Origen y destino de los viajes en Santiago de Cali

Actividad 1 · Análisis de Datos Geoespaciales · Maestría en Ciencia de Datos

library(sf)
library(dplyr)
library(leaflet)
library(htmltools)
library(readxl)
library(knitr)

Resumen. Este trabajo analiza la distribución espacial de los viajes registrados en la Encuesta de Origen y Destino de Cali (2015). Los viajes se asignan a las 22 comunas urbanas a partir de los códigos de ubicación de la encuesta, previa depuración de las categorías ambiguas, y se representan en mapas coropléticos interactivos de origen, destino y conexión con otros municipios del área metropolitana.

1 Introducción

Conocer dónde empiezan y terminan los viajes es un insumo básico para la planeación del transporte: permite identificar las zonas que generan y atraen más movilidad y qué tanto depende cada sector de la ciudad de su relación con los municipios vecinos.

El objetivo de esta actividad es representar espacialmente el origen y el destino de los viajes encuestados en Cali por comuna, y responder tres preguntas:

1. ¿Qué comunas concentran el mayor número de viajes de origen y de destino?
2. ¿Qué proporción de los viajes de cada comuna la conecta con otros municipios?
3. ¿Con qué municipios se relaciona Cali con mayor frecuencia?

2 Datos

Se utilizan dos fuentes:

Fuente	Descripción	Formato
Encuesta de Origen y Destino de Cali	Encuesta de interceptación de vehículos realizada en 35 estaciones entre mayo y junio de 2015	.xlsx
Comunas de Cali	Polígonos de las 22 comunas del perímetro urbano	Shapefile (.shp)

La capa de comunas se reproyecta a WGS84 (EPSG:4326), el sistema de referencia que requiere Leaflet.

Nota metodológica. Los conteos corresponden a viajes encuestados, no al total de viajes de la ciudad. Como la encuesta es de interceptación, los resultados también reflejan la ubicación de las estaciones de aforo y deben interpretarse como un indicador relativo, no como una estimación de la demanda total.

comunas=read_sf("Casos/cali/Comunas.shp") %>%
  st_transform(4326)
encuesta=read_xlsx("Casos/EncuestaOrigenDestino.xlsx")

viajes_brutos=encuesta[,c(7,9,11,13,26,27)]
names(viajes_brutos)=c("mun_origen","sdg_origen","mun_destino","sdg_destino",
                       "comuna_origen","comuna_destino")

Las variables seleccionadas son el municipio, el código SDG (código de ubicación de la encuesta) y la comuna, tanto para el origen como para el destino de cada viaje.

3 Metodología

3.1 Depuración de la variable comuna

La columna de comuna de la encuesta no se puede usar directamente, porque contiene dos categorías que mezclan casos distintos. La reclasificación se apoya en el código SDG, cuyos primeros dígitos identifican la comuna del lugar.

• Comuna 0. Cali no tiene comuna 0. Casi todos los registros con este valor tienen un código SDG que empieza por 26, que corresponde a corregimientos como Pance, La Buitrera y Montebello; estos se agrupan como Zona rural. Los pocos cuyo código empieza por el número de una comuna se reasignan a esa comuna.
• Fuera de Cali. Esta categoría incluye lugares dentro de la ciudad cuyo código se perdió (código SDG Perdida con municipio CALI), como la Avenida Roosevelt o La 14. Estos se separan como Sin ubicar; el resto se mantiene como Fuera de Cali.
• Registros anulados. Se eliminan los registros marcados como ANULADO.

clasificar=function(comuna, sdg, municipio) {
  prefijo=substr(sdg, 1, nchar(sdg) - 2)
  municipio=toupper(trimws(municipio))
  case_when(
    comuna %in% sprintf("%02d", 1:22) ~ sub("^0+", "", comuna),
    prefijo == "26" ~ "Zona rural",
    comuna == "0" & prefijo %in% as.character(1:22) ~ prefijo,
    sdg == "Perdida" & (is.na(municipio) | municipio %in% c("CALI", "SIN DATOS")) ~ "Sin ubicar",
    TRUE ~ "Fuera de Cali"
  )
}

viajes=viajes_brutos %>%
  filter(!(mun_origen %in% "ANULADO" | mun_destino %in% "ANULADO")) %>%
  mutate(
    zona_origen=clasificar(comuna_origen, sdg_origen, mun_origen),
    zona_destino=clasificar(comuna_destino, sdg_destino, mun_destino)
  )

n_anulados=nrow(viajes_brutos) - nrow(viajes)

miles=function(x) format(x, big.mark = ".", decimal.mark = ",", trim = TRUE)
porcentaje=function(x) ifelse(is.na(x), "—", sub(".", ",", sprintf("%.1f%%", x), fixed = TRUE))

