Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Estudio y Optimizaci On de Las Infraestructuras de Los Carriles para Bicicletas

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 303

Tesis Doctoral

Estudio y optimización de las


infraestructuras de los
carriles para bicicletas.

Autor: Directores:
Roberto José Liñán Ruiz Francisco de Paula Montes Tubı́o
Salvador Merino Córdoba
José Luis Moura Berodia

Programa de Doctorado Universidad de


Córdoba

Dept. Ingenierı́a Gráfica e Ingenierı́a de


Información Cartográfica

Córdoba, 2016
TITULO: Estudio y optimización de las infraestructuras de los carriles para
bicicletas

AUTOR: Roberto José Liñán Ruiz

© Edita: Servicio de Publicaciones de la Universidad de Córdoba. 2016


Campus de Rabanales
Ctra. Nacional IV, Km. 396 A
14071 Córdoba

www.uco.es/publicaciones
publicaciones@uco.es
TÍTULO DE LA TESIS:
ESTUDIO Y OPTIMIZACIÓN DE LAS INFRAESTRUCTURAS DE LOS CARRILES
PARA BICICLETAS

DOCTORANDO/A:
ROBERTO JOSÉ LINAN RUIZ

INFORME RAZONADO DEL/DE LOS DIRECTOR/ES DE LA TESIS

FRANCISCO DE PAULA MONTES TUBÍO. Profesor Titular de la Universidad de


Córdoba. Área: Expresión Gráfica en la Ingeniería.

SALVADOR MERINO CÓRDOBA. Profesor Titular de Matemáticas Aplicadas de la


Universidad de Málaga.

JOSÉ LUIS MOURA BERODIA. Profesor Titular de la Universidad de Cantabria.


Director Escuela de Caminos, Canales y Puertos.

INFORMAN:

La Tesis Doctoral titulada ESTUDIO Y OPTIMIZACIÓN DE LAS


INFRAESTRUCTURAS DE LOS CARRILES PARA BICICLETAS, por el doctorando :
ROBERTO JOSÉ LIÑÁN RUIZ, ha sido realizada bajo nuestra dirección y cumple las
condiciones exigidas por la legislación vigente para optar al Título de Doctor por la
Universidad de Córdoba.
El desarrollo de la tesis ha supuesto un extenso y laborioso trabajo de investigación,
llevados a cabo en la Universidad de Málaga y con estancia de investigación en la
Universidad de Cantabria. Se han estudiado los antecedentes y el estado actual de los
diversos trabajos generados en la bibliografía científica, determinándose la indudable
utilidad de la herramienta estudiada en el campo de la planificación y diseño de la
movilidad urbana sostenible, a partir de las infraestructuras destinadas a la bicicleta.
La Tesis Doctoral ha desarrollado una metodología para el análisis e implantación de
dichas infraestructuras en un caso práctico real, como es la ciudad de Málaga.
Obteniéndose resultados realmente satisfactorios.
La versatilidad de la programación matemática realizada por el doctorando hace que
su aplicación metodológica pueda adaptarse a multitud de casos, obteniéndose
resultados prácticos. Facilitando una herramienta que facilita la planificación y el
diseño de las infraestructuras para bicicletas.
A lo largo de su trayectoria de investigación en esta materia se destaca los grandes
avances expuestos en los diferentes congresos que ha participado como ponente y las
publicaciones realizadas. Siendo todo esto un indicador de calidad.
Título: OPTIMIZATION OF CYCLE PATHS WITH MATHEMATICAL PROGRAMMING
- Autores (p.o. de firma): ROBERTO JOSÉ LIÑÁN, IÑAKI GASPAR, MARIA BORDOGARAY,
JOSE LUIS MOURA, ÁNGEL IBEAS
- Revista (año,vol.,pág.): TRANSPORTATION RESEARCH PROCEDIA. AÑO 2014,
VOLUMEN 3, PAGES 848-855
- Base de Datos Internacional o Nacional (caso de CC.JJ., CC.SS. Y Humanidades) en las que
está indexada:
- Área temática en la Base de Datos de referencia: TRANSPORTATION SCIENCE &
TECHNOLOGY http://www.sciencedirect.com/science/article/pii/S2352146514002257

