La mobilitat ciclista fa anys que es promou pels beneficis que té per a la salut, el medi ambient i la qualitat de vida. Els avantatges de la bicicleta no es posen en dubte; en canvi, sí que es qüestionen els beneficis de les polítiques que la fomenten. L’aparició de noves fonts de dades i l’ús de la intel·ligència artificial (IA) estan contribuint a democratitzar l’avaluació objectiva d’aquestes polítiques. Aquest article reflexiona sobre les oportunitats que ofereixen aquests nous recursos en el marc de la modelització, així com sobre els límits actuals.
La modelització de la mobilitat ciclista es basa en diverses fonts de dades que la literatura classifica en dues categories: fonts tradicionals i fonts emergents. Les fonts tradicionals comprenen els recomptes de bicicletes, manuals o automàtics, i les enquestes de mobilitat. La seva exactitud i robustesa les fan molt valuoses, tot i les limitacions de cobertura i els elevats costos associats. Les fonts emergents, en canvi, es caracteritzen per consistir en grans quantitats de dades amb una àmplia cobertura temporal i espacial, però sovint presenten biaixos i problemes de qualitat. Aquestes dades s’obtenen principalment a partir d’aplicacions mòbils, sistemes de bicicleta compartida o plataformes de participació ciutadana. Cal tenir en compte, però, que no totes les fonts emergents permeten distingir el mode de transport.
En aquest context, les fonts emergents obren noves possibilitats per a la modelització i la planificació de la mobilitat ciclista. En el marc del projecte vCity, per exemple, estem explorant diverses aplicacions d’aquestes dades: des de la millora de les estimacions en models de demanda directa a partir d’informació recollida per aplicacions de fitness, fins a l’ús de dades d’origen i destí provinents de sistemes de bicicleta compartida en models de simulació basats en agents. A més, la combinació de dades de serveis de bicicleta compartida amb les generades per aplicacions de fitness permet identificar fluxos actuals i potencials de desplaçament, fet que contribueix a una millor planificació de les infraestructures ciclistes.
Tot i el seu gran volum, les fonts emergents presenten limitacions importants de representativitat. Els biaixos en la mostra d’usuaris són difícils de quantificar, ja que, malgrat que sovint es recullen dades demogràfiques, aquestes no solen estar disponibles per motius de privacitat i perquè deriven de mostres reduïdes. En aquest sentit, les dades de telefonia mòbil podrien oferir una mostra més àmplia i demogràficament caracteritzable tot preservant el secret estadístic. Tanmateix, identificar amb precisió el mode de transport a partir d’aquestes dades continua essent un repte. A més, cal tenir present que la intel·ligència artificial pot amplificar els biaixos existents, fet que exigeix una lectura crítica dels resultats que se’n deriven.
Per concloure, les dades emergents obren noves perspectives per a la planificació de la mobilitat ciclista, però també plantegen reptes metodològics i ètics que cal abordar amb rigor. L’ús de la intel·ligència artificial en els processos d’anàlisi i interpretació pot aportar beneficis importants, però exigeix validar les hipòtesis dels models i garantir que no es generin nous biaixos. Per això, és fonamental analitzar les dades amb detall i avançar cap a models més transparents i centrats en les persones.
