Este análisis utiliza una base de datos de encuestas de origen y destino aplicadas en estaciones de transporte público. El objetivo es identificar patrones de movilidad entre comunas del municipio de Cali y visualizar los resultados mediante mapas temáticos. Se incluyen mapas diferenciados por tipo de vehículo utilizado.
Los siguientes mapas que muestran la cantidad de viajes por tipo de vehículo y comuna de origen, muestra que el Automóvil es el medio más utilizado y la Comuna 19 es quien más lo usa con 1165 viajes (10.72%), le sigue la Comuna 2 (10.32%) y la Comuna 17 (8.27%). En conjunto estas comunas tienen casi el 30% de los viajes en automóvil.
Respecto a la Bicicleta, aunque menos frecuente, se ve una concentración destacada en la Comuna 2 (10.38%), seguida por las comunas 17 y 19 (ambas con 9.20%). Finalmente la Moto, es ampliamente utilizada, especialmente en la Comuna 2 (1414 viajes, 10.78%), Comuna 19 (9.76%) y Comuna 17 (8.66%). Las cifras son similares a las del automóvil, indicando que estas comunas tienen alta motorización en general.
En conjunto, la Comuna 2 es el punto de origen dominante en los tres modos de transporte, lo que la posiciona como un núcleo clave en la generación de viajes dentro de la ciudad. También se destaca la Comuna 19 en todas las categorías, mostrando su peso en la dinámica de movilidad. Este análisis sugiere la necesidad de enfoques diferenciados en políticas de movilidad urbana según el medio de transporte y el perfil de cada comuna.
| Comuna | Automóvil | Bicicleta | Moto |
|---|---|---|---|
| 1 | 2.77 | 2.35 | 2.86 |
| 2 | 10.32 | 10.38 | 10.78 |
| 3 | 7.86 | 6.46 | 7.4 |
| 4 | 5.07 | 4.83 | 5.49 |
| 5 | 2.22 | 2.48 | 2.43 |
| 6 | 3.58 | 2.87 | 3.61 |
| 7 | 2.6 | 2.28 | 2.67 |
| 8 | 3.87 | 3.39 | 4.21 |
| 9 | 3.52 | 3.46 | 3.15 |
| 10 | 4.87 | 5.35 | 5.15 |
| 11 | 3.32 | 3.39 | 3.29 |
| 12 | 1.13 | 0.91 | 1.34 |
| 13 | 4.47 | 4.96 | 4.23 |
| 14 | 2.5 | 2.42 | 2.36 |
| 15 | 4.2 | 4.57 | 4.09 |
| 16 | 3.54 | 4.77 | 3.43 |
| 17 | 8.27 | 9.2 | 8.66 |
| 18 | 5.14 | 7.25 | 5.69 |
| 19 | 10.72 | 9.2 | 9.76 |
| 20 | 2.5 | 3 | 2.59 |
| 21 | 3.02 | 2.87 | 2.88 |
| 22 | 4.5 | 3.59 | 3.93 |
Del análisis por comuna de destino y tipo de vehículo, se observan patrones consistentes de centralización en zonas específicas de la ciudad, particularmente en las comunas 2, 3, 19 y 17, que repiten como los destinos más frecuentes para todos los modos. La Comuna 2 destaca con 2006 viajes en automóvil, equivalente al 17.76% del total. Le siguen la Comuna 3 (13.78%) y la Comuna 19 (11.53%). Estas tres comunas concentran más del 43% de los viajes en carro particular, lo que evidencia su importancia como centros de atracción vial, probablemente por contener áreas comerciales, empresariales o institucionales. Aunque los volúmenes son menores en términos absolutos, el uso de bicicleta como modo de llegada también se concentra en la Comuna 2 (15.80%), seguida de la Comuna 3 (13.70%) y la Comuna 19 (10.65%). Respecto a viajes con motocicleta, la Comuna 2 también tiene la mayor cantidad con 2177 registros (17.11%), la siguen la Comuna 3 (13.63%) y la Comuna 19 (11.17%).
