, lo más temprano posible, si existe algún 
fallo en el planteamiento que obligue a cambiar el enfoque del trabajo. Especialmente crítico 
es poder comprobar si mediante el análisis estadístico, se puede obtener la clusterización de 
las ciudades en función de una serie de KPIs tanto cuantitativos como cualitativos, 
asegurándose de que la clusterización obtenida arroja resultados razonables. Realizar una 
prueba de concepto con un número reducido de parámetros hace más sencillo detectar si los 
resultados obtenidos son razonables. 
3.1.1.2 Base de datos utilizada para el PoC 
Antes de dedicar tiempo a realizar una revisión bibliográfica exhaustiva y a generar una base 
de datos con un gran número de ciudades y de indicadores de movilidad urbana, se ha 
generado una pequeña base de datos con 18 ciudades europeas y un número reducido de 
indicadores. En orden de importancia, se han utilizado los siguientes criterios para seleccionar 
las ciudades utilizadas en la prueba de concepto: 
1. Selección de ciudades conocidas: Para poder entender los resultados que arroja el 
análisis estadístico, es importante tener una imagen lo más exacta posible de las 
Metodología 
 
 
32 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
ciudades analizadas. Por este motivo, se han elegido 18 ciudades europeas, 14 de las 
cuales son conocidas personalmente por el autor. 
2. Accesibilidad de la información: Para agilizar al máximo el proceso de creación de 
la base de datos del PoC, se seleccionan ciudades cuya información es sencilla de 
obtener. 
3. Tamaño de las ciudades: Se han elegido ciudades de gran tamaño (más de 
1.000.000 de habitantes) por dos motivos: 
a. Las ciudades de gran tamaño son las ciudades que afrontan los mayores retos 
de movilidad urbana. 
b. Las ciudades grandes ofrecen una mayor cantidad de información tanto a nivel 
de disponibilidad de datos como a nivel de información relativa a los problemas 
de movilidad. 
Las ciudades que se han incluido en la base de datos PoC son las siguientes: Amsterdam, 
Athens, Barcelona, Berlin, Bruxelles, Budapest, Hamburg, Lisboa, London, Madrid, 
Manchester, Milano, Munich, Napoli, París, Roma, Warszawa y Zagreb. 
Los indicadores seleccionados para el PoC son los siguientes: 
− Indicadores cuantitativos: Población, DensidadPoblación, DiasLluvia, MMLluvia y 
GDP5. 
− Indicadores cualitativos: Metro, Mar y Río. 
En cuanto a los Indicadores cuantitativos, son esencialmente 3 parámetros: Población, lluvia 
y GDP. Tanto población como lluvia son Indicadores que, por sí solos, no aportan suficiente 
información. No es lo mismo una gran población distribuida en un área muy grande que una 
población más reducida pero muy concentrada en un área pequeña. Lo mismo ocurre con la 
lluvia. Precipitaciones abundantes durante un periodo concreto del año no tienen la misma 
influencia sobre la movilidad que precipitaciones constantes a lo largo de todo el año. Es por 
esto por lo que se han considerado la población, la densidad de población, los días de lluvia 
y los milímetros de precipitación anual. 
Los indicadores cualitativos adquieren valores binarios SI-NO. No haber incorporado 
parámetros cualitativos que adquieran más de dos valores no condiciona la validez del PoC. 
Se han elegido 3 indicadores que, en primera aproximación, podemos asumir que tienen una 
influencia considerable sobre la movilidad urbana de las ciudades. El primero corresponde a 
la infraestructura desarrollada en la ciudad. Los dos últimos indicadores cualitativos 
incorporados a la base de datos PoC corresponden a características geográficas de la ciudad. 
3.1.1.3 Análisis estadístico del PoC 
Para realizar la clusterización de las ciudades se utiliza el método WardD2 y los datos son 
normalizados antes de ser clusterizados. Los resultados obtenidos muestran que 
efectivamente se puede realizar la clusterización en función de parámetros tanto cualitativos 
como cuantitativos. Además, no se aprecia ningún resultado que nos indique que se ha 
producido algún error en la clusterización. 
 
5 Gross Domestic Product, Producto Interior Bruto (PIB) en español. 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 33 
 
Ilustración 14 – Clusterización POC. 
Las ciudades que tienen una población más elevada (London y París) han sido agrupadas 
juntas, las ciudades de climas húmedos se encuentran en el grupo de la izquierda y si nos 
desplazamos hacia la derecha van apareciendo ciudades en general más secas. Se observa 
que la ciudad de Napoli ha sido clasificada en su propio clúster. Analizando los datos se ha 
comprobado que la densidad de población introducida era errónea (excesivamente elevada) 
y por eso ha quedado tan diferenciada de las demás ciudades. 
Un indicador de tipo cuantitativo que podría haber sido utilizado son los kilómetros de metro 
disponibles. Seguramente se podría haber obtenido mejor información utilizando como 
indicador los kilómetros en lugar del indicador Metro (existencia de un sistema de metro). Al 
ser las ciudades analizadas de gran tamaño, todas menos Manchester y Zagreb tienen 
sistema de metro y este indicador no es diferenciador entre las demás ciudades que sí 
disponen de este sistema de transporte. 
3.1.2 Fuentes de información y bases de datos de referencia 
Para la realización de este trabajo se ha participado en el programa NETEXPLO Smart Cities 
Accelerator Summit 2019 y se han realizado investigaciones bibliográficas de diversas 
fuentes. Aquellas fuentes que más han influenciado este trabajo, junto con el programa de 
NETEXPLO, se presentan detalladamente a continuación. 
3.1.2.1 NETEXPLO Smart Cities Accelerator Summit 2019 
Este programa internacional de formación certificado se crea para dar respuesta a los 
principales retos a los que se enfrentan las smart cities (ciudades inteligentes) por el Netexplo 
Metodología 
 
