1. Introducción

El presente análisis espacial evalúa los patrones de movilidad en la ciudad de Cali utilizando la Encuesta de Origen y Destino. El objetivo es identificar las comunas con mayor flujo y segmentar la demanda por tipo de vehículo (Bicicleta, Moto, Automóvil).

2.Configuración y Carga de Datos

En esta sección preparamos el entorno de trabajo cargando las librerías necesarias para el análisis geoespacial y la lectura de los insumos proporcionados.

library(readxl)   # Lectura de datos
library(sf)       # Manejo de información geográfica
library(tidyverse) # Limpieza y manipulación de datos
library(viridis)  # Escalas de colores profesionales

2.1Conexión con los Archivos

Cargamos la base de datos de la encuesta y el archivo de forma (Shapefile) que contiene la delimitación de las comunas.

# Rutas de archivos
ruta_excel <- "C:/Users/lizet/Documents/2025/AGENCIA NACIONAL DE DE TIERRAS/Nueva carpeta/Casos/Casos/EncuestaOrigenDestino.xlsx"
ruta_shp <- "C:/Users/lizet/Documents/2025/AGENCIA NACIONAL DE DE TIERRAS/Nueva carpeta/Casos/Casos/cali/cali.shp"

# Carga de la encuesta 
encuesta <- read_excel(ruta_excel, sheet = 1)

# Carga del mapa de Cali
mapa_cali <- st_read("C:/Users/lizet/Documents/2025/AGENCIA NACIONAL DE DE TIERRAS/Nueva carpeta/Casos/Casos/cali/Comunas.shp", quiet = TRUE)

3.Procesamiento Geoespacial

Para asegurar la integridad del análisis, realizamos una limpieza de datos que incluye la estandarización de las columnas de comunas y la vinculación (join) entre los datos estadísticos y la geometría del mapa.

col_comuna_shp <- grep("comuna", names(mapa_cali), ignore.case = TRUE, value = TRUE)[1]


if(is.na(col_comuna_shp)) col_comuna_shp <- names(mapa_cali)[1]

mapa_cali <- mapa_cali %>% 
  mutate(comuna_id = as.numeric(!!sym(col_comuna_shp)))


encuesta_limpia <- encuesta %>%
  mutate(
    comuna_o = as.numeric(`comuna origen`),
    comuna_d = as.numeric(`comuna destino`),
    vehiculo = as.numeric(`TIPO DE VEHÍCULO`)
  ) %>%
  filter(!is.na(comuna_o), !is.na(comuna_d))

4.Metodología de Visualización

Definimos una función optimizada para generar mapas temáticos consistentes, permitiendo superponer las etiquetas de las comunas y ajustar las escalas de color según el volumen de viajes.

crear_mapa_movilidad <- function(df, columna, v_tipo = NULL, titulo, paleta = "viridis") {
  # 1. Filtrar por vehículo si es necesario
  data_f <- df
  if (!is.null(v_tipo)) {
    data_f <- data_f %>% filter(vehiculo == v_tipo)
  }
  
  # 2. Agrupar y contar viajes
  resumen <- data_f %>%
    group_by(comuna = !!sym(columna)) %>%
    summarise(Viajes = n())
  
  # 3. Unir con el mapa
  mapa_f <- left_join(mapa_cali, resumen, by = c("comuna_id" = "comuna"))
  
  # 4. Crear el gráfico con etiquetas y bordes
  ggplot(mapa_f) +
    # Relleno de color por cantidad de viajes y bordes negros definidos
    geom_sf(aes(fill = Viajes), color = "black", size = 0.2) + 
    # Agregar los números de las comunas en el centro
    geom_sf_text(aes(label = comuna_id), size = 2.5, color = "black", fontface = "bold", check_overlap = TRUE) +
    # Escala de colores (El color más intenso = más viajes)
    scale_fill_viridis_c(
      option = paleta, 
      na.value = "#eeeeee", 
      name = "N° de Viajes"
    ) +
    labs(
      title = titulo,
      x = "Longitud",
      y = "Latitud"
    ) +
    theme_minimal() +
    theme(
      legend.position = "right",
      panel.grid.major = element_line(color = "gray90")
    )
}

Contexto Geográfico: ¿Cómo se divide Cali?