De los 35.054 registros originales se eliminaron 33 anulados, de modo que el análisis trabaja con 35.021 viajes. La tabla 1 muestra cómo quedan distribuidos tras la reclasificación.

tipo_zona=function(z) ifelse(z %in% as.character(1:22), "Comunas urbanas (1–22)", z)
orden_zonas=c("Comunas urbanas (1–22)", "Zona rural", "Sin ubicar", "Fuera de Cali")

full_join(
  count(viajes, Zona = tipo_zona(zona_origen), name = "Origen"),
  count(viajes, Zona = tipo_zona(zona_destino), name = "Destino"),
  by = "Zona"
) %>%
  mutate(across(c(Origen, Destino), ~coalesce(.x, 0L)),
         Zona = factor(Zona, levels = orden_zonas)) %>%
  arrange(Zona) %>%
  mutate(`% origen` = porcentaje(100 * Origen / sum(Origen)),
         `% destino` = porcentaje(100 * Destino / sum(Destino)),
         across(c(Origen, Destino), miles)) %>%
  select(Zona, Origen, `% origen`, Destino, `% destino`) %>%
  kable(align = "lrrrr",
        caption = "Tabla 1. Viajes por tipo de zona después de la depuración")

Tabla 1. Viajes por tipo de zona después de la depuración

Zona	Origen	% origen	Destino	% destino
Comunas urbanas (1–22)	28.093	80,2%	27.878	79,6%
Zona rural	695	2,0%	786	2,2%
Sin ubicar	803	2,3%	1.094	3,1%
Fuera de Cali	5.430	15,5%	5.263	15,0%

3.2 Indicadores por comuna

Para cada comuna se calculan:

• Viajes de origen y viajes de destino: número de viajes encuestados que empiezan o terminan en la comuna.
• Hacia fuera y desde fuera: viajes cuyo otro extremo está en otro municipio.
• Conexión con otros municipios (%): proporción de los viajes de la comuna que la conectan con otro municipio,

\[ \%\,\text{otros municipios}_i = 100 \times \frac{\text{hacia fuera}_i + \text{desde fuera}_i}{\text{origen}_i + \text{destino}_i} \]

conteo_origen=viajes %>%
  count(zona_origen, name = "viajes_origen")

conteo_destino=viajes %>%
  count(zona_destino, name = "viajes_destino")

hacia_fuera=viajes %>%
  filter(zona_destino == "Fuera de Cali") %>%
  count(zona_origen, name = "hacia_fuera")

desde_fuera=viajes %>%
  filter(zona_origen == "Fuera de Cali") %>%
  count(zona_destino, name = "desde_fuera")

comunas_final=comunas %>%
  mutate(zona=as.character(comuna)) %>%
  left_join(conteo_origen, by = c("zona" = "zona_origen")) %>%
  left_join(conteo_destino, by = c("zona" = "zona_destino")) %>%
  left_join(hacia_fuera, by = c("zona" = "zona_origen")) %>%
  left_join(desde_fuera, by = c("zona" = "zona_destino")) %>%
  mutate(
    across(c(viajes_origen, viajes_destino, hacia_fuera, desde_fuera), ~coalesce(.x, 0L)),
    total=viajes_origen + viajes_destino,
    pct_fuera=if_else(total > 0, 100 * (hacia_fuera + desde_fuera) / total, NA_real_)
  ) %>%
  arrange(comuna)

tabla_comunas=st_drop_geometry(comunas_final)
top_origen=slice_max(tabla_comunas, viajes_origen, n = 1, with_ties = FALSE)
top_destino=slice_max(tabla_comunas, viajes_destino, n = 1, with_ties = FALSE)
top_fuera=slice_max(tabla_comunas, pct_fuera, n = 1, with_ties = FALSE)
min_fuera=slice_min(tabla_comunas, pct_fuera, n = 1, with_ties = FALSE)

