En este momento estás viendo EVOLUTION OF MOBILITY DURING THE COVID-19 CRISIS IN THE REGION OF MADRID – EVOLUCIÓN DE LA MOVILIDAD DURANTE EL ESTADO DE ALARMA CAUSADO POR EL COVID-19 EN LA COMUNIDAD DE MADRID

EVOLUTION OF MOBILITY DURING THE COVID-19 CRISIS IN THE REGION OF MADRID – EVOLUCIÓN DE LA MOVILIDAD DURANTE EL ESTADO DE ALARMA CAUSADO POR EL COVID-19 EN LA COMUNIDAD DE MADRID

In this post, another analysis carried out by MoviTUR members during the first months of the pandemic is presented. This research is about the impact of COVID-19 on our mobility during the lockdown and has been made by Abid Al Akioui Sanz and Andrés Monzón, from TRANSyT.

On March 14th, 2020, the Spanish Government declared the state of alarm in view of the health crisis triggered by the COVID-19 pandemic. This legal prevision began with a lockdown that lasted two months, which was followed by a phased easing of the lockdown to control the return to the new situation. This led to the end of the state of alarm on June 21st, 2020.

This state of alarm brought about a precedent-shattering change in the habits and mobility of the citizens at a national level. Given the unusual situation, multiple public agencies have collected data about the impact of the pandemic on the habits of the population.

Among the agencies, the Spanish National Statistical Institute (INE) stands out as one that publicly shares a great amount of the collected data. The INE’s provided information consists of numbers related to the sociodemographic, economic, health and mortality realms, as well as mobility data, which is specifically observed in the present publication.

Mobility data finds its source in anonymized mobile phone records with samples from more than 80% of mobile phones from every corner of Spain. Figures provided by the census on January 1st, 2019 complement mobility data.

In order to gather this information, the INE has divided the national territory into 3,200 mobility areas, which consist of units created by this body that are composed of groups  from 5,000 to 50,000 inhabitants, thus becoming a more homogeneous tool than municipalities.

Consequently, the areas of residence are identified as those where the phone is located between 0:00 and 6:00 and the destination areas as the most frequent ones where the phone is between 10:00 and 16:00 for more than two hours.

The temporary scope of the offer covers only the state of alarm, in such a way that the data goes from March 16th to June 20th, 2020, along with the reference data for the week from November 18th to November 21st, 2019.

Madrid is one of the most populated regions in Spain and also one of the most affected by this pandemic. It is on that basis that the Region of Madrid had longer restrictions.

The territorial division of the Region proposed by the INE established 293 mobility areas. For the purposes of this study, the mobility areas which are from the same municipality have been unified to create the study areas. In this way, the Region of Madrid will be divided into 102 study areas.

The analysis of the evolution of mobility in Madrid has been based on the origin-destination data provided by the INE by selecting a representative date for each period of the state of alarm:

  • Normality: average data from November 18th to November 21st, 2019.
  • Lockdown: average data from March 26th and April 30th, 2020.
  • Phase 0: May 21st, 2020.
  • Phase I: May 28th, 2020.
  • Phase II: June 18th, 2020.

In the first place, by analysing the total data, it is observed that during the lockdown the trips made, which were more than one million in the period of normality, fell over a 70%. With the easing of the lockdown, travel increased progressively but did not reach 600,000 trips.

To make the evolution of the relationships of the study areas more understandable in the course of the state of alarm, different flow maps have been made. The first one corresponds to the period of normality and it shows how travel is concentrated in the metropolitan area and the simplicity of the relationships in the provincial area.

Figure 1. Origin-destination flows in normal period (November 2019)

During lockdown, the volume of flows was considerably reduced, and it was almost disappeared along the provincial area. The increase in mobility during the easing of lockdown was not associated with a marked increase in relationships, but the existing ones were intensified.