Para interpretar correctamente los mapas, es fundamental entender la configuración socio-espacial de las 22 comunas de Santiago de Cali:

Zona Comunas Características Principales
Centro 3, 9 Corazón histórico, comercial y administrativo (Alcaldía, Gobernación).
Norte 2, 4, 5, 6 Zonas residenciales y de servicios. La Comuna 2 incluye Chipichape y el centro-norte.
Sur 17, 18, 22 Zona de expansión. La Comuna 22 es el nodo universitario y de estratos altos.
Oriente 13, 14, 15, 21 El “Distrito de Aguablanca”. Alta densidad poblacional y estratos 1 y 2.
Oeste 1, 19, 20 Zonas de ladera (Siloé) y barrios tradicionales como El Peñón y San Fernando.

5.Análisis de Origen (Generación de Viajes)

Esta sección muestra de qué comunas salen los ciudadanos y cómo se distribuye esta salida según el vehículo utilizado.

crear_mapa_movilidad(encuesta_limpia, "comuna_o", NULL, "Mapa 1: Total Origen", "plasma")

crear_mapa_movilidad(encuesta_limpia, "comuna_o", 1, "Mapa 2: Origen - Bicicleta")

crear_mapa_movilidad(encuesta_limpia, "comuna_o", 2, "Mapa 3: Origen - Moto")

crear_mapa_movilidad(encuesta_limpia, "comuna_o", 3, "Mapa 4: Origen - Automóvil")

Interpretación de Orígenes

Al observar los mapas de generación de viajes, podemos identificar patrones claros:

  • El motor del Oriente: Las Comunas 13, 14, 15 y 21 (Distrito de Aguablanca) aparecen con colores intensos en los mapas de 1 y 3. Esto indica que gran parte de la fuerza laboral de Cali reside en este sector y se desplaza masivamente hacia el resto de la ciudad.
  • La periferia residencial: Barrios como Ciudad 2000 (Comuna 17) y los sectores de la Comuna 6 (Norte) actúan como grandes emisores de viajes, reflejando su naturaleza predominantemente habitacional.
  • El motor del Oriente: Las Comunas 13, 14, 15 y 21 (Distrito de Aguablanca) aparecen con colores intensos en los mapas de 1 y 3. Esto indica que gran parte de la fuerza laboral de Cali reside en este sector y se desplaza masivamente hacia el resto de la ciudad.
  • Bicicleta: Los viajes en bicicleta se originan con mayor intensidad en las Comunas 13, 14 y 15 (Distrito de Aguablanca) y en la Comuna 3 (Centro). Esto responde a dos factores: la topografía plana de la zona oriental que facilita el pedaleo y una necesidad económica de transporte de bajo costo. Barrios como Poblado II y El Vergel destacan como focos donde la bicicleta es el aliado principal para trayectos de corta y mediana distancia.
  • Motocicleta: El mapa de motocicletas revela una dependencia masiva en las zonas de ladera (Comunas 1, 18 y 20) y en el oriente profundo (Comuna 21 - barrios como Desepaz). Para los habitantes de barrios como Siloé o Terrón Colorado, la motocicleta no es solo un vehículo, es la única solución eficiente frente a las dificultades topográficas y las limitaciones del transporte público formal para conectar con el resto de la ciudad.
  • Automóvil: Existe un contraste radical en el mapa de automóviles, donde los focos de calor se sitúan casi exclusivamente en la Comuna 22 (Pance y Ciudad Jardín), la Comuna 17 (Valle del Lili/Ciudad 2000) y la Comuna 2 (La Flora). Se identifica que la propiedad y el uso del vehículo particular están estrechamente ligados a los estratos 4, 5 y 6, saturando los corredores del sur y el norte en las horas pico de salida.

