PGSCOM/mitma-movilidad

Movilidad MITMA — muestra representativa 2024

Subconjunto de ~15 GB del dataset público de movilidad del Ministerio de Transportes, Movilidad y Agenda Urbana de España (MITMA), obtenido por posicionamiento de operadoras móviles: matrices origen-destino a nivel de distrito, Gran Área Urbana (GAU) y tramo de carretera, tiempos de viaje, movilidad recurrente casa-trabajo/estudio y zonificación.

No es el dataset completo. MITMA publica un bucket de 1.185 TiB con datos diarios desde 2022; este repo contiene una semana representativa por estación de 2024 (28 días) para las series de distrito/GAU, y 2 días sueltos (verano y otoño) para el detalle de tramo de carretera. El detalle exacto está en ¿Qué falta respecto al origen?.

Limitación clave, heredada del origen: los datos vienen de posicionamiento de móviles y no distinguen modo de transporte — dan origen-destino, viajes y distancia, pero no si el viaje fue en coche, bus o tren. Para cruzarlo con oferta de transporte público (líneas/horarios GTFS) hace falta otra fuente, p. ej. el NAP.

Origen de los datos

Fuente	Bucket S3 público mitma-movilidad-v2 (AWS eu-west-1), acceso anónimo
Portal	https://movilidad-opendata.mitma.es/
Tamaño del bucket completo	1.185 TiB, 14.350 objetos
Cobertura temporal del origen	Diaria desde enero de 2022 hasta hoy, con huecos desde mediados de 2025 por un cambio de metodología (julio 2025)
Cómo se obtuvo este subconjunto	download_hackathon_data.sh (incluido), un script rclone que copia del bucket exactamente los ficheros listados abajo, con la misma estructura de carpetas que el origen

Dataset Structure

Este dataset tiene 14 tablas (configs), cada una en un único fichero Parquet comprimido con zstd:

Config	Filas	Tamaño	Contenido
viajes_distritos	590.4 M	4.1 GB	Viajes y distancia entre distritos, por hora, 28 días
viajes_gau	230.4 M	1.9 GB	Igual, agregado por Gran Área Urbana
movilidad_obligada	214.6 M	1.1 GB	Viajes recurrentes casa-trabajo/estudio, por mes, todos los meses disponibles
tiempos_viajes	196.7 M	682 MB	Duración real de viajes completos
tiempos_etapas	196.9 M	672 MB	Duración real por etapa del viaje
tiempos_etapas_carretera	184.0 M	1.9 GB	Duración por etapa en carretera (con km recorridos)
frecuencia	20.3 M	97 MB	Frecuencia de repetición de cada trayecto origen-destino
rutas_tramo_ruta	1 071.2 M	998 MB	Relación tramo↔ruta, para reconstruir la ruta física completa (2 días)
rutas_od	9.1 M	70 MB	Viajes por ruta real (tramo de carretera) entre OD (2 días)
rutas_informacion_tramo	823 K	37 MB	Tráfico total por tramo de carretera (2 días)
personas_distritos	3.2 M	25 MB	Población presente/residente por distrito y día
personas_gau	1.7 M	14 MB	Igual, por Gran Área Urbana
zonificacion_poblacion	3 792	44 KB	Población por zona (distrito)
movilidad_agregada_mensual	640	60 KB	Serie mensual agregada a nivel nacional, 2022–2025

Cárgalas con la librería datasets:

from datasets import load_dataset

ds = load_dataset("PGSCOM/mitma-movilidad", "viajes_distritos", split="train")

o directamente con pandas / DuckDB, sin pasar por datasets:

import pandas as pd
df = pd.read_parquet(
    "hf://datasets/PGSCOM/mitma-movilidad/estudios_basicos/por-distritos/viajes/viajes_distritos.parquet"
)

Por qué Parquet y no el CSV original

MITMA publica cada tabla como docenas o cientos de .csv.gz diarios, con | como separador en la mayoría de carpetas pero ; en estudios_rutas/*. Para que el visor de Hugging Face renderice las tablas correctamente y para poder usarlas sin recordar separadores ni concatenar ficheros a mano, cada una de las 14 tablas se consolidó en un Parquet único y tipado:

