Mapa de un atropello
La geografía invisible del peatón en Madrid
En siete años, 10.891 peatones fueron atropellados en las calles de la capital. 87 de ellos murieron. Repartidos entre los 131 barrios, dibujan un mapa que tiene poco de aleatorio.
El reportaje, en tres minutos
Si no tienes tiempo de leer todo el análisis, este resumen audiovisual sintetiza los hallazgos clave: los más de 300.000 registros, el cruce de siete datasets, el papel del tráfico como predictor más potente que la renta y la conexión con las Ciudades 30.
También disponible en Vimeo bajo licencia Creative Commons Attribution.
El peatón, la víctima más vulnerable
Antes de mirar Madrid, conviene saber dónde estamos. Los atropellos son una de las formas más persistentes de mortalidad urbana que la sociedad ha normalizado, y afectan especialmente a quienes menos pueden protegerse: los mayores, los niños y, sobre todo, los que viven en barrios donde el coche manda.
En España murieron 3.482 peatones atropellados en la última década, según el balance de la DGT (2025). Uno de cada cinco fallecidos en accidente de tráfico es un peatón. La cifra ha descendido respecto a los años noventa, pero en los últimos cinco años se ha estancado; el 70% de los atropellos mortales ocurren en zona urbana, y casi la mitad de las víctimas tiene más de 65 años (DGT, 2025). Madrid concentra una parte desproporcionada de ese problema (El Periódico, 2025).
La Memoria de Siniestralidad Vial 2024 (Ayuntamiento de Madrid, 2025) registra en la capital cifras todavía altas: 12.891 personas heridas en siniestros con víctimas, 31 fallecidos, y entre ellos un perfil claro: el peatón es la categoría con mayor letalidad relativa. Un siniestro con peatón implicado tiene una probabilidad de muerte cinco veces mayor que uno donde solo intervienen vehículos. La razón física es conocida: el peatón no tiene barrera de protección; cuando un coche lo impacta, el cuerpo absorbe íntegramente la energía cinética del vehículo (CESVIMAP, 2025; Gálvez, 2011).
La literatura científica converge en una conclusión: la letalidad del atropello no depende solo del azar ni del comportamiento individual. Una tesis doctoral de la Universidad de Granada (Valenzuela, 2020) que analiza más de 200.000 atropellos identifica como factores determinantes la edad del peatón, la velocidad de circulación, la iluminación, el tipo de vía y la presencia o ausencia de elementos de protección urbana. Un informe del RACE-Goodyear (2015) sobre atropellos urbanos concluye lo mismo: la velocidad y el ancho de calzada son predictores tan fuertes como la edad de la víctima. La OMS estima que una reducción del 5% en la velocidad media puede reducir un 30% los siniestros mortales (OMS, 2017). Y el impacto no acaba con la víctima. Las consecuencias psicológicas, físicas y socioeconómicas perduran años en quienes sobreviven (Infocop, 2024; Línea Directa, 2024).
La relación entre velocidad y letalidad es muy fuerte, aunque las cifras concretas dependen del estudio. Las que más se difunden, recogidas por la DGT en su informe Ciudades 30 (DGT, 2021), sitúan la probabilidad de muerte de un peatón atropellado a 50 km/h en el 80-90% y a 30 km/h en el 10%. Proceden de estudios de hace décadas que sobrerrepresentaban los accidentes más graves. Con datos más recientes, el estudio de referencia (Rosén y Sander, 2009, 490 atropellos reales de adultos en Alemania) estima el riesgo en torno al 8% a 50 km/h y algo por encima del 1% a 30 km/h: cifras menos dramáticas, pero con la misma conclusión, porque a 50 km/h el riesgo de morir es más de cinco veces mayor que a 30. Esa diferencia es la base científica de la reforma del Reglamento General de Circulación (Real Decreto 970/2020) que en mayo de 2021 estableció el límite de 30 km/h en vías urbanas de un único carril por sentido (la mayoría de las calles españolas). La instalación de reductores físicos — badenes, lomos, bandas sonoras — está a su vez regulada por la Orden FOM/3053/2008 (BOE, 2008), que fija sus condiciones de homologación, distancia y señalización.
