Datos para geomarketing – indicador de tráfico peatonal

Continuamos nuestra serie de artículos con los que pretendemos dar a conocer con más detalle el conjunto de datos englobados en la suite microtarget de unica360.   

En esta séptima entrega vamos a presentar con más detalle el conjunto de indicadores de presencia de transeuntes, describir el modelo de estimación de tráfico peatonal y las diferentes aplicaciones prácticas de este conjunto de datos para location intelligence, geomarketing y customer intelligence. 

La movilidad se puede analizar, modelizar y… simular, en busca de escenarios y nuevas realidades. Esta capacidad de simulación viene a ser el nivel más avanzado en el análisis de datos de movilidad, que seguiría la siguiente jerarquía desde la descripción a la simulación de movilidad humana:  

1. Descripción de la movilidad: datos de fuentes de campo, como conteos manuales, cámaras o indirectas como sensores, antenas wi-fi, agregados derivados de antenas de telefonía, GPS, geolocalización de apps móviles
2.  Estimación de la movilidad: nos referimos aquí a procesos de inter/extrapolación de datos a partir de muestras de datos descriptivos para llegar bien a un universo más amplio, completo, bien a diferentes condiciones -temporales, por ejemplo-
3. Predicción de la movilidad: extrapolación a valores de parámetros no contenidos en los datos descriptivos, típicamente el tiempo, es decir, por ejemplo ¿Cuál será la afluencia de peatones en el tramo mañana por la tarde? 
4. Simulación de la movilidad: sistemas complejos que describen, predicen y permiten simular la movilidad en escenarios, combinaciones de parámetros avanzadas que no existen en la realidad histórica analizable -descriptivo- y son demasiado complejos -múltiples variables con interacción- para reducirlos a problemas de predicción 

Una de las «salidas», maneras de explotar los métodos de simulación de movilidad desarrollados por unica360 es el modelo de movilidad peatonal, una estimación de la intensidad de tráfico peatonal en cada uno de los aproximadamente 9 millones de tramos de vía en España y Portugal. 

Los indicadores de movilidad peatonal se construyen simulando los desplazamientos de las personas entre lugares de residencia, pernoctación, transportes y lugares de trabajo, ocio, restauración, en función del atractivo de las diferentes rutas alternativas.  

Sirven para estimar demanda potencial de un comercio, diseñar un sistema de transporte urbano o conocer la zona donde buscar tu nueva vivienda.  

Metodología, datos y topología viaria 

La simulación de comportamiento humano es un enfoque analítico que aporta tres tipos de beneficios respecto a otras aproximaciones: 

• Estimación de movilidad con alta cobertura, ya que permite modelizar un universo de análisis muy grande, por ejemplo, un país entero, con coste asequible 

• Alta precisión espacial, al desarrollarse la simulación sobre la topología viaria de manera nativa -frente a, por ejemplo, datos basados en telefonía móvil que posteriormente son interpolados a la red viaria- 

• Funcionalidad de simulación y análisis de escenarios derivada de la propia naturaleza de la simulación. Al construirse las estimaciones por simulación, es posible simular de manera nativa. Este beneficio se ve complementado por la independencia respecto de matrices origen-destino propia de la simulación por agentes, que más adelante se explica. 

Para llevar a cabo estos procesos de simulación de movilidad, nos apoyamos en tres ejes fundamentales: 

• Metodología 
• Datos 
• Topología viaria 

Es importante también contar con procesos de validación que permitan certificar que el modelo generado se adapta a la realidad. 

A continuación, explicamos cual ha sido nuestro enfoque en cada uno de estos tres aspectos y como validamos que el modelo genera resultados que se adecuan a la realidad del entorno. 

1. Metodología: Métodos Monte Carlo y Simulación por Agentes 

La metodología usada en la generación de modelos de estimación de movilidad se apoya en dos técnicas complementarias: los Métodos Monte Carlo y la Simulación por Agentes. 

