Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.1. Introducción
Los planes de movilidad en entornos urbanos o empresas, planes regionales de transporte, planes
de coherencia territorial; en conjunto, estos documentos de orientación pretenden un enfoque
global de la gestión de la movilidad. Este enfoque desafía a los responsables de la gestión de los
transportes, para renovar los criterios de evaluación de las políticas de movilidad y establecer un
verdadero procedimiento conjunto que reúna tanto las asociaciones (partnerships) institucionales
a todas las escalas territoriales (desde de las comarcas a las regiones), como a los operadores de
transporte (Véolia, Kéolis y SNCF, la compañía ferroviaria nacional de Francia, por ejemplo).
Para cumplir este doble imperativo, el intercambio de información entre los socios es un
procedimiento esencial. Pero el intercambio de datos sigue siendo una operación a menudo
complicada, sobre todo por problemas técnicos. En 1995, un informe publicado por la Unión
Europea reiteró la dispersión y la falta de interoperabilidad entre las bases de datos del mundo del
transporte [CEN 95].
Publicado hace diez años, este informe oficial parece perdurable. Para superar este escollo
tecnológico, los SIG ofrecen una solución adecuada para reunir datos procedentes de múltiples
asociaciones. Esta preconcepción metodológica implica desarrollar protocolos de comunicación e
intercambio de información. Así, este artículo es una prueba para modelar sistemas de transporte
en un SIG diseñado para proporcionar una posible medición de la accesibilidad a escala
comunitaria. El carácter permanentemente cambiante de los SIG nos lleva a recuperar la historia
de los programas informáticos y de la información geográfica para precisar las cuestiones relativas
a estas herramientas. Esta revisión bibliográfica nos permitirá mostrar, desde un punto de vista
formal los principales componentes de un sistema de transporte y las relaciones que los motivan
en un modelo de datos conceptuales. La organización del modelo, de este modo, se ilustrará con
un análisis de la accesibilidad potencial en torno a dos regiones francesas: Besangon y Dijon.
Desde muy pronto, la investigación sobre el transporte se ha centrado en los SIG. Desde finales de
los años 50, un grupo de estudiantes de geografía cuantitativa de la Universidad de Washington
[GOO 00a] comenzó a investigar sobre el tema. Uno de ellos, D. Marble, continuó este trabajo
desarrollando un prototipo de SIG-T dedicado a la red de transporte de Chicago. Una vez
concluidas estas investigaciones pioneras, tuvimos que esperar otros 30 años para que el SIG fuese
completamente reconocido en términos de su capacidad para responder a las necesidades
específicas del transporte [Tul 00].
La larga evolución del SIG-T puede desglosarse en tres etapas, según M. Goodchild [GOO 00a]. En
primer lugar, se realizó un estudio cartográfico de las redes para cumplir con los requisitos de los
planificadores. En los países industrializados se desarrollaron grandes programas. Desde finales de
los años 60, los Estados Unidos vieron cómo se numeraban todas sus carreteras, en el programa
DIME (Dual Independent Map Encoding), con el fin de referenciar los resultados de un censo de
población en 1970. En ese momento, la red se organizó como un gráfico formado por arcos y
nodos. El gráfico es planar, lo que significa que la intersección de dos arcos en un plano sólo puede
tener lugar cuando está presente un nodo. Esta representación topológica de los grafos ha sido
copiada por otros modelos de datos. El más conocido es el modelo TIGER (Topologically
Geographic Encoding and Referencing) de Estados Unidos, y el modelo GDF (Geographic Data File),
recomendado por la Unión Europea [CEN 95], [DUE 00].
