Para evaluar si las medidas de distanciamiento social dirigidas a frenar la propagación del COVID-19 son efectivas, es necesario realizar un seguimiento de las mismas. Este es el objetivo del equipo del Observatorio Urbano de la Universidad de Newcastle, que ha hecho uso de tecnologías de smart city para desarrollar un panel de datos urbanos con el fin de ayudar a comprender el impacto de las medidas tomadas en Reino Unido en la movilidad de la ciudad de Newcastle.
El Observatorio Urbano de la Universidad de Newcastle en Reino Unido fue creado para comprender mejor la dinámica de la movilidad en la ciudad. Mediante el uso de miles de sensores y acuerdos de intercambio de datos, monitoriza el movimiento en la ciudad, desde el flujo de vehículos y peatones hasta la existencia de atascos, así como la ocupación de aparcamientos y la geolocalización de los autobuses. Asimismo, controla la calidad del aire, el clima y el consumo de energía, entre otras variables.
Con motivo de las medidas de distanciamiento social, han analizado más de 1.800 millones de datos individuales del observatorio y de otras fuentes de información con algoritmos de deep learning, actualizando el panel de datos de Newcastle en tiempo real. Además, incluyen datos globales del condado de Tyne y Wear.
El flujo de peatones se ha reducido en un 95%
En los gráficos se observan los datos reales procedentes de los sensores de peatones del centro de Newcastle como líneas continuas, mientras que las líneas de puntos representan el promedio en ese día de la semana. Por su parte, las áreas sombreadas son los flujos peatonales anteriores al confinamiento.
Los sensores monitorizan los flujos en dos direcciones cada hora, que luego se comparan con el mismo día del año anterior. Los picos del gráfico representan un mayor volumen de movimiento de personas durante las horas punta; sin embargo, desde el confinamiento solo se han observado pequeños picos.
La investigación revela que la movilidad de peatones se ha reducido en un 95% en comparación con el promedio anual. Esto muestra que la ciudadanía ha seguido las pautas del Gobierno, aunque la mayor disminución se produjo tras las regulaciones introducidas el 23 de marzo, lo que sugiere que un mensaje más estricto tuvo el efecto deseado.
Cambios en el tráfico
En cuanto al flujo de vehículos, el tráfico se ha reducido en menor medida, un 50% en la primera semana de confinamiento en comparación con el promedio anual. Esto podría deberse a que los ciudadanos han pasado a moverse en vehículos privados en lugar de usar el transporte público para evitar el contagio.
Los datos del volumen de tráfico de Newcastle muestran la media de 81 puntos de monitorización, que primero se consideran de forma individual con respecto a un día de referencia anterior al brote. Para la creación de este gráfico, se han utilizado también observaciones de 173.870.267 vehículos realizadas por cámaras de reconocimiento automático de matrículas (ANPR).
La ocupación de los estacionamientos de Tyne y Wear se ha medido en aparcamientos con ANPR en la entrada y la salida, junto con los datos recopilados por las autoridades de control de la gestión del tráfico urbano del condado. La tabla correspondiente muestra la multiplicación del número de vehículos por el tiempo que permanecen aparcados.
Por otra parte, a día 9 de abril de 2020, se estimaba una reducción de 612.000 viajes en transporte público desde el 1 de marzo en el Metro de Tyne y Wear.
Distanciamiento social
Las autoridades sanitarias de Reino Unido recomiendan a la población guardar una distancia mínima de dos metros con otras personas al salir fuera de casa. Y aunque esta medida de prevención ha sido ampliamente publicitada en todo el mundo, es difícil comprobar si se está siguiendo.
En este contexto, el equipo del Observatorio Urbano de la Universidad de Newcastle ha usado tecnología de visión artificial y procesamiento de imágenes para desarrollar algoritmos que miden automáticamente la distancia social en zonas públicas.
Así, han creado modelos capaces de medir la distancia entre peatones. Utilizando un sistema de indicador de semáforo, el algoritmo puede identificar y etiquetar de manera anónima a las personas que mantienen las distancias recomendadas, mientras marca en rojo aquellas que no cumplen el distanciamiento social.
Con esta información es posible identificar cuellos de botella donde no se puede mantener la distancia de seguridad. Asimismo, este tipo de datos muestran cómo la ciudadanía se adapta a medida que se imponen o eliminan restricciones a la movilidad y los cambios en el distanciamiento físico en tiempo real, así como en el comportamiento a largo plazo.
Una herramienta para el futuro
La infraestructura de observación desarrollada podrá servir de ayuda para gestionar otras crisis en el futuro, pues proporciona datos sobre el comportamiento público general, una información de la que carecían la mayoría de gobiernos al inicio de la pandemia actual.
De la misma forma, la monitorización de los niveles de emisiones nocivas para la salud y el medio ambiente ofrece una idea de las medidas necesarias para reducir estos parámetros. La disminución masiva del tráfico en las últimas semanas ha desencadenado que los niveles de dióxido de nitrógeno en el puente Tyne en las horas pico alcanzaran un máximo de 40 microgramos por metro cúbico de aire, o lo que es lo mismo, el límite anual promedio permitido. Estos datos indican una reducción de un tercio de las emisiones en comparación con las mediciones habituales.
El Observatorio Urbano de Newcastle forma parte del movimiento global para desarrollar ciudades inteligentes, donde los sensores integrados proporcionan datos en tiempo real sobre los sistemas de la urbe para optimizar su eficacia y permitir la toma de decisiones basada en datos.
Los ecosistemas tecnológicos recopilan datos de tráfico, ruido, calidad del aire, consumo de energía y movilidad para que autoridades y empresas tomen decisiones eficaces y sostenibles. En este escenario, la gobernanza de los datos es realmente importante, por lo que el observatorio aplica un enfoque de apertura y transparencia al publicar todos los datos en tiempo real.