Distancias Medias en Lima como proxy al estudio de políticas de movilidad basadas en género
World Bank Group
Introducción
Las distancias medias recorridas en los viajes diarios de las personas constituyen una métrica esencial en la planificación urbana y en la promoción de la movilidad sostenible. Al conocer y analizar estas distancias, es posible tener una comprensión más precisa de cómo las personas se desplazan en un área determinada y qué tan dependientes son de ciertos medios de transporte. La relevancia de esta métrica se evidencia aún más cuando se aborda la cuestión del uso excesivo de vehículos privados, que conlleva problemas como la congestión, la contaminación atmosférica, y la dependencia de los combustibles fósiles.
Dentro de las distancias recorridas, una proporción significativa suele corresponder a trayectos cortos. Estos trayectos son de especial interés porque, con las condiciones adecuadas, podrían ser fácilmente reemplazados por modos de movilidad activa, como caminar o andar en bicicleta. La movilidad activa no solo carece de emisiones directas de CO2 y otros contaminantes, sino que también promueve la salud y el bienestar físico de quienes la practican.
Entonces, al identificar y analizar las distancias medias recorridas, se puede determinar cuántos de esos viajes cortos se realizan actualmente en vehículos privados y cuál es el potencial de migrar esos desplazamientos hacia medios más sostenibles. Por ejemplo, si se encuentra que un alto porcentaje de viajes en una ciudad son de menos de 5 km, hay una oportunidad clara para fomentar el uso de la bicicleta o de la caminata, mediante la creación de infraestructura adecuada, campañas de sensibilización, o incentivos para dejar el automóvil.
Además, conocer estas distancias es esencial para el diseño de políticas y estrategias de movilidad, ya que permite orientar la inversión y planificación hacia corredores o áreas donde se realicen la mayoría de estos viajes cortos. De esta forma, se maximiza el impacto de estas acciones, reduciendo el uso del vehículo privado y potenciando formas más sostenibles y saludables de movilidad.
Con las posibilidades que brinda la Big Data, se utilizaron datos de Veraset para caracterizar a los viajes del Área Metropolitana de Lima en cuanto a las distancias medias recorridas por la muestra.
Histograma de distancias medias
El siguiente histograma muestra la densidad de las distancias medias recorridas de todos lo que se considera viajes según la metodología, es decir, todo aquel movimiento que supere los 600 metros y se corresponda con las características básicas de la metodología.
Se evidencia una concentración importante en cifras menores a 10 kilómetros, siendo el promedio total de 7.52.
Asimismo, se puede detectar un patrón diferenciado entre las zonas incluidas dentro de un buffer de 500 mt con respecto al proyecto de expansión de ciclovías y la distribución general con respecto a las distancias medias recorridas.
| Distancias medias, con respecto a la cantidad total de viajes. | ||
| Por grupo y zona de referencia. | ||
| Intervalo | Zona de Ciclovías Proyectadas | Promedio general |
|---|---|---|
| (0,1] | 7.74% | 8.74% |
| (1,2] | 13.36% | 13.08% |
| (2,3] | 9.10% | 12.01% |
| (3,4] | 10.20% | 7.24% |
| (4,5] | 9.54% | 6.17% |
| (5,6] | 6.93% | 5.16% |
| (6,7] | 6.72% | 4.92% |
| (7,8] | 4.70% | 4.30% |
| (8,9] | 3.80% | 3.90% |
| (9,10] | 3.60% | 3.53% |
| (10,Inf] | 24.29% | 30.95% |
Componente geográfico de las distancias medias
Observando la distribución geográfica, se evidencia que el comportamiento de las mismas a lo largo de la zona es dispar.
Distribución geográfica
Si bien en el centro se encuentran valores intermedios, el enfoque se vuelve inestable llegando a los extremos del área analizada, siendo en algunas partes más predominantes las distancias medias concordantes entre origen y destino y otras muy diferenciadas.
Esto se puede explorar mediante un scatterplot, donde se refuerza el concepto de que no existe una correlación marcada entre la distribución de distancias de origen y de destino a nivel lineal.
Correlación entre origen y destino
Hotspots
Con la información precedente, se procede a analizar la mecánica de la autocorrelación espacial. Se evidencia que, a nivel local, existen zonas de autocorrelación positiva y otras zonas de autocorrelación negativa, y a nivel global un nivel de significancia relevante al 10% de confianza.
Hotspots
Ruteo óptimo
Por último, ponderando la cantidad de viajes y parametrizando un modelo de ruteo óptimo en base a la infraestructura vial existente, se procede a estimar la estructura de rutas en base a su distancia media, partiendo de los polígonos H3 de resolución 7. De esta manera, se pueden identificar corredores subutilizados para la demanda de transporte sostenible y posibles focos de actuación para las políticas públicas.
Ruteo óptimo (OSM Engine)
Inferencia de distancias medias por género
Una vez obtenidos los datos de la distribución de mujeres según cada uno de los radios censales o manzanas de Lima, se procedió a generar unos gráficos de distribución de distancias medias en base al grado de proporción de población mujer en cada polìgono. Esto es fundamental a la hora de establecer políticas de movilidad con perspectiva de género. En este caso, se observa que los puntos de origen con mayor grado de composición de mujeres (a la derecha) realizan viajes más largos en proporción que aquellos donde los hombres son mayoría (a la izquierda del gráfico).
Si se filtra por viajes menores a 2 kilómetros, la tendencia es aún más marcada. Esto puede llevar a pensar que hacen falta más políticas de movilidad sostenible con perspectiva de género, debido a que es posible que exista una demanda de viajes cortos reprimida por no tener una infraestructura segura que posibilite la generación de esos viajes.