Sin embargo, se dispone de información exhaustiva para mostrar toda la complejidad de una red
de transporte. El gráfico planar utilizado en los modelos de datos mencionados anteriormente,
debe ser completado con datos de atributos, sobre todo en lo que respecta a la dirección del
tráfico y la prohibición de realizar giros a la izquierda o a la derecha. A continuación debemos
utilizar atributos dinámicos, en particular de los carriles de tráfico y la velocidad en función de la
hora del día. Ahora vamos a integrar otras dos restricciones, inherentes a las propiedades de la
red, que facilitarán la navegación de los usuarios del transporte:
- La primera es que las personas y los vehículos no aparecen necesariamente en una red, y que las
carreteras privadas y los aparcamientos no siempre aparecen en las bases de datos. Los sistemas
de información destinados a guiar a los vehículos deben tener en cuenta este problema;
- La segunda limitación se refiere a la ayuda a la navegación, que debe integrar todos los modos de
transporte para que la opción seleccionada sea la mejor adaptada a las necesidades del usuario.
Planteada por muchos investigadores [STO 96], [KWA 00], [MIL 07], la representación del
comportamiento de los objetos discretos, como los vehículos o las personas, es la tercera etapa
que compone el SIG-T. Estas herramientas han permitido aumentar el tamaño de las muestras a
encuestar y obtener una información más completa sobre los programas utilizados para la
actividad individual, contribuyendo al mismo tiempo a reducir los costes de las encuestas. Una
encuesta, realizada en 1998 en Montreal por el equipo de R. Chapleau, permitió geocodificar los
programas de actividad de más de 70,000 hogares mediante una entrevista telefónica [TRE 01]. El
seguimiento por GPS de las personas entrevistadas permite en la actualidad mejorar la
recuperación de información sobre las secuencias de actividad [BUL 03], [STO 04], [WOL 04]. Sin
embargo, es necesario representar los cambios con respecto a las técnicas de encuesta y
desarrollar métodos de visualización compatibles o integrarlos directamente en un SIG-T para
analizar los datos sobre el comportamiento.
El paso de una idea estática a una visión dinámica de un sistema de transporte ha afectado
profundamente al uso del SIG-T en diferentes trabajos relacionados con el transporte. Utilizados
primero como herramientas de planificación, los SIG utilizados exclusivamente para el transporte
han servido para estructurar y visualizar los datos extraídos de los modelos de predicción de la
demanda. La integración de atributos dinámicos, como la velocidad del tráfico, ha permitido
satisfacer necesidades operativas, como la organización de los horarios de los autobuses a lo largo
del día. La conexión entre las TIC (Tecnologías de la Información y la Comunicación) y los sistemas
SIG permite ahora satisfacer las necesidades operativas en tiempo real, como la detección de
incidentes en las carreteras o la ayuda a la navegación.
La tabla 1.1, basada en los trabajos realizados por K. Dueker [DIJE 00] y M. Trépanier [TRE 02],
muestra que la precisión de la información varía mucho según la naturaleza de las necesidades
operativas o de planificación. El SIG-T utilizado para la planificación no requiere necesariamente
una representación precisa de datos espaciales y temporales. Destinado a facilitar la toma de
decisiones a medio y largo plazo, sin embargo, las actualizaciones de información se realizan de
forma irregular y no muy a menudo. Sin embargo, la utilización del SIG-T con fines operativos
desenmascara situaciones que deben resolverse a corto plazo, y en tiempo real. El contexto
espacial y temporal requiere un ajuste que represente la realidad lo más fielmente posible y
supone una actualización frecuente y periódica de la información en tiempo real.
Concebidas en un principio para resolver objetivos de planificación, las bases de datos permiten
ahora a los SIG-T satisfacer las necesidades de los operadores.
Estas tres etapas de desarrollo llevan al SIG-T a una etapa de madurez. Así, H. Miller [MIL 06]
propuso al congreso de la Asociación de Geógrafos Americanos (AAG) identificar las perspectivas
de la investigación geográfica sobre el transporte.
Los SIG-T desempeñan un importante papel decisivo para responder a estos muchos y diferentes
retos [THI 00], [MIL 96]. En este sentido, son muchas las vías de investigación que hay que tomar.