Por eso este reportaje toma una unidad de análisis poco habitual: el barrio. No el distrito (demasiado grueso) ni el siniestro individual (demasiado fino para identificar patrones). Los 131 barrios oficiales del Ayuntamiento son la escala donde el diseño viario, la renta y la actividad peatonal cotidiana se solapan sobre el mismo territorio. Y donde, si hay desigualdad, debería ser visible.
Los atropellos no son hechos sueltos: son la expresión, sobre el cuerpo del peatón, de cómo se ha diseñado la ciudad. Si el diseño es desigual, los atropellos también lo serán. El punto de partida de esta investigación
En las páginas que siguen exploramos esa hipótesis con las herramientas que el Portal de Datos Abiertos del Ayuntamiento de Madrid pone a disposición de cualquiera: más de tres millones de registros de tráfico, las geometrías de los 131 barrios, un panel de cien indicadores socioeconómicos y siete años de partes de la Policía Municipal. Todo lo que viene a continuación procede de esos datos.
La intuición: el dinero importa
El sentido común dice que los barrios pobres son más peligrosos. Que donde hay menos dinero, hay más siniestros. Empezamos comprobándolo.
El portal de datos abiertos del Ayuntamiento publica, por persona implicada, cada accidente de tráfico atendido por la Policía Municipal entre 2019 y 2025: tipo de vehículo, edad, sexo, condición (peatón o conductor), fecha, hora, gravedad de la lesión y coordenadas exactas del lugar. Más de 312.000 registros. La primera operación, casi mecánica, es asignar cada uno de ellos al barrio donde ocurrió, contar los peatones y dividir entre el total de implicados. La intuición de partida era la siguiente: en los barrios populares, esa cifra debería ser mayor.
La intuición tenía razón a medias. La correlación entre la renta neta media de los hogares y el porcentaje de peatones implicados es r = −0,435 (R² = 0,189), con una significación estadística de p < 0,001. En términos de regresión lineal, la renta del barrio explica por sí sola el 18,9% de la varianza en la sobre-implicación peatonal. El sentido común no se equivocaba; hay una relación. Pero todavía no sabemos si es la única.
Renta del hogar × proporción de peatones implicados (131 barrios)
El extremo es Sol: en el corazón de Madrid, el 7,56% de quienes se ven envueltos en un accidente son peatones. Es la cifra más alta de la ciudad. En el extremo opuesto, en Fuentelarreina (Fuencarral), apenas el 1,10%. Una diferencia de 6,85 veces entre los dos extremos.
Donde menos se gana, más peatones víctimas del tráfico. Pero ¿es realmente la pobreza lo que atropella? La duda con la que arrancamos
La paradoja: la severidad sube con la renta
Cambiamos el indicador. En lugar de contar peatones, contamos consecuencias: ¿cuántos accidentes acaban en muerto o herido grave?
La severidad de los accidentes (medida como heridos graves más fallecidos sobre el total de siniestros) traza un mapa muy diferente del que vimos en el primer capítulo. Y a primera vista, contradice la intuición.
Renta por persona × severidad por mil siniestros
La correlación, en este caso, es positiva: r = +0,347 (R² = 0,120), también con p < 0,001. La renta media disponible explica por sí sola el 12,0% de la varianza en la severidad de los siniestros. Donde más se gana, los pocos accidentes que ocurren tienen, en promedio, peores consecuencias.
Los barrios con mayor severidad son Almagro (Chamberí), Recoletos y Castellana (Salamanca), Atalaya (Ciudad Lineal). Distritos acomodados todos. Mientras barrios como San Diego o Embajadores, con muchos peatones implicados, tienen severidades más moderadas.
Donde menos renta hay, más peatones se atropellan. Donde más renta hay, los accidentes son más letales. Dos desigualdades con signos opuestos. Pero, ¿son realmente desigualdades de renta? La intuición se complica
El giro: añadimos los datos del tráfico
Hasta aquí, las dos correlaciones con la renta eran toda nuestra historia. Pero el portal de datos abiertos del Ayuntamiento ofrece algo más: cómo se mueven los coches por cada calle.
