EUNOIA

El proyecto EUNOIA

EUNOIA (Evolutive User-centric Networks for Intraurban Accessibility) es un proyecto de investigación, financiado por el Séptimo Programa Marco de la Unión Europea, que propuso aprovechar las nuevas tecnologías de las ciudades inteligentes y los últimos avances en la ciencia de los sistemas complejos para desarrollar nuevos modelos de simulación y herramientas TIC que ayuden a las ciudades a diseñar mejores políticas de movilidad.

El consorcio EUNOIA conformó un equipo multidisciplinar compuesto por los siguientes socios: Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC, CSIC-UIB) (coordinador del proyecto); Nommon Solutions and Technologies; Centre for Advanced Spatial Analysis (CASA, UCL); Institut de Physique Théorique (IPhT, CEA); Institut für Verkehrsplanung und Transportsysteme (IVT, ETH Zurich); Antonio Lucio Gil; y el Institut Municipal d’Informàtica, Ajuntament de Barcelona. El proyecto comenzó en octubre de 2012 y se desarrolló durante dos años.

Lee el “position paper” de EUNOIA.

Contexto

El transporte urbano es un servicio esencial para que los ciudadanos realicen sus actividades diarias, pero, al mismo tiempo, constituye una de las principales fuentes de contaminación, afectando directamente a la salud y el bienestar de las personas. La búsqueda de un transporte urbano eficiente, inclusivo y ambientalmente sostenible plantea un reto común y urgente para todas las ciudades europeas. Para enfrentarse a este desafío, los planificadores urbanos necesitan información, modelos y herramientas de apoyo a la decisión que permitan la evaluación de distintas políticas de movilidad.

Los modelos de simulación urbana cumplen diversos propósitos: en primer lugar, los modelos ayudan a lograr una mejor comprensión de las dinámicas urbanas (finalidad explicativa); en segundo lugar, sirven como un laboratorio virtual que permite predecir el impacto de nuevas infraestructuras, tecnologías o políticas (finalidad predictiva); por último, los modelos sirven para facilitar los procesos participativos para la toma de decisiones (diseño y planificación de políticas públicas). En los últimos años se han desarrollado distintos tipos de modelos urbanos para analizar el funcionamiento y la evolución de las ciudades, desde los modelos estáticos y agregados de interacción entre uso del suelo y transporte (LUTI, por sus siglas en inglés), desarrollados por primera vez en la década de 1960, hasta los modelos más recientes de microsimulación basados en actividades, que buscan representar las ciudades en términos más desagregados y heterogéneos. Sin embargo, para apoyar la evaluación de políticas de movilidad urbana de forma efectiva, valorando un conjunto integral de indicadores de sostenibilidad económica, social y ambiental, se necesita seguir avanzando en tres ejes principales:

• Datos. El desarrollo y la validación de los nuevos modelos dependen en gran medida de la disponibilidad de datos. Tradicionalmente, los esfuerzos de recogida de datos se han centrado en la información sobre la oferta de transporte y la demanda de viajes (origen-destino, tiempo de viaje, modo de transporte, etc.), pero se necesita mejor información sobre los factores que determinan los patrones de movilidad, que son particularmente importantes, por ejemplo, para el desarrollo de conceptos de gestión de la demanda.
• Investigación teórica. En el ámbito de la demanda, varios aspectos requieren investigación adicional, como los patrones de actividad subyacentes al comportamiento de viaje, la aceptación social de los sistemas de transporte y las políticas de movilidad, o la relación entre el uso del suelo y la demanda de transporte y cómo valorar la contribución de las infraestructuras de transporte al valor del suelo. Sobre la oferta de transporte, son particularmente interesantes aspectos como el impacto de los servicios basados en TIC, los modos emergentes y su potencial para mejorar la movilidad urbana (por ejemplo, cómo hacer que los sistemas de coches y bicicletas compartidos sean más atractivos), la multimodalidad y las alternativas a los coches privados basados en combustibles fósiles, como los vehículos eléctricos e híbridos.
• Relación entre modelos, autoridades de transporte y grupos de interés. El uso de modelos en los procesos de planificación del transporte es muy heterogéneo. Muchas ciudades no usan modelos cuantitativos, y entre las ciudades que utilizan modelos de simulación, los tradicionales modelos de transporte de 4 etapas siguen siendo los más utilizados. El uso de modelos más avanzados, como los modelos basados en agentes, es limitado y en muchos casos los usuarios potenciales no cuentan con las habilidades necesarias para utilizar dichos modelos o no están convencidos de sus beneficios. Para superar este obstáculo, el desarrollo de los modelos debe estar orientado a los usuarios e ir acompañado de interfaces que faciliten una integración fluida de los modelos en los procesos de toma de decisiones.

Objetivos

Los objetivos del proyecto EUNOIA fueron los siguientes:

• Investigar cómo aprovechar las nuevas fuentes de datos disponibles en el contexto de las ciudades inteligentes para comprender los patrones de movilidad y presencia en las ciudades.
• Caracterizar y comparar los patrones de movilidad y presencia en diferentes ciudades europeas.
• Mejorar la comprensión de las interdependencias entre los grupos sociales y el comportamiento de viaje.
• Mejorar los modelos de simulación de transporte, integrando el papel de la red social y de la compartición de recursos en modelos basados en agentes de última generación.
• Desarrollar soluciones y procedimientos metodológicos para el uso de herramientas de simulación en procesos participativos de evaluación de políticas públicas.
• Aplicar los modelos y metodologías desarrollados en el proyecto en distintos casos de uso de interés para las autoridades de transporte.