En primer lugar, la información geográfica de alta resolución proporciona una base fundamental
para crear una herramienta para observar los sistemas de transporte y su entorno en tiempo real.
También se trata de desarrollar sistemas TIC adecuados para marcar específicamente los vehículos
o incluso individuos en el espacio y el tiempo. Para ello, es sin duda muy importante mejorar la
capacidad de integrar y analizar los SIG en el tratamiento de datos espacio-temporales.
Las numerosas autoridades institucionales y operativas del mundo del transporte recogen cada
año mucha información sobre infraestructuras, urbanismo o demandas de movilidad. La gestión
total de la movilidad requiere entonces la recopilación de datos, impuesta en Francia, en
particular, por los planes de movilidad urbana. Pero, la transferencia de información entre las
diferentes organizaciones implicadas se ralentiza, o incluso se hace imposible, por razones
técnicas.
De hecho, muchos estudios han revelado que los programas informáticos y los formatos de los
archivos son a menudo incompatibles y difíciles de unificar [CEN 95]. El papel que se otorga a los
sistemas SIG-T es el de integrar las bases de datos y ponerlas a disposición de las autoridades de
transporte.
Según J.C. Thill, la función federal de los SIG-T no puede garantizarse sin un protocolo de
comunicación e intercambio de información [THI 00]. En este contexto, el diseño de modelos
genéricos es una herramienta valiosa para evitar errores relacionados con la topología o la
formulación de determinados topónimos [GOO 00]. Además, hay que desarrollar herramientas
específicas para facilitar la transferencia de información y detectar problemas de incompatibilidad.
Se han llevado a cabo de investigación en este sentido, y aquí destacamos tres ejemplos. El LRS
(Linear Location Referencing System), desarrollado para almacenar información sobre el
transporte en el software comercial (Map Info, ArcGIS, en particular), está evolucionando hacia
integrar los datos en tiempo real [ADA 98]. K. Dueker y A. Butler [DUE 98] propusieron entonces
una arquitectura dedicada a compartir información entre aplicaciones de transporte y
autoridades. Más recientemente, el equipo de la Escuela Politécnica propuso un modelo de datos
adaptado a producir información sobre los usuarios a través de Internet [TRE 02]. Estas propuestas
de modelos genéricos nos permitirán cumplir una de las misiones más importantes de los SIG-T: la
interoperabilidad [THI 001]. La primera misión de SIG-T consiste en facilitar la recuperación de
información proponiendo modelos de datos diseñados para representar la organización funcional
del sistema de transporte.
La segunda misión consiste en basarse en esta normalización para desarrollar mecanismos reales
de intercambio con programas informáticos para el tratamiento de encuestas o análisis
estadísticos. Para ello, ya se han puesto en marcha algunos procedimientos, como el software
INTRANS de Chicago, utilizado para estudiar los datos tomados de un modelo de transporte. El
modelo SPANS del SIG fue acoplado más recientemente con el software de modelización del
tráfico EMME2 en Estados Unidos (Maryland) [FOT 00a.].
A partir de este intento de formalizar los datos espaciales y temporales sobre las redes de
transporte, la tercera misión consiste en empezar a pensar en los modos de representación a
implementar en un SIG-T. Con el fin de tomar parte de esta información sin cambiar el contenido
inicial, se trata de proponer herramientas de visualización que puedan revelar las estructuras
espaciales y las dinámica que llevan al sistema de transporte a la movilidad cotidiana a escala
local, sin perder de vista una visión global [FOT 00b]. Así, la normalización, integración y
visualización constituyen los tres aspectos principales de la construcción de un SIG-T dedicado al
análisis del transporte urbano.