Título: SYSTEM OPTIMIZATION COURIER AND PARCEL IN CITIES


- Autores (p.o. de firma): JOSÉ ANTONIO VERA LÓPEZ, ROBERTO JOSÉ LIÑÁN, ANA
BELÉN PABÓN DUEÑAS, SALVADOR MERINO CÓRDOBA
- Revista (año,vol.,pág.): PROCEDIA-SOCIAL AND BEHAVIORAL SCIENCES. AÑO 2014,
VOLUMEN 160, PAGES 577-586
- Base de Datos Internacional o Nacional (caso de CC.JJ., CC.SS. Y Humanidades) en las que
está indexada:
- Área temática en la Base de Datos de referencia: TRANSPORTATION SCIENCE &
TECHNOLOGY http://www.sciencedirect.com/science/article/pii/S1877042814062727

Actualmente en revisión:
Título: MATHEMATICAL OPTIMIZATION FOR PLANNING AND DESIGN OF CYCLE PATH
- Autores (p.o. de firma): ROBERTO JOSÉ LIÑÁN RUIZ, JORGE PÉREZ ARACIL, VÍCTOR
CABRERA CAÑIZARES
- Revista (año,vol.,pág.): TRANSPORT POLICY
- Base de Datos Internacional o Nacional (caso de CC.JJ., CC.SS. Y Humanidades) en las que
está indexada: Factor de impacto:1.492 SNIP:1.632
- Área temática en la Base de Datos de referencia: TRANSPORTATION SCIENCE &
TECHNOLOGY Pendiente de publicación

Título: METHODICAL APPLICATION OF LOCATION OF SERVICE PUBLIC BIKE. MUyBICI


OF MURCIA
- Autores (p.o. de firma): ROBERTO JOSÉ LIÑÁN, FERNANDO BERENGUER, JOSE
ANTONIO VERA, ANA BELÉN PABÓN, SALVADOR MERINO
- Revista (año,vol.,pág.): TRANSPORTATION RESEARCH PROCEDIA.
- Área temática en la Base de Datos de referencia: TRANSPORTATION SCIENCE &
TECHNOLOGY Pendiente de publicación

Por todo ello, se autoriza la presentación de la tesis doctoral.

Córdoba, 31 de mayo de 2016

Firma del/de los director/es

Fdo.:___________________ Fdo.: __________________ Fdo.: __________________


Dedicado a
mi familia
Agradecimientos

Es difı́cil encontrar palabras que expresen la gratitud a todas las personas que
te acompañan en la toma de decisiones. Por ello, debe agradecer de manera especial
a mis directores de tesis, D. Francisco De Paula Montes Tubı́o, Salvador Merino
Córdoba y José Luis Moura Berodia. Gracias D. Francisco por acogerme en su lı́nea de
investigación. Un especial agradecimiento por haber puesto su conocimiento, experiencia
y dedicación a D. Salvador Merino, que desde hace años me aconseja en cada uno de
los pasos dados en la investigación. Gracias, también, a D. José Luis Moura y D. Ángel
Ibeas que me acogieron en el Grupo de Investigación de Transportes (GIST) de la
Universidad de Santander como un miembro más.

No me gustarı́a olvidarme de las personas que, a pesar de estar detrás del telón,
siempre han estado ahı́. Mil gracias a mis amigos que han sufrido multitud de ausencias
debidas a la investigación. A mi familia, gracias a todos y cada uno de ellos por acogerme
en los pocos momentos que regreso a casa. Especial mención para mi familia polı́tica, es
mucho lo que tengo que agradeceros. A mis padres por todo lo que han luchado para
facilitarme todas y cada una de las decisiones que he tomado a lo largo de mi vida
personal y profesional.

Por último a Marı́a, con la que he compartido todos los momentos, buenos y no tan
buenos, de esta tesis. Gracias por estar siempre a mi lado.

