El proyecto PoliVisu (Policy Development based on Advanced Geospatial Data Analytics and Visualisation), financiado por el programa Horizonte 2020 de la Unión Europea con 3.907.697 euros y coordinado por la región de Flandes (Bélgica), ha diseñado un conjunto de herramientas de procesamiento y visualización de datos para mejorar la formulación de políticas públicas en las ciudades, especialmente de transporte y movilidad.
La gestión tradicional del tráfico se basa en decisiones políticas en función de modelos estáticos de consulta y reuniones de planificación cerradas en un marco temporal anual o incluso superior, por lo que las acciones en este ámbito suelen estar aisladas y ser lentas, ofreciendo soluciones ya obsoletas en el momento de su aplicación.
En este sentido, el proyecto europeo PoliVisu dio comienzo en noviembre de 2017 con el objetivo de mejorar las prácticas y políticas tradicionales, la alfabetización en materia de datos y ofrecer acceso a tecnologías avanzadas. En concreto, se ha dedicado al transporte y a la movilidad, un ámbito en el que se pueden utilizar numerosos conjuntos de datos y experimentar con la aplicación del big data en ciudades de distintos tamaños y con diferentes niveles de progreso.
En el primer año de trabajo, se realizó una encuesta para cartografiar la alfabetización de datos del sector público en toda la Unión Europea, que abarcó a gobiernos locales y regionales. De acuerdo con los resultados publicados, el big data se percibe positivamente y se suele utilizar a nivel de departamentos individuales, pero su aplicación más amplia parece ser limitada.
Entre las principales barreras señaladas por las personas encuestadas, se encontraban la falta de una estrategia de datos masivos a largo plazo, los marcos establecidos para la calidad, la privacidad y la confidencialidad, los programas de formación especializados y la concienciación sobre las ventajas del big data en diferentes ámbitos. En cuanto a los aspectos más importantes, los participantes señalaron el volumen, seguido por la variedad y el tratamiento.
Accidentes, tráfico y seguridad
PoliVisu llegó a su término a finales de octubre del pasado 2020, aunque las tres ciudades piloto iniciales siguen usando las herramientas diseñadas. Durante los tres años de duración del proyecto, el equipo trabajó en materia de accidentes de tráfico, en un modelizador del tráfico y en una herramienta para aumentar la seguridad en las calles cercanas a un colegio, creando un total de 15 visualizaciones políticas.
En el primer caso, los datos masivos permiten acceder a mapas interactivos que se sirven de datos de la policía para generar un mapa dinámico de los accidentes de tráfico en la ciudad; el segundo genera datos en tiempo real sobre el flujo del tráfico y permite simular crisis o mantenimientos; mientras que el último caso ofrece sensores que los vecinos pueden instalar en sus ventanas para medir el tráfico y proporcionar los datos obtenidos a las administraciones para la toma de decisiones.
Cinco ciudades piloto
Para abordar problemas relacionados con la movilidad inteligente y la planificación urbana, inicialmente PoliVisu puso en marcha tres proyectos piloto en tres ciudades. En Issy-les-Moulineaux (Francia) se investigó una solución para predecir y seguir en tiempo real la congestión en las carreteras a fin de ayudar a los usuarios a tomar decisiones adecuadas y facilitar la adopción de prácticas más sostenibles para reducir los atascos. En Gante (Bélgica) se exploró el comportamiento de los estudiantes de la Región de Flandes con respecto a la movilidad para ofrecer los servicios innovadores necesarios en las ubicaciones adecuadas. Por último, Pilsen (República Checa) acogió un piloto de predicciones del tráfico durante obras planificadas en carreteras para evitar incidentes.
Más tarde, se unieron a los pilotos la región de Flandes (Bélgica), con el objetivo de reunir un conjunto masivo de datos abiertos relacionados con las políticas de movilidad regionales para obtener un mapa de seguridad vial inteligente; y la ciudad belga de Malinas, para crear una nueva forma de gestión de la movilidad basada en cámaras de reconocimiento automático de matrículas para verificar que no entran vehículos en áreas restringidas.
Así, se probaron varias hipótesis de políticas con las partes interesadas utilizando conjuntos de datos locales, que incluyen información de sensores de tráfico sobre flujos, datos históricos de accidentes, de semáforos y de peatones a fin de simular visualmente los posibles impactos.
Lieven Raes, coordinador de PoliVisu, explica que “el acceso a los datos no siempre resultó fácil”, pues en ocasiones no había datos disponibles, mientras que otras veces el propietario pretendía venderlos por un precio muy alto. Por ejemplo, en Gante no había fuentes de información disponibles, por lo que el consorcio del proyecto los extrajo de varias fuentes, como registros anónimos universitarios y de la empresa de telecomunicaciones Proximus. Así, se consiguió una información que hasta el momento se desconocía: las ubicaciones donde se concentran los estudiantes residentes en la ciudad.
Entre las principales conclusiones de los pilotos, PoliVisu señala que los gobiernos deben ser más innovadores en su enfoque de la formulación de políticas, buscando nuevas alternativas y conocimientos para abordar los desafíos actuales.
Conjunto de herramientas de PoliVisu
Como resultado, PoliVisu ha generado un conjunto de herramientas de procesamiento y visualización de datos para ayudar a las ciudades interesadas, que constan de una metodología estructurada y adaptable, así como casos de estudio reales que puedan servir como fuente de inspiración para introducir los datos abiertos en la formulación de políticas. Además, ha publicado un libro, webinars y un curso online sobre datos aplicados a la toma de decisiones.
El objetivo del conjunto de herramientas online, disponible en la página web https://policyvisuals.eu/, es ayudar a los gestores del sector público a usar la tecnología big data para crear visualizaciones que apoyen la formulación de políticas. Entre otras cosas, profundiza en cómo usar las visualizaciones de datos para mejorar la seguridad vial en los alrededores de colegios, apoyar a la ciudadanía durante los confinamientos para mitigar los contagios por COVID-19 y optimizar la movilidad y el cambio modal.
El portal web contiene enlaces a funciones del conjunto de herramientas que respaldan los casos de estudio. Recoge los datos utilizados, las herramientas de software, la visualización creada o las políticas resultantes. Asimismo, proporciona información detallada para una “lista de ingredientes para la formulación de políticas”, que incluye conjuntos de datos, tipos de datos, elementos y procesos políticos, herramientas de software, técnicas y tipos de visualización.