La metodología es esencialmente la misma para peatones y vehículos, pero se adecúa a los diferentes modos de desplazarse: 

• El entorno tiene mayor peso en la elección de las rutas de los peatones 
• De manera personalizada -por municipios solicitados a medida- el modelo de peatones puede recalcularse sobre un grafo de aceras, que simula el desplazamiento diferenciado por uno u otro lado de la vía 

Los Métodos Monte Carlo son técnicas muy utilizadas en campos como la Física Estadística y la Física de Sistemas Complejos, entre otros. La Simulación Basada en Agentes (ABM, Agent Based Simulation) es un modelo de simulación en la que estos agentes representan individuos que evolucionan, toman decisiones, trazan trayectorias e interactúan entre sí.

Esta metodología presenta varias fortalezas:  

• Granularidad fina: el modelo se entrega desglosado para cada uno de los 9 millones de tramos de vía en España y Portugal, lo que mejora enormemente a las cuadrículas de unos 250m habituales en otras aproximaciones. Además, el modelo puede entregarse agregado a otros niveles espaciales: como es el Grid de 100 metros desarrollado por unica360, sección censal o código postal 
• Habilita personalización: a partir de las matrices origen – destino descritas, y de la atracción de los puntos de interés, resulta sencillo desarrollar modelos adhoc adaptados a industrias específicas: ocio nocturno, turismo de playa, estudiantes…  
• Trazabilidad de origen, destino, tipo y motivo de desplazamiento realizado por cada agente, agregando riqueza al conocimiento de las personas que transitan cada tramo de vía.
• Simulación y escenarios: dado que el modelo se genera mediante simulación, es muy sencillo adaptarlo para simular escenarios. Un caso claro es la alteración de la red viaria por obras, una manifestación o una amenaza de seguridad.  
• Coste: El coste del modelo es muy ajustado frente a otras aproximaciones al mismo problema como sensores wifi, cámaras o datos de operadoras de telefonía, por ejemplo. 

En conjunto, esta metodología presenta ventajas frente a otros métodos de estimación de movilidad global que se basan, por ejemplo, únicamente en los datos obtenidos a través de las antenas de telefonía móvil. 

• Por ejemplo, los datos de las antenas de telefonía móvil no siempre son precisos en cuanto a la localización exacta de los usuarios. Esto puede llevar a errores en la estimación de los flujos peatonales, especialmente en áreas densamente pobladas. 
• Además, no todos los peatones llevan consigo un teléfono móvil, y aquellos que lo hacen pueden no tenerlo siempre encendido o conectado a la red. O, al contrario, pueden llevar consigo más de un dispositivo móvil, lo que distorsiona igualmente la realidad. Esto puede resultar en una muestra no representativa de la población peatonal. 
• Por otro lado, se da una dependencia de la infraestructura: la calidad de los datos depende de la densidad y distribución de las antenas de telefonía móvil. En áreas con poca cobertura, los datos pueden ser menos fiables. 
• Por último, hay una importante diferencia en cuanto a costes: obtener y procesar datos de telefonía móvil es costoso, lo que puede limitar su uso para algunas organizaciones, mientras que, con nuestra metodología, al basarse en datos públicos y abiertos, los costes se ven considerablemente reducidos.

Si quieres más detalle dispones de más información sobre estas técnicas de análisis y simulación. 

 2. ¿El verdadero secreto? los datos de calidad integrados en la propia simulación

Si importantes son las metodologías utilizadas para la generación del modelo de movilidad peatonal, igual de importantes son los datos con los que se entrena y construye el modelo. En este caso, en unica360 contamos con los mejores conjuntos de datos propios, dentro de la solución microtarget. En concreto, este modelo de movilidad peatonal se basa en datos de: 

• Población residencial: padrón, censo, catastro 
• Microdatos de encuestas de ocupación de establecimientos y procedencia de turistas 
• Población laboral 
• Empresas  
• POI’s de todo tipo  
• Transportes 
• Datos de la geometría vial  
• Datos de movilidad del MITMS (Ministerio de Transportes y Movilidad Sostenible). 

