Hemos estimado el tráfico peatonal por tramo de vía en toda la ciudad de Bilbao con una simulación que reproduce el día de cada residente, persona a persona y con su agenda de actividades. Después la hemos contrastado con 121 conteos manuales que el modelo no había visto. Os contamos el resultado, cómo leerlo y qué permite hacer.
El resultado: variación conjunta, orden de magnitud y ranking
La simulación estima el tráfico peatonal de los ~30.000 tramos de vía de Bilbao, hora a hora. Frente a los 121 conteos manuales:
- 0,81 de correlación entre tráfico simulado y contado (R² = 0,65). Ninguno de los conteos se usó para calibrar el modelo. Esto es, el 65% de la variabilidad de observada en los 121 contemos manuales quedaría explicada por nuestra simulación, que asigna valor de tráfico peatonal a los 30.000 tramos de vía de la ciudad.
- Ningún tramo se desvía un orden de magnitud. En dos de cada tres, la simulación queda entre la mitad y el doble del conteo, lo que es un error moderado e igualmente distribuido.
- El orden de las calles se mantiene: las más concurridas en la realidad son las más concurridas en la simulación, y lo mismo con las más tranquilas.
Esto es lo importante para decidir. No hay una política distinta para una calle por la que pasan 1.200 peatones al día y otra por la que pasan 2.000, aunque entre ambas haya un 40% de diferencia. Sí la hay entre una calle de 200 personas y otra de 20.000. La simulación da, sobradamente, ese orden de magnitud en cada tramo de la ciudad, también en los miles que nunca se han contado ni se van a contar.
Dos formas de simular el tráfico peatonal
En unica360 trabajamos con dos niveles de simulación de movilidad, y conviene distinguirlos porque este caso es el segundo.
- microtarget: tráfico peatonal y de vehículos estándar, con cobertura nacional. Los agentes deciden origen, destino y camino a partir de datos de emisión y atracción, como contamos en Simulación de movilidad por agentes para tod@s. Es una foto anual, lista para usar, con gran cobertura -país-, coste reducido, metodología única comparable.
- Simulación ad hoc por actividades: para una zona, una ciudad o un área metropolitana, con datos específicos del lugar y mayor precisión. Reducir la cobertura permite incrementar la calidad de puntos de atracción de actividades, atractivo de los tramos de vía, modo de desplazamiento y puntos de intercambio -aforos de transporte público, por ejemplo-. Es el caso de Bilbao.
Cómo se construye una simulación por actividades
En una simulación por agentes y actividades (activity-based) se modelizan personas. Los desplazamientos son la consecuencia de lo que cada una tiene que hacer en el día, y cada paso por un tramo conserva quién lo hizo y para qué. Cada agente lleva su agenda de actividades, que por supuesto no es aleatoria.
1. Cada residente, un agente con perfil
Los agentes representan a las personas que transitan la ciudad por cuotas de sexo, edad, situación laboral y hogar, unidos a su ubicación inicial en el portal de residencia
2. Una agenda de actividades por agente
Las actividades principales son trabajo, estudio, compras, ocio y cuidados, con horarios y lugares. Las agendas se construyen a partir de la Encuesta de Empleo del Tiempo del INE, que pregunta y genera las actividades diarias de 9.193 hogares y 19.295 personas en su última versión publicada.
3. Desplazamientos asignados a cada tramo de vía, hora a hora
Cada agente cumple su agenda sobre la red viaria real. Sus recorridos se agregan por tramo y por hora, y el resultado es el tráfico peatonal de cada calle a lo largo del día.
Validación: tráfico peatonal simulado frente a conteos manuales
Una correlación de 0,81 fuera de muestra
Hemos comparado el tráfico peatonal diario simulado en cada tramo con 121 conteos manuales repartidos por Bilbao. Cada punto se asignó a su tramo de vía y la asignación se revisó a mano. La asignación de punto a tramo o tramos no es trivial y ya requiere intervención humana y afecta, indudablemente, al estudio. Es importante destacar que ninguno de esos conteos intervino en la fase de calibración de la simulación: es una validación independiente, fuera de la muestra.