III
Resumen

La necesidad cotidiana de los ciudadanos de desplazarse para realizar diferentes


actividades, sea cual fuere su naturaleza, se ha visto afectada en gran medida por los
cambios producidos. Las ventajas generadas por la inclusión de la bicicleta como modo
de transporte y la proliferación de su uso entre la ciudadanı́a son innumerables y se
extienden tanto en el ámbito de la movilidad urbana como del desarrollo sostenible.

En la actualidad, hay multitud de programas para la implantación, fomento o


aumento de la participación ciudadana relacionado con la bicicleta en las ciudades. Pero
en definitiva, todos y cada uno de estas iniciativas tienen la misma finalidad, crear una
malla de vı́as ciclables eficaz y útil. Capaces de permitir el uso de la bicicleta en vı́as
preferentes con unas garantı́as de seguridad altas, incorporando la bicicleta en el modelo
de intermodalidad del transporte urbano.

Con la progresiva implantación del carril bici, muchas personas han empezado a
utilizarlas para moverse por la ciudad. Pero todo lo nuevo necesita un periodo de adap-
tación. Y, la realidad es que la red de viales destinados para estos vehı́culos está repleta
de obstáculos para el ciclista. La actual situación ha llevado a cuestionar qué cantidad
de kilómetros de carriles bici son necesarios para abastecer la demanda existente de este
modo de transporte y, si las obras ejecutadas y proyectadas son las correctas y suficientes.

En este trabajo se presenta una herramienta, basada en un modelo de programación


matemática, para el diseño óptimo de una red destinada a los ciclistas. En concreto,
el sistema determina una infraestructura para la bicicleta adaptada a las caracterı́sti-
cas de la red de carreteras existentes, con base en criterios de teorı́a de grafos ponderados.

V
Como una aplicación del modelo propuesto, se ofrece el resultado de estos experi-
mentos, obteniéndose un número de conclusiones útiles para la planificación y el diseño
de redes de carriles bici desde una perspectiva social. Se realiza una aplicación de la
metodologı́a desarrollada para el caso real del municipio de Málaga (España). Por
último se produce la validación del modelo de optimización presentado y la repercusión
que tiene éste sobre el resultado final y la importancia o el peso del total de variables
capaces de condicionar el resultado final de la red ciclista.

Se obtiene, por tanto, una herramienta destinada a la mejora de la planificación,


diseño y gestión de las diferentes infraestructuras para la bicicleta, con capacidad de
interactuar con el modelo de red vial actual y con el resto de los modos de transportes
existentes en el entramado urbano de las ciudades.
Abstract

The daily need for citizens to move for different activities, whatever its nature, has
been greatly affected by the changes. The benefits generated by the bicycle’s inclusion
as mode of transport and the proliferation of its use among citizens are innumerable
and extend both in the field of urban mobility and sustainable development.

Currently, there are many programs for implementation, promotion or increase


public participation related to cycling in cities. But ultimately, each and every one
of these initiatives have the same goal, to create a mesh effective and useful cycling
trails. Able to allow the use of bicycles in preferred routes with a high safety garantÃias
incorporating bicycle on the model of intermodal urban transport.

With the gradual implementation of bike lanes, many people have begun to use
them to get around the city. But everything again needs a period of adaptation. And
the reality is that the road network intended for these vehicles is full of obstacles to the
rider. The current situation has led to question how much kilometers of bike lanes are
needed to supply the demand of this mode of transport and, if the works executed and
planned are correct and sufficient.

In this work a tool based on a mathematical programming model for the optimal
design of a network for cyclists is presented. Specifically, the system determines a bicycle
infrastructure adapted to the characteristics of the existing road network, based on
criteria weighted graph theory.

As an application of the proposed model, is offered the result of these experiments,


obtaining a number of useful conclusions for planning and network design cycle paths

VII
from a social perspective. An application of the methodology developed for the real case
of the municipality of Malaga (Spain) is performed. Finally, validation optimization
model presented and the impact it has on the final result and the importance or weight
of all variables able to determine the final result of the cycling network occurs.

