Según la empresa SKG Tecnología, el análisis de big data, una de las tendencias tecnológicas de 2023, aprovecha los datos generados para comprender los retos actuales de las ciudades inteligentes, sostenibles y eficientes. En este sentido, la ciudadanía produce grandes cantidades de información que se almacena, permitiendo construir nuevos modelos analíticos que buscan la integración efectiva de sistemas físicos, digitales y humanos para un futuro sostenible. Juan Camilo Ortiz Román, director de Analítica e Inteligencia de Datos en SKG Tecnología, explica a ESMARTCITY cómo los modelos analíticos urbanos sostenibles ayudan en la gestión de las ciudades inteligentes.
ESMARTCITY: Como experto en analítica e inteligencia de datos, ¿podría detallarnos qué es un modelo analítico?
Juan Camilo Ortiz Román: Es una representación matemática o estadística de una situación o fenómeno del mundo real que busca predecir o explicar los comportamientos que ese fenómeno ha tenido en el pasado, en el presente o que tendrá en el futuro.
Los modelos analíticos son construidos mediante inferencias o deducciones al aplicar diferentes técnicas analíticas sobre los datos capturados por sensores y sistemas de información de los fenómenos modelados. Podemos ver modelos analíticos aplicados en entornos urbanos al modelar el tráfico de una ciudad y buscar predecir los posibles embotellamientos que tendrá la misma o incluso en modelos de dispersión de contaminantes en el territorio al identificar lecturas anómalas en las estaciones de calidad de aire. Siempre se espera que estos modelos apoyen la toma de decisiones y la optimización de procesos.
ESMARTCITY: ¿Cuál es su visión en torno a las smart cities y el papel que desempeñan los datos y la información, apoyados en el big data, para establecer el crecimiento sostenible de las mismas?
J. C. Ortiz Román: Una smart city se clasifica como territorio inteligente por su capacidad de disponer de datos que puedan ser transformados en información de valor para la ciudadanía y los tomadores de decisiones.
Todo lo que podamos medir puede ser modelado y todo lo que podamos modelar lo podemos mejorar en un proceso de innovación y optimización constante. La capacidad del big data y de la analítica de datos de correlacionar eventos o situaciones y caracterizar la ocurrencia o ausencia de estos eventos es precisamente lo que enriquece la visión de ciudad de los gestores públicos y de los planeadores urbanos y lo que permite construir y desplegar servicios para el ciudadano que aseguren su bienestar y comodidad al habitar la ciudad.
ESMARTCITY: ¿Cómo mejoran el entorno urbano, la calidad de vida y los sistemas de funcionamiento de las ciudades la gestión avanzada de datos y los modelos analíticos?
J. C. Ortiz Román: La gestión avanzada de datos y el correlacionamiento de eventos que nos dan los modelos analíticos permite el monitoreo constante y la identificación de amenazas y situaciones de riesgo para la ciudadanía. Esto en los centros de operación, comando y control es crucial para activar protocolos de acción, optimizar las acciones de las autoridades y medir la efectividad de las políticas públicas, que son sobre las que se fundamenta el funcionamiento de las ciudades.
Son varios los casos de aplicación de la analítica para mejorar el entorno urbano, por ejemplo: optimizar rutas y tiempos de recorrido para que los habitantes de la ciudad puedan moverse más rápido y más cómodos en sistemas de transporte multimodal, identificar fuentes de contaminación y proponer alternativas de reducción de riesgo medioambiental para mejorar la calidad de aire que respiramos los ciudadanos e incluso clasificar riesgos de accidentalidad o seguridad de la infraestructura física existente para proponer tiempos de intervención oportuna y evitar desastres de inundaciones, deslizamiento o derrumbes que amenacen edificios o que pongan en peligro la estructura ecológica principal de la ciudad.
ESMARTCITY: ¿Qué relación tienen los modelos urbanos con la sostenibilidad, las políticas públicas y la gobernanza?
J. C. Ortiz Román: Uno de los objetivos de desarrollo sostenible de las Naciones Unidas es el de contar con ciudades y comunidades sostenibles que aseguren en 2030 el acceso total a servicios urbanos, que reduzcan el impacto ambiental negativo y que protejan a las comunidades vulnerables del territorio. Esta debe ser la agenda de todas las ciudades y territorios inteligentes.
Cumplir las metas de este objetivo de desarrollo solo es posible si se cuenta con políticas públicas y modelos de gobernanza que prioricen el bienestar ciudadano y la sostenibilidad. En este sentido, la capacidad de modelar las dinámicas de los diferentes sistemas urbanos (movilidad, seguridad, medio ambiente, turismo, bienestar social, salud, etc.) es un aspecto clave en la optimización, diseño, prototipado y validación de las políticas públicas que soportan las acciones estratégicas y técnicas. Son estas acciones e intervenciones las que llevarán a la ciudad y a sus comunidades a cumplir esas metas de desarrollo sostenibles. Claramente, estas metas tienen indicadores de medición y cumplimiento que han de ser calculados y revisados constantemente mediante el análisis de datos y la captura de la información en los modelos urbanos, para así tomar decisiones de priorización de los programas de intervención y acción en la ciudad.
ESMARTCITY: ¿Cuáles son los retos a los que se enfrentan las smart cities con los modelos analíticos para sistemas urbanos?
J. C. Ortiz Román: Los grandes retos de las smart cities están enmarcados en tres etapas: la captura de la información, el modelamiento y la operacionalización de los modelos diseñados.
En primera instancia, no se puede modelar aquello que no se puede medir, por lo que es necesario que las smart cities cuenten con redes y sistemas de captura de información a través de sensores IoT (Internet of Things) o IoP (Internet of People). El despliegue de redes de sensorización para la captura de datos es un proceso que puede tomar un alto tiempo de estructuración, costos significativos de instalación y una alta resistencia a su adopción. Aún así, las tecnologías IoT e IoP avanzan rápidamente para proveer al mercado soluciones cada vez más precisas, con menor costo, mayor calidad de datos y de fácil instalación y adopción, y así poder proveer el insumo principal de los modelos analíticos urbanos: los datos.
Otro reto significativo es el modelamiento mismo del sistema urbano. Los modelos deben ser decantados y refinados bajo un pensamiento divergente que abra su mirada a la inclusión de sistemas de verticales de ciudad complementarias. Este es un balance de diseño interesante que los modeladores abordan desde los procesos de analítica y validación. Una buena selección de variables y datos asegura un modelo urbano completo y óptimo.
Finalmente, se encuentra el reto de la operacionalización. Este reto consiste en llevar ese modelo a una operación constante que se actualice conforme mutan los patrones de comportamiento de los ciudadanos y las dinámicas de la ciudad. Un modelo urbano siempre debe estar escuchando a la ciudad que representa y ajustarse con nuevos datos y técnicas para reflejar los cambios que ocurran en el mundo real. Solo así logrará mantenerse vigente y ser de utilidad para la ciudad y sus habitantes.