Hoy en día las ciudades enfrentan problemas de movilidad debido a un crecimiento acelerado del parque automotor y a la contaminación generada por los vehículos, que en la mayoría de los casos, usan combustibles de fuentes no renovables. Frente a esto se han propuesto alternativas que apuntan a la implementación de energías renovables y otros medios de transporte. Es por esta razón que el sector de movilidad se ha preocupado por presentar mejoras en el diseño y optimización en sistemas de movilidad sostenible. Sin embargo, ofrecer sistemas de movilidad sostenible no es suficiente, se hace necesario monitorear los sistemas, recopilar datos de los factores que afectan estos sistemas, de tal forma que permitan predecir la confiabilidad de sus componentes y predecir su comportamiento a partir de condiciones de uso. Uno de los propósitos en los estudios de confiabilidad es analizar las fallas de un equipo o componente para proponer acciones preventivas y así evitar el colapso del sistema. Los modelos predictivos aparecen como una herramienta que ayudan en la tarea de determinar el momento y el tipo de falla para así tomar acciones preventivas. En los sistemas de movilidad sostenible se han utilizado modelos estadísticos y de machine learning para realizar predicciones sobre componentes del sistema, sin embargo, no se han explorado modelos de ensamble que aprovechen las ventajas de estos modelos, la precisión en la predicción y la interpretación de los factores que intervienen en el modelo. Este tipo de modelos permitiría la creación de sistemas de alertas en los sistemas de movilidad sostenible. Con la ejecución de este proyecto se crearán nuevos modelos predictivos, que a partir de las condiciones de uso de un sistema de movilidad sostenible, podrán predecir la confiabilidad del sistema y mejorar la eficiencia energética de estos sistemas y por lo tanto nuevos usuarios estarían dispuestos a adquirir este tipo de opciones que disminuirían el uso de recursos no renovables y contaminantes como el petróleo y el carbón.