Entregables públicos

• D7.2 Stakeholder Consultation Report
• D2.1 Methods and Tools for Urban Mobility Policy
• D3.1 Report on Data Collection
• D4.1 Analysis of Mobility Patterns: Interdependence of Mobility with City Structure and Social Networks
• D4.2 Typology of Mobility Patterns
• D5.1 Interface Module
• D5.2 Joint Choice and Joint Use Module
• D5.3 Analysis Module
• D6.1 Report on Case Study 1: London
• D6.2 Report on Case Study 2: Zurich
• D6.3 Report on Case Study 3: Barcelona
• D1.3 Final Publishable Summary Report

Publicaciones científicas

• T. Louail, M. Lenormand, M. Picornell, O. García Cantú, R. Herranz, E. Frias-Martinez, J.J. Ramasco, M. Barthelemy, Uncovering the spatial structure of mobility networks, Nature Communications 6, 6007 (2015).
• M. Lenormand, T. Louail, O.G. Cantú-Ros, M. Picornell, R. Herranz, J. Murillo Arias, M. Barthelemy, M. San Miguel, J.J. Ramasco. Influence of sociodemographic characteristics on human mobility. Aviable at arXiv: 1411.7895.
• T. Dubernet, K. Axhausen. Implementing a Household Joint Activity-Travel Multi-Agent Simulation Tool: First Results, Transportation (to appear).
• M. Lenormand, A. Tugores, P. Colet, J.J. Ramasco. Tweets on the road. PLoS ONE 9, e105407 (2014).
• M. Lenormand, M. Picornell, O.G. Cantú-Ros, A. Tugores, T. Louail, R. Herranz, M. Barthelemy, E. Frías-Martínez, J.J. Ramasco. Cross-checking different sources of mobility information. PLoS ONE 9, e105184 (2014).
• P. Fleurquin, J.J. Ramasco, V.M. Eguiluz. Characterization of delay propagation in the airport network. Transportation Journal 53, 330 (2014).
• T. Louail, M. Lenormand, O. García Cantú, M. Picornell, R. Herranz, E. Frias-Martinez, J.J. Ramasco, M. Barthelemy, From mobile phone data to the spatial structure of cities, Scientific Reports 4, 5276 (2014).
• P.A. Grabowicz, J.J. Ramasco, B. Gonçalves and V.M. Eguiluz. Entangling mobility and interactions in social media. PLoS ONE 9, e92196 (2014).
• O. O’Brien, J. Cheshire, M. Batty. Mining Bicycle Sharing Data for Generating Insights in Sustainable Transport Systems, Journal of Transport Geography 34, 262–273 (2014).
• J. Fernández-Gracia, J. J. Ramasco, M. San Miguel and V. M. Eguíluz, Is the Voter Model a model for voters?, Physical Review Letters 112, 158701 (2014).
• R. Louf and M. Barthelemy, Modeling the polycentric transition of cities, Physical Review Letters 111, 198702 (2013).
• T. Dubernet, K. Axhausen. Including joint decision mechanisms in a multiagent transport simulation. Transportation Letters: the International Journal of Transportation Research 5, 175-183 (2013).
• A.P. Masucci, J. Serras, A. Johansson, M. Batty. Gravity versus Radiation Models: On the Importance of Scale and Heterogeneity in Commuting Flows. Physical Review E 88, 022812 (2013).
• M. Batty, C. Vargas, D. Smith, J. Serras, J. Reades, A. Johansson. SIMULACRA: fast land-use–transportation models for the rapid assessment of urban futures. Environment and Planning B: Planning and Design 40, 987 – 1002 (2013).
• A. Tugores and P. Colet, Big data and urban mobility, Proceedings of the 7th Iberian Grid infrastructure conference, October, 2013.
• M. Barthelemy, P. Bordin, H Berestycki and M. Gribaudi, Self-organization versus top-down planning in the evolution of a city, Scientific Reports 3, 2153 (2013).
• T. Dubernet and K. Axhausen, Including joint decision mechanisms in a multiagent transport simulation, Transportation Letters: the International Journal of Transportation Research 5, 175 (2013).

Recursos

Modelo de transporte para Londres utilizando MATSim (vehículos privados)

La siguiente animación muestra una estimación de los viajes en coche durante un día laborable en Londres, obtenida a partir de un modelo de transporte desarrollado por CASA-UCL, en el marco del proyecto de investigación EUNOIA. Los autores involucrados en la construcción del modelo fueron Joan Serras, Melanie Bosredon, Vassilis Zachariadis, Camilo Vargas-Ruiz, Thibaut Dubernet y Mike Batty. Se utilizó el software MATSim para ejecutar la asignación de tráfico, las fuentes de datos para el modelo fueron facilitadas por TfL y para visualizar los resultados se usó el software Via de Senozon.

Modelo de transporte para Londres utilizando MATSim (actividades)

La siguiente animación muestra la distribución de actividades realizadas en un día laborable típico por la población sintética empleada en el modelo de transporte basado en agentes de Londres desarrollado en el proyecto EUNOIA. En el modelo se ha representado a cada persona realizando una actividad específica con un color (hogar: azul oscuro; trabajo: azul claro; tiendas: amarillo; educación: verde; ocio: rosa).

Herramienta de visualización EUNOIA

La herramienta de visualización EUNOIA permite estudiar distintos tipos de información georreferenciada. En este sitio web, se ha aplicado para mostrar la oferta y la demanda en estaciones de bicicletas compartidas.