https://doi.org/10.22463/2011642X.2663
Recibido: 14 de julio de 2020 - Aprobado: 15 de octubre de 2020
Como citar:
P. Basnak, R. Giesen & J. C. Muñoz, “Criterios para planificar transporte masivo en ciudades intermedias de Colombia: ¿Cómo complementar y mejorar la política actual?”, Revista Ingenio, vol. 18 (1), pp. 1-9, 2021.
En este artículo se proponen, sobre la base de un análisis cualitativo y cuantitativo dos enfoques para recomendar la planificación de transporte masivo. A diferencia del documento 3167 del Consejo Nacional de Política Económica y Social (CONPES) que recomendó impulsar la planificación y construcción de sistemas de transporte masivo en ciudades de Colombia exclusivamente en base a la población, los dos enfoques propuestos incorporan variables adicionales que son determinantes de un mayor uso de transporte público. El primero es una combinación lineal de características sociodemográficas de las ciudades, que considera otras variables relevantes como Producto Interno Bruto (PIB), forma urbana y motorización, denominado “puntaje urbano”. El segundo se basa en la demanda existente en los sistemas de transporte público, ponderada por la densidad de viajes y la distancia recorrida, llamado “densidad potencial de demanda”. Si bien la evidencia estadística es escasa, ambos indicadores predicen de mejor manera la demanda en corredores existentes.
Palabras clave:BRT, ciudades intermedias, CONPES 3167, política de transporte, transporte público.
In this article, based on a qualitative and quantitative analysis, two approaches to recommend mass transit planning are proposed. Unlike document 3167 of the National Council for Economic and Social Policy (CONPES) that recommended promoting the planning and construction of mass transportation systems in Colombian cities exclusively on the basis of population, the two proposed approaches incorporate additional variables that are determinants of increased use of public transport. The first is a linear combination of sociodemographic characteristics of cities, which considers other relevant variables such as Gross Domestic Product, urban form and motorization, called “urban score”. The second is based on the existing demand in public transport systems, weighted by the density of trips and the distance traveled, called “potential density of demand”. Although statistical evidence is scarce, both indicators better predict demand in existing corridors.
Keywords:BRT, CONPES 3167, intermediate cities, public transport, transport policy.
Existen dos enfoques básicos para recomendar modos de transporte masivo en la literatura. El más sencillo consiste en establecer umbrales para implementar tecnologías como BRT, Tren Ligero o Metro en base a variables como la población de las ciudades y el PIB per cápita.
La experiencia internacional muestra que algunas ciudades de menos de 400.000 habitantes cuentan con líneas de BRT, como Eugene (Estados Unidos), Uberaba (Brasil) y Caen (Francia) [2], tren ligero, como Vitória (España), Haifa (Israel) o Bonn (Alemania), o incluso Metro, como Brescia (Italia) y Lausanne (Suiza).[3]
Considerando como “ciudades intermedias” a aquellas con población entre 50.000 y un millón de habitantes [4], la mayoría de las ciudades intermedias con metro o tren ligero pertenece a países desarrollados, en donde existe mayor presupuesto para financiar infraestructura de transporte y los usuarios tienen mayor ingreso, lo que se asocia con una mayor disposición a pagar por ahorro en tiempos de viaje. [5]
Los corredores BRT tienen costos de construcción marcadamente inferiores al del Metro [6] y su capacidad máxima es comparable con la de líneas de Metro. [7] Esta combinación los hace particularmente atractivos para países en vías de desarrollo: en la actualidad, casi el 90% de los pasajeros transportados en BRT pertenecen a ciudades de América Latina o Asia. [2]
En este contexto, se han propuesto distintos umbrales de población como límites mínimos para la planificación de modos de transporte masivo. La Tabla 1 presenta algunos límites propuestos para la planificación de BRT. Puede observarse que la política de transporte urbano del documento CONPES 3167 (2002) [8] propone una población consistente con otras fuentes.
