Ciudad para las personas, ciudad para los coches: caminabilidad y factores socioeconómicos en las ciudades de 15 minutos mediante algoritmos de machine learning y datos de código abierto

• Autores: Ana Patricia Maté Sánchez de Val
• Directores de la Tesis: Fernando Antonio López Hernández (dir. tes.), Mari Luz Maté Sánchez de Val (codir. tes.)
• Lectura: En la Universidad Politécnica de Cartagena ( España ) en 2025
• Idioma: español
• Número de páginas: 147
• Títulos paralelos:
  • City for people, city for cars: walkability and socioeconomic factors in 15-minute cities through machine learning algorithms and open data
• Tribunal Calificador de la Tesis: Mariano Matilla García (presid.), Manuel Ruiz Marín (secret.), Belén Martín Ramos (voc.)
• Programa de doctorado: Programa de Doctorado en Ciencias Económicas, Empresariales y Jurídicas por la Universidad de Almería; la Universidad de Jaén y la Universidad Politécnica de Cartagena
• Materias:
  • Ciencias tecnológicas
    • Planificación urbana
  • Ciencias económicas
    • Economía sectorial
      • Transportes y comunicaciones
• Enlaces
  • Tesis en acceso abierto en: Repositorio Digital de la UPCT
• Resumen
  • español

    Las ciudades contemporáneas enfrentan desafíos significativos debido al predominio del tráfico rodado, que dificulta el tránsito peatonal y disminuyen la calidad de vida urbana, afectando negativamente a la salud pública y el bienestar social. En respuesta a estos problemas, aparece el concepto de "ciudades de 15 minutos", que propone un modelo urbano en el que todas las necesidades diarias se encuentren a 15 minutos a pie o en bicicleta. Este modelo de ciudad promueve un entorno más accesible, sostenible y humano, con la descentralización de servicios y la creación de barrios autosuficientes, además de fomentar la cohesión social y un estilo de vida más activo y saludable. En este contexto, esta tesis doctoral explora la implementación del concepto de las "ciudades de 15 minutos" en Madrid, España, enfocándose inicialmente en la población infantil y posteriormente en la morfología urbana y su impacto en la accesibilidad peatonal, es decir, en la facilidad con la que los peatones pueden desplazarse a pie por un área urbana.

    La metodología empleada en este trabajo se centra en un análisis exhaustivo de la accesibilidad peatonal y los factores que influyen en ella. En primer lugar, se desarrolla un algoritmo que delimita el área máxima caminable desde cada distrito censal, permitiendo visualizar las zonas accesibles a pie. A continuación, se enfoca en los niños, un grupo demográfico vulnerable, y se identifican sus servicios urbanos esenciales. Se mapea la accesibilidad a estos servicios a pie, determinando qué secciones censales ofrecen un acceso adecuado dentro de un tiempo específico y se utiliza un modelo espacial probit para analizar los factores socioeconómicos y demográficos que influyen en la accesibilidad. Posteriormente, se realiza una evaluación detallada de las características urbanas para identificar elementos que facilitan o dificultan la transitabilidad. Finalmente, se implementa un algoritmo de machine learning para identificar efectos no-lineales entre las características urbanas y la accesibilidad peatonal.

    Esta tesis doctoral aporta mejoras significativas a la planificación urbana, proporcionando datos precisos y visualizaciones que ayudan a los responsables políticos a diseñar ciudades más accesibles y habitables y facilita la creación de entornos más equitativos al identificar áreas con acceso limitado a servicios esenciales. En su desarrollo se combina el análisis de datos espaciales con factores socioeconómicos y técnicas de machine learning, ofreciendo nuevas herramientas y metodologías para el estudio de la movilidad y la accesibilidad urbana.

    Palabras clave: caminabilidad, ciudad de x-minutos, modelado espacial, técnicas de machine learning, modelo espacial probit, niños.

  • English

    Contemporary cities face significant challenges due to the predominance of vehicular traffic, hindering pedestrian mobility and diminishing urban quality of life. This dependency on cars contributes to pollution and urban heat islands, negatively affecting public health and social well-being. In response to these issues, the concept of "15-minute cities" emerges, proposing an innovative urban model where all daily needs are located within a 15-minute walk or bike ride. This city model promotes a more accessible, sustainable, and human-centered environment through the decentralization of services and the creation of self-sufficient neighborhoods. Additionally, it fosters social cohesion and a more active and healthier lifestyle, addressing crucial concerns such as climate change and public health. In this context, this doctoral thesis explores the implementation of the "15-minute cities" concept in Madrid, Spain, initially focusing on the child population and subsequently on urban morphology and its impact on pedestrian accessibility, i.e., the ease with which pedestrians can navigate an urban área on foot. The methodology employed in this study focuses on an exhaustive analysis of pedestrian accessibility and the factors influencing it. First, an algorithm is developed to delineate the maximum walkable area from each census district, enabling the visualization of zones accessible on foot. Next, the study focuses on children, a vulnerable demographic group, and identifies their essential urban services. Accessibility to these services on foot is mapped, determining which districts provide adequate access within a specific timeframe. A spatial probit model is then used to analyze the socioeconomic and demographic factors influencing accessibility. Subsequently, a detailed evaluation of urban characteristics is conducted to identify elements that facilitate or hinder walkability. Finally, a machine learning algorithm is implemented to identify non-linear effects between urban features and pedestrian accessibility. This doctoral thesis provides significant improvements to urban planning, offering precise data and visualizations that help policymakers design more accesible and livable cities. It facilitates the creation of more equitable environments by identifying areas with limited access to essential services. Throughout this research, spatial data analysis is combined with socioeconomic factors and machine learning techniques, offering new tools and methodologies for studying urban mobility and accessibility.