 
34 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
Observatory6 y las universidades; ESCP Europe, Peking University, Shanghai Jiao Tong 
University and Telecom ParisTech, con el apoyo de la UNESCO. 
La parte presencial del programa tuvo lugar en abril de 2019 y reunió a unos mil expertos y 
responsables políticos de todo el mundo. El programa abordaba 3 temas: La movilidad urbana, 
la conectividad de las ciudades y su habitabilidad, 3 aspectos íntimamente relacionados y que 
han de ser considerados de manera conjunta (NETEXPLO 2019). 
Durante 2 jornadas completas, más de 40 expertos aportaron su visión tanto del presente 
como del futuro. Tanto sus presentaciones como el curso online con el que culmina el 
programa y los dos libros asociados; Smart Cities Year Book 2018-2019 y Smart Cities. 
Shaping the society 2030, han servido para la definición de losindicadores de movilidad 
urbana y para la identificación de los KPIs, siendo una influencia notable para este trabajo. 
Puesto que NETEXPLO es un observatorio global, el programa se centra en el estudio de 15 
ciudades designadas por la UNESCO; 5 ciudades de Asia (Singapore, Songdo City, Mumbai 
Corridor, Shenzhen y Christchurch), 2 ciudades de América del Sur (Sao Paulo y Medellín), 2 
de América del Norte (Detroit y San Francisco), 3 de Africa y Oriente Medio (Konza, Kigali y 
Dubai) y 3 ciudades de Europa (Helsinki, Lyon y Barcelona). Este enfoque internacional ha 
sido especialmente útil para adquirir una visión global de la movilidad urbana. 
3.1.2.2 IESE - Cities in Motion Index 
Este trabajo, ampliamente reconocido como referencia para el estudio de ciudades, realiza un 
análisis comparativo entre estas considerando 9 dimensiones: El Capital Humano, la 
Cohesión Social, la Economía, la Gobernanza, el Medioambiente, la Movilidad y el Transporte, 
la Planificación Urbana, la Proyección Internacional y la Tecnología. 
En su sexta edición (2019), incorpora 174 ciudades de 80 países y considera 96 indicadores 
de carácter objetivo y subjetivo. Como complemento del IESE - Cities in Motion Index, el IESE 
publica también una serie de minilibros en los que se identifican buenas prácticas para cada 
una de las dimensiones. 
El objetivo de este estudio es proponer indicadores completos, comparables, objetivos y de 
calidad que permitan evaluar, mediante la comparación entre ciudades, el desempeño de 
cada una. 
Para generar este índice, se mide el desempeño de las ciudades en los distintos indicadores 
y se establece un ranking para cada dimensión estudiada. De esta forma se pueden identificar 
aquellas dimensiones en las que las ciudades se encuentran en una buena posición y aquellas 
en las que podría mejorar. Las ciudades que se sitúan en las primeras posiciones del ranking 
de cada dimensión pueden ser tomadas como referencia y mediante su estudio, servir de 
referencia para las que no han obtenido tan buena puntuación. 
Este trabajo publicado por el IESE ha servido como base para la definición de algunos de los 
indicadores de movilidad urbana utilizados en este trabajo y como referencia para identificar 
numerosas fuentes de datos. Además, la propia clasificación obtenida en algunas de las 
dimensiones ha sido utilizada como indicador para este trabajo. 
 
 
6 Una red mundial de 19 universidades líderes, facilitada en colaboración con la UNESCO cuyos 
expertos se dedican al estudio de las innovaciones, al planteamiento de escenarios futuros y a la 
descripción de las tendencias más relevantes. 
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 35 
 