Para establecer una relación entre los dos enfoques descritos, pueden analizarse cuáles son los determinantes de una mayor demanda de transporte público en una ciudad. Además de una mayor población, se han establecido correlaciones de la cantidad de viajes o del potencial para implementar transporte masivo con una mayor densidad de población [14], mayor PIB per cápita [15], menor tasa de motorización [16], una forma urbana más lineal [17], y la presencia de integración tarifaria y modal [18].
En este sentido, cabe preguntarse si pueden incorporarse estas variables relevantes u otras en un criterio general para recomendar la implementación de BRT. A continuación, se presentarán dos enfoques alternativos para recomendar transporte público masivo en las ciudades intermedias de Colombia. Primero, aplicaremos los modelos de clasificación presentados en Basnak et al. (2020) [19] que consideran la existencia de ciertos modos de transporte público según características básicas de las ciudades y sus habitantes. Luego, propondremos un indicador alternativo basado en la demanda existente en distintos sistemas de transporte público.
La variable dependiente de dicho modelo cuenta con cinco categorías, basadas en la clasificación modal de Vuchic (2005) [20].La categoría V corresponde a ciudades con modos de transporte público con separación total respecto de otros vehículos y sin cruces a nivel, como el metro de Medellín. La categoría IV corresponde a ciudades que cuentan con modos de transporte público parcialmente segregados del tránsito pero con cruces a nivel (e.g. Cali). Ciudades con modos de transporte público con derecho de vía tipo “C”, con tránsito compartido con otros vehículos como buses comunes, pero sin modos tipo “A” ni “B” (e.g. Pasto), pertenecen a la categoría III. Por último, ciudades que sólo tienen servicios de taxi pertenecen a la categoría II, y ciudades sin transporte público son de categoría I.
Los modelos Probit Ordinal son utilizados comúnmente cuando la variable dependiente es categórica [21] y las variables explicativas se correlacionan en forma positiva o negativa con la variable dependiente. Considerando “j” categorías para la variable dependiente, un modelo Probit ordinal compara una combinación lineal de atributos con “j-1” valores límite. Tanto los valores de los parámetros como los valores límite son estimados por máxima verosimilitud, y los errores de la estimación distribuyen normal.[22]
En la Ecuación 1 se muestra la expresión del modelo Probit estimado en [19], que llamaremos “Puntaje urbano”
La Tabla 3 muestra los valores límite entre categorías estimados por máxima verosimilitud. Ciudades cuyo “puntaje urbano” es mayor a 24.20 tienden a contar con transporte masivo en la actualidad.
Además de las ciudades con más de 500.000 habitantes, el modelo Probit asigna una alta probabilidad de contar con transporte masivo a un segundo grupo de localidades de menor población, pero que al ubicarse cerca de grandes ciudades pueden ser propicias para la adopción de líneas de transporte masivo que las vinculen a ellas y que a su vez permitan desplazarse dentro de estas localidades “satélite”. Es el caso de Chía, Zipaquirá y Facatativá (cercanas a Bogotá) Palmira y Jamundí (Cali) y Piedecuesta (Bucaramanga). Los proyectos Regiotram de Occidente y Regiotram del Norte, que vincularán a Bogotá con ciudades cercanas, corresponden a esta funcionalidad.
A continuación, veremos cómo se relaciona el “puntaje urbano” con la demanda de los sistemas de transporte público de ciudades intermedias de Colombia. Por último, discutiremos las ventajas y desventajas de adoptar criterios alternativos a la población para planificar la construcción de sistemas de transporte masivo.
1El modelo de Basnak, Giesen y Muñoz (2020) [19] considera un criterio de área urbana continua para definir cada ciudad. Por este motivo, las poblaciones y superficies urbanas pueden ser distintas a las de las áreas metropolitanas definidas por el DANE, que también incluyen localidades físicamente separadas pero con relación funcional entre ellas.
