IMPLEMENTACIÓN DE SIG PARA MEJORAMIENTO DEL TRANSPORTE

COLECTIVO

IMPLEMENTATION OF SIG FOR IMPROVEMENT OF COLLECTIVE

TRANSPORT

Cristina M. Fajardo1,2 Claudia L. Algarra1,2 Deivi Echeverri2,*

1
Tecnólogo en Topografía, Universidad del Tolima, Ibagué-Tolima.
2
Estudiante de Ingeniería Civil, Universidad Militar Nueva Granada, Bogotá D.C.
*Correspondencia: Carrera 104B N°16F-45 Barrio Fontibón Centenario, Bogotá D.C. E-mail:
d7303740@unimilitar.edu.co. Tel.: +57-3103134477

Recibido: 22 de abril de 2019; Aceptado: 22 de abril de 2019; Publicado: 22 de abril de 2019

Resumen
En la actualidad los Sistemas de información geográficos (SIG) son
usados como base para el desarrollo de múltiples servicios que van
desde la mejora de sistemas de transporte hasta la optimización de
espacios públicos, esto da lugar a redes y bases de datos cada vez más
complejas que permiten ser interpretadas por medio de sistemas de
inteligencia artificial (AI) ya sea a nivel predictivo, proyectual o para
implementar estrategias de producción en movilidad que busquen
proponer iniciativas reductoras de emisiones y optimización de fuentes
de energía ya sean renovables o no renovables, es acá que el
conocimiento del entorno en un sistema de información estructurada ya
sea por niveles o nodos de información que se correlacionen o permitan
separar datos según el propósito para el cual se determine o la labor que
se pretenda implementar. Los SIG no son solamente componentes
computarizados de hoy, son estadísticas y mapeos que ofrecen una gran
riqueza de información detallada del entorno donde se desarrolla una
actividad, construir un sistema de información geográfico no es
 solamente una labor de ingeniería sino también una tarea sociológica,
que permite medir acompañado de imágenes, modelos en tercera
dimensión, nodos de información sobre servicios, recursos naturales,
modos y vías de transporte, principales centros poblacionales, fuentes
de suministro, centros productivos, etc.

Palabras Claves: SIG, Transporte, Calidad, Movilidad, Comunicación,

Base de datos

Introducción

Los SIG como todos sabemos son un sistema de información geográfica que por medio de
mapeos digitales nos permite conocer donde se encuentran los eventos que se están ejecutando
en cerca de nuestro entorno y fuera de esto también nos da información adicional sobre cada
uno de nuestros intereses.

El uso de los SIG en la actualidad se ha venido integrando con el uso de las Inteligencias
Artificiales (IA), estas proveen tanto a entidades gubernamentales como industriales en diversas
áreas, aunque fundamentalmente se usa en temas de movilidad, tal es el caso de los sistemas de
mapeo de transporte privado en plataformas como uber, cabify, redes de taxis en todo el mundo
e incluso en planeación de rutas de transporte público, a fin de reducir los tiempos un trayectos
buscando las mejores alternativas viales para llegar al lugar de destino, esto se ha usado de
manera activa generando redes de datos que permiten ubicar estaciones de servicio, re
aprovisionamiento, congestionamiento vial, eventos fortuitos presentados a lo largo de los
trayectos a recorrer, también facilitando el acceso de los usuarios al sistema de transporte,
aportando un alto valor organizativo en los temas de uso de recursos energéticos así como bajar
los índices de partículas libres derivadas de los sistemas de transporte, los SIG proveen mapas
estructurados por nodos de acceso que contienen múltiples datos, que pueden ser agrupados por
segmentos para permitir una comunicación fluida ente los diferentes actores de los medios de
comunicación, así como los patrones de comportamiento de los usuarios por zonas de mayor
influencia, horarios y preferencias de transporte, esto se define a menudo como redes neuronales
de interacción artificial que estructura de manera predictiva las posibles soluciones a fin de
predecir cuándo y cómo poner en marcha los sistemas de transporte, obviamente esto trae un
beneficio económico tanto para usuarios como para las empresas prestadoras de servicio, ya que
reduce tiempos y costos de operación, a la vez que permite ofrecer costos de consumo a los
usuarios más flexibles y amables en los sistemas de transporte personalizado y privado, e incluso
para el caso de Bogotá en materia de transporte público, las redes de transporte públicas que
permite hacer cambios de bus entre zonas a bajo costo; lo que es conocido ampliamente como
métodos de control tráfico, usados de manera interactiva por usuarios que a través de redes de
internet móvil pueden monitorear los tiempos de llegada y la disponibilidad de los medios de
transporte.