Figure 2. Origin-destination flows during lockdown I (March 2020)
Figure 3. Origin-destination flows during lockdown II (April 2020)
Figure 4. Origin-destination flows during Phase 0 (May 2020)
Figure 5. Origin-destination flows during Phase I (May 2020)
Figure 6. Origin-destination flows during Phase II (May 2020)

The reduction of outgoing movements during the lockdown was greater in the metropolitan area, in addition to some areas of the Northeast and Southwest of the Region. The increase during the easing of the lockdown was high-moderate within the metropolitan area. In the provincial area there were large increases in the Northern area in contrast with the low increases in the East and West of the Region.

As for the entrance movements, during the lockdown there was a huge decline in the Central and Southeast areas, noting that the Southern areas of the metropolitan area did not suffer major changes. The increase in entrances was generally moderate-high, with high increases in the South.

In order to tackle the condition of restrictions in different areas, different socioeconomic variables, land use and transport data have been studied.

Amongst the socioeconomic variables, data on population density, income per capita and employment data have been taken. The latter are of great interest as the Home Mobility Survey of the Region of Madrid (EDM2018) points out that 20% of the trips are associated with work. These employment figures consist of Social Security members, unemployment rate and branches of activity.

On the other hand, the analysis of land uses constitutes a great indicator of the generation of employment and, therefore, the propensity to travel. Finally, the transport data is based on the motorization index of each area and the evolution of travellers transported by city bus and Metro.

The analysis focuses mostly on employment numbers in view of its close relation with the generation and reception of travel, starting with the study of branches of activity.

Hence, it is observed that the areas in which the majority of the population is engaged in Business and Financial Services (Madrid, Alcobendas, Majadahonda, Pozuelo de Alarcón, etc.) suffered a great drop during the lockdown and moderate increases after it. Similarly, the areas that base their activity on these services lost a large percentage of travel and did not regain mobility largely in the easing. This is explained as the presence of these services was reduced and, following the lockdown, a teleworking regime was adopted.

As for the Distribution and Hospitality Services branch, the areas in which citizens perform these jobs and the areas that base their economy on it were not affected by the lockdown to a great extent and therefore suffered fewer increases in the easing. This dynamic is associated with the high degree of presence of these activities.

Analysing income per capita, it is noted that areas with fewer resources suffered less decreases during the lockdown than high-income areas in terms of mobility. This may reflect unemployment rates in areas with fewer resources, so people who did not go to work did not make as many trips as in pre-COVID-19 times.

In conclusion, this analysis has made it clear that mobility patterns have obviously been greatly affected by the arrival of the pandemic in the Region of Madrid. The lockdown resulted in high decreases in the volume of travel in the Region and with the easing of lockdown there were increases but, in light of the data, the mobility that took place in periods of normality was not recovered.

Delving into these conditions, the study shows that the Region’s mobility patterns are highly conditioned by the employment status quo in the different areas of Madrid. Consequently, the business and financial branch was more affected than the distribution branch, mainly because of the presence associated with each activity. These findings can lead to different strategies, adapted to each branch and study area, to act on the new waves of the pandemic in the future.


En esta entrada, se presenta otro de los análisis realizados por miembros de MoviTUR durante los primeros meses de la pandemia. Este trabajo acerca del impacto del COVID-19 en nuestra movilidad durante el confinamiento, ha sido realizado por Abid Al Akioui Sanz y Andrés Monzón, miembros de TRANSyT.

El 14 de marzo de 2020 se aprobó el Real Decreto 463/2020 por el que entraba en vigor el Estado de Alarma debido a la crisis sanitaria ocasionada por el COVID-19. Este Estado de Alarma comenzó con un confinamiento que duró dos meses y, tras este, se dio una desescalada dividida en fases para controlar la vuelta a la nueva normalidad, finalizando el Estado de Alarma el 21 de junio de 2020.