A partir de información recopilada en [2] que se muestra en la Tabla 4, es posible comparar la demanda estimada para ambos sistemas con el límite mínimo definido en el documento CONPES 3167 (2002). Se incluye asimismo a Bucaramanga, cuya área urbana continua (Bucaramanga, Floridablanca y Girón) tiene 1.045.000 habitantes. [23] En los tres corredores, la demanda observada es menor al umbral establecido en la política colombiana de transporte urbano, de 7000 pasajeros/hora punta/sentido, para la implementación de un corredor BRT. No obstante, dicho umbral mínimo – estimado en el año 2002 – puede ser actualizado: al aumentar los ingresos crecen los beneficios asociados con la construcción de un BRT [24] que circula más rápido que los buses convencionales. Aplicando modelos que comparan el costo medio social generalizado (es decir, la suma de costos de inversión, operación y tiempo generalizado de viaje de usuarios) en corredores de buses convencionales y BRT, en los que se optimiza la cantidad de vehículos, la distancia entre paraderos y el tamaño de los buses para distintos niveles de demanda, es posible estimar cómo varía la cantidad mínima de viajes por unidad de tiempo que justifica la presencia de un BRT para distintos valores subjetivos del tiempo. La expresión de los costos mínimos para cada combinación es (Ecuación 2): Donde C es el costo total (compuesto por costos de construcción Ccor y Cpar, costos de expropiación Cexp, costos de operación fijos Cf y variables t.Cd y costos de las etapas de viaje de los usuarios Cacc, Cesp, Cvia), N la cantidad de viajes, B la flota, d la distancia entre paraderos y L el largo de corredor. Actualizando el límite de 7.000 pasajeros/hora por dirección establecido en el documento CONPES 3167 según la evolución real del salario mínimo (Tabla 5), bastarían entre 6.575 y 6.735 pasajeros/hora por dirección para justificar BRT. 2De ser así, la demanda del Megabús en Pereira con anterioridad a la crisis sanitaria sería suficiente para fundamentar la existencia del BRT, a diferencia de la demanda del Transcaribe en Cartagena y de Metrolínea en Bucaramanga. Este análisis no considera beneficios adicionales de la implementación de transporte masivo, que pueden incluir la disminución de accidentes de tránsito, contaminación, criminalidad y la valoración de las propiedades cercanas a los corredores que no se expliquen por los ahorros de viaje para sus residentes o quienes allí acuden. [25] Además, la existencia de trasbordos y la reducción de las frecuencias ha resultado en una disminución de la demanda en estos sistemas, en particular en Bucaramanga [1], por lo que la demanda potencial de los sistemas existentes podría aumentar – sin considerar el efecto de la pandemia – si mejorara el nivel de servicio. En cuanto al resto de las ciudades intermedias, la última Encuesta de Transporte Urbano de pasajeros desarrollada por el DANE (2020) [26] brinda estimaciones para las proyecciones de demanda en distintos sistemas de transporte urbano colectivo para el año en curso, considerando la situación previa a la pandemia del COVID-19. Como se muestra en la Tabla 6, Santa Marta era la ciudad con más viajes por día proyectados, seguida por Cartagena (que cuenta con sistema BRT en operación) y Cúcuta (cuyo BRT está planificado). Para realizar una mejor comparación del beneficio potencial de los sistemas de transporte masivo en distintas ciudades, pueden incorporarse dos factores adicionales al número de viajes: la densidad de población y la distancia promedio. 2Las estimaciones de valor subjetivo del tiempo de viaje surgen de [29], que informa un valor subjetivo del tiempo de viaje promedio de 1.287 salarios mínimos/h. Se actualizó además el salario mínimo entre 2002 y 2020 considerando la variación real ajustada por inflación.PhD(C) Paul Basnak, PhD. Ricardo Giesen-Encina, PhD. Juan Carlos Muñoz-Abogabir. La importancia de la densidad de población en la demanda de transporte público ha sido señalada en [14]- [27] entre otros. En tanto, al aumentar la distancia media de los viajes en transporte público, es mayor el ahorro en tiempos de viaje para modos más rápidos, lo que se traduce en un mayor beneficio social. Asumiendo una distribución dada de viajes en el corredor, el beneficio para los usuarios (expresado en tiempo ahorrado por viaje en vehículo) es proporcional al largo del corredor. Al