Metodología y Resultados

El uso de estas alternativas y modelos de proyección móviles, da pie al análisis sobre el uso de
los diversos recursos energéticos ya sean convencionales, renovables o sostenibles, en el camino
para la búsqueda de energías limpias y su respectivo uso racional, abriendo un espacio para
temas como la reducción de costes de mantenimiento en vías, uso óptimo de espacios para redes
de transporte; buscar estas alternativas parte de las redes de datos ofrecidas por los SIG que dan
información específica de los principales puntos de acceso a los centros de población, así como
de los puntos de donde vienen los recursos energéticos para garantizar la movilidad y la
productividad en las ciudades, poblaciones o centros industriales, así como proyecciones
topográficas de los lugares donde se puede incrementar el consumo de energía por altimetrías
elevadas, en pro de optimizar los consumos o buscar rutas que minimicen el impacto en consumo
energético.

Se considera también como factor energético el recurso humano y como este interactúa con el
espacio o medio donde se desarrolla, para lo cual los SIG han sido ofrecidos en diferentes
alternativas tanto locales como internacionales en el diseño de redes de ciclorutas, para el
transporte de aquellos que prefieren usar medios de transporte libres de emisiones, tal es el caso
de las redes centralizadas de bicicletas compartidas que ofrecen puntos estratégicos de acceso
para zonas de mayor influencia a fin que sean distribuidas de acuerdo a las cantidades de
usuarios y preferencias sobre los mapas ya establecidos en las redes de datos inteligentes, con
el ánimo de proyectar las posibles densidades y expansiones de dichas redes, esto como una
alternativa viable sostenible de movilidad como opción de mejora de calidad de vida en grupos
focales de usuarios que van en crecimiento, esto también ofrece mejoras en infraestructura,
seguridad social, centros de desarrollo económico y comercial, creando redes de trabajo
localizadas por los mayores focos de población y sitios de desarrollo laboral; que también para
el caso local estás redes sirven como vías con alta densidad de usuarios en bicicleta, que ha
llevado a las directivas públicas a establecer mejores redes de rutas para bicicletas a nivel de
infraestructura como de seguridad pública.

Tangibilizar los SIG consiste en determinar capas de información que permitan ser leídas por
separado o en grupo como sistemas inteligentes que ofrecen datos precisos de comportamiento,
esto da ideas proyectistas de posibles comportamientos y desarrollo cultural, también provee
una rica y densa base de datos a los principales actores, sea ingeniería, diseño, proyección
financiera, administrativo, etc; establecer estos niveles de información permite expandir el
horizonte geográfico, permitiendo a la ingeniería tener un amplio conocimiento del entorno, su
historia, actualidad y futuro, para poder promover alternativas y soluciones que mejoren y
optimicen el uso de recursos. Estos niveles de información tienen una base que se radica en el
conocimiento geográfico, sus topologías, altimetrías, e incluso saber cómo está conformado
geológicamente ya que este influye en qué y cómo se proyectan los diversos desarrollos
espaciales y la cantidad de recursos económicos a invertir en el desarrollo espacial y social, este
conocimiento se ve nutrido con más capas de información como redes de servicios públicos,
puntos habitacionales, centros industriales, centros de servicios en salud, que identifican a su
vez y crean capaz informativas de densidad y comportamiento poblacional que pueden proyectar
como es que pueden mejorar a nivel social y económico.

