Las ciudades enfrentan desafíos crecientes en materia de transporte urbano: congestión, desigualdad en el acceso, impacto ambiental y dificultades de planificación. Comprender cómo se mueven las personas, los vehículos y la carga, y cómo estos patrones cambian en el tiempo, es clave para diseñar políticas públicas más efectivas y equitativas. Sin embargo, las decisiones en transporte se han basado históricamente en información activa, como encuestas de movilidad, que presentan limitaciones importantes en frecuencia de actualización, cobertura y costo.

Esta investigación busca aprovechar fuentes de datos pasivos -e.g., registros GPS, telefonía móvil, tarjetas inteligentes de transporte y sensores- para caracterizar la movilidad urbana tanto desde una mirada estática (niveles de actividad, exposiciones, patrones modales) como dinámica (cambios diarios, estacionales o estructurales), para generar evidencia empírica de bajo costo y con alta frecuencia de actualización, y así poder evaluar políticas, identificar brechas de acceso y mejorar el diseño de sistemas de transporte.

Generar evidencia empírica para apoyar la toma de decisiones en transporte urbano, a partir del análisis de datos pasivos como GPS, telefonía móvil, tarjetas de transporte y sensores, con el objetivo de caracterizar patrones y dinámicas de movilidad de personas, vehículos y carga, tanto desde una perspectiva estática como temporal. Para lo cual, el equipo de investigación emplea herramientas de análisis econométrico y técnicas de aprendizaje automático, con el fin de reducir sesgos, mejorar la reproducibilidad de los resultados y fortalecer la base empírica sobre la que se diseñan políticas de movilidad urbana.