4 Resultados

4.1 Distribución de origen y destino por comuna

El número sobre cada comuna es la cantidad de viajes. El selector de la esquina superior derecha permite cambiar entre origen y destino; ambas capas usan la misma escala de color, así que son directamente comparables. Al pasar el cursor sobre una comuna se ven sus dos valores, y al hacer clic se abre el detalle.

centros=st_coordinates(st_point_on_surface(st_geometry(comunas_final)))

etiqueta_numero=labelOptions(
  noHide = TRUE, textOnly = TRUE, direction = "center",
  style = list(
    "color" = "#0b0b0b", "font-weight" = "600", "font-size" = "12px",
    "background" = "rgba(255,255,255,0.8)", "border-radius" = "3px", "padding" = "0 3px"
  )
)

hover=with(comunas_final, lapply(sprintf(
  "<b>%s</b><br>Origen: %s<br>Destino: %s",
  nombre, miles(viajes_origen), miles(viajes_destino)
), HTML))

popup=with(comunas_final, sprintf(
  "<b>%s</b><br>Viajes con origen aquí: %s<br>Viajes con destino aquí: %s<br>
  Hacia fuera de Cali: %s<br>Desde fuera de Cali: %s<br>Conexión con otros municipios: %s",
  nombre, miles(viajes_origen), miles(viajes_destino),
  miles(hacia_fuera), miles(desde_fuera), porcentaje(pct_fuera)
))

valores=c(comunas_final$viajes_origen, comunas_final$viajes_destino)
azules=c("#cde2fb", "#9ec5f4", "#6da7ec", "#3987e5", "#256abf", "#184f95", "#0d366b")
paleta=colorBin(azules, domain = valores, bins = pretty(valores, n = 6))

capa=function(mapa, columna, grupo) {
  mapa %>%
    addPolygons(
      fillColor = paleta(comunas_final[[columna]]), fillOpacity = 0.85,
      color = "#ffffff", weight = 1.5, group = grupo,
      label = hover, popup = popup,
      highlightOptions = highlightOptions(weight = 3, color = "#0b0b0b", bringToFront = TRUE)
    ) %>%
    addLabelOnlyMarkers(
      lng = centros[,1], lat = centros[,2], group = grupo,
      label = miles(comunas_final[[columna]]), labelOptions = etiqueta_numero
    )
}

leaflet(comunas_final, width = "100%", height = 680) %>%
  addProviderTiles(providers$Esri.WorldGrayCanvas) %>%
  capa("viajes_origen", "Origen") %>%
  capa("viajes_destino", "Destino") %>%
  addLayersControl(
    baseGroups = c("Origen", "Destino"),
    options = layersControlOptions(collapsed = FALSE)
  ) %>%
  addScaleBar(position = "bottomleft", options = scaleBarOptions(imperial = FALSE)) %>%
  addLegend(
    position = "bottomright", pal = paleta, values = valores,
    title = "Viajes encuestados", opacity = 0.85,
    labFormat = labelFormat(big.mark = ".")
  )

Figura 1. Viajes encuestados con origen y destino en cada comuna de Cali. Fuente: elaboración propia con datos de la Encuesta de Origen y Destino de Cali (2015).

La comuna con más viajes de origen es Comuna 2 (2.968 viajes), y la que recibe más viajes de destino es Comuna 2 (4.810 viajes). Dado el diseño de la encuesta, estas diferencias combinan la intensidad real de la movilidad con la cercanía de cada comuna a las estaciones de aforo.

4.1.1 Viajes que no aparecen en el mapa

El shapefile cubre solo el perímetro urbano, por lo que los viajes de la zona rural, de otros municipios o sin ubicación no tienen polígono. Se reportan en la tabla 2 para que no se pierdan del análisis.

zonas_otras=c("Zona rural", "Fuera de Cali", "Sin ubicar")

tibble(Zona = zonas_otras) %>%
  left_join(conteo_origen, by = c("Zona" = "zona_origen")) %>%
  left_join(conteo_destino, by = c("Zona" = "zona_destino")) %>%
  mutate(across(c(viajes_origen, viajes_destino), ~miles(coalesce(.x, 0L)))) %>%
  rename(Origen = viajes_origen, Destino = viajes_destino) %>%
  kable(align = "lrr", caption = "Tabla 2. Viajes sin polígono en el mapa de comunas")