El tratamiento de todos estos datos no es una cuestión baladí. Al contrario, hablamos de fuentes complejas, con alto volumen de información y con niveles de granularidad no siempre óptimos para conseguir el resultado deseado. Por ejemplo, si nos fijamos en los datos de movilidad del MITMS anteriormente mencionados, los datos tienen una gran granularidad temporal y de perfil de usuarios, pero la granularidad espacial no es suficiente para generar un modelo de movilidad como el detallado en este artículo. Y el procesamiento de los datos es una tarea pesada y que necesita personal experto para sacarles el máximo partido. Ambos retos, llegar a una granularidad más fina y tener la capacidad de procesar estos datos de forma óptima, son resueltas de nuestro lado. Pero es incuestionable que son datos muy útiles en el proceso de generación del modelo de movilidad. 

El conjunto de datos mencionado anteriormente se genera al 99% con datos abiertos. El 1% restante son fuentes propietarias a las que acudimos bien para completar, bien para mejorar, bien para personalizar la modelización cuando la ejecutamos en un área o contexto concretos. Entre ellas, desde métodos de medición de tráfico o presencia -GPS, antenas de telefonía, wifi, cámaras- hasta directorios de puntos de interés o atracción -turismo, tiendas, restauración-. 

Como se indicaba anteriormente, todos estos datos requieren un intenso preproceso, antes de alimentar la simulación, muy especialmente la cartografía de red viaria. Contamos con la ventaja de haber modelizado previamente dónde vive la población, dónde trabaja, dónde va por ocio, salud, educación, abastecimiento, tipos de barrios, estilos de vida, por lo que este proceso previo es rápido, preciso y fiable. 

 3. Topología viaria: por dónde se mueven peatones vs vehículos

Además de metodología y datos, para llevar a cabo estos modelos de simulación de movilidad debemos contar con una topología viaria bien definida. El espacio en que tienen lugar los desplazamientos simulados tiene estructura de grafo dirigido, es decir, un conjunto de nodos y un conjunto de links o enlaces que conectan un nodo con otro. Lo llamamos topología porque contiene la lógica de circulación a partir de la síntesis de: 

• Posibilidad de circular a pie o en vehículo 
• Sentidos de circulación de los diferentes tramos de vía 
• Posibilidad de salir de un cruce por un u otro tramo (en base a señalización) 
• Cruces de tramos con o sin intersección 

Para generar simulaciones realistas es necesario tener en cuenta estos aspectos y definir una topología que represente con la mayor fidelidad posible la real, teniendo en cuenta los atributos de la vía para calcular el tiempo necesario para circular de un nodo a otro a través de un tramo determinado. 

Mediante las técnicas de Monte Carlo anteriormente mencionadas, se genera para cada posible nodo origen del grafo de vías un conjunto de destinaciones basados en modelos gravitacionales, habituales en el geomarketing analítico.  

El mapa siguiente muestra los portales (emisores de población) puntos de interés (atractores de población), red viaria (topología sobre la que “corre” la simulación) y bocas de metro (pueden actuar como grandes emisores o grandes receptores de población).  

La simulación de cientos de millones de rutas entre emisores y destinos es posible gracias a técnicas de Big Data y el uso de computación en la nube. 

4. Métodos de validación del modelo generado 

El modelo incluye una fase final de validación / calibración a partir de datos de campo de diversos orígenes -datos de telefonía móvil y mediciones de sensores de administración publicados como open data- que permiten estimar el número explícito de personas que circulan por cada tramo de vía, en forma de índice medio diario (IMD) medio anual. 

Otra forma de validar el modelo consiste en analizar la correlación entre la facturación de un determinado establecimiento y el número de transeúntes que pasan por delante del mismo, bajo la premisa de que, a mayor afluencia de peatones por delante de un establecimiento, mayor debería ser su facturación frente a aquellos con poco público objetivo pasando por delante del mismo. A continuación, vemos la correlación entre la facturación de 20.000 establecimientos minoristas y el índice total de transeúntes (agrupados ambos indicadores por deciles): 

La lectura sería: si tomamos los establecimientos del decil 10 de facturación (en filas) los casos en que el decil de transeúntes es también 10 representan un 75% más que en una distribución aleatoria (frecuencia teórica).  