Estas capas de información, permiten construir metodologías que optimicen, agilicen, la toma
de decisiones, ya sea para la construcción y expansión de áreas urbanas, comerciales, o para
medir y proyectar patrones de movilidad, también poder medir a nivel sociológico factores de
incidencia en el comportamiento de la población, estás capas de información en la actualidad
son muy certeras, aunque pueden tener un margen de error amplio, si los métodos recopilación
de datos no logran estar enfocados, siendo muy vagos en los parámetros de medición, la capas
de datos son construidas y referenciadas hoy día con sistemas GPS, facilitando y otorgando una
mayor precisión al momento de recolectar dicha información.

Las diversas redes de información también permiten construir modelos SIG enriquecidos, estos
modelos han sido usados a nivel administrativo que permiten crear normativas locales, políticas
y comerciales, de acuerdo a los datos recolectados, conocer el entorno con estos mapeos, es de
vital importancia para el desarrollo del entorno, tanto así que estos modelos son usados a nivel
mundial por entidades como la Organización Mundial de la Salud, que proyecta y propone
estrategias de diseño urbano que permitan mejorar la calidad de vida por medio elementos de
uso como transporte público, centros recreativos y de educación, de modo que no solo mejore
la calidad de vida sino que provean estrategias en prevención de enfermedades no transmisibles
para la población urbanizada, creando normativas de uso que son difundidas y recomendadas
brindando según estos datos recogidos instrucciones detalladas, como dimensiones, materiales,
rutas, cargas y extensión territorial de cómo deben ser implementadas que respeten la integridad
y vida de los centros poblacionales, y que permitan el acceso a recursos como transporte público,
parques, zonas recreativas públicas o privadas cercanas a 1 km en rededor siendo esto un factor
de estudio en los SIG importante en la construcción de modelos de desarrollo urbano y sus
principales vías de acceso, que permitirán así mismo construir nuevos modelos metodológicos
en SIG para construir redes de datos como de desarrollo social y de vías de acceso, que son la
principal estructura de comunicación y desarrollo urbano y social.

Estas redes de datos han ido evolucionado en métodos mejor estructurados que combinan
visualización estadística y geográfica en 3D, que permiten ver en tiempo real y proyectista de
la planificación urbana, que permite analizar fluctuaciones y cuellos de botella en procesos, en
vías de acceso, densidad de población, y de transporte; dando un entendimiento de los conceptos
geoespaciales, que permiten generar estudios para tomar de decisiones de cómo debe puede ser
el diseño y uso del suelo del entorno casi que automáticamente, basados en los diversos
parámetros de interpretación según es requerida la solución a implementar, estas proyecciones
ya se crean a partir de algoritmos de gestión, que consisten en determinar por cálculos
matemáticos los diferentes puntos de vista, ofreciendo niveles de configuración las proyecciones
que permitan optimizar los recursos de los que se dispone.

Conclusiones

Los SIG no solo permiten proveer soluciones espaciales y desarrollo urbano, ni tampoco de
servicios y de redes de datos comportamentales, pueden ser bases de datos estructuradas que
colaboren a construir también modelos de vigilancia, de prevención, tanto de focos de
inseguridad como de seguridad vial, es decir que con la utilización de estos modelos y
algoritmos de proyección, dando estrategias de administración locales y gubernamentales en
vías de dirigir eficientemente, los recursos administrativos y humanos que dispone el entorno
para colaborar en el control y dirección de los centros urbanos.

De esta forma los SIG, no son solo herramientas de uso netamente a nivel de ingeniería, son
modelos de ingeniería social, civil, científico, matemático y estadístico, que contribuyen a crear
bases de diseño del entorno ya sean elementos tangibles e intangibles que pueden ser medidos
en los resultados de eficiencia y desarrollo económico y social, así como ayudar a medir los
factores de impacto que inciden en los centros de desarrollo humano, tales como los riesgos por
emisiones, contaminación visual, auditiva, desechos, y pérdida de recursos, los SIG son
entonces redes de datos importantes que aportan sustancialmente información que permite
mejorar la calidad de vida.