Tabla 2. Viajes sin polígono en el mapa de comunas

Zona	Origen	Destino
Zona rural	695	786
Fuera de Cali	5.430	5.263
Sin ubicar	803	1.094

4.2 Conexión con otros municipios

Aunque los viajes fuera de Cali no caben en el mapa de comunas, sí muestran qué tan conectada está cada comuna con la región. La figura 2 representa el porcentaje de los viajes de cada comuna que salen hacia otro municipio o llegan desde otro.

valores_fuera=comunas_final$pct_fuera
naranjas=c("#fde3d8", "#f7b89e", "#f08f68", "#eb6834", "#bd4c1f", "#8f3410")
paleta_fuera=colorBin(naranjas, domain = valores_fuera,
                      bins = pretty(valores_fuera, n = 5), na.color = "#e0e0e0")

leaflet(comunas_final, width = "100%", height = 680) %>%
  addProviderTiles(providers$Esri.WorldGrayCanvas) %>%
  addPolygons(
    fillColor = ~paleta_fuera(pct_fuera), fillOpacity = 0.85,
    color = "#ffffff", weight = 1.5,
    label = hover, popup = popup,
    highlightOptions = highlightOptions(weight = 3, color = "#0b0b0b", bringToFront = TRUE)
  ) %>%
  addLabelOnlyMarkers(
    lng = centros[,1], lat = centros[,2],
    label = ifelse(is.na(valores_fuera), "", sprintf("%.0f%%", valores_fuera)),
    labelOptions = etiqueta_numero
  ) %>%
  addScaleBar(position = "bottomleft", options = scaleBarOptions(imperial = FALSE)) %>%
  addLegend(
    position = "bottomright", pal = paleta_fuera, values = valores_fuera,
    title = "% de viajes con<br>otros municipios", opacity = 0.85,
    labFormat = labelFormat(suffix = "%")
  )

Figura 2. Porcentaje de los viajes de cada comuna que tienen su otro extremo en un municipio distinto de Cali. Fuente: elaboración propia con datos de la Encuesta de Origen y Destino de Cali (2015).

La conexión regional va de 10,7% en Comuna 16 a 20,1% en Comuna 3.

4.2.1 Principales municipios conectados con Cali

La tabla 3 cuenta los viajes con un extremo en Cali (incluida su zona rural) y el otro en un municipio distinto.

en_cali=function(zona) !zona %in% c("Fuera de Cali", "Sin ubicar")
sin_municipio=c("CALI", "SIN DATOS")

hacia_cali=viajes %>%
  filter(zona_origen == "Fuera de Cali", en_cali(zona_destino)) %>%
  count(municipio = toupper(trimws(mun_origen)), name = "Hacia Cali")

desde_cali=viajes %>%
  filter(zona_destino == "Fuera de Cali", en_cali(zona_origen)) %>%
  count(municipio = toupper(trimws(mun_destino)), name = "Desde Cali")

municipios=full_join(hacia_cali, desde_cali, by = "municipio") %>%
  filter(!is.na(municipio), !municipio %in% sin_municipio) %>%
  mutate(
    across(c(`Hacia Cali`, `Desde Cali`), ~coalesce(.x, 0L)),
    Total = `Hacia Cali` + `Desde Cali`,
    Municipio = tools::toTitleCase(tolower(municipio))
  ) %>%
  arrange(desc(Total))

municipios %>%
  slice_head(n = 8) %>%
  transmute(Municipio, `Hacia Cali` = miles(`Hacia Cali`),
            `Desde Cali` = miles(`Desde Cali`), Total = miles(Total)) %>%
  kable(align = "lrrr", caption = "Tabla 3. Ocho municipios con más viajes desde y hacia Cali")

Tabla 3. Ocho municipios con más viajes desde y hacia Cali

Municipio	Hacia Cali	Desde Cali	Total
Yumbo	1.354	1.642	2.996
Jamundi	1.072	667	1.739
Palmira	827	871	1.698
Candelaria	255	278	533
Puerto Tejada	54	155	209
La Union	112	82	194
Santander De Quilichao	80	70	150
Guadalajara De Buga	73	65	138

de_paso=sum(viajes$zona_origen == "Fuera de Cali" & viajes$zona_destino == "Fuera de Cali")

El municipio con mayor intercambio es Yumbo, con 2.996 viajes en ambos sentidos. Además, 636 viajes tienen los dos extremos fuera de Cali: pasan por la ciudad sin empezar ni terminar en ella, por lo que no se asignan a ninguna comuna.

