Las calles y sus aceras, los principales lugares públicos de una ciudad, son sus órganos más vitales. ¿Qué es lo primero que nos viene a la mente al pensar en una ciudad? Sus calles. Cuando las calles de una ciudad ofrecen interés, la ciudad entera ofrece interés; cuando presentan un aspecto triste, toda la ciudad parece triste.

Jane Jacobs.

Pokémon Go no dejó indiferente a nadie en Santiago. El juego, que superó el millón de descargas, recibió mucha publicidad por parte de los medios por su potencial para democratizar el espacio, por sus posibles efectos para el uso del espacio público, el turismo y el patrimonio, fue lanzado en Chile oficialmente el 3 de Agosto, había sido lanzado un mes antes en otros países del mundo. El hype era fuerte en Chile cuando veíamos imágenes de hordas de jugadores en otros países en búsqueda de los pocket monsters. Instituciones como Carabineros de Chile aprovecharon la situación para comunicarse con la población a través de memes y tweets.

En este texto explicaré los resultados principales de una investigación que desarrollamos en el Instituto de Data Science de la Universidad del Desarrollo, en colaboración con Telefónica I+D y Alonso Astroza, la persona detrás de PokeAlertas Santiago.

En la imagen, de izquierda a derecha: Eduardo Graells-Garrido, Alonso Astroza, Leo Ferres y Meowth en la Universidad del Desarrollo, después del lanzamiento del juego. Lamentablemente Loreto no pudo aparecer en la foto.

En la imagen, de izquierda a derecha: Eduardo Graells-Garrido, Alonso Astroza, Leo Ferres y Meowth en la Universidad del Desarrollo, después del lanzamiento del juego. Lamentablemente Loreto no pudo aparecer en la foto.

En la imagen, de izquierda a derecha: Eduardo Graells-Garrido, Alonso Astroza, Leo Ferres y Meowth en la Universidad del Desarrollo, después del lanzamiento del juego. Lamentablemente Loreto no pudo aparecer en la foto.

¿Por qué realizar una investigación en base a un juego? Es innegable el furor que ha causado el juego. A diferencia de otros videojuegos populares, que incluso realizan torneos a nivel mundial y eventos en el Movistar Arena, Pokémon Go logró que muchas personas salieran a la calle a jugar. O, al menos, esa es la hipótesis que motivó esta investigación. Esto es importante porque la clave de la seguridad y de la calidad de vida en el espacio público son los peatones. Al inicio hay una cita de Jane Jacobs porque uno de sus postulados es que la vida de una ciudad se construye a partir de las aceras y de los peatones que circulan por ellas. Así, responderemos a la pregunta: ¿fue Pokémon Go capaz de sacar a la gente a la calle?

Partiremos con la respuesta: .

Imagen por @Lornibaby: “Cerca de La Moneda, en el centro de #Santiago , se juega masivamente #PokemonGO."

Imagen por @Lornibaby: “Cerca de La Moneda, en el centro de #Santiago , se juega masivamente #PokemonGO."

Imagen por @Lornibaby: “Cerca de La Moneda, en el centro de #Santiago , se juega masivamente #PokemonGO."

¿Cuándo, cuánto y dónde salieron las y los Entrenadores Pokémon a la calle?

Hay dos instantes del día en los cuales la cantidad de gente en la calle aumentó considerablemente gracias al juego: la hora de almuerzo (alcanzando un peak de 14% a las 12:31, en días de semana) y la noche (alcanzando un peak de 10% a las 21:38, los fines de semana). Más adelante veremos que hay otros instantes en los cuales el efecto es válido y significativo, pero estos dos son los más importantes.

El siguiente mapa interactivo muestra las áreas de la ciudad en las que el efecto es más notorio. La ciudad se divide en áreas, que fueron definidas en la zonificación de la Encuesta Origen-Destino. :

Cada área es coloreada de acuerdo al siguiente criterio: si presentó más personas en la calle a las 12:31, a las 21:38, o bien en ambos instantes horas. Si el efecto fue muy pequeño o incluso negativo, el área no se colorea.