El Estado de Alarma trajo consigo un cambio en los hábitos y la movilidad de la población a escala nacional sin precedentes. Debido a la situación tan inusual que se ha vivido y que aún sigue marcando la rutina de los ciudadanos, numerosos organismos públicos han recogido datos sobre la incidencia de la pandemia sobre los hábitos de la población.

Entre los organismos implicados, el Instituto Nacional de Estadístico (INE) es uno de los que comparte de manera pública en casi su totalidad todos los datos recogidos. La oferta de datos del INE se compone de datos sociodemográficos, económicos, de salud y mortalidad y, los tratados en esta publicación, datos de movilidad.

Los datos de movilidad proceden de registros anonimizados de telefonía móvil con una muestra de más del 80% de los teléfonos móviles de toda España. Esta información se complementa con los datos del Padrón Municipal de Habitantes a 1 de enero de 2019.

Para la recogida de datos, el INE ha dividido el territorio nacional en 3.200 áreas de movilidad, unidad creada por el propio INE compuesta por una agrupación de entre 5.000 y 50.000 habitantes, siendo más homogéneas que los municipios.

Así, se identifican las áreas de residencia como las áreas en las que el teléfono se encuentra entre las 0:00 y las 6:00 y las áreas de destino como el área más frecuente donde está el teléfono entre las 10:00 y las 16:00 durante más de dos horas.

El ámbito temporal de la oferta comprende exclusivamente el Estado de Alarma, con datos del 16 de marzo hasta el 20 de junio de 2020, además de los datos de referencia correspondiente a la semana del 18 al 21 de noviembre de 2019.

La Comunidad de Madrid es una de las Comunidades Autónomas más pobladas de España y una de las más afectadas por esta pandemia, lo que llevó a unas restricciones más largas.

La división territorial de la Comunidad propuesta por el INE estableció 293 áreas de movilidad. Para este estudio se han unido las áreas de movilidad de un mismo municipio creando las zonas de estudio. De esta manera, la Comunidad de Madrid quedará dividida en 102 zonas de estudio.

Para analizar la evolución de la movilidad en la Comunidad de Madrid se ha partido de los datos origen-destino proporcionados por el INE eligiendo una fecha representativa para cada periodo del Estado de Alarma:

  • Normalidad: media de datos del lunes 18 al jueves 21 de noviembre de 2019.
  • Confinamiento: media de datos de los jueves 26 de marzo y 30 de abril de 2020.
  • Fase 0: jueves 21 de mayo de 2020.
  • Fase I: jueves 28 de mayo de 2020.
  • Fase II: jueves 18 de junio de 2020.

En primer lugar, analizando los datos totales, se observa que durante el confinamiento los viajes realizados, los cuales se contabilizaban en más de un millón en un periodo de normalidad, descendió más de un 70%. Con la desescalada los viajes aumentaron progresivamente pero no llegaron a alcanzar los 600.000 viajes.

Para entender la evolución de las relaciones de las zonas de estudio durante el Estado de Alarma se han realizado diferentes mapas de flujos. El primero de ellos, correspondiente al periodo de normalidad, muestra que los viajes se concentran en el área metropolitana, existiendo relaciones más simples en la corona provincial.

Ilustración 1. Flujos origen-destino en periodo normal (noviembre de 2019)

Durante el confinamiento el volumen de flujos se redujo considerablemente, desapareciendo prácticamente en la corona provincial. El aumento de movilidad que se dio durante la desescalada no vino asociado a un notable aumento de relaciones, sino que las existentes se intensificaron.

Ilustración 2. Flujos origen-destino durante el confinamiento I (marzo de 2020)
Ilustración 3. Flujos origen-destino durante el confinamiento II (abril de 2020)
Ilustración 4. Flujos origen-destino durante la Fase 0 (mayo de 2020)
Ilustración 5. Flujos origen-destino durante la Fase I (mayo de 2020)
Ilustración 6. Flujos origen-destino durante la Fase II (mayo de 2020)

La afección a los movimientos de salida durante el confinamiento fue mayor en las zonas de la corona metropolitana, además de algunas zonas del noreste y del suroeste de la Comunidad. El aumento durante la desescalada fue alto-moderado dentro de la corona metropolitana. En la corona provincial se dieron grandes aumentos en la zona norte contrastando con los bajos aumentos en el este y oeste de la Comunidad.

