There is extensive scientific evidence showing that the characteristics of the urban and residential environment directly affect people’s quality of life and health. In this framework, numerous building renovation policies have been developed in Europe, mainly focused on improving energy efficiency. However, we are dealing with a multifactorial and multicausal phenomenon of a complex system where competent institutions need quantitative diagnosis mechanisms that consider this holistic vision when making decisions and prioritizing interventions. Regarding this, the present research develops the potential of the multi-criteria methodology in a first proposal, which integrates social, energy, environmental and spatial aspects linked to the relationship between housing and the effects on the health of its inhabitants. It is a multidimensional method based on systematized and exportable vulnerability indices, which applies indicators that have been calculated using cadastral data and a typomorphological characterization of the residential stock. The analysis of the results through geostatistical techniques of autocorrelation and clustering applied to the case study of Donostia-San Sebastián shows that the proposed methodology is effective in achieving the objectives set. The associated GIS tool has proved to be agile and replicable.

Extensive scientific evidence underscores the importance of identifying spatiotemporal patterns for investigating urban dynamics. The recent proliferation of location-based social networks (LBSNs) facilitates the measurement of urban rhythms through geotemporal information, providing deeper insights into the underlying causes of urban vibrancy. This study presents a methodology for analyzing the spatiotemporal use of cities and identifying occupancy patterns taking into consideration urban form and function. The analysis relies on data obtained from Google Popular Times (GPT), transforming the relative occupancy of a large number of points of interest (POI) classified into five categories, for estimating the number of people aggregated within urban nodes during a typical day. As a result, this research assesses the utility of this data source for evaluating the changing dynamics of a city across both space and time. The methodology employs geographic information system (GIS) tools and artificial intelligence techniques. The results demonstrate that by analyzing geotemporal data, we can classify urban nodes according to their hourly activity patterns. These patterns, in turn, relate to city form and urban activities, showing a certain spatial concentration. This research contributes to the growing body of knowledge on machine learning (ML) methods for spatiotemporal modeling, laying the groundwork for future studies that can further explore the complexity of urban phenomena.

Este artículo presenta una nueva metodología para una clasificación precisa y sistemática del parque edificado a escala municipal. Los métodos desarrollados hasta ahora consideraban variables edificatorias y obtenían resultados genéricos que no son suficientemente detallados para obtener una segmentación que recoge la diversidad del parque residencial de los municipios españoles. La principal aportación de este trabajo es la combinación de dos variables urbanas (densidad-forma urbana y tipología arquitectónica) con las dos variables propias de la edificación que se vienen utilizando más habitualmente (año de construcción y número de plantas). Ello permite desarrollar una clasificación más precisa que hace posible la identificación de cada edificio dentro de su contexto histórico y urbanístico y posibilita una caracterización del parque más detallada. Para su aplicación, se ha creado una herramienta de Sistemas de Información Geográfica (SIG) y se han utilizado software y fuentes de datos de libre acceso. Se ha implementado en el caso de estudio de Donostia-San Sebastián pero es exportable a otros contextos. Los resultados muestran que la metodología propuesta proporciona una clasificación singular y detallada de las tipomorfologías del parque residencial existentes en la ciudad y posibilita un conocimiento profundo de la realidad útil para la toma de decisiones y definición de estrategias y políticas urbanas.

Understanding how different population groups interact with urban environments is essential for analyzing spatial dynamics and informing urban planning, especially in cities experiencing high visitor pressure. This study presents a methodological framework for the spatial and temporal delineation of urban areas based on user-generated location-based data. By collecting nearly 1 million Google Maps reviews in the municipality of Donostia-San Sebastián, we identify and classify user profiles based on their spatiotemporal behavior. First, we collect points of interest (POIs) and associated reviews, including profile identifiers and timestamps. Then, we perform user-level webscraping to reconstruct review histories, enabling us to infer the predominant geographical origin of each user. Users are classified as residents or tourists using both spatial prevalence and temporal activity patterns. The resulting data is aggregated onto a hexagonal grid for geostatistical analysis. Using the Getis-Ord Gi* statistic and Mann-Kendall trend tests, we identify hotspots and long-term trends of activity for different population segments. Additionally, we propose novel indicators such as predominant periods of activity and diversity of geographical origin per cell to characterize heterogeneous patterns of urban use. Our results reveal distinct behavioral patterns, highlighting a more evenly distributed use of urban space by residents, with spatially overlapping yet temporally offset activities across central areas where tourists tend to concentrate their interactions. This spatiotemporal concentration is intensified as the tourists’ origin becomes more distant, suggesting that proximity shapes urban engagement. The proposed methodology offers a replicable strategy for urban analysis using publicly accessible user-generated data and contributes to the understanding of sociospatial dynamics in tourism-intensive cities.

Los determinantes urbanos de la salud, entendidos como factores socioespaciales que influyen en la calidad de vida de la población, han sido tradicionalmente estudiados en grandes urbes, generando un vacío conceptual y metodológico para su aplicación en territorios heterogéneos, caracterizados por la coexistencia de ciudades intermedias y pequeños municipios. El presente artículo aborda esta cuestión mediante el desarrollo de un método de evaluación de los determinantes urbanos para la calidad del entorno aplicable a distintas escalas territoriales y adaptable tanto a contextos urbanos como rurales. A partir de una revisión crítica de la literatura, se identifican los factores clave que inciden en la salud de las personas y se analizan las metodologías y herramientas existentes, poniendo de relieve las limitaciones de los enfoques convencionales. El objetivo del trabajo que se presenta es poner de manifiesto la diversidad de los contextos territoriales existentes y la necesidad de adaptar los métodos de análisis de la calidad del espacio público a las particularidades de cada escenario. Como resultado del análisis, se determinan cinco indicadores principales para la evaluación de la calidad del espacio público y se aplican al conjunto de municipios de Euskadi, con el fin de analizar distintos escenarios territoriales y poner en cuestión los valores de referencia o estándares recogidos por la bibliografía. En este artículo se presenta la conceptualización teórica desarrollada, así como los resultados de la aplicación de la metodología al caso de estudio. Los hallazgos muestran patrones diferenciales en la distribución espacial de los determinantes urbanos en función del tamaño del municipio y de la jerarquía urbana, lo cual aporta nuevos datos que posibilitan adaptar los métodos de evaluación de calidad del espacio público a contextos semiurbanos o rurales y sugerir recomendaciones para la definición de las políticas públicas en diseño urbano saludable. Además, el trabajo aporta un marco metodológico innovador y transferible a otras regiones con características urbano-territoriales similares.