Cada área es coloreada de acuerdo al siguiente criterio: si presentó más personas en la calle a las 12:31, a las 21:38, o bien en ambos instantes horas. Si el efecto fue muy pequeño o incluso negativo, el área no se colorea.

Cada área es coloreada de acuerdo al siguiente criterio: si presentó más personas en la calle a las 12:31, a las 21:38, o bien en ambos instantes horas. Si el efecto fue muy pequeño o incluso negativo, el área no se colorea.

Es de interés mencionar que gran parte de la ciudad presenta una mayor cantidad de gente en ambos instantes. Como explicaremos más tarde, esto se debe a que el juego aprovecha la rutina de las personas para jugar.

¿Cómo estimamos el efecto de Pokémon Go?

El Instituto de Data Science tiene una estrecha colaboración con Telefónica I+D. Gracias a su plataforma analítica para Smart Cities tuvimos acceso a datos de facturación llamados [Call Detail Records](https://en.wikipedia .org/wiki/Call_detail_record). Estos datos son innominados, lo que quiere decir que no conocemos la identidad ni ningún dato sociodemográfico de las personas cuyos dispositivos están siendo facturados. Cada registro es del tipo: “a las 14:50 este dispositivo se encontraba conectado a la torre T,” y se generan cada 15 minutos o cada 15 megabytes descargados, lo que suceda primero. Por ende, no son datos de conectividad completa. No se conoce la intensidad de la señal, ni el conjunto total de antenas a las que se ha conectado, ni las direcciones IP a las que se ha conectado el dispositivo. Esto es importante porque incide en el diseño del experimento, algo que abordaremos más adelante.

Una vez que tenemos datos de conectividad, es necesario relacionarlos con las áreas donde se podría jugar, y con las áreas de cobertura de Telefonía. El siguiente mapa muestra las PokéParadas y Gimnasios Pokémon que hay en Santiago. También muestra las torres de telefonía móvil de Telefónica Movistar. Estos datos son información pública disponible por la Subtel en el portal de datos del gobierno. Observamos que los puntos de interés del juego cubren gran parte de la ciudad, habiendo más PokéParadas que torres. Eso es un buen antecedente, porque significa que tiene sentido efectuar este estudio.

Puntos de destino de los viajes reportados en la Encuesta Origen-Destino de Santiago.Imágenes de fondo: © OpenStreetMap contributors, © CartoDB.

Puntos de destino de los viajes reportados en la Encuesta Origen-Destino de Santiago.Imágenes de fondo: © OpenStreetMap contributors, © CartoDB.

Puntos de destino de los viajes reportados en la Encuesta Origen-Destino de Santiago.Imágenes de fondo: © OpenStreetMap contributors, © CartoDB.

Puntos Pokémon y torres de telefonía. Imágenes de fondo: © OpenStreetMap contributors, © CartoDB.

Puntos Pokémon y torres de telefonía. Imágenes de fondo: © OpenStreetMap contributors, © CartoDB.

Puntos Pokémon y torres de telefonía. Imágenes de fondo: © OpenStreetMap contributors, © CartoDB.

En los dos mapas se ve una correlación entre las posiciones de las torres de telefonía y los viajes de propósito distinto a “volver a casa” (home). Esto es esperable, ya que la telefonía debe dar abasto para la población flotante de cada lugar de la ciudad. Imágenes de fondo: © OpenStreetMap contributors, © CartoDB.

Para realizar el estudio disponíamos de CDR para quince días: los siete días previos al lanzamiento del juego (desde el 27 de julio de 2016 hasta el 2 de agosto), los siete días posteriores (desde el 4 de agosto hasta el 10 del mismo mes), y por supuesto, el día del lanzamiento del juego: 3 de agosto. En total analizamos los registros de más de 100 mil personas. Elegimos un subconjunto de la población para comparar antes y después de la disponibilidad de Pokémon Go en Chile. Para ello fijamos las siguientes condiciones: primero, consideramos dispositivos que son capaces de conectarse a Internet, es decir, los registros en CDR eran del tipo conexión de datos. Segundo, debían ser dispositivos con registros los siete días anteriores y los siete días posteriores al lanzamiento del juego. Así consideramos a las personas que estuvieron en la ciudad todo ese tiempo, descartando turistas, o bien, descartando a santiaguinos/as que se fueron de la ciudad por el fin de semana, etc.