Una correlación de 0,81 significa que la simulación explica el 65% de la variación del tráfico entre puntos. De lo que hace distinta una calle de otra en número de peatones, dos tercios los reproduce un modelo que nunca vio los conteos. La correlación de rangos (Spearman) es 0,75: el orden de las calles se mantiene también sin apoyarse en las más concurridas.
¿Es mucho 0,81? Sí. Veamos alguna referencia
No hay un umbral estándar para validar modelos peatonales a escala ciudad. Lo que sí hay es una distinción que cambia la lectura de cualquier cifra: si el modelo se evalúa con los mismos conteos con los que se construyó (dentro de muestra) o con conteos que no ha visto (fuera de muestra).
Schneider et al., con UC Berkeley y las agencias de transporte de San Francisco, construyeron una regresión que estima los cruces peatonales anuales de cada intersección con seis variables: hogares y empleos en un radio de unos 400 metros, zona de parquímetros, pendiente, semáforo y cercanía a un campus. La ajustaron con conteos de 50 intersecciones.
- Dentro de muestra, en esas 50 intersecciones, el R² ajustado es 0,80. Es la cifra que se suele citar.
- Fuera de muestra, con conteos de otras 49 intersecciones, la correlación cae a 0,39.
La caída no es un fallo del estudio: una regresión ajustada sobre pocos puntos aprende también sus particularidades, y eso no se traslada a puntos nuevos. Nuestro 0,81 es del segundo tipo, así que la comparación honesta no es con el 0,80 de San Francisco, sino con su 0,39. Otras cifras publicadas, con diferencias de método que impiden compararlas al decimal:
| Estudio | Ciudad y puntos | Modelo | Ajuste con conteos | ¿Fuera de muestra? |
|---|---|---|---|---|
| Jiang | Londres, 4 zonas, 33–67 puntos por zona | Space syntax y ranking de calles | R² 0,38–0,70 según zona | Sí |
| Jiang y Jia | Londres, mismas zonas | Agentes sobre la red de calles | r medio 0,63–0,76 según tipo de agente | Sí |
| Hankey y Lindsey | Minneapolis | Demanda directa (regresión) | R² 0,50 | No |
| Schneider et al. | San Francisco, 50 intersecciones | Demanda directa (regresión) | R² ajustado 0,80 | No |
| Schneider et al. | San Francisco, 49 intersecciones nuevas | El mismo modelo | r = 0,39 | Sí |
| unica360 | Bilbao, 121 puntos | Agentes por actividades | r = 0,81; R² 0,65 | Sí |
La comparativa es clara, la simulación por agentes y actividades de unica360 supera todos los resultados del benchmark. La razón más probable no está en el código de simulación o rutas, sino en la calidad de los datos sobre los que corre la simulación, tras muchos años de trabajar con ellos:
- estimación de población residente con alta precisión,
- lugares de trabajo y volúmenes de trabajadores
- atracción y afluencia de turistas
- puntos de atracción: compras, servicios personales, restauración, ocio, salud…
- trabajo profundo sobre atributos de vías en la topología de la red caminable
Cuánto se equivoca en cada tramo, y por qué es poco, muy poco
La correlación ya nos dice que la simulación ordena bien los tramos. Para ver cuánto se separa en cada uno, la llevamos a la escala de los conteos con un único factor global, sin ajustar nada más:
- En la mitad de los tramos, la diferencia con el conteo es menor del 40%.
- En dos de cada tres, la simulación queda entre la mitad y el doble del conteo.
- En casi nueve de cada diez, dentro de un factor 3.
- En ninguno, la diferencia llega a un orden de magnitud.
Un 40% puede parecer mucho leído en abstracto. Leído en la calle, no lo es: entre 1.200 y 2.000 peatones al día hay un 40% de diferencia, y ninguna decisión de urbanismo, comercio o movilidad trata distinto esas dos calles. Lo que cambia una decisión es saber si por un tramo pasan 200 personas o 20.000, y en eso la simulación no falla en ninguno de los puntos contrastados. Porque el error absoluto entre predicción y conteo tiene rango de 0 a infinito, no de 0 a 100.
Los errores mayores tienen dos patrones claros: la simulación sobreestima algunos ejes muy concurridos e infraestima algunas calles tranquilas. Separa las calles algo más que la realidad, y ese es nuestro siguiente punto de mejora, que a su vez tiene que ver con la calidad de los datos de origen de la simulación.
