El uso de bicicletas compartidas es una opción cada vez más utilizada en grandes ciudades como Madrid para favorecer una movilidad más ágil, más sostenible y más respetuosa con el medio ambiente. Solo en la capital, BICIMAD, el servicio de bicicletas compartidas gestionado por la Empresa Municipal de Transportes (EMT); cuenta con 7.735 bicicletas distribuidas en 630 estaciones y son más de 157.000 los usuarios que las utilizan, ya sea habitualmente o de forma esporádica. Pero ¿ha contribuido esto realmente a mejorar la calidad del aire en la ciudad? Eso es lo que ha analizado un equipo de investigadores de la Escuela Técnica Superior de Ingeniería de Sistemas Informáticos de la Universidad Politécnica de Madrid (UPM) que ha aplicado para ello redes neuronales y sensores IoT.
“Nuestra investigación analiza el impacto que tiene el uso de bicicletas compartidas en los niveles de CO2 y NOx en la ciudad de Madrid, teniendo en cuenta también los patrones de movilidad urbana existentes en la capital y otras situaciones de ahorro energético”, explica Manuel Uche, uno de los coautores de este trabajo.
El objetivo era múltiple: analizar si realmente las bicicletas compartidas contribuyen a mejorar la calidad del aire de la capital, desarrollar un modelo predictivo basado aplicar un sistema de redes neuronales a datos procedentes de sensores IoT, estimar los ahorros de energía y de emisiones contaminantes tanto en el momento actual como a futuro y proporcionar a los gestores municipales una nueva herramienta que ayude a la planificación de la movilidad sostenible.
Los resultados obtenidos por los investigadores son impactantes. Según los datos recabados para el año 2023, el uso de bicicletas compartidas evitó la emisión de 2,3 toneladas las emisiones de NOx y 1095,7 toneladas de CO₂ en la ciudad de Madrid.
Viajes cortos y en horas pico de demanda
El análisis permitió además identificar patrones semanales y horarios de mayor impacto ambiental positivo. “La mayoría de los usuarios de bicicletas compartidas las utiliza para viajes que tienen una duración corta, de entre 7 y 15 minutos como mucho”, explica el investigador de la UPM. “En cuanto a las horas de mayor reducción de emisiones, aquellas en las que más se usa este servicio, la franja más importante de uso se localiza entre las 7 19 y las 21 horas; aunque también hay dos picos importantes entre las 7 y las 9 de la mañana y entre las 13 y las 15 horas, momentos en los que hay también un pico de demanda de otros sistemas de transporte”, asegura Gonzalo Halcón, otro de los coautores.
Los datos proporcionados por el modelo son importantes no solo por su alto nivel de precisión, sino también porque ofrecen una panorámica de información que puede ayudar a implementar nuevas formas y políticas de movilidad.
“Este trabajo aporta una metodología para evaluar y anticipar el impacto ambiental de políticas de movilidad sostenible. Ayuda a los gestores urbanos a planificar la expansión de infraestructuras ciclistas y tomar decisiones basadas en datos para reducir las emisiones contaminantes y mejorar la calidad del aire en las ciudades”, concluyen los investigadores.
Referencia: Uche-Soria, M.; Tabuenca, B.; Halcón-Gibert, G.; Núñez-Guerrero, Y. Quantifying and Forecasting Emission Reductions in Urban Mobility: An IoT-Driven Bike-Sharing Analysis. Sensors 2025, 25, 2163. https://doi.org/10.3390/s25072163