El Ayuntamiento publica las medidas de 5.070 estaciones de tráfico distribuidas por toda la ciudad. Cada una de ellas registra, hora a hora, cuántos vehículos pasan, a qué velocidad lo hacen y qué porcentaje del tiempo permanecen saturadas. Junto a esa información se publica también el ancho real de cada tramo viario (Sistema de Información Geográfica Municipal) y el número de carriles de cada calle. Tres dimensiones del diseño urbano que hasta ahora no habían entrado en el análisis.
Al incorporar estas variables al modelo estadístico, el cuadro cambia radicalmente. La capacidad del modelo para explicar qué proporción de los implicados en los accidentes de cada barrio son peatones, medida por el R² ajustado (que penaliza el número de predictores), pasa del 26,8% al 51,2%. Casi se duplica. El tráfico explica muy bien dónde aparecen los peatones en los accidentes; como veremos más adelante, no explica cuán graves son esos accidentes.
Y lo más importante: las tres correlaciones más fuertes con la siniestralidad peatonal ya no son socioeconómicas. Son de tráfico.
Intensidad media de tráfico × % peatones implicados
La correlación entre la intensidad de tráfico en hora punta y el porcentaje de peatones implicados es r = −0,591 (R² = 0,349): por sí sola explica el 34,9% de la varianza. La de la velocidad media a la que circulan los coches, r = −0,576 (R² = 0,332). La de la intensidad media diaria, r = −0,554 (R² = 0,307).
Las tres son más fuertes que la correlación con la renta (r = −0,435, R² = 0,189). Y todas dicen lo mismo: donde el coche manda, el peatón desaparece. No porque haya menos accidentes, sino porque hay menos peatones expuestos para sufrirlos.
Cuando controlamos el modelo por intensidad de tráfico, la renta de los hogares deja de ser, por sí sola, predictora del riesgo peatonal. Lo que parecía pobreza era, en realidad, otra cosa. Lo que vemos al mirar a los lados
La velocidad diseña la ciudad
Dos calles, dos formas de tráfico, dos paisajes peatonales. La diferencia entre una y otra explica más que la diferencia de renta.
Atocha y Acacias son barrios vecinos. Comparten distrito (Arganzuela) y tienen una renta parecida (21.254 y 24.444 euros por persona). Pero las estaciones de tráfico cuentan dos historias muy distintas. Por Atocha pasan la M-30 y grandes ejes de salida hacia el sur: la intensidad media es de 749 vehículos por hora, y las dos estaciones del barrio que miden velocidad, ambas en la M-30, registran 73 km/h de media. Sus calles tienen 2,7 carriles de media por calzada. El peatón se mueve por aceras laterales, separadas, protegidas. Su proporción sobre el total de implicados en accidentes es baja: 2,19%.
En Acacias, a pocos cientos de metros, la lógica viaria es opuesta. Velocidad media: 36 km/h (en las ocho estaciones del barrio que la miden). Intensidad: 362 vehículos por hora. Solo 1,8 carriles de media. La trama urbana es de barrio: comercio de cercanía, actividad peatonal constante, paseos amplios pero domesticados. El coche y el peatón comparten el espacio. Y eso se refleja en la siniestralidad: el peatón es 5,20% de los implicados (más del doble que en Atocha) y la severidad media de los accidentes en Acacias es también más alta: 15‰ frente a 10‰.
Arrastra el deslizador para comparar la trama urbana de Atocha (izquierda) y Acacias (derecha).
Las dos calles son distintas porque sirven a propósitos urbanos distintos. Atocha es un eje de circulación; Acacias es un barrio. Esa diferencia de forma (no de dinero) es la que mejor explica la geografía del peatón atropellado.
Velocidad de circulación × severidad del accidente
Aquí, la correlación entre velocidad y severidad no es significativa: r = +0,13, p = 0,36. La velocidad explica cuántos peatones hay en los accidentes, pero no cuán graves son cuando ocurren. Para eso, el factor sigue siendo otro.