Tabla 2 - Primeras ciudades del índice IESE Cities in Motion Index. Las distintas columnas muestran la 
clasificación obtenida por las ciudades en las diferentes dimensiones y en la última se muestra la clasificación 
global. Datos extraídos manualmente (Pascual y Enric Ricart 2019). 
3.1.2.3 Institute for Urban Strategies - Global Power City Index 2018 
Este índice evalúa las ciudades en función de su magnetismo, es decir, en función de su 
capacidad para atraer capital humano y económico desde otros lugares del mundo. En él se 
evalúan 44 ciudades en función de su desempeño en 6 dimensiones: Economía, Investigación 
y Desarrollo, Cultura Internacional, Habitabilidad, Medio ambiente y Accesibilidad. Al igual que 
en el caso del IESE – Cities in Motion Index, se establece una clasificación de ciudades para 
cada una de las dimensiones y finalmente se establece una clasificación global. 
A pesar de contar con autores y contribuyentes procedentes de todo el mundo, los autores 
principales de este trabajo son japoneses. Este hecho confiere a este índice una visión 
ligeramente diferente a las visiones presentadas por los otros índices, contribuyendo a la 
visión global a la que aspira este trabajo. Este índice ha servido como inspiración para la 
definición de los indicadores utilizados. 
3.1.2.4 Deloitte - City Mobility Index 2019 
Este índice publicado a principios de 2019 ofrece a los líderes, gobernantes y planificadores 
urbanos de las ciudades, datos que permiten orientar sus estrategias de movilidad urbana. En 
concreto este estudio se focaliza en el concepto de movilidad urbana inteligente y evalúa, para 
55 ciudades de todo el mundo, 15 indicadores de movilidad urbana organizados en torno a 3 
pilares: 
1. El desempeño y la resiliencia: Congestión, Fiabilidad del transporte público, 
Seguridad del transporte público, Integración y Movilidad compartida y Calidad del aire. 
City Country
Ec
o
n
o
m
y
H
u
m
an
 c
ap
it
al
So
ci
al
 c
o
h
es
io
n
En
vi
ro
n
m
en
t
G
o
ve
rn
an
ce
U
rb
an
 p
la
n
n
in
g
In
te
rn
at
io
n
al
 
o
u
tr
ea
ch
Te
ch
n
o
lo
gy
M
o
b
ili
ty
 a
n
d
 
tr
an
sp
o
rt
at
io
n
C
it
ie
s 
in
 M
o
ti
o
n
London UnitedKingdom 12 1 45 34 7 9 1 8 3 1
NewYork USA 1 3 137 78 26 2 8 11 5 2
Amsterdam Netherlands 10 36 38 28 27 11 2 7 11 3
Paris France 8 6 86 54 37 50 3 15 4 4
Reykjavík Iceland 90 53 18 1 19 108 22 4 46 5
Tokyo Japan 3 9 49 6 71 24 35 20 29 6
Singapore Singapore 21 44 47 10 20 31 4 1 67 7
Copenhagen Denmark 25 28 11 3 12 75 16 10 25 8
Berlin Germany 50 5 39 47 6 40 5 32 6 9
Vienna Austria 57 23 31 15 25 45 7 13 7 10
HongKong China 29 17 140 20 21 8 15 2 40 11
Seoul SouthKorea 15 14 95 32 39 27 34 6 17 12
Stockholm Sweden 18 58 60 5 24 48 24 14 21 13
Oslo Norway 17 71 20 8 52 54 19 17 20 14
… … … … … … … … … … … …
Lahore Pakistan 151 172 173 171 168 174 166 172 147 173
Karachi Pakistan 112 171 172 174 174 171 174 167 153 174
Metodología 
 
 
36 Escuela Técnica Superior de Ingenieros Industriales (UPM) 
2. La visión y el liderazgo: Visión y estrategia, Inversión, Innovación, Regulación 
medioambiental e Iniciativas de sostenibilidad medioambiental. 
3. Los servicios y la inclusión: Oferta de transporte público, Coste del transporte 
público, Versatilidad, Satisfacción del cliente y Accesibilidad. 
 
Tabla 3 – Indicadores de movilidad urbana del Deloitte - City Mobility Index 2019 (Deloitte 2018a). 
Cada uno de los indicadores es evaluado con una puntuación únicamente visualizable de 
manera interactiva a través de la página web de Deloitte7. Mientras que las otras fuentes 
 
7 Link: https://www2.deloitte.com/insights/us/en/focus/future-of-mobility/deloitte-urban-mobility-index-
for-cities.html 
https://www2.deloitte.com/insights/us/en/focus/future-of-mobility/deloitte-urban-mobility-index-for-cities.html
https://www2.deloitte.com/insights/us/en/focus/future-of-mobility/deloitte-urban-mobility-index-for-cities.html
Clusterización jerárquica de ciudades en función de sus KPIs de movilidad urbana 
 
David Fernández de Diego 37 
contemplan aspectos de las ciudades a nivel global, este índice ha sido utilizado 
especialmente para la obtención de los indicadores relacionados con el transporte. 
3.1.2.5 ISO – 37120, Indicators for city services and quality of life 
Aunque sin incorporar la clusterización jerárquica como herramienta para comparar el 
desempeño de las ciudades con el de aquellas que son similares en términos de movilidad 
urbana, un enfoque similar al que se plantea en este trabajo puede encontrarse en la norma 
ISO 37120. 
En este caso los indicadores utilizados no miden la movilidad urbana sino la capacidad de la 
ciudad para ofrecer servicios y asegurar una buena calidad de vida de sus habitantes. Al igual 
que con el objetivo inicial de este trabajo, la norma ISO 37120, Sustainable cities