Cualquiera que trabaje en escenarios de futuro urbano conoce la tensión: tenemos que tomar decisiones sobre infraestructuras, vivienda, energía y adaptación al clima ahora, mientras que el futuro es incierto por definición. Los modelos de simulación ayudan a gestionar esa incertidumbre. No ofrecen una bola de cristal, pero sí una forma estructurada de explorar “qué pasaría si”: ¿qué ocurre si aumenta la demanda de tráfico, si se despliegan masivamente bombas de calor o si las precipitaciones extremas se hacen más frecuentes? Con buenos modelos, los responsables políticos, diseñadores y gestores pueden aprender más rápido, comparar opciones y tomar decisiones más informadas.

Un modelo no es una verdad, sino un lenguaje compartido para hablar de la incertidumbre.

Los modelos de simulación de escenarios futuros adoptan muchas formas, desde reglas computacionales relativamente sencillas hasta sofisticadas simulaciones dinámicas que incorporan el tiempo, el espacio y el comportamiento humano. En urbanismo, vemos aproximadamente cuatro niveles que se complementan entre sí. En primer lugar, están los modelos de tendencias y previsiones: extrapolan la evolución a partir de datos históricos (por ejemplo, demografía o demanda de movilidad) y son sólidos para hacer estimaciones “si todo sigue igual”. En segundo lugar, hay modelos de sistemas que describen el funcionamiento de redes e infraestructuras, como las redes eléctricas y de calefacción, el drenaje del agua o los flujos de tráfico. Estos modelos revelan los cuellos de botella, como la congestión de la red o la escasez de capacidad, y muestran qué medidas crean más espacio. En tercer lugar, están los modelos basados en agentes, que simulan actores individuales (residentes, vehículos, empresas) con su propio comportamiento y elecciones. Esto resulta muy útil en cuestiones en las que el comportamiento es crucial, como el cambio modal, el comportamiento energético o las pautas de evacuación. En cuarto lugar, hay modelos de riesgo e impacto que cuantifican los efectos sobre temas como la salud, el ruido, la calidad del aire, el estrés térmico y el riesgo de inundaciones, a menudo vinculados a características espaciales y proyecciones climáticas.

La fuerza no está sólo en el modelo en sí, sino en la forma de diseñar los escenarios y utilizar los resultados. Los análisis de escenarios sólidos funcionan con hipótesis explícitas (qué cambia y qué no), KPI coherentes (costes, CO₂, salud, accesibilidad, solidez) y márgenes de incertidumbre transparentes. Además, en los modernos entornos “basados en datos”, los modelos de simulación están cada vez más integrados en un Gemelo Digital Local: un conjunto coherente de datos, modelos y visualizaciones que puede vincular múltiples dominios. Así se puede ver, por ejemplo, cómo influye la ubicación de las viviendas en la presión de la movilidad, cómo se relaciona esa presión con las emisiones y la salud, y cómo las medidas de adaptación al clima reducen simultáneamente las molestias causadas por el agua y el estrés térmico. Pero esta integración requiere condiciones profesionales previas: calidad de los datos, control de versiones, flujos de trabajo reproducibles y gobernanza en torno a la propiedad, la privacidad y la interpretación. Sin esa base, un modelo deja de ser una herramienta de decisión para convertirse en un recurso de debate.

Información clave

Los modelos de simulación son una de las herramientas más prácticas para concretar escenarios futuros. Ayudan a comparar rápidamente alternativas, comprender riesgos y fundamentar mejor las decisiones, siempre que se utilicen con realismo y disciplina. El objetivo no es predecir el futuro con exactitud, sino plantear mejores preguntas, hacer visibles los supuestos y llegar juntos a decisiones sólidas. En una época de complejos retos urbanos, este es quizá el mayor valor: no más certidumbre, sino más orientación, transparencia y perspectivas de actuación.