{"id":33532,"date":"2026-01-15T11:06:29","date_gmt":"2026-01-15T10:06:29","guid":{"rendered":"https:\/\/www.ingartek.com\/?page_id=33532"},"modified":"2026-01-15T11:16:55","modified_gmt":"2026-01-15T10:16:55","slug":"bikelytics","status":"publish","type":"page","link":"https:\/\/www.ingartek.com\/es\/id\/bikelytics\/","title":{"rendered":"BIKELYTICS"},"content":{"rendered":"

Predicci\u00f3n inteligente de la afluencia ciclista y peatonal<\/strong><\/h2>\n

En Ingartek hemos participado en el proyecto de I+D BIKELYTICS, una iniciativa orientada a mejorar la gesti\u00f3n de la movilidad urbana mediante el uso de t\u00e9cnicas avanzadas de an\u00e1lisis de datos y aprendizaje autom\u00e1tico. Este proyecto ha sido financiado por la Diputaci\u00f3n Foral de Bizkaia dentro de la Promoci\u00f3n de la Innovaci\u00f3n en Infraestructuras Viarias 2024.<\/strong><\/p>\n

<\/h3>\n

Objetivo del proyecto<\/h3>\n

El objetivo principal de BIKELYTICS<\/strong> ha sido desarrollar una soluci\u00f3n capaz de analizar y predecir la afluencia de bicicletas y peatones en entornos urbanos, anticipando la demanda con hasta 7 d\u00edas de antelaci\u00f3n. Esta capacidad predictiva permite a las administraciones y responsables de movilidad:<\/p>\n

    \n
  • Optimizar la planificaci\u00f3n y el mantenimiento de infraestructuras.<\/li>\n
  • Anticipar picos de uso y necesidades operativas.<\/li>\n
  • Tomar decisiones basadas en datos para fomentar una movilidad m\u00e1s sostenible y segura.<\/li>\n<\/ul>\n

    <\/h3>\n

    \u00bfQu\u00e9 se ha hecho?<\/h3>\n

    Durante el proyecto se ha dise\u00f1ado y desarrollado una plataforma completa de an\u00e1lisis y predicci\u00f3n de afluencias, basada en datos reales de sensores instalados en la red ciclista y peatonal, combinados con informaci\u00f3n meteorol\u00f3gica y de calendario.<\/p>\n

    Las principales actuaciones han sido:<\/p>\n

      \n
    • An\u00e1lisis de datos hist\u00f3ricos de aforo, identificando patrones de uso por estaci\u00f3n, direcci\u00f3n, franja horaria y d\u00eda de la semana.<\/li>\n
    • Estudio del impacto de variables externas, como la temperatura, precipitaci\u00f3n o la tipolog\u00eda de d\u00eda, en el comportamiento de peatones y ciclistas.<\/li>\n
    • Definici\u00f3n de m\u00e9tricas clave que permiten caracterizar la demanda y su evoluci\u00f3n en el tiempo.<\/li>\n
    • Desarrollo de modelos predictivos de aprendizaje autom\u00e1tico, capaces de capturar relaciones complejas entre las distintas variables.<\/li>\n
    • Dise\u00f1o de una infraestructura de despliegue en la nube, que permite ofrecer predicciones de forma autom\u00e1tica y escalable.<\/li>\n
    • Creaci\u00f3n de un cuadro de mando interactivo en Power BI, desde el que los usuarios pueden consultar predicciones, analizar tendencias y comparar datos hist\u00f3ricos con estimaciones futuras.<\/li>\n<\/ul>\n

      <\/h3>\n

      Ingartek<\/h3>\n

      Desde Ingartek hemos participado activamente en todas las fases del proyecto, aportando nuestro conocimiento en anal\u00edtica avanzada, machine learning e ingenier\u00eda de datos. En concreto, nuestro trabajo ha incluido:<\/p>\n

        \n
      • La definici\u00f3n del enfoque anal\u00edtico y la arquitectura de la soluci\u00f3n.<\/li>\n
      • El desarrollo del c\u00f3digo principal para el tratamiento de datos y el entrenamiento de modelos predictivos.<\/li>\n
      • La integraci\u00f3n de informaci\u00f3n meteorol\u00f3gica y temporal en los modelos.<\/li>\n
      • La implementaci\u00f3n del sistema de despliegue y del servicio de predicci\u00f3n.<\/li>\n
      • La integraci\u00f3n de los resultados en un entorno de visualizaci\u00f3n orientado a usuarios finales.<\/li>\n<\/ul>\n

        El resultado es una soluci\u00f3n robusta, escalable y orientada a la toma de decisiones, que sienta las bases para futuras aplicaciones en planificaci\u00f3n urbana, seguridad vial y promoci\u00f3n del transporte sostenible.<\/p>\n

        <\/h3>\n

        Resultados y valor a\u00f1adido<\/h3>\n

        BIKELYTICS demuestra el potencial del aprendizaje autom\u00e1tico aplicado a la movilidad urbana, permitiendo transformar grandes vol\u00famenes de datos en informaci\u00f3n \u00fatil y accionable. La plataforma desarrollada no solo ofrece predicciones fiables, sino que tambi\u00e9n facilita una comprensi\u00f3n m\u00e1s profunda de los patrones de movilidad, clave para avanzar hacia ciudades m\u00e1s eficientes y sostenibles.<\/p>\n","protected":false},"excerpt":{"rendered":"

        Predicci\u00f3n inteligente de la afluencia ciclista y peatonal En Ingartek hemos participado en el proyecto de I+D BIKELYTICS, una iniciativa orientada a mejorar la gesti\u00f3n de la movilidad urbana mediante el uso de t\u00e9cnicas avanzadas de an\u00e1lisis de datos y…<\/p>\n","protected":false},"author":2,"featured_media":0,"parent":18065,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"content-type":"","footnotes":""},"class_list":["post-33532","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/www.ingartek.com\/es\/wp-json\/wp\/v2\/pages\/33532","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ingartek.com\/es\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.ingartek.com\/es\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.ingartek.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ingartek.com\/es\/wp-json\/wp\/v2\/comments?post=33532"}],"version-history":[{"count":0,"href":"https:\/\/www.ingartek.com\/es\/wp-json\/wp\/v2\/pages\/33532\/revisions"}],"up":[{"embeddable":true,"href":"https:\/\/www.ingartek.com\/es\/wp-json\/wp\/v2\/pages\/18065"}],"wp:attachment":[{"href":"https:\/\/www.ingartek.com\/es\/wp-json\/wp\/v2\/media?parent=33532"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}