Inspiración
El transporte público (TMB) es la columna vertebral de la movilidad en Barcelona. Nos inspiró la idea de mejorar la eficiencia de los desplazamientos diarios fomentando la sostenibilidad y la equidad social. A partir del análisis de datos reales de transporte y población, buscamos identificar qué zonas de la ciudad están menos cubiertas y cómo una nueva línea de metro podría generar un impacto real.
Qué hace
Nuestro proyecto es una plataforma visual basada en datos que muestra las paradas de metro y autobús de los diferentes distritos de Barcelona, junto con indicadores clave de población. Permite identificar zonas con baja cobertura de metro y alta demanda de autobús, ayudando a decidir dónde sería más eficiente ampliar o crear una nueva línea.
Cómo lo construimos
Combinamos varias fuentes de datos abiertas de Open Data BCN, ATM y TMB, utilizando Python para el preprocesamiento y la visualización. Diseñamos dos páginas interactivas:
- Página 1: Filtro de distrito + mapas de paradas de bus y metro + indicador de mediana de población.
- Página 2: Gráficos comparativos que muestran el volumen de viajeros de bus y metro por distrito. El visualizador permite analizar rápidamente la cobertura del transporte y detectar distritos con necesidades de mejora en conectividad.
Retos que enfrentamos
La integración y limpieza de los distintos datasets fue compleja debido a los diferentes formatos y sistemas de coordenadas. Otro reto fue definir indicadores que reflejaran realmente la demanda de transporte, más allá de la densidad poblacional. También tuvimos que equilibrar la claridad visual con la profundidad analítica para que las visualizaciones fueran útiles y fáciles de interpretar.
Lo que aprendimos
Aprendimos a combinar datos geoespaciales con información de movilidad real, a visualizar grandes volúmenes de datos de manera clara y a transformar los análisis en propuestas concretas para la planificación urbana. Sobre todo, entendimos cómo la ciencia de datos puede contribuir directamente a crear ciudades más inteligentes y sostenibles.
Próximos pasos
Queremos integrar modelos predictivos que estimen la demanda futura y permitan simular expansiones hipotéticas del metro.
Built With
- ai
- langchain
- microsoft-fabric
- powerbi
- python
Log in or sign up for Devpost to join the conversation.