dividir los viajes diarios en el sistema por la superficie de cada ciudad, se determina la intensidad de demanda medida en viajes/km2/día. Dado que el tiempo ahorrado en vehículo al viajar en un modo más rápido es (suponiendo velocidades constantes) proporcional a la distancia recorrida, y que ésta depende del largo del área urbana para un patrón de viajes definido, al expresar la densidad de demanda en viajes/km/día – lo que equivale a dividir la demanda proyectada por la raíz cuadrada de la superficie urbana – se tiene en cuenta tanto la densidad de población como la distancia media de viajes. Llamaremos a este indicador “densidad potencial de demanda” (Ecuación 3, Tabla 6). Algunas ciudades que no cuentan con BRT, como Santa Marta e Ibagué, tienen más viajes/km/día en comparación con Pereira y Cartagena que cuentan transporte masivo. Nótese que la mayor cantidad de viajes por día en el BRT de Pereira en relación al de Cartagena se refleja (aunque en mucho menor medida) en su mayor densidad potencial de demanda, aunque esta última considera los viajes de todo el sistema. La “densidad potencial de demanda” tiene – de manera esperable – correlación positiva tanto con la población de las ciudades como con el puntaje urbano (Figura 2). No obstante, la regresión lineal con el puntaje urbano es significativamente mejor, lo que reafirma la hipótesis de que incorporar variables adicionales a la población permite mejorar los criterios para planificar transporte masivo en ciudades intermedias. A continuación, discutiremos las ventajas y desventajas de utilizar el puntaje urbano o la densidad de demanda como indicadores para planificar sistemas de transporte masivo en lugar de la población de las ciudades.
La Tabla 7 resume las principales ventajas y desventajas de utilizar los indicadores propuestos en comparación con la población. El puntaje urbano, utilizado para identificar qué características socioespaciales de las ciudades explican la existencia de los modos de transporte que operan en ellas, incorpora distintas variables que explican un mayor uso de transporte público, por lo que también puede utilizarse como indicador para planificar la implementación de sistemas de transporte masivo. Aunque su expresión es naturalmente más compleja que un simple umbral de población, la mayoría de sus variables pueden obtenerse con relativa facilidad. Una posible excepción es la motorización, que puede estimarse a partir del Registro Único Nacional de Tránsito, pero que no necesariamente refleja cuántos vehículos son utilizados en cada ciudad. Para el uso del “puntaje urbano” como criterio de planificación a nivel nacional, se recomienda no tener en cuenta las diferencias regionales en el PIB per cápita. Aunque se verifica en la práctica que el PIB per cápita regional explica mejor los modos de transporte público en ciudades que el PIB nacional, el uso de esta variable a nivel regional implicaría una mayor tendencia a invertir en transporte público en zonas de mayor ingreso. Esta política puede ser costo-efectiva pero implica impulsar proyectos que podrían acentuar la inequidad. [28] Por su parte, la densidad de la demanda actual de los sistemas de transporte público tiene como principal ventaja que considera tanto la densidad de población como la distancia de viajes. No obstante, no tiene en cuenta que la cantidad de viajes que se realizan en un sistema dado depende de su nivel de servicio. Si bien es cierto que en algunas ciudades de la muestra (como Valledupar) la partición modal del transporte público podría aumentar con una mejora de las condiciones de viaje, la evidencia muestra que en aquellas ciudades que reformaron sus sistemas de transporte público la demanda no aumentó en comparación con las que no lo hicieron. [1] Este indicador es más sencillo que el puntaje urbano, ya que requiere solo de dos variables (cantidad de viajes en transporte público y superficie urbana) aunque no hay estimaciones oficiales de demanda para todas las ciudades intermedias de Colombia. Por último, la evidencia estadística es insuficiente para definir un umbral mínimo en términos de viajes/km/día. Considerando a Pereira como ciudad de referencia, cuyo sistema BRT tiene una demanda adecuada para justificar su operación considerando los costos sociales totales, un límite inferior de 30.000 viajes/km al día es una primera aproximación razonable.