Bibliografía

Abduljabbar, R. Dia, H. Liyanage, S. and Asadi, S. (2019). Applications of Artificial

Intelligence in Transport: An Overview. https://www.mdpi.com/2071-1050/11/1/189/htm

Ramirez, L. and Stoeglehner, G. (2018). Spatiotemporal modelling for integrated spatial and
energy planning. https://energsustainsoc.biomedcentral.com/articles/10.1186/s13705-018-
0174-z
Niels, A. Bazzan, A. Kutadinata, R. Mattfeld, D. Sester, M. Winter, S. and Wolfson, O. (2016).
Autonomous car and ride sharing: flexible road trains.
https://dl.acm.org/citation.cfm?doid=2996913.2996947&preflayout=flat#abstract

Keler, A. Krisp, J.M. and Ding, L. (2017). Detecting vehicle traffic patterns in urban
environments using taxi trajectory intersection points. https://www-tandfonline-
com.ezproxy.umng.edu.co/doi/full/10.1080/10095020.2017.1399672

Loidl, M. Witzmann-Müller, U. and Zagel, B. (2017). A spatial framework for Planning station-
based bike sharing systems. https://etrr.springeropen.com/articles/10.1186/s12544-019-0347-7

Eric de Sa. and Chris I Ardern (2014). Associations between the built environment, total,
recreational, and transit-related physical activity.
https://bmcpublichealth.biomedcentral.com/articles/10.1186/1471-2458-14-693

Swatantra R. Tchounwou, P. Ahmad, H. Yerramilli, A. and Young, J. (2013). Geospatial

interpolation and mapping of tropospheric ozone pollution using geostatistics.
https://www.mdpi.com/1660-4601/11/1/983/htm

Farber, S. Bartholomew, K. Xiao Li. Páez, A. Khandker M. and Habib, N. (2014). Assessing
social equity in distance based transit fares using a model of travel behavior. https://www-
sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S0965856414001785?via%3Dihub

Pinkerton, B. Rosu, A. Janssen, I. and Pickett, W. (2013). Active transportation safety features
around schools in Canada. https://www.mdpi.com/1660-4601/10/11/5711/htm

Beekhuizen, J. Kromhout, H. Huss, A. and Vermeulen, R. (2013). Performance of GPS-devices

for environmental exposure assessment. https://www-nature-
com.ezproxy.umng.edu.co/articles/jes201281
Badland, H. Duncan, J. Oliver, M. Duncan, J. and Mavoa, S. (2010). Examining commute
routes: Applications of GIS and GPS technology. https://link-springer-
com.ezproxy.umng.edu.co/article/10.1007%2Fs12199-010-0138-1

TP Hsu and YT Lin. (2011). A model for planning a bicycle network with multi-criteria
suitability evaluation using GIS. https://www.witpress.com/elibrary/wit-transactions-on-
ecology-and-the-environment/148/22974

Xia Li, Yimin Chen, Xiaoping Liu, Dan Li and Jinqiang He. (2010). Concepts, methodologies,
and tools of an integrated geographical simulation and optimization system. https://www-
tandfonline-
com.ezproxy.umng.edu.co/doi/full/10.1080/13658816.2010.496370?scroll=top&needAccess=t
rue

Filomena, G. Verstegen, J.A. and Manley, E. (2019). A computational approach to ‘The Image
of the City. https://www-sciencedirect-
com.ezproxy.umng.edu.co/science/article/pii/S0264275118309776?via%3Dihub

Neuville, R. Pouliot, J. Poux, F. and Billen, R. (2019). 3D viewpoint management and

navigation in urban planning: Application to the exploratory phase.
https://www.mdpi.com/2072-4292/11/3/236/htm

Sobral, T. Galvão, T. and Borges, J. (2019). Visualization of urban mobility data from intelligent
transportation systems. https://www.mdpi.com/1424-8220/19/2/332/htm

Domingo, M. Thibaud, R. and Claramunt, C. (2019). A graph-based approach for the structural
analysis of road and building layouts. https://www-tandfonline-
com.ezproxy.umng.edu.co/doi/full/10.1080/10095020.2019.1568736
Jizhe Xia, Curtin, K. Huanga, J. Di Wu. Wenqun Xiud. and Huang, Z. (2019). A carpool
matching model with both social and route networks. https://www-sciencedirect-
com.ezproxy.umng.edu.co/science/article/pii/S0198971518303259?via%3Dihub