De los domicilios del alumnado a un plan de movilidad escolar sostenible con IA abierta

Los desplazamientos al colegio generan, dos veces al día, una de las mayores puntas de tráfico urbano y de emisiones en su entorno, aunque muchas familias viven cerca. Los centros no suelen disponer de herramientas para diagnosticarlo: solo cuentan con listados de domicilios sin normalizar. Este proyecto, desarrollado como Trabajo Fin de Máster en Modelización y Simulación del Transporte y la Movilidad (Universidad Pablo de Olavide, 2026), convierte ese listado en un diagnóstico y un plan de actuación con herramientas abiertas.
Se aplicó a 664 domicilios reales de un centro de Infantil y Primaria. Un pipeline en Python normaliza las direcciones con procesamiento del lenguaje natural y las geocodifica en cascada con tres fuentes abiertas (CartoCiudad, Nominatim y Photon), elevando las coordenadas únicas de 20 a 276. Tras cruzarlas con las secciones censales del INE, un modelo logit multinomial simula tres escenarios de reparto modal y el algoritmo de ahorros de Clarke-Wright agrupa a las familias en coches compartidos.
El 44% del alumnado vive a menos de 1 km, pero el 59% llega en coche; sin actuar, la tendencia lo llevaría al 64%. Con un paquete de medidas (camino escolar seguro, aparcabicis, carpooling y gestión del tráfico) el coche baja al 32%. Esto supone 106 vehículos menos en hora punta (-45,5%) y 14,3 t de CO2 evitadas al año respecto a la situación actual. El algoritmo identifica 371 alumnos candidatos a carpooling, en grupos de 2 a 4 con un desvío medio inferior a 41 m.
La solución es de bajo coste, reproducible y replicable por cualquier centro en pocos días, y contribuye a los ODS 11 y 13. Los datos se refieren a un único centro, por lo que sus resultados son una estimación por simulación, no una medición posterior a la intervención.

Desarrollar y validar una metodología reproducible, basada en inteligencia artificial y datos abiertos, para diagnosticar y optimizar la movilidad escolar de un centro educativo.
Objetivos específicos: (1) geolocalizar de forma fiable los domicilios del alumnado a partir de direcciones heterogéneas; (2) caracterizar el reparto modal actual y la distancia al centro; (3) identificar el potencial de desplazamiento a pie, en bicicleta y en coche compartido; (4) estimar con un modelo de elección discreta el cambio modal ante un plan de medidas; (5) cuantificar la reducción de vehículos en hora punta y de emisiones de CO₂. Se busca ofrecer a centros y administraciones una herramienta replicable y de bajo coste para elaborar planes de movilidad escolar sostenible.

Se partió de 664 direcciones reales del alumnado, tratadas conforme a la protección de datos. Una geocodificación en cascada con fuentes abiertas (IGN, OpenStreetMap y otras) elevó la localización fiable de 20 a 276 coordenadas únicas. Con ellas se calcularon distancias y rutas al centro: el 44% del alumnado vive a menos de 1 km. Se identificaron 371 candidatos a coche compartido y se formaron grupos de 2 a 4 personas con el algoritmo de ahorros de Clarke-Wright (desvío medio inferior a 41 m). Un modelo logit multinomial estimó el reparto modal en tres escenarios: situación actual, tendencial e intervención (fomento de la marcha, la bicicleta, el transporte público y el coche compartido). Vehículos en hora punta y emisiones de CO₂ se calcularon a partir de dicho reparto.

En el escenario de intervención el uso del coche privado pasaría del 59% al 32%, con aumentos de la bicicleta (4 % a 11%), el transporte público (9% a 13%) y los desplazamientos a pie (28% a 44%). Los vehículos en hora punta bajarían de 233 a 127 veh/h (−106 veh/h; −45,5 %) y las emisiones de CO₂ de 31,5 a 17,2 t/año (−14,3 t) respecto a la situación actual; el escenario tendencial llegaría a 253 veh/h y 34,2 t. El coche compartido agrupa a 371 candidatos con desvíos medios menores de 41 m. Son estimaciones de simulación para un único centro; la metodología es replicable en otros.