La principal ventaja de estos indicadores en relación con la población es que ambos incorporan variables fácilmente obtenibles, que han sido identificadas como relevantes en la literatura como determinantes de un mayor uso de transporte público o de un mayor beneficio para la implementación de corredores de transporte masivo. No obstante, debe considerarse que ambos indicadores propuestos ofrecen criterios útiles para la planificación estratégica a nivel preliminar. En este sentido, siempre deben ser complementados por análisis particulares para cada proyecto, que tengan en cuenta las características específicas de cada corredor, como la distribución de las densidades locales de población, los orígenes y destinos particulares de los viajes y los costos de construcción entre otros. Por último, la crisis sanitaria actual ha impactado significativamente no sólo en la demanda de los sistemas sino también en las preferencias de viaje de los usuarios, y muchos de estos cambios podrían persistir en el futuro. En este sentido, la pandemia brinda una oportunidad para mejorar los indicadores aquí propuestos, al aplicar modelos para estimar el costo social que tengan en cuenta los nuevos estándares de ocupación de los vehículos y la insatisfacción de las personas a compartir viaje con otros pasajeros. [1] Gómez-Lobo, “BRT Reforms in Colombia: an ex-post evaluation.”, Elsevier, vol.132,pp. 349-364,2019.Doi: https://doi.org/10.1016/j.tra.2019.11.014
[2] BRT+ Centre of Excellence y EMBARQ (2020) Global BRTData. Versión 3.52. Última modifi-cación: 28 de Agosto, 2020. [Online] Available: http://www.brtdata.org
[3] Urbanrail.net (2020). Información recuperada en 8/2020 del sitio web, [Online].Available: http://www.urbanrail.net/.
[4] Jordan, R. & Simoni, D. “Ciudades intermedias de América Latina y el Caribe: propuestas para la gestión urbana.” Italia, CEPAL (1998).
[5] Jara-Díaz, S. R. “Allocation and valuation of travel time savings. Handbooks in Transport,”, Handbook of Transport Modeling, vol. 1, pp. 303-319,2000. [6] Henry, L., & Dobbs, D. “Sustaining the Metrop-olis: Comparative examination of new start light rail transit, light railway, and bus rapid transit services opened from 2000”, Transportation Re-search E, pp. 177:37-55, 2012.
[7] Hidalgo, D., & Graftieaux, P. “Bus rapid transit systems in Latin America and Asia: results and difficulties in 11 cities.” Transportation Research Record, Vol. 2072, pp. 77-88. 2008. Doi: https://doi.org/10.3141/2072-09 [8] Consejo Nacional de Política Económica y So-cial, “Política para mejorar el servicio de trans-porte público urbano de pasajeros.” Documento CONPES 3167, Bogotá, D.C., 2002.
[9] Levinson, H.S. et al. “Bus Use of Highways: Planning and Design Guidelines, National High-way Cooperative Research Program.” Transpor-tation Research Board, Washington D.C., 1975.
[10] Transportation Research Board, “Bus Rapid Transit -Implementation Guidelines,”TCRP Re-port 90, Vol. 2, 2003.
[11] LAMTA, “Transit Service Policy”, Los Angeles Metropolitan Transportation Authority, 2012.