Ahora bien, a diferencia de un estudio observacional, en el cual se identifica a los grupos de estudio, nosotros no podíamos identificar a las personas que jugaron ni a las que no. La alternativa era estudiar el efecto en la ciudad del juego, en función de la cantidad de personas que había en la calle. La hipótesis nula es que el flujo de personas en la ciudad no cambia una vez que el juego está disponible. Así, el experimento siguió un diseño de experimento natural, al no tener incidencia nosotros en las condiciones a las que estaba sujeta la población bajo estudio.

La premisa a estudiar asume lo siguiente: la cantidad de personas conectadas a las torres de telefonía es proporcional a la cantidad de personas en la calle. El fundamento es que usualmente cuando no se está en la calle se tiene acceso a redes WiFi, que inhabilitan el uso de datos móviles desde el teléfono. Teniendo eso en consideración, el siguiente gráfico muestra el comportamiento agregado de la población cada día:

Distribuciones de conexiones en Santiago para la población en estudio, comparando el mismo día nominal de cada semana, antes, después y durante el lanzamiento del juego.

Distribuciones de conexiones en Santiago para la población en estudio, comparando el mismo día nominal de cada semana, antes, después y durante el lanzamiento del juego.

Distribuciones de conexiones en Santiago para la población en estudio, comparando el mismo día nominal de cada semana, antes, después y durante el lanzamiento del juego.

Lo primero que observamos es que en cada día las curvas tienen formas similares, pero que existe una tendencia a que existan más personas conectadas después del lanzamiento del juego. A pesar de las similitudes hay dos efectos prominentes:

  1. El día lunes después del lanzamiento la cantidad de conexiones superó ampliamente a las conexiones en el mismo período pre-Pokémon.
  2. El día sábado después del lanzamiento la cantidad de conexiones superó ampliamente a las del sábado pre-Pokémon. Además, ese momento representa la mayor cantidad de conexiones observadas en el período bajo estudio.

¿Son esos resultados significativos?¿Es la diferencia a favor de los días post-Pokémon indicativa de que el juego llevó gente a las calles de la ciudad? Para conocer las respuestas utilizamos una serie de regresiones basadas en la distribución binomial negativa. Consideramos como observaciones la cantidad de personas conectadas a las torres dentro de cada área, por cada minuto del día, cada día bajo estudio; también incluimos otros factores como uso de suelo y la cantidad de puntos de interés en cada área, con el fin de aislar completamente el efecto Pokémon Go. En el paper pueden encontrar más detalles sobre el modelo.

La siguiente imagen muestra los instantes de tiempo en el día en los que la regresión determinó que había más gente en la calle asociada al factor Pokémon Go. Contiene dos gráficos: arriba, los resultados de la regresión para el factor asociado al juego; abajo, la distribución de horas de inicio de viaje reportadas en la encuesta Origen-Destino de Santiago. Sobre esa distribución se ha dibujado un rectángulo que permite identificar las ventanas de tiempo en los cuales el juego tuvo efecto en la población flotante de la ciudad. La siguiente imagen muestra la evolución del factor Pokémon Go a lo largo del día de acuerdo a los resultados del experimento.

El factor se interpreta como la diferencia esperada de cantidad de personas en cada área de la ciudad (zonas OD) antes y después de la salida del juego. La línea gruesa es el valor del factor en la regresión realizada, y el área que la rodea representa el intervalo de confianza del 95%. El factor es significativo si y solo si ese intervalo de confianza no se intersecta con 0.