La arquitectura de este modelo se basa en la siguiente pregunta: ¿cómo están las redes de
transporte en condiciones de vincular la oferta con la demanda de servicios urbanos? Para ello,
hemos optado por desglosar los principales tipos de información sobre las ciudades en tres
submodelos:
- el submodelo red agrupa las clases destinadas para modelar los modos de transporte individual
(clase: peatón, coche, taxi) y público. El transporte colectivo, que es particularmente difícil de
representar, requiere una representación de la flota de vehículos disponibles con las horas del
horario de la estación. La organización de estos datos permite representar las combinaciones
modales más inesperadas.
Estos tres submodelos se han cotejado según dos procesos muy distintos.
Estas clases se han temporalizado mediante una asociación con la encuesta de tiempo, seguida de
una asociación con la clase de edificio mediante un procedimiento de codificación utilizando la
clase de dirección. La asociación entre la población residente y el edificio se define mediante
reglas de redistribución de la población desarrolladas en trabajos anteriores [BAN 05a].
2) La asociación entre los submodelos red y territorio se refiere a la clase nodo. Esta clase conecta
los cuatro modos de transporte aquí considerados. El submodelo de red se compone de nodos y
arcos (clases de arco y de nodo) y las relaciones topológicas de la red se modelan según la
instancia de la clase dirección de tráfico. La red de transporte colectivo se descompone en tres
elementos diferentes: la línea (buses, tranvías, metro), los vehículos y las paradas a lo largo del
recorrido (clase: estación). La interconexión entre redes está garantizada por el hecho de que un
nodo de la red puede pertenecer a redes de transporte públicas y privadas al mismo tiempo.
1.3.3. De la integración de la demanda...
El potencial de cada edificio (es decir, su población residente) se estima entonces mediante la
siguiente ecuación:
con: Bj como el edificio j; Ik como el bloque de viviendas k; y #Vivienda, el número de viviendas en
una entidad determinada.
A esta información se añadieron las velocidades medias del tráfico, en los arcos de la red. Se
determinaron de acuerdo con las velocidades permitidas según la clase administrativa del carril y
la sinuosidad de la carretera. Con el fin de mejorar la estimación de la velocidad media del tráfico,
podría ser interesante añadir nuevos condicionantes como la espera en los semáforos o la
congestión del tráfico en diferentes momentos del día.
Sin embargo, hay que romper con la búsqueda incesante de utilizar parámetros más precisos
porque las empresas parecen impotentes ante las múltiples limitaciones y peligros que surgen
cada día en la red de transporte urbano. Alejándonos del principio de que el ojo del experto es
insustituible, se ha recomendado recurrir a técnicos del servicio municipal para que realicen los
trabajos de validación. La integración de la red de transporte público alcanza un grado importante
de complejidad porque se trata de restablecer las dimensiones espaciales y temporales en el SIG-
T. Para garantizar un resultado preciso y evitar un largo proceso de manipulación y validación de
datos, se ha recomendado tomar la información del Sistema de Control de Programación de
Vehículos que está disponible en el transportista. Este software centraliza los tiempos de viaje de
todos los modos de transporte público en toda la zona urbana. El objetivo es añadir una dimensión
espacial a estos datos estrictamente temporales. Para ello, un modelo específico, bautizado como
TimeNet, fue desarrollado dentro del SIG. TimeNet funciona según tres etapas diferentes. En
primer lugar fue necesario dar forma a la base de datos para obtener la tabla de la figura 1.2A.
Esta tabla describe, en una serie de líneas, el recorrido de cada vehículo entre una estación de
partida y otra de destino. Estos enlaces se caracterizan, en una serie de columnas, por la duración
del trayecto, así como el número del vehículo que lo realiza. En la segunda etapa, esta "tabla de
enlaces temporales" se asocia a la capa de datos temáticos de las estaciones de autobuses, para
generar lo que hemos llamado el gráfico espacio-temporal. El resultado de la primera etapa
(Figura 1.2B) permite una representación de los enlaces entre estaciones según la distancia
euclidiana, ya que los arcos no siguen la geometría real del sistema vial. Esta estructura es
suficiente para calcular los tiempos de viaje, pero no es no es adecuada para calcular distancias en
kilómetros, que debe incluir todas las características de la red de carreteras. La tercera etapa
consiste en unir la distancia euclidiana con la geometría real de la red (Figura 1.2C).