[12] Moccia, L., & Laporte, G. Improved models for technology choice in a transit corridor with fixed demand. Transportation Research Part B: Methodological, vol. 83, pp.245-270,2016.Doi: https://doi.org/10.1016/j.trb.2015.11.001
[13] AECOM, “Transit Lane Warrants Study”. Con-sultancy Report for Roads ACT Canberra, Aus-tralia, 2012.
[14] Ewing, R. & Cervero, R., “Travel and the Built Environment.” Journal of the American Planning Association. Vol. 76, no.3, pp. 265-294, 2010.
[15] Loo, B. P. Y., & Cheng, A. H. T. “Are there use-ful yardsticks of population size and income level for building metro systems? Some worldwide ev-idence.” Cities, vol. 27, no. 5, pp. 299–306, 2010.
[16] Kitamura, R. “A dynamic model system of household car ownership, trip generation, and modal split: model development and simulation experiment.” Transportation vol. 36, no. 7, pp. 11–732, 2009.
[17] Babalik-Sutcliffe, E. “Urban rail systems: Anal-ysis of the factors behind success”, Transport Reviews, vol. 22, no. 4, pp.415-447,2002.Doi: https://doi.org/10.1080/01441640210124875
[18] Muñoz, J. C., Batarce, M., & Hidalgo, D. “Transantiago, five years after its launch.” Re-search in Transportation Economics, vol. 48, pp. 184-193, 2014. Doi: https://doi.org/10.1016/j.re-trec.2014.09.041
[19] Basnak, P., Giesen, R., y Muñoz, J.C “Technolo-gy choices in public transport planning: a classi-fication framework.”, Research in Transportation Economics, 2020. Doi: https://doi.org/10.1016/j.retrec.2020.100901
[20] Vuchic, V. R. Urban transit: operations, planning, and economics. Wiley: UK, 2005
[21] Greene, W, & Hensher, D. Modeling Ordered Choices. Stern School of Business, New York University, New York, 2009
[22] Daykin, A. R., & Moffatt, P. G., Analyzing or-dered responses: A review of the ordered probit model. Understanding Statistics: Statistical Is-sues in Psychology, Education, and the Social Sciences, vol. 1, no.3, pp. 157-166,2002.Doi: https://doi.org/10.1207/S15328031US0103_02
[23] Departamento Administrativo Nacional de Es-tadística (2020) Serie de proyecciones de po-blación con desagregación nacional, departa-mental, municipal, y cabecera – resto.[Online].Available: www.dane.gov.co/index.php/estadis-ticas-por-tema/demografia-y-poblacion/proyec-ciones-de-poblacion
[24] Waters, W. G. “The value of travel time savings and the link with income: implications for pub-lic project evaluation.” International Journal of Transport Economics / Rivista internazionale di economia dei trasporti, vol. 21, no 1, pp. 243-253, 1994. Doi: 10.2307/42747665
[25] Hidalgo, D., Pereira, L., Estupiñán, N., & Jimén-ez, P. L. “TransMilenio BRT system in Bogota, high performance and positive impact–Main results of an ex-post evaluation.” Research in Transportation Economics, vol. 39, no. 1, pp. 133-138, 2013.Doi: https://doi.org/10.1016/j.re-trec.2012.06.005
[26] Departamento Administrativo Nacional de Es-tadística (2020). Encuesta de Transporte Urbano de Pasajeros (ETUP). [Online]. Available: www.dane.gov.co/index.php/estadisticas-por-tema/transporte/encuesta-de-transporte-urbano-etup
[27] UN-Habitat. Planning and Design for Sustain-able Urban Mobility: Global Report on Human Settlements, Taylor & Francis 2013
[28] Yamano,N., & Ohkawara,T. “The region-al allocation of public investment: Efficiency or equity?” Journal of Regional Science,vol.40,no.2,pp.205-229,2000. Doi:https://doi.org/10.1111/0022-4146.00172
[29] Díaz, L. G. M. “Disposición a pagar por reducir el tiempo de viaje en Tunja (Colombia): Com-paración entre estudiantes y trabajadores con un modelo Logit mixto.” Lecturas de Economía, vol. 78, pp. 45-72, 2013.