Un mismo distrito, cuatro mundos: la zona de Manuel Becerra
Si Atocha y Acacias son la metáfora extrema (un canal de coches frente a una malla peatonal), conviene mirar también un caso intermedio. La Plaza de Manuel Becerra está rodeada de cuatro barrios del distrito de Salamanca con rentas casi idénticas (entre 24.000 y 29.000 €/persona). Comportamientos peatonales, en cambio, radicalmente distintos. El paseante no necesita cruzar la ciudad para encontrar la desigualdad. Basta con girar una esquina.
| Variable | Lista | Goya | Guindalera | Fuente del Berro |
|---|---|---|---|---|
| Renta / persona | 28.960 € | 28.823 € | 25.573 € | 23.926 € |
| Velocidad media | no medida | no medida | 65,3 km/h | 67,6 km/h |
| Intensidad (veh/15 min) | 268 | 360 | 519 | 747 |
| Ancho de calzada | 14,2 m | 12,1 m | 11,4 m | 9,4 m |
| Carriles ponderados | 2,06 | 2,29 | 1,96 | 2,02 |
| % peatones implicados | 4,18% | 4,43% | 2,41% | 1,76% |
| Severidad ‰ siniestros | 19,8 | 15,3 | 11,3 | 14,5 |
Las celdas se colorean por intensidad relativa dentro de cada fila. En las últimas dos (% peatones y severidad), los tonos rojos marcan los valores más preocupantes.
Cuatro barrios contiguos, una sola ronda peatonal de quince minutos entre los extremos. Lista y Goya son la cara peatonal: rentas altas, calles relativamente anchas, mucha actividad de paseo y comercio; por eso peatones desproporcionadamente implicados en sus accidentes (4,2% y 4,4%). En Lista, además, la severidad es la más alta de la zona (19,8‰); cuando hay accidente, las consecuencias son notablemente peores.
Fuente del Berro y Guindalera son la cara viaria. Las atraviesan ejes de circulación importantes (la Avenida de Doctor Esquerdo y la M-30 cercana), con velocidades medidas en torno a los 65-67 km/h, intensidades de tráfico hasta tres veces superiores y proporciones de peatones implicados muy bajas (1,8% y 2,4%). El peatón apenas existe en sus accidentes; el coche manda y los siniestros ocurren sobre todo entre vehículos.
La conclusión del capítulo se ratifica en miniatura. La diferencia que importa entre estos cuatro barrios contiguos no es la renta (separados por apenas 5.000 € entre el extremo y el extremo opuesto), sino la forma de la calle. Y deja una pregunta abierta para el capítulo siguiente: ¿por qué Lista, con intensidad de tráfico baja, tiene la severidad más alta del distrito?
Lo que persiste: la severidad sigue siendo desigualdad de renta
La relación entre la renta del barrio y cuán graves son sus accidentes se mantiene incluso después de controlar por todas las variables de tráfico.
El modelo estadístico que predice la severidad de los siniestros no mejora al añadir las variables de tráfico: su R² ajustado se queda en torno al 11%. Eso significa que las variables que tenemos (renta, paro, vulnerabilidad, tráfico) explican una parte pequeña de por qué unos accidentes acaban en muerto y otros en parte leve.
En el modelo multivariado, ningún predictor individual alcanza significación estadística al nivel del 5% una vez controlamos por el resto. Esto no significa que las variables no estén relacionadas con la severidad: significa que la información se reparte entre ellas. A nivel bivariado, la renta media por persona sí mantiene su correlación significativa (r = +0,347, R² = 0,120, p < 0,001).
Los registros policiales sí permiten una verificación parcial sobre la edad de las víctimas. De los 87 peatones fallecidos en accidentes en Madrid entre 2019 y 2025, 43 tenían 65 años o más (49,4%) y 35 superaban los 74 (40,2%). Entre los heridos graves, los mayores de 74 años son también el grupo más numeroso (245 sobre 1.118, el 22%). Es decir: en las víctimas peatonales de mayor gravedad, los ancianos están sistemáticamente sobrerrepresentados, en línea con lo que la DGT y la tesis de Valenzuela (2020) describen para el conjunto de España.