Is obtained therefore a tool for improving the planning, design and management of
different infrastructures for bicycle’s mobility, with ability to interact with the current
model of road network and other existing modes of transport in the urban network of
cities.
Índice de figuras

2.1. Comparación de los medios de transporte desde el punto de vista ecológico 16


2.2. Relación entre distancia y utilidad usuarios . . . . . . . . . . . . . . . . . 29

3.1. Modelo de Red Vial de Málaga . . . . . . . . . . . . . . . . . . . . . . . 38


3.2. Esquema de frente de Pareto . . . . . . . . . . . . . . . . . . . . . . . . . 47

4.1. Evolución población Málaga . . . . . . . . . . . . . . . . . . . . . . . . . 56


4.2. Clasificación zonal de Málaga . . . . . . . . . . . . . . . . . . . . . . . . 57
4.3. Clasificación zonal de Málaga. . . . . . . . . . . . . . . . . . . . . . . . . 63
4.4. Ejemplo de giro realizado con PTV Visum. . . . . . . . . . . . . . . . . . 69

5.1. Sexo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.2. Rango de edad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.3. Estado civil ciclistas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.4. Sexo de los ciclistas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.5. Nacionalidad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.6. Tamaño del Hogar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.7. Nivel de estudios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.8. Nivel de estudios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.9. Nivel de ingresos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.10. Nivel de ingresos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.11. Nivel de ingresos y disponibilidad de coche. . . . . . . . . . . . . . . . . . 90
5.12. Disponibilidad del bono transporte. . . . . . . . . . . . . . . . . . . . . . 91
5.13. Disponibilidad de la bicicleta. . . . . . . . . . . . . . . . . . . . . . . . . 92
5.14. Ocupacion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.15. Ocupacion y motivo del viaje. . . . . . . . . . . . . . . . . . . . . . . . . 93

IX
5.16. Hábito deportivo y Estado fı́sico. . . . . . . . . . . . . . . . . . . . . . . 93
5.17. Motivo del viaje. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.18. Modo del viaje. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.19. Modo del viaje (segunda etapa). . . . . . . . . . . . . . . . . . . . . . . . 97
5.20. Modo del viaje (tercera etapa). . . . . . . . . . . . . . . . . . . . . . . . 98
5.21. Frecuencia de uso de la bicicleta. . . . . . . . . . . . . . . . . . . . . . . 99
5.22. Motivo uso bici. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.23. Factor favorable: rapidez. . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.24. Factor favorable: horario. . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.25. Factor favorable: economico. . . . . . . . . . . . . . . . . . . . . . . . . . 104
5.26. Factor favorable: saludable. . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.27. Factor favorable: ecologico. . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.28. Factor favorable: divertido / atractivo. . . . . . . . . . . . . . . . . . . . 106
5.29. Resumen factores favorables uso bici. . . . . . . . . . . . . . . . . . . . . 107
5.30. Factor disuasorio: distancia. . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.31. Factor disuasorio: orografia. . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.32. Factor disuasorio: tiempo. . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.33. Factor disuasorio: climatologı́a. . . . . . . . . . . . . . . . . . . . . . . . 111
5.34. Factor disuasorio: no tener bici. . . . . . . . . . . . . . . . . . . . . . . . 111
5.35. Factor disuasorio: seguridad. . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.36. Factor disuasorio: contaminación. . . . . . . . . . . . . . . . . . . . . . . 113
5.37. Factor disuasorio: ruido. . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.38. Factor disuasorio: robo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.39. Factor disuasorio: aparcamiento. . . . . . . . . . . . . . . . . . . . . . . . 115
5.40. Factor disuasorio: instalaciones. . . . . . . . . . . . . . . . . . . . . . . . 116
5.41. Factor disuasorio: social. . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.42. Factor disuasorio: continuidad carriles bici. . . . . . . . . . . . . . . . . . 117
5.43. Factor disuasorio: señalización. . . . . . . . . . . . . . . . . . . . . . . . . 118
5.44. Valoración media Factores Disuasorios. . . . . . . . . . . . . . . . . . . . 119
5.45. Valoracion media de los Factores Disuasorios. . . . . . . . . . . . . . . . 121
5.46. Escenario 1: Presencia de la red de carriles bici. . . . . . . . . . . . . . . 122
5.47. Escenario 2: Limitación del tráfico y la velocidad. . . . . . . . . . . . . . 123
5.48. Escenario 3: Acera compartida. . . . . . . . . . . . . . . . . . . . . . . . 125
5.49. Escenario 4: Acera con separación fı́sica. . . . . . . . . . . . . . . . . . . 126
5.50. Escenario 5: Calzada compartida. . . . . . . . . . . . . . . . . . . . . . . 128
5.51. Escenario 6: Calzada separada. . . . . . . . . . . . . . . . . . . . . . . . 129
5.52. Valoración media Escenarios propuestos. . . . . . . . . . . . . . . . . . . 130