Compac: Indicador de forma estandarizado, de fórmula (2√(π . area))/perímetro. Ciudades más compactas tienen – para igual distribución de viajes – menor distancia promedio de viaje. De esta manera, una menor compacidad favorece modos de transporte más rápidos, dado que a mayor distancia de viajes mayor ahorro en los tiempos de viaje. Ln(Densidad): Habitantes por km2, considerando la superficie urbana continua (ingresada como logaritmo natural) Motor: Motorización. El modelo considera tasas únicas para cada país expresadas en automóviles /1000 hab., dado que no existen estimaciones fiables por ciudad. Prom_pend(%): Desnivel medio (%) de la red vial urbana, considerando la superficie continua. Para obtener esta variable se analizaron shapes tomados de Google Earth® con una aplicación en Python® que mide las coordenadas X, Y, Z de cada intersección en la red. Integ_tarifa: Variable dummy que vale 1 si es posible realizar trasbordos gratuitos (o con un costo reducido) en un sistema de transporte público y 0 en caso contrario. Ciudades analizadas y probabilidades asociadas a transporte masivo En la Tabla 8 se muestran las probabilidades asignadas por el modelo a las categorías IV y V (transporte masivo) a las ciudades de Colombia con población entre 100.000 y un millón. ** Doctor . Correo: giesen@ing.puc.cl *** Doctor. Correo: jcm@ing.puc.cl
3. Segundo indicador: “Densidad de demanda”
Actualmente, dos ciudades intermedias de Colombia cuentan con corredores BRT en operación: Cartagena y Pereira. En ambas ciudades, la demanda antes de la pandemia actual era significativamente menor a la planificada: según datos de 2017, Pereira alcanzaba el 64.5% de los viajes previstos y Cartagena apenas un 22%. [1] Si bien esto puede ser motivo de desilusión, no necesariamente implica que la construcción de dichos sistemas no está justificada desde el punto de vista social.
Descargar
Descargar
Descargar
Descargar
Descargar
Descargar
La población de las ciudades es sin duda atractiva por su sencillez para establecer en qué ciudades debe evaluarse la
potencial implementación de corredores BRT. No obstante, al ignorar otras características básicas de las ciudades y sus habitantes que explican un mayor uso de transporte público, no permite identificar que también se podría adoptar transporte masivo en localidades de menor población ubicadas cerca de las grandes ciudades, que podrían compartir sus sistemas de transporte masivo.
Descargar
En este trabajo se presentaron dos indicadores alternativos al criterio de población mínima establecida en la política nacional de transporte urbano para planificar la implementación de sistemas de transporte masivo en ciudades intermedias de Colombia. El primero consiste en utilizar otras características de las ciudades y sus habitantes además de la población, como la forma urbana, la densidad de población y la motorización, lo que denominamos “puntaje urbano”. El segundo criterio, llamado “densidad de demanda”, consiste en dividir la cantidad de viajes por día en un sistema de transporte público urbano por la raíz cuadrada de la superficie urbana.
Anexo – Datos adicionales sobre el modelo Probit ordinal
Aquí se brindan datos adicionales sobre el modelo Probit utilizado en [19] para clasificar ciudades según sus modos de transporte público.Explicación de las variables utilizadasLog10(Población): Habitantes en el área urbana continua (ingresada como logaritmo decimal)
Ln(PIB per cápita): Se consideró el PIB per cápita por departamento estimado por el DANE (ingresada como logaritmo natural)Atract: Indicador gravitacional, cuya expresión para una ciudad identifica "i" es:
Descargar
Descargar
*Doctor (En curso). Correo: pabasnak@uc.cl
Licencia
Creative
Commons Reconocimiento-NoComercial 4.0 Internacional