La arquitectura de este modelo SIG-T sobre el área urbana permite cotejar toda la información
necesaria sobre oferta y demanda de transporte, a una escala más precisa. Más que una simple
base de datos, este tipo de ciudad digital está abierta a una gran variedad de hipótesis y pruebas,
destinadas a conocer y simular el comportamiento de las redes de transporte público.
La generación de estas bases de datos a escala fina implica mucha manipulación, que a veces es
difícil y laboriosa de aplicar. Se plantean entonces dos cuestiones esenciales: por un lado, ¿cómo
extraer datos de una información tan rica sin reducir y modificar demasiado su contenido? Y por
otro, ¿es esta organización de los datos aplicable a muchas zonas urbanas? Hemos presentado dos
indicadores para evaluar la eficacia de las redes de transporte público en dos ciudades francesas
de tamaño comparable: Besangon y Dijon.
Dos términos completan esta definición. En primer lugar, en términos de espacio, no se trata de
utilizar un generador de tráfico sobre otro, sino de utilizar todos los lugares susceptibles de formar
un viaje.
A continuación, desde un punto de vista temporal, el período de observación tiene lugar a lo largo
de todo el día. La accesibilidad se mide en términos de tiempo, pero el método de cálculo difiere
según la modalidad. La figura 1.3 representa los tres componentes necesarios para describir un
viaje teórico entre una casa y una estación de destino. Cada uno de estos tres elementos ha sido
objeto de cálculos específicos. En primer lugar, la estación más cercana a los 17,000 puntos
residenciales de Besanlon estudiados se determinó en función del tiempo-distancia. A
continuación, se generó una segunda tabla para medir el tiempo medio de espera en la estación.
Por último, se determinaron los tiempos de viaje de estación a estación en función de las
velocidades medias en la red de autobuses, en una tercera tabla.
La combinación de estos tres valores permite medir la accesibilidad multimodal, puerta a puerta,
desde el puerta a puerta desde la casa del pasajero hasta su estación final. La accesibilidad
potencial accesibilidad potencial nos permite resumir esta medición mediante una operación de
agregación. Teniendo en cuenta la distribución simétrica de los tiempos de viaje, la agregación de
esta información se realizó calculando la accesibilidad generalizada, es decir, el tiempo medio
necesario para acceder a todas las estaciones de la zona común desde un mismo lugar. La
accesibilidad potencial en transporte público (TP) entre una casa y una estación de destino se
define así:
El cálculo de la accesibilidad para los coches es sencillo de aplicar porque no requiere una
representación completa de la cadena de cadena de movilidad.
Por problemas de comparación, el viaje teórico siempre tiene en cuenta el trayecto entre el hogar
y la estación, pero en este caso no hay etapa intermedia. También se calculó una matriz de
distancia en función de la velocidad media de las carreteras. La accesibilidad potencial en coche
(CA) entre un domicilio y una de las estaciones Sd del área de estudio se estableció como:
donde H representa el domicilio, Sd es la estación de destino, y t() es el tiempo de viaje en coche
utilizando la ruta más corta (sin tener en cuenta la congestión). Sobre esta base, podemos calcular
un indicador de accesibilidad total, desde cada puesto a todas las estaciones Sd:
con S como el grupo de estaciones Sd, y #Sd como el número (cardinal) número de estaciones.
En primer lugar, el mapa en cuestión muestra zonas muy problemáticas (sombreado oscuro), con
tiempos de acceso en autobús cinco veces superiores a los de los coches. Sin embargo, estas zonas
son muy limitadas, y van desde las densas zonas montañosas del sur de la ciudad, por un lado,
hasta una zona industrial (Trepillot) por otro. La menor diferencia afecta claramente a los distritos
más densamente poblados, es decir, el centro de la ciudad y la parte nueva de la misma (Planoise).