6.1. Clasificación zonal de Malaga. Elaboración propia. . . . . . . . . . . . . . 161

8.1. Situación Término Municipal de Málaga . . . . . . . . . . . . . . . . . . 186


8.2. Evolución población Málaga . . . . . . . . . . . . . . . . . . . . . . . . . 187
8.3. Densidad poblacion Málaga . . . . . . . . . . . . . . . . . . . . . . . . . 188
8.4. Índice motorización Málaga . . . . . . . . . . . . . . . . . . . . . . . . . 189
8.5. Principales vı́as canalizadoras de Málaga . . . . . . . . . . . . . . . . . . 191
8.6. Plazas aparcamiento bicicleta en Málaga . . . . . . . . . . . . . . . . . . 192
8.7. Infraestructura del carril bici en Málaga . . . . . . . . . . . . . . . . . . 193
8.8. Clasificación zonal de Málaga. Elaboracion propia. . . . . . . . . . . . . . 194
8.9. Modelo de Red Vial de Málaga . . . . . . . . . . . . . . . . . . . . . . . 197
8.10. Ejemplo Red Caso Práctico 1 . . . . . . . . . . . . . . . . . . . . . . . . 224
8.11. Ejemplo Corredores 1 y 4. . . . . . . . . . . . . . . . . . . . . . . . . . . 225
8.12. CB Corredores 1 y 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
8.13. Ejemplo Red Caso Práctico 2 . . . . . . . . . . . . . . . . . . . . . . . . 230
8.14. Ejemplo Red Caso Práctico 3 . . . . . . . . . . . . . . . . . . . . . . . . 235
8.15. Ejemplo Corredores 1 y 4. . . . . . . . . . . . . . . . . . . . . . . . . . . 236
8.16. CB Corredores 1 y 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
8.17. Ejemplo Red Caso Práctico 4 . . . . . . . . . . . . . . . . . . . . . . . . 241
Índice de cuadros

2.1. Reparto modal en diferentes ciudades. . . . . . . . . . . . . . . . . . . . 17

4.1. Reparto modal (Málaga). . . . . . . . . . . . . . . . . . . . . . . . . . . . 58


4.2. Comparativa sobre resultados de movilidad. . . . . . . . . . . . . . . . . 60
4.3. Tipologı́a de vı́as modelizadas. . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4. Clasificación de IMD de los arcos. . . . . . . . . . . . . . . . . . . . . . . 68

6.1. Anchura mı́nima para implantación de CB. . . . . . . . . . . . . . . . . . 143


6.2. Seguridad asociada al IMD de la red vial. Elaboración propia. . . . . . . . 150
6.3. Seguridad asociada a la Velocidad de la red vial. Elaboración propia. . . . 151
6.4. Seguridad asociada a la Capacidad de la red vial. Elaboración propia. . . . 151
6.5. Seguridad asociada al Tipo de Vı́a de la red vial. Elaboración propia. . . . 152
6.6. Seguridad asociada al número de carriles. Elaboración propia. . . . . . . . 152
6.7. Seguridad asociada a la Tipologı́a de Carril Bici. Elaboración propia. . . . 155
6.8. Seguridad asociada al Perfil del usuario genérico. Elaboración propia. . . . 158

8.1. Anchura para implantacion de CB. . . . . . . . . . . . . . . . . . . . . . 199


8.2. Tipologı́a