Descarga la aplicación para disfrutar aún más
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
Compartir