En este documento, presentamos un nuevo marco para enriquecer datos de series temporales en ciudades inteligentes mediante la incorporación de información de fuentes externas a través del enriquecimiento semántico de datos. Nuestra metodología fusiona de manera efectiva múltiples fuentes de datos en una serie temporal uniforme, abordando dificultades como la calidad de los datos, la información contextual y los lapsos de tiempo. Demostramos la eficacia de nuestro método a través de un estudio de caso en Barcelona, que permitió el uso de métodos de análisis avanzados como la correlación cruzada en ventanas y la selección de picos. Los datos resultantes de las series temporales pueden utilizarse para determinar patrones de tráfico y tienen posibles usos en otros sectores de ciudades inteligentes, como la calidad del aire, la eficiencia energética y la seguridad pública. Los paneles interactivos permiten a los interesados visualizar y resumir ideas clave y patrones.