Es decir, existe una correlación positiva entre ambas variables, aun cuando también hay una considerable dispersión, que demuestra que la venta no depende únicamente de la presencia de tráfico peatonal, sino que otras variables, desde la superficie del punto de venta hasta la calidad de la gestión, pasando por el número de empleados son relevantes.  

Sin embargo, este indicador de tráfico peatonal presenta una enorme ventaja frente a éstas: está medida de manera homogénea y permite realizar comparaciones entre ubicaciones.  

Otra manera de analizar el mismo caso es el gráfico siguiente, que compara el decil de venta de las farmacias de España con el índice medio de transeúntes, llegando a la misma conclusión: las ventas son mayores en aquellos lugares donde el modelo sugiere mayor tráfico peatonal. 

5. ¿Qué indicadores incluye el dataset de movilidad peatonal? 

El modelo, además de ofrecer la estimación media diaria de peatones que pasan por cada tramo de vía, tanto en valor absoluto como mediante un índice entre 0 y 1, maneja también una componente temporal que permite diferenciar entre el número de peatones que circulan por esos tramos de vías en los meses de verano frente al resto del año (verano,invierno, entendiendo por “invierno” todos los meses del año excepto los de verano), los que pasan los fines de semana frente a los que lo hacen los días laborales y, dentro de este último escenario, dividiendo el día en franjas horarias mañana, tarde y noche.  

Con todo esto, los indicadores ofrecidos por el modelo de estimación de presencia de transeúntes son los siguientes:  

• Identificador del tramo de vía 
• Número total de transeúntes medio diario en base anual 
• Número total de transeúntes medio en días laborables de invierno por la mañana (entre las 6:00 y las 15:00 horas).  
• Número total de transeúntes medio en días laborables de invierno por la tarde (entre las 15:00 y las 21:00 horas). 
• Número total de transeúntes medio en días laborables de invierno por la noche (entre las 21:00 y las 6:00 horas). 
• Número total de transeúntes medio en días laborables de invierno 
• Número total de transeúntes medio en fines de semana de invierno  
• Número total de transeúntes medio en verano 
• Índice medio de transeúntes, en un rango entre 0 y 1, en días laborables de invierno por la mañana (entre las 6:00 y las 15:00 horas).  
• Índice medio de transeúntes, en un rango entre 0 y 1, en días laborables de invierno por la tarde (entre las 15:00 y las 21:00 horas). 
• Índice medio de transeúntes, en un rango entre 0 y 1, en días laborables de invierno por la noche (entre las 21:00 y las 6:00 horas). 
• Índice medio de transeúntes, en un rango entre 0 y 1, en días laborables de invierno 
• Índice medio de transeúntes, en un rango entre 0 y 1, en fines de semana de invierno  
• Índice medio de transeúntes, en un rango entre 0 y 1, en verano 
• Porcentaje de desplazamientos iniciados desde el lugar de residencia hacia puntos de oferta de servicios (idas y vueltas) 
• Porcentaje de desplazamientos iniciados desde puntos de acceso de transporte público hacia lugares de trabajo o estudio (idas y vueltas) 
• Porcentaje de desplazamientos iniciados desde puntos de acceso de transporte público hacia puntos de servicios comerciales (idas y vueltas) 
• Porcentaje de desplazamientos entre diferentes puntos de oferta comercial, hostelería, ocio u otros establecimientos de servicios 

6. Un modelo replicable y escalable

Toda la metodología explicada anteriormente ha permitido el desarrollo de un modelo de movilidad de peatones con cobertura para toda España y Portugal.