6. Análisis de Destino (Atracción de Viajes)

Evaluamos las zonas de llegada en la ciudad, identificando los principales nodos atractores según el modo de transporte.

crear_mapa_movilidad(encuesta_limpia, "comuna_d", NULL, "Mapa 5: Total Destino", "magma")

crear_mapa_movilidad(encuesta_limpia, "comuna_d", 1, "Mapa 6: Destino - Bicicleta")

crear_mapa_movilidad(encuesta_limpia, "comuna_d", 2, "Mapa 7: Destino - Moto")

crear_mapa_movilidad(encuesta_limpia, "comuna_d", 3, "Mapa 8: Destino - Automóvil")

Interpretación de Destinos

Los destinos nos revelan dónde se concentra la actividad económica y educativa de la ciudad:

  • El Centro Atractor: La Comuna 3 (Centro) es el destino principal en casi todos los modos. Aquí se concentran los empleos administrativos y el comercio mayorista, atrayendo personas de todas las latitudes de Cali.
  • El Nodo Universitario del Sur: En el mapa de destinos, la Comuna 22 resalta significativamente. Barrios como Pance reciben miles de estudiantes y trabajadores de universidades y colegios, especialmente en automóvil y transporte público.
  • Corredores Industriales y Comerciales: Comunas como la 2 (Norte) y la 19 (Sur-Oeste) aparecen como destinos frecuentes por la presencia de clínicas, centros comerciales (Cosmocentro, Palmetto) y zonas de oficinas.
  • Bicicleta: Se observa que los destinos en bicicleta son más frecuentes en el Centro y el Oriente, donde la topografía plana y la cercanía entre vivienda y trabajo favorecen este modo económico y sostenible.

7. Conclusiones

Tras el procesamiento y análisis de los datos provenientes de la Encuesta de Origen y Destino, se extraen hallazgos significativos que permiten comprender la anatomía del movimiento en Santiago de Cali. El estudio revela que la ciudad opera bajo una dinámica pendular altamente marcada, donde la geografía de la residencia y la geografía de la oportunidad económica se encuentran distanciadas, obligando a desplazamientos transversales de gran magnitud.

Se observa que las Comunas 13, 14, 15 y 21, que conforman el Distrito de Aguablanca, actúan como los principales nodos de generación de viajes. El análisis espacial muestra una densidad crítica en estas zonas, consolidándolas como el corazón residencial de la fuerza laboral. En contraste, el fenómeno de atracción se desplaza de manera contundente hacia el Centro (Comuna 3) y el Sur (Comuna 22). Esta relación centro-periferia evidencia una presión constante sobre la infraestructura vial principal, ya que los flujos convergen masivamente hacia puntos específicos de servicios, educación y empleo.

En cuanto a la segmentación por modos de transporte, los datos arrojan una realidad diferenciada. Mientras que el uso del automóvil particular se concentra en estratos socioeconómicos específicos y trayectos de largo alcance hacia el sur, la motocicleta emerge como el vehículo de mayor versatilidad y presencia democrática en todo el territorio. Se identifica que la moto no solo es un medio de transporte, sino una herramienta de competitividad que permite a los ciudadanos de zonas periféricas y de ladera sortear las barreras de conectividad de la ciudad. Por su parte, la bicicleta muestra un potencial latente en comunas de topografía plana, sugiriendo que la movilidad sostenible es, actualmente, una solución de proximidad que podría escalar con una infraestructura más robusta.

Finalmente, el estudio concluye que Cali enfrenta el reto de transitar hacia un modelo de ciudad policéntrica. La alta concentración de destinos en sectores específicos genera una vulnerabilidad en el sistema de movilidad que solo puede mitigarse mediante la descentralización de servicios. El análisis científico aquí expuesto no solo diagnostica los flujos actuales, sino que sirve como una hoja de ruta técnica para la toma de decisiones informadas, demostrando que la integración de datos y geografía es el camino hacia una planificación urbana más equitativa y eficiente.