Un experimento de ‘machine learning’ muestra el barrio más habitable de Madrid

En el evento de Cotec se realizó un experimento de aprendizaje para crear un mapa de habitabilidad de Madrid: ahora, se muestran sus resultados
Arturo Cotec machine learning

El pasado mes de noviembre, la Fundación Cotec para la Innovación organizó el Imperdible_03,basado en las ciudades y, cómo no, la innovación. Allí se realizó un experimento de machine learning para crear mapas de habitabilidad en Madrid. Más de 3.200 ciudadanos –de los 6.000 que pasaron por el evento– participaron en el proyecto, desarrollado por el estudio de urbanismo 300.000 km/s. Y es ahora cuando se ha podido demostrar por el algoritmo de actuación, llamado Arturo por el urbanista Arturo Soria,su viabilidad. 

Según este, el barrio de Universidad “agrupa la mayoría de los criterios de habitabilidad más valorados por los ciudadanos madrileños”. Y todo gracias a que cada participante recibió una secuencia de fotografías de la ciudad, ordenadas de dos en dos, mientras se le invitaba a seleccionar de cada pareja la imagen que mejor representaba su espacio ideal para habitar en la ciudad. Las fotos, todas reales y tomadas en lugares difíciles de localizar – y con mínimas diferencias entre una y otra– han hecho que el dispositivo aprenda qué variables urbanísticas hacen de la ciudad un espacio más habitable para sus habitantes y, en función de este criterio, se ha establecido un mapa de habitabilidad de Madrid.

El análisis refleja “diferencias de criterio en función, por ejemplo, de la edad o el lugar de residencia de los participantes”. De este modo, los menores de 40 años muestran con sus elecciones una mayor predisposición a vivir en la zona centro –concretamente, Puerta del Sol y Carrera de San Jerónimo–. Por otro lado, los que superan esa edad se retratan como más propensos a alejarse del casco antiguo. Los participantes en el experimento que no residen en Madrid capital (más de la mitad de la muestra) muestran a su vez más inclinación a vivir en barrios del centro (Universidad y Embajadores) que los que residen en la ciudad, quienes se decantan por las condiciones que ofrecen las áreas de Recoletos y Castellana.

Asimismo, los resultados extraídos por Arturo reflejan que, según los participantes, la calle ideal de Madrid debe reunir las siguientes condiciones: “ubicarse en el centro; presentar una importante densidad de habitantes y construcciones; contar con edificios de alrededor de 75 años de antigüedad, pero en buen estado de conservación; además de disponer de espacios de uso público y comerciales”, demuestra.

En cuanto al barrio de Universidad, considera que concentra “en mayor medida que ningún otro, seguido muy de cerca por el barrio de Sol”, las características urbanas señaladas como sus preferidas por los participantes, lo que lo convierte en el barrio más habitable de la capital para sus ciudadanos.

Especiales

Ajustes
Innovación española

A través del presente Panel de Configuración, puede aceptar o rechazarlas en su totalidad o puede seleccionar qué tipo de cookies quiere aceptar y cuáles quiere rechazar.

Para obtener más información, acceda a nuestra Política de Cookies

Cookies técnicas

Las cookies técnicas que son estrictamente necesarias y permanecen siempre activas son para que el usuario acceda y navegue en INNOVASPAIN.COM.

Cookies de Preferencias o personalización

Utilizamos cookies de personalización que son aquellas que, tratadas por nosotros o por terceros, nos permiten recordar información para que el usuario acceda al servicio con determinadas características que pueden diferenciar su experiencia de la de otros usuarios.

Si desactivas esta cookie no podremos guardar tus preferencias. Esto significa que cada vez que visites esta web tendrás que activar o desactivar las cookies de nuevo.

Cookies Analíticas

Utilizamos cookies de análisis o medición que son aquellas que, tratadas por nosotros o por terceros, nos permiten el seguimiento y análisis del comportamiento de los usuarios de los sitios web a los que están vinculadas, incluida la cuantificación de los impactos de los anuncios.