| Comuna | Automóvil | Bicicleta | Moto |
|---|---|---|---|
| 1 | 0.76 | 0.87 | 0.88 |
| 2 | 17.76 | 15.8 | 17.11 |
| 3 | 13.78 | 13.7 | 13.63 |
| 4 | 6.7 | 6.16 | 6.65 |
| 5 | 1.99 | 2.97 | 1.69 |
| 6 | 2.43 | 2.46 | 2.54 |
| 7 | 2.53 | 2.97 | 2.77 |
| 8 | 3.57 | 3.91 | 3.69 |
| 9 | 4.33 | 4.71 | 4.78 |
| 10 | 3.4 | 3.12 | 3.29 |
| 11 | 2.12 | 2.1 | 2 |
| 12 | 0.75 | 1.09 | 1.01 |
| 13 | 2 | 2.39 | 2.72 |
| 14 | 1.22 | 1.59 | 1.48 |
| 15 | 2.17 | 1.45 | 2.13 |
| 16 | 2.84 | 2.54 | 2.57 |
| 17 | 8.49 | 8.33 | 7.28 |
| 18 | 2.44 | 2.25 | 2.37 |
| 19 | 11.53 | 10.65 | 11.17 |
| 20 | 1.27 | 1.81 | 1.19 |
| 21 | 1.75 | 1.88 | 1.91 |
| 22 | 6.14 | 7.25 | 7.16 |
Los mapas muestran claramente que existen ciertas comunas con alta concentración de viajes de origen y destino, destacándose zonas como Comuna 1, 3 y 22. Los viajes en bicicleta tienen una representación menor en comparación con automóviles y motos, que dominan la movilidad urbana. El patrón espacial también muestra diferencias en el comportamiento de origen y destino, lo que podría relacionarse con zonas residenciales vs. zonas comerciales.
Del análisis de la tabla de viajes por comuna de origen, se observa que la mayor cantidad de viajes se origina en pocas comunas, destacándose la Comuna 2 (2968 viajes, 10.57%) y la Comuna 19 (2850 viajes, 10.15%), que juntas representan más del 20% del total. Le siguen la Comuna 17 (8.47%) y la Comuna 3 (7.55%), confirmando una alta concentración de movilidad en sectores específicos. Por el contrario, comunas como la 12, 5, y 14 muestran menor participación, con porcentajes inferiores al 2.5%. Estos resultados indican un patrón de centralización en la generación de viajes, lo que puede relacionarse con factores como densidad poblacional, presencia de equipamientos urbanos o conectividad vial.
La tabla de viajes por comuna de destino muestra una concentración aún mayor que la observada en los orígenes. La Comuna 2 se destaca ampliamente como principal destino, acumulando 17.26% de los viajes, seguida por la Comuna 3 (13.85%) y la Comuna 19 (11.33%). Estas tres comunas concentran más del 42% del total de destinos, lo que sugiere una fuerte atracción de estas zonas, posiblemente asociada a su función comercial, institucional o de servicios. En contraste, comunas como la 1, 12 y 20 tienen menos del 1.5% de los destinos, lo que indica un rol menos protagónico en la recepción de viajes. El patrón general refleja una ciudad con nodos claramente diferenciados de atracción, lo que puede orientar estrategias de distribución de carga urbana y planificación del transporte.
La mayor cantidad de viajes se concentra en unas pocas comunas, lo que evidencia patrones de centralización en la movilidad urbana.
Los tipos de vehículo usados difieren significativamente, siendo los viajes en automóvil los más frecuentes.
Esta información puede usarse para mejorar la planificación del transporte, infraestructura ciclista y estrategias de movilidad sostenible en Cali.
El análisis demuestra cómo los SIG y el lenguaje R permiten representar de forma clara y efectiva los patrones de movilidad urbana a partir de datos reales.