En cuanto a los movimientos de entrada, durante el confinamiento se dieron altos descensos en las zonas centro y sureste, destacando que las zonas del sur de la corona metropolitana no sufrieron grandes cambios. El aumento de las entradas fue en general moderado-alto, con altos aumentos en la zona sur.

Con el fin de caracterizar la afección de las restricciones en las diferentes zonas se han estudiado diferentes variables socioeconómicas, datos de usos del suelo y del transporte de la Comunidad.

En la socioeconómica se han tomado datos de densidad de población, renta per cápita y datos de empleo. Estos últimos son de gran interés pues la Encuesta Domiciliaria de Movilidad de la Comunidad de Madrid (EDM2018) un 20% de los viajes está asociados al trabajo. Estos datos de empleo están formados por los afiliados a la Seguridad Social, la tasa de paro y las ramas de actividad.

Por otro lado, el análisis de los usos del suelo es un gran indicador de la generación de empleo y, por tanto, de la atracción de viajes. Por último, los datos de transporte se basan en el índice de motorización de cada región y la evolución de los viajeros transportados en autobús urbano y Metro.

El análisis se centra en su mayoría en los datos de empleo debido a su estrecha relación con la generación y recepción de viajes, comenzando con el estudio de las ramas de actividad.

Así, se observa que las zonas en las que la mayoría de la población se dedica a los Servicios a Empresas y Financieros (Madrid, Alcobendas, Majadahonda, Pozuelo de Alarcón, etc.) sufrieron un gran descenso durante el confinamiento y ascensos moderados tras el mismo. Análogamente, las zonas que basan su actividad en estos servicios perdieron un gran porcentaje de viajes y no recuperaron la movilidad en gran medida en la desescalada. Esto se explica ya que se redujo la presencialidad de estos servicios y, tras el confinamiento, se adoptó un régimen de teletrabajo.

En cuanto a la rama de Servicios de Distribución y Hostelería, las zonas en las que la población desempeña estos trabajos y las zonas que basan su economía en la misma no se vieron muy afectadas por el confinamiento y, por tanto, sufrieron menos ascensos en la desescalada. Esta dinámica viene asociada al alto grado de presencialidad de estas actividades.

Analizando la renta per cápita, se observa que las zonas con menos recursos sufrieron menos afección durante el confinamiento que las zonas de rentas altas, en cuanto a movilidad. Esto puede ser un reflejo de las tasas de paro que se dan en las zonas con menos recursos, por lo que las personas que no trabajaban no realizaban tantos viajes durante la normalidad.

En conclusión, este análisis ha permitido aclarar que los patrones de movilidad se han visto, evidentemente, muy afectados por la llegada de la pandemia a la Comunidad de Madrid. El confinamiento trajo consigo altos descensos en el volumen de viajes que se realizaban en la Comunidad y con la desescalada se produjeron ascensos pero, a vista de los datos, no se llegó a recuperar la movilidad que se daba en periodos de normalidad.

Dentro de estas afecciones, el estudio arroja que los patrones de movilidad de la Comunidad vienen muy condicionados por la situación de empleo de las diferentes zonas del territorio madrileño. Así, la rama más empresarial y financiera se vio más afectadas que la rama de distribución, debido principalmente a la presencialidad asociada a cada actividad. Estas conclusiones pueden dar lugar a diferentes estrategias, adaptadas a cada rama y zona de estudio, para actuar ante las nuevas olas de la pandemia en el futuro.

Deja una respuesta