Pero la gran ventaja es que la misma metodología se puede aplicar a medida para territorios concretos donde se aplicarán las mismas metodologías y cálculos, pero con el aporte de datos adicionales específicos de ese territorio. Algunos ejemplos: 

• Elaboración de mapas de tráfico peatonal específicos para un municipio o comarca, con mayor precisión local. Por ejemplo, hemos desarrollado modelos de tráfico peatonal específicos para Bilbao y San Antonio (Texas) 

• Elaboración de mapas de tráfico peatonal para países completos. La metodología es la misma, la topología viaria existe y sólo queda acceder a los datos abiertos necesarios en cada país. Un ejemplo de esto es el desarrollo del modelo de movilidad de Portugal, tras haber realizado el de España. 

• Simulación de escenarios de peatonalización, pacificación y reducción de carriles 

• Simulación de escenarios de nuevas infraestructuras (nuevos barrios, nuevos equipamientos con alta afluencia, …)

Igualmente, la metodología es fácilmente adaptable para su aplicación en otros países, en este post explicamos los beneficios de la simulación de movilidad en México frente a métodos tradicionales de estimación de tráfico peatonal.

Casos de uso 

El tráfico de peatones es uno de los indicadores más relevantes en proyectos de location intelligence, con múltiples casos de uso y de gran valor en muchos mercados y negocios. 

Por ejemplo, para el sector del retail o servicios en establecimientos, en el análisis de tiendas o establecimientos físicos, es obvio que el tráfico peatonal es una de las variables que mejor pueden explicar la facturación de cada establecimiento, especialmente en consumos de impulso o conveniencia: regalos, librerías, hostelería, farmacias, alimentación de conveniencia… 

En el sector de la hostelería, como restaurantes y cafeterías, o de servicios, como gimnasios o peluquerías, conocer las calles con mayor movimiento peatonal permite planificar mejor la apertura estratégica de nuevos locales o ajustar horarios y promociones para captar a más clientes en las zonas más transitadas. El modelo de movilidad peatonal, como hemos visto, dispone no sólo del número de peatones medio que pasan por cada tramo de vía a lo largo del día, sino que disponemos del desglose por franja horaria (mañana, tarde y noche), día laborable vs fin de semana o verano – resto del año. De esta manera se pueden ajustar los horarios de apertura, el personal necesario en cada momento, etc. 

Como vimos anteriormente, hay una relación directa entre índice de transeúntes y facturación de los establecimientos. Esta relación directa hace que la población flotante sea clave en proyectos de geomarketing en retail: análisis de áreas de influencia, segmentación de red comercial, geomarketing para franquicias, territorios comerciales óptimos, selección de ubicaciones óptimas en expansión (en establecimientos propios o de franquiciados) e incluso análisis de la calidad de nuestra ubicación frente a tiendas de la competencia.  

Por otro lado, estos análisis nos pueden llevar a adaptar nuestra oferta de productos y servicios, ajuste del inventario o estimación de demanda de forma específica (por ejemplo, en una tienda determinada de nuestra cadena de distribución), según el volumen y características de la población en su entorno. 

Evaluar la relación entre la afluencia de peatones y las ventas, comparando el rendimiento de diferentes ubicaciones permite identificar patrones y ajustar las estrategias para mejorar el rendimiento, detectando áreas de mejora y replicando estrategias exitosas. 

Para las compañías englobadas en el ámbito del Gran Consumo conocer la afluencia de peatones permite el enriquecimiento de potenciales clientes detallistas, pudiendo de esta forma estimar su potencial de demanda, la captación de gemelos y la adecuación del surtido ideal por establecimiento. 

Y no sólo para los establecimientos físicos. Dentro del mundo del e-commerce, aunque a priori podría parecer que no hay ninguna relación, el gran reto del e-commece está hoy en día en la logística de la «última milla»: diseñar sistemas de entrega óptimos, que minimicen los costes monetarios, pero también ecológicos, de la entrega de mercancías. 