El factor se interpreta como la diferencia esperada de cantidad de personas en cada área de la ciudad (zonas OD) antes y después de la salida del juego. La línea gruesa es el valor del factor en la regresión realizada, y el área que la rodea representa el intervalo de confianza del 95%. El factor es significativo si y solo si ese intervalo de confianza no se intersecta con 0.

El factor se interpreta como la diferencia esperada de cantidad de personas en cada área de la ciudad (zonas OD) antes y después de la salida del juego. La línea gruesa es el valor del factor en la regresión realizada, y el área que la rodea representa el intervalo de confianza del 95%. El factor es significativo si y solo si ese intervalo de confianza no se intersecta con 0.

El factor Pokémon Go es significativo en varios momentos del día. Sin embargo, las dos ventanas de tiempo más importantes son las mencionadas anteriormente, con peaks a las 12:31 y 21:38. Ahora bien, se observa algo interesante: antes de las 6PM, los instantes en que el efecto es válido coinciden con los instantes en que las personas comienzan a trasladarse por la ciudad. Esto quiere decir que, sobretodo durante la semana, las personas aprovecharon sus rutinas de viaje para jugar. Este resultado es esperable, dado que por muy popular que sea un juego, en general las rutinas de las personas no pueden cambiar tanto. El mapa que se muestra al comienzo del texto lo confirma: las áreas con diferencias a favor de Pokémon tienden a coincidir con las áreas de alta población flotante.

El efecto nocturno es diferente. Allí no tenemos ninguna otra explicación más que pensar en que las personas efectivamente salieron a la calle desde sus casas. El mapa también lo muestra: hay zonas coloreadas de acuerdo a la categoría “solamente a las 21:38” en varias zonas residenciales de Santiago. ¡Y sin segregación territorial (al menos evidente)!

Así como algunas personas jugaron mientras se transportaban, otras caminaron más lento en sus viajes, y otras, quizás, salieron unos minutos antes:

Imagen de @aarosenberg.

Imagen de @aarosenberg.

Imagen de @aarosenberg.

Entonces, ¿desde cuándo el entorno de las bombas de bencina es un lugar apto para recrearse? ¡Desde Pokémon Go!

Imagen de @cristhian_21.

Imagen de @cristhian_21.

Imagen de @cristhian_21.

Discusión

El efecto del juego en la ciudad es claro, lo que tiene varias implicaciones. La principal, que desarrollaremos aquí, es que un videojuego fue capaz de hacer que las calles tuviesen una población flotante mayor. Esto es importante sobretodo en la noche. ¿Qué evento logra que personas de distintas áreas de la ciudad salgan a recrearse, en distintos días fríos del inicio de agosto, a las 9 y media de la noche? Una política pública solamente podría soñar con eso en una ciudad como Santiago, donde existe un temor documentado a la vida en el ámbito público. Algunas personas han llamado a este fenómeno como “no-ciudad”. Recomendamos el texto "¿Ciudad sin ciudadanos? Fragmentación, segregación y temor en Santiago” de Lucía Dammert. . Si además consideramos las distintas segregaciones que afectan a la ciudad, no deja de ser relevante que un videojuego sea capaz de motivar a las personas a salir a vivir sus barrios. Tal como dijimos en un comienzo, la presencia de una diversidad de personas hace que las calles sean más seguras.

Aunque a fines de octubre el juego ya no es tan popular, es necesario recordar que el propósito de este texto no es evaluar la popularidad del juego. Más bien buscamos proponer un método para evaluar el pulso de una ciudad a través de su población flotante. Esta vez fue el lanzamiento de Pokémon Go el que evaluamos, pero también podemos evaluar otras intervenciones o fenómenos que modifiquen los flujos de personas y sus rutinas. Por ejemplo, ¿cuánto cambia el flujo de personas ante una pre-emergencia ambiental? Hemos mostrado que es posible saber la respuesta utilizando datos de telefonía móvil y técnicas de ciencia de datos. Las posibilidades son infinitas, y estamos aquí para hacerlas realidad.

Esperamos que surjan nuevas oportunidades para tomar las calles y disfrutarlas. En una ciudad viva para eso están.