Lo que estos datos no permiten cerrar es la mecánica concreta del choque: tipo de vehículo (¿más SUV en barrios acomodados?), velocidad de impacto (las estaciones miden velocidad media de tráfico, no del vehículo en el momento del atropello), iluminación o presencia de pasos elevados. La física del impacto es clara: la probabilidad de muerte de un peatón crece muy deprisa con la velocidad del choque (pasar de 30 a 50 km/h la multiplica por más de cinco, según Rosén y Sander, 2009). Pero la velocidad media que registran las estaciones no es la del choque, y en nuestros datos no aparece relación entre la velocidad de un barrio y la gravedad de sus accidentes. Los datos abiertos del Ayuntamiento se acercan a esa respuesta sin tocarla del todo.
Los datos que tenemos explican bien dónde están los peatones implicados. No explican aún por qué algunos accidentes matan y otros no. Lo que el semáforo en rojo nos obliga a admitir
Lecciones para una ciudad caminable
Lo que estos datos sí permiten afirmar, y lo que dejan abierto.
El análisis sugiere algo concreto: la pacificación del tráfico, la reducción de su intensidad y el rediseño viario hacia calles más estrechas y de un solo carril son las herramientas con mayor capacidad de impacto sobre la vulnerabilidad peatonal. La renta no es la palanca a tocar; lo es la forma de la ciudad.
El análisis no permite afirmar que reducir la velocidad media de los coches en los ejes acomodados reduzca la severidad de los accidentes. Esa es una pregunta abierta; responderla requeriría datos sobre tipo de vehículo, edad de las víctimas y mecánica de cada choque.
Sí permite afirmar que la siniestralidad peatonal en Madrid no es aleatoria. Tiene una geografía. Y una buena parte de esa geografía está dibujada por decisiones urbanísticas que se pueden revisar.
Este estudio se inscribe, sin haberlo buscado, en un debate más amplio sobre las llamadas Ciudades 30: la pregunta de si reducir la velocidad máxima en vías urbanas reduce significativamente los atropellos. Nuestros datos no responden esa pregunta de forma directa — no hemos comparado un antes y un después de la reforma de 2021 — pero sí aportan evidencia convergente: la velocidad de circulación y la intensidad del tráfico son los predictores más potentes de la vulnerabilidad peatonal en los 131 barrios de Madrid, por encima incluso de la renta. Los datos abiertos del Ayuntamiento confirman lo que la DGT ya tenía en mente al promover el modelo Ciudades 30: la forma de pacificar el tráfico no es un detalle secundario, es la palanca principal.
Tres familias de medidas se apoyan en los datos analizados y en la literatura sobre seguridad vial:
- Pacificación del tráfico en barrios donde la coexistencia peatón-vehículo es más densa: priorizar reductores físicos (Orden FOM/3053/2008), pasos elevados y plataformas únicas en las calles identificadas en el ranking como de mayor % peatones implicados.
- Reducción del límite efectivo a 30 km/h en las grandes vías de los barrios acomodados donde los accidentes son menos frecuentes pero más graves (Castellana, Recoletos o Almagro). Esta medida no se deduce de nuestros datos, que no encuentran relación entre la velocidad media y la gravedad, sino de la física del impacto y de la experiencia de las Ciudades 30.
- Rediseño viario en intersecciones con alta incidencia: isletas de refugio, semáforos peatonales con tiempos suficientes y mejora de la visibilidad. La Memoria de Siniestralidad Vial 2024 identifica intersecciones concretas; los datos de este reportaje permiten priorizarlas por barrio.
Madrid no atropella a sus peatones por azar. Los atropella allí donde el espacio público se ha diseñado para el coche, y donde la renta moldea, además, qué cuerpos son los que caen. Y por fin, llegamos
Explora los 131 barrios uno a uno
Todos los datos del análisis están abiertos. Puedes consultarlos en mapa, en ranking, en ficha individual o vía API.
Mapa interactivo
Los 131 barrios sobre mapa coroplético con cuatro indicadores alternables.
Ranking
Tabla ordenable por cualquier variable y gráficos de dispersión.
Datos completos
Cifras, hallazgos y rankings en formato dashboard navegable.
Metodología
Cómo se ha hecho el estudio, fuentes y técnicas estadísticas.
API REST
Reutiliza los datos en tu propio análisis. CC BY 4.0.
Inmersivos
Visualización 3D con Flow Immersive y recorrido en realidad virtual.