• Los códigos de zona/ruta/tramo (origen, destino, distrito, municipio, provincia, residencia, zona_pernoctacion, origin_zone, destination_zone, tramo, ruta, origen_principal, destino_principal) se fijaron explícitamente como string en el esquema. Sin esto, un lector con autodetección de tipos (pandas, el propio visor) puede inferir alguna de estas columnas como entero y perder el cero a la izquierda de códigos como la provincia "01" → 1.
• Los recuentos (viajes, personas, duration, poblacion, etc.) quedan como double, listos para agregar sin parsear texto.
• Resultado: menos espacio que el CSV+gzip original en 12 de las 14 tablas, gracias a la codificación por diccionario sobre columnas de código muy repetidas — el caso más extremo es rutas_tramo_ruta: 3.75 GB de .csv.gz → 998 MB en Parquet para 1 070 millones de filas.

Los .csv.gz/.csv originales de estas 14 tablas ya no están en el repo (se sustituyeron por su Parquet, para no duplicar espacio). Para regenerarlos tal cual los publica MITMA, usa download_hackathon_data.sh contra la fuente original.

Lo que no está en configs pero sigue en el repo

calidad/, estadisticos/, cambio_metodológico_2025/ y la documentación (.pdf/.xlsx) se dejaron como CSV/CSV.gz crudo — son secundarios para el análisis y de poco volumen, así que no valía la pena convertirlos. Siguen descargables en la pestaña Files, solo que sin renderizado automático en el visor.

Las geometrías (.shp/.dbf/.shx/.prj en zonificacion/ y estudios_rutas/geometria/) tampoco las renderiza el visor de datasets de Hugging Face; ábrelas con QGIS o GeoPandas tras descargarlas.

¿Qué falta respecto al origen?

Comparación contra el bucket completo, carpeta a carpeta:

Carpeta del origen	En este dataset	Qué falta
estudios_basicos/por-distritos, por-GAU (viajes, personas)	28 días: 1 semana por estación de 2024 (ene, abr, jul, oct), sin festivos	El resto de días desde 2022 hasta hoy (miles de ficheros diarios)
estudios_basicos/por-municipios	—	Excluido por completo (mismo dato a nivel municipio)
estudios_basicos/*/pernoctaciones	—	Excluido por completo
estudios_basicos/calidad	—	Excluido (control interno, distritos descartados por baja muestra)
estudios_basicos/estadisticos	Completo	—
estudios_basicos/movilidad_agregada_mensual	Completo	Huecos ya existentes en el origen: 2023-10 y 2023-11 no están en el bucket
estudios_basicos/cambio_metodológico_2025	Completo	—
estudios_completos/por-distritos/movilidad_obligada, /frecuencia	Completo, todos los meses disponibles	—
estudios_completos/por-GAU, por-municipios (movilidad_obligada, frecuencia)	—	Excluidos; solo se incluyó la versión por-distritos
estudios_completos/tiempos de viaje	Completo (los mismos días sueltos que publica el origen)	—
estudios_rutas/geometria	Completo (compartido, no varía por día)	—
estudios_rutas/{od_rutas,informacion_tramo,tramo_ruta,calidad}	2 días: 2024-08-24 (verano), 2024-10-16 (otoño)	El resto de días disponibles (~12 más entre 2023-2024); sin ningún día de invierno y solo 1 de primavera atípico — no representa las 4 estaciones
zonificacion	Completo	—
PDFs/XLSX de licencia y documentación (raíz)	Completos	—

Tamaño: 15 GB en este repo frente a 1.185 TiB del bucket completo (0.001%).

Licencia y atribución

Datos abiertos del MITMA bajo la Licencia de datos abiertos del MTMAU (incluida como LICENCIA de datos abiertos del MITMA 20201203.pdf en la raíz de este repo). Permite uso comercial y no comercial, con estas condiciones:

• Citar a MITMA como fuente: "Datos abiertos MITMA" para datos en bruto (como los de este repo) o "Basado en datos abiertos MITMA" para datos derivados, con enlace a https://www.mitma.es o a https://movilidad-opendata.mitma.es/.
• No manipular ni desnaturalizar la información, ni usarla para dañar la imagen del MITMA o sugerir que la patrocina.
• Los datos se ofrecen "tal cual", sin garantía de continuidad ni exactitud.

Este repositorio, al ser una copia parcial redistribuida bajo el mismo tipo de licencia (punto 2 del ámbito de la LDA), mantiene las mismas condiciones.