El mapa que muestra una disparidad de accesibilidad, definitivamente destaca la baja velocidad
del transporte público en comparación con los coches. Sin embargo, debemos señalar aquí que la
integración de tiempos de desplazamiento a pie en este indicador sin duda amplía el desequilibrio
entre los dos modos de transporte.
La accesibilidad potencial es el primer intento de concepción ampliada para evaluar una red de
transporte público. Sin embargo, este concepto "presenta el inconveniente de expresar sobre todo
las capacidades de atracción de un lugar", recuerda F. Ascher [ASC 98]. El mismo autor propone
entonces completar el concepto de accesibilidad con la idea de "potencial urbano". Este indicador
se basa en una medida compuesta que relaciona la vivienda, el equipamiento urbano y las
actividades. Para proseguir nuestra reflexión sobre la evaluación de la eficiencia de las redes de
transporte público proponemos aquí una medición del potencial urbano alrededor de Dijon. Desde
nuestro punto de vista, esta medida es similar al índice desarrollado por R. Davies [DAV 78]. Este
indicador tiene en cuenta tanto el número de establecimientos en un centro urbano i, dentro de
una categoría de servicios j, como la rareza de este tipo de establecimientos, que se mide por lo
contrario de su número total Nj para la unidad espacial i:
Este índice se ha utilizado en nuestro trabajo considerando, para cada generador de viajes, el
número de puestos de trabajo y de empresas, así como el número de plazas disponibles en los
centros de educación. El indicador de potencial urbano se distingue del índice de centralidad como
criterio adicional, ya que estos tres criterios se han determinado para un viaje utilizando
transporte público durante un periodo de tiempo determinado. Hay que precisar que aquí se toma
la cadena de viajes en su totalidad. En efecto, el viaje se entiende desde el lugar de residencia
hasta el lugar de actividad. Así, hemos añadido un cuarto cuadro que mide el tiempo de acceso
entre la estación de partida y el lugar final de la actividad a las tres tablas generadas
anteriormente para determinar la accesibilidad potencial (Figura 1.5). En consecuencia, la suma de
estas 4 medidas significa que podemos estimar el tiempo de viaje para cada lugar de inicio y
destino, y calcular el índice de potencial urbano de la siguiente manera:
Siendo el tamaño de las tablas de datos consecuente, las limitaciones en la capacidad de
procesamiento y almacenamiento de las bases de datos se han superado rápidamente. En estas
circunstancias, la tabla de datos prevista se ha generado utilizando una interfaz diseñada
específicamente para facilitar las secuencias de cálculo. Los resultados nos han permitido
determinar el potencial urbano (Pii) de todas las zonas residenciales de Dijon y sus alrededores.
Las áreas con bajo potencial urbano se encuentran alrededor del distrito urbano. Sin embargo,
algunos municipios alejados del centro urbano muestran un potencial moderado, como por
ejemplo Plombiére o Breteniére. Sólo las tres grandes categorías de actividad (trabajo, negocio,
estudio) se han considerado en este análisis. Un análisis más profundo requeriría muchos más
criterios que no estén exclusivamente vinculados al trabajo, como como el número de habitantes
accesibles o el número de centros de ocio.
1.5. Conclusión
La información específica de estos dos sitios experimentales muestra que, de hecho, es posible
proporcionar mediciones de rendimiento de diferentes modos de transporte sobre el conjunto de
cadenas de movilidad a escala global. Se han realizado otros trabajos a nuestro cargo a escalas
muy pequeñas [THE 03], para carreteras o incluso personas.
Estos análisis relativos al urbanismo a escala local abren amplias perspectivas para la aplicación de
herramientas de simulación capaces de reproducir el ritmo de vida de las ciudades y de sus
habitantes.