4.3 Resumen por comuna

tabla_comunas %>%
  transmute(
    Comuna = comuna, Nombre = nombre,
    Origen = miles(viajes_origen), Destino = miles(viajes_destino),
    `Hacia fuera` = miles(hacia_fuera), `Desde fuera` = miles(desde_fuera),
    `% otros municipios` = porcentaje(pct_fuera)
  ) %>%
  kable(align = "llrrrrr", caption = "Tabla 4. Indicadores de viajes por comuna")

Tabla 4. Indicadores de viajes por comuna

Comuna	Nombre	Origen	Destino	Hacia fuera	Desde fuera	% otros municipios
1	Comuna 1	794	230	128	38	16,2%
2	Comuna 2	2.968	4.810	568	855	18,3%
3	Comuna 3	2.121	3.859	398	804	20,1%
4	Comuna 4	1.493	1.856	229	302	15,9%
5	Comuna 5	664	522	109	67	14,8%
6	Comuna 6	998	716	159	124	16,5%
7	Comuna 7	734	748	115	113	15,4%
8	Comuna 8	1.124	1.025	187	157	16,0%
9	Comuna 9	952	1.279	150	168	14,3%
10	Comuna 10	1.401	927	212	143	15,2%
11	Comuna 11	925	564	156	62	14,6%
12	Comuna 12	348	246	70	27	16,3%
13	Comuna 13	1.238	673	147	84	12,1%
14	Comuna 14	685	379	82	55	12,9%
15	Comuna 15	1.171	579	151	82	13,3%
16	Comuna 16	993	743	119	66	10,7%
17	Comuna 17	2.382	2.166	442	416	18,9%
18	Comuna 18	1.536	662	235	108	15,6%
19	Comuna 19	2.850	3.159	444	573	16,9%
20	Comuna 20	745	360	94	36	11,8%
21	Comuna 21	818	515	85	59	10,8%
22	Comuna 22	1.153	1.860	127	217	11,4%

5 Discusión y limitaciones

• Sesgo de interceptación. Al tratarse de una encuesta en 35 estaciones, las comunas cercanas a las estaciones o a los corredores donde se ubicaron tienden a tener más viajes registrados. Los mapas describen la muestra, no la demanda total de la ciudad.
• Cobertura espacial. El shapefile solo incluye el área urbana. Los viajes rurales, intermunicipales y sin ubicar se reportan en tablas aparte, pero no se representan espacialmente.
• Calidad de la georreferenciación. La reclasificación depende del código SDG; los registros con código Perdida dentro de Cali no se pueden asignar a una comuna y quedan como Sin ubicar.
• Antigüedad de los datos. La encuesta es de 2015, por lo que no refleja cambios posteriores en la red de transporte ni en la distribución de la población.

6 Conclusiones

1. Una vez depurada la variable de comuna, 35.021 viajes encuestados pueden clasificarse por tipo de zona, y la mayoría de los que quedan dentro de Cali se asignan a una de las 22 comunas.
2. La generación y la atracción de viajes no se distribuyen de forma homogénea: Comuna 2 concentra el mayor número de orígenes y Comuna 2 el mayor número de destinos.
3. La dependencia de otros municipios varía de forma importante entre comunas, desde 10,7% hasta 20,1%, y Yumbo es el principal municipio conectado con Cali.
4. Por el diseño de la encuesta, estos resultados deben leerse como patrones relativos de la muestra y complementarse con fuentes de demanda total para fines de planeación.

7 Reproducibilidad

paquetes=c("sf", "dplyr", "leaflet", "htmltools", "readxl", "knitr")
tibble(Paquete = paquetes,
       Versión = sapply(paquetes, function(p) as.character(packageVersion(p)))) %>%
  kable(caption = paste("Tabla 5. Paquetes utilizados —", R.version.string))

Tabla 5. Paquetes utilizados — R version 4.6.1 (2026-06-24 ucrt)

Paquete	Versión
sf	1.1.3
dplyr	1.2.1
leaflet	2.2.3
htmltools	0.5.9
readxl	1.6.0
knitr	1.51