En este sentido, el e-commerce tiene una gran oportunidad con los sistemas de puntos de recogida, sean éstos tiendas, buzones, oficinas de Correos… para esto, es clave diseñar la red de puntos de recogida óptima en función de la población en su entorno, pero también en función de la población transeúnte, ofreciendo puntos de recogida en áreas de alta afluencia peatonal. 

Para empresas de transporte y logística, esta información ayuda a entender los patrones de movimiento en la ciudad, facilitando la planificación de rutas y horarios para servicios de reparto o transporte público, mejorando la eficiencia y reduciendo costos. 

Si nos fijamos en el mundo del Real Estate es claro que el tráfico peatonal es importante a la hora de determinar el valor de un local comercial, disponer de esta información facilitará los procesos de pricing y valoración automática de inmuebles (AVM). Desde las entidades de tasación o los bancos a los clientes finales -enseñas minoristas-, pasando por los portales inmobiliarios o las propias inmobiliarias necesitan conocer el valor de mercado de los inmuebles de la manera más precisa posible.  

Contar con buen modelo de tráfico peatonal permite «enriquecer» de manera automática miles de inmuebles, reutilizando esta información en procesos de segmentación analítica posteriores. Por ejemplo, el área de patrimonio de una cadena minorista podría «filtrar» los inmuebles servidos por un portal inmobiliario, quedándose solo con los que superen un umbral de transeúntes, y continuar analizando solo éstos. O directamente cruzar este indicador con los precios, en busca de discrepancias en la correlación entre ambos indicadores. 

También, por ejemplo, para una inmobiliaria y de cara al usuario final de una vivienda, es importante conocer sus preferencias y poder ofrecerle lo que busca, bien sea un inmueble en una zona concurrida, con mucho movimiento de gente y mucha actividad o, por el contrario, si busca una zona tranquila y poco transitada. 

En el siguiente link mostramos un ejemplo a través de story maps de como el location  intelligence, apoyado en las diferentes variables microtarget, incluidas las de movilidad, ayudan a seleccionar y visualizar, de una forma muy sencilla, los inmuebles que son candidatos óptimos, según nuestras preferencias.  

Desde el punto de vista de los inversores inmobiliarios, pueden usar esta información para decidir dónde invertir, por ejemplo, localizando zonas con menor densidad de transeúntes, pero con una estimación clara de crecimiento, lo que hará que se revaloricen los inmuebles que han adquirido.   

El mapa siguiente muestra nuestro índice de tráfico peatonal microtarget y una serie de locales comerciales segmentados por precio. El enfoque consistiría en identificar locales con precio «bajo» -color más claro- situados en tramos de vía de alto índice de tráfico peatonal -rojo-. Aun cuando, de manera general, ambos están correlacionados, encontrar aquellos casos lejanos a la recta de regresión es una gran oportunidad comercial. 

Por otro lado, en el sector inmobiliario, los datos de tráfico peatonal pueden ser clave para valorar el potencial de diferentes ubicaciones, ayudando a decidir dónde invertir o desarrollar nuevos proyectos. 

El conocimiento del tráfico peatonal también tiene su aplicación en la gestión de la publicidad exterior. La medición de eficacia de la publicidad exterior ha sido una aspiración de los publicistas desde hace décadas. 

Las posibilidades de segmentación que los modelos de tráfico peatonal aportan a la publicidad en soportes exteriores son inmensas: 

• Pricing adecuado a la audiencia de cada soporte (vallas  publicitarias, pantallas digitales, …) 
• Expansión de ubicaciones: adquisición de soportes o ubicación de nuevos soportes de manera óptima 
• Diseño de circuitos segmentados por tipo de audiencia 

El mapa siguiente muestra un análisis de tráfico peatonal frente a una serie de soportes exteriores (MUPIs, marquesinas, banderolas). El cliente – anunciante deseaba conocer la calidad de los soportes contratados, así como las diferencias entre los soportes del circuito, con la visión de demandar circuitos personalizados. 