Por qué un conteo manual de peatones no es la verdad absoluta
Toda validación compara el modelo con una referencia, y aquí la referencia no es la verdad. Los conteos de Bilbao son sesiones de 20 minutos, con un muestreo bien diseñado para ser representativo, que se elevan a un día completo. Es la mejor referencia disponible, pero una sesión de 20 minutos no recoge cómo cambia una calle entre horas, entre días y entre estaciones. Parte de la diferencia entre simulación y conteo es del conteo.
La alternativa, medir de verdad, no es viable. Contar el tráfico peatonal de un tramo las 24 horas, en día laborable y en fin de semana, en invierno y en verano, ya es caro para un solo punto. Hacerlo en los ~30.000 tramos de vía de una ciudad como Bilbao es inasequible. Por eso los conteos sirven para lo que sirven: validar y anclar. El tráfico peatonal por tramo de vía, en toda la red y en todas sus horas, solo se puede obtener estimándolo. Esta es la realidad: que nadie sabe cuánta gente pasa por cada tramo de vía de una ciudad.
Más allá del volumen: quiénes transitan el tramo y por qué
La simulación por actividades no solo estima número de peatones, dice quiénes y cómo son, y con qué objetivo -para desarrollar qué actividad- transitan cada tramo, porque cada paso viene de un agente con perfil y agenda.
Distribución horaria del tráfico peatonal
En una calle central de Bilbao, el tráfico peatonal crece hasta media mañana, baja a primera hora de la tarde y llega a su máximo a las 18 h, que concentra el 15% de los pasos del día.
Motivo del desplazamiento y perfil de quien pasa
A las 7–9 h y a las 18 h, la misma calle la recorre gente distinta por motivos distintos.
El perfil también cambia. Entre 7 y 9 h, el 80% de quienes pasan están ocupados (61% hombres, 19% mujeres). A las 18 h, los dos grupos mayores son mujeres dedicadas a las tareas del hogar (27%) y hombres ocupados (23%). Para un comercio, una campaña exterior o un servicio municipal, son dos públicos en la misma calle a dos horas del mismo día.
Para qué sirve el tráfico peatonal por tramo de vía
Urbanismo y movilidad
Peatonalizar un eje, quitar un carril o mover una parada de autobús: la simulación compara el escenario actual con el propuesto antes de ejecutar nada, y dice a quién afecta cada cambio, no solo a cuántos.
Inversión pública
Aceras, iluminación, accesibilidad o limpieza viaria se pueden priorizar por número y tipo de beneficiarios: no es lo mismo un tramo de trabajadores a primera hora que uno recorrido a diario por mayores o niños camino del colegio.
Seguridad vial y medio ambiente
El tráfico peatonal por tramo da la exposición que falta para interpretar los atropellos o los niveles de ruido y contaminación: cuántas personas, de qué edad y a qué hora pasan por los puntos más críticos.
Comercio y servicios
Para un local importa quién pasa y cuándo, no solo cuántos: una calle de paso hacia el trabajo a primera hora no sirve a una tienda que abre a las 10. El perfil y el motivo por hora mejoran la elección de ubicaciones de tiendas, restauración, gimnasios o puntos de recarga, y los modelos de predicción de ventas.
Publicidad exterior
Además de la audiencia de cada soporte por día y franja horaria, el perfil de quien pasa permite medir la afinidad: cuántos impactos llegan al público objetivo de la campaña.
Si necesitáis cobertura nacional y un dato estándar, el tráfico standard simulado en microtarget es el punto de partida. Si trabajáis sobre una ciudad o un área metropolitana y necesitáis alta precisión, explicación y evidencia de acierto, la simulación ad hoc por actividades es la herramienta. Si tenéis conteos propios, los contrastamos con la simulación y os enseñamos el resultado, tramo a tramo: contacto.
Fuentes
- INE, Encuesta de Empleo del Tiempo, metodología.
- Jiang, B., Ranking spaces for predicting human movement in an urban environment.
- Jiang, B. y Jia, T., Agent-based simulation of human movement shaped by the underlying street structure.
- Schneider, R. et al., San Francisco Pedestrian Intersection Volume Model.
- Hankey, S. y Lindsey, G. (2016), citado en Journal of Transport and Land Use.