En el ámbito del Urbanismo y Smart City, las pautas de movilidad a pie son determinantes en proyectos analíticos de Smart City, planeamiento urbano, peatonalización, optimización de movilidad, dimensionamiento de equipamientos, estimación de flujos, demanda de transporte. Un modelo de tráfico peatonal que permita la simulación de comportamientos, mediante escenarios complejos es clave en muchos de estos proyectos. 

Igualmente, servicios de telecomunicaciones, bien públicos -antenas WIFI municipales- como redes de operadores privados -fibra, cobertura móvil de alta velocidad- están afectados por la intensidad de tráfico peatonal. 

En el caso de la Administración Pública, se abre un amplio rango de posibilidades cuando incorporamos estos modelos de movilidad peatonal en diferentes ámbitos: 

• Planificación urbana y movilidad: La información sobre tráfico de peatones ayuda a diseñar mejores infraestructuras, como pasos peatonales, semáforos y zonas peatonales, mejorando la seguridad y la fluidez del tránsito en la ciudad. También es un dato que aporta valor en el desarrollo de Planes Generales de Ordenación Urbana (PGOU), Planes de Movilidad Urbana Sostenible (PMUS), diseño de Zonas de Bajas Emisiones (ZBE), diseño de infraestructuras de transporte público. 

• Seguridad ciudadana: Detectar áreas con alta afluencia peatonal puede ayudar a desplegar mayor presencia policial o cámaras de vigilancia en zonas con mayor movimiento, previniendo delitos y mejorando la seguridad. De igual forma, en áreas con baja afluencia peatonal, se puede intervenir mejorando los sistemas de iluminación para evitar zonas nocturnas con poca afluencia de gente y poca visibilidad. 

• Gestión de eventos y festivales: Conocer los patrones de movimiento permite planificar mejor la logística y la seguridad durante eventos públicos, evitando aglomeraciones peligrosas, facilitando el acceso a los asistentes y planificandor políticas de seguridad y emergencias como rutas de evacuación o despliegue de recursos, asegurando una respuesta rápida y eficiente. 

• Políticas de sostenibilidad y medio ambiente: La información puede usarse para promover el uso del transporte no motorizado en zonas con mucho tráfico peatonal, fomentando estilos de vida más saludables y sostenibles. 

• Desarrollo de infraestructura pública: Datos precisos ayudan a decidir dónde construir parques, centros comunitarios o instalaciones públicas, asegurando que estén ubicados en zonas con alta demanda y accesibilidad. 

• Análisis de vulnerabilidad de la población: si unimos los datos de movilidad peatonal al de establecimientos y equipamientos, podemos llevar a cabo análisis de vulnerabilidad para detectar si la población que se mueve en un entorno dispone o no de servicios básicos. Pensemos por ejemplo en una zona con mucha afluencia de peatones, motivado en parte por alta presencia de turistas, y donde los locales han pasado a ser utilizados principalmente para cubrir necesidades hosteleras y de consumo y hemos dejado de lado otros servicios como oficinas bancarias, peluquerías, gimnasios, etc.  

La simulación por tipo de desplazamiento permite a los organismos públicos analizar escenarios de modificación urbana, o restricción de desplazamiento como durante la pandemia de Covid-19. 

Si nos fijamos en el sector del turismo vemos que áreas con alto tráfico peatonal pueden convertirse en puntos clave para el desarrollo de rutas turísticas, señalización y servicios, mejorando la experiencia del visitante. De igual manera, podemos ofrecer una oferta personalizada tanto para aquellos turistas que van buscando zonas tranquilas donde pernoctar como para aquellos que disfrutan con entornos donde se concentran multitudes, por ejemplo con modelos de segmentación de hoteles.  

Para el sector de la banca, conocer las calles con mayor afluencia peatonal ayuda a optimizar la red de oficinas y decidir dónde ubicar nuevas sucursales, cajeros automáticos o puntos de atención, asegurando mayor accesibilidad y conveniencia para los clientes. Las campañas de marketing y promociones pueden dirigirse a zonas con alto movimiento peatonal, aumentando la visibilidad y la probabilidad de captar nuevos clientes o promover productos específicos. 

Para el sector asegurador la información sobre áreas con mucho tráfico peatonal puede ayudar a diseñar productos específicos, como seguros para negocios ubicados en esas zonas o seguros de responsabilidad civil para eventos públicos. En zonas con alta afluencia peatonal, puede haber mayor riesgo de accidentes o incidentes, por lo que las aseguradoras pueden ajustar sus coberturas o campañas de prevención en esas áreas. 

El enriquecimiento combinado de los indicadores de movilidad peatonal junto con otros indicadores incluidos en microtarget, permite multiplicar el potencial de ambos y aumentan los casos de uso que podemos llevar a cabo. 

Un caso práctico habitual es analizar conjuntamente los indicadores de oferta comercial y de equipamientos junto con los indicadores de movilidad, detectando potenciales actuaciones en zonas con alta afluencia de peatones y baja densidad comercial y, al contrario, zonas con alta densidad comercial pero poca afluencia de peatones. Estos indicadores de densidad comercial permiten, por ejemplo, abrir nuevos establecimientos en zonas con poca competencia y mucha afluencia de potenciales clientes, desechar la idea de ubicar mi negocio en zonas con poca presencia y bastante oferta, etcétera. 

Por ejemplo, si analizamos movilidad peatonal junto con accesibilidad a zonas verdes, podemos ver el impacto que estas tienen en la movilidad de las personas y mejorar en base a esto. Estos indicadores de proximidad a zonas verdes permiten, por ejemplo, ofrecer rutas alternativas a los ciudadanos mediante la creación de espacios verdes que “desatasquen” rutas convencionales. 

Podemos ligar también la movilidad peatonal junto al análisis del tipo de entorno en cuanto a su densidad poblacional con modelos de urbanidad-centralidad, que permitan, por ejemplo, determinar cuántos desplazamientos de largo recorrido se producen en entornos rurales, donde hay carencias de equipamientos y servicios en un entorno próximo al de donde habitan determinados ciudadanos. También podemos combinar la movilidad peatonal con los indicadores de tipología de barrios y ver los diferentes comportamientos en función de los diferentes hábitats geográficos existentes en España.  

Si ligamos los aspectos relacionados con la movilidad peatonal junto con las características del entorno en cuanto a inmuebles y sociodemografía, nos podemos hacer una idea más clara de las características de nuestros potenciales clientes. Analizando datos sociodemográficos, por ejemplo, podemos ver que una zona con alta afluencia de peatones, pero con rentas medias bajas, puede no ser el lugar óptimo para ubicar un establecimiento de productos de lujo. Y si contamos con mucha presencia de peatones, con población mayoritariamente joven y a través de los indicadores de inmuebles vemos que hay mucha vivienda unifamiliar, puede ser un buen lugar donde ubicar nuestra publicidad exterior sobre instalación de paneles solares. También podemos ligarlo con indicadores de estilos de vida que nos permiten saber más sobre las condiciones de vida de los ciudadanos, percepción que tienen del entorno, hábitos, preocupaciones, etcétera. 

Podemos igualmente analizar la movilidad peatonal y su relación frente a población laboral flotante y a afluencia de turistas y analizar la relación entre los tres indicadores y como afectan a la movilidad y características del entorno. 

Por terminar con las posibles combinaciones de los indicadores que ofrece microtarget, por supuesto, podemos ligar los indicadores de movilidad peatonal con los indicadores de simulación de tráfico de vehículos para tener la imagen completa de la complejidad de los procesos de movilidad de un determinado ámbito. 

En la siguiente imagen podemos ver un ejemplo del uso de datos para location intelligence. El análisis territorial del que hablamos se ve simplificado con este tipo de proyectos de consultoría location intelligence que combinan software y datos para geomarketing. 

Te animo a que sigas atento a nuestros próximos artículos donde seguiremos profundizando en el resto de los indicadores y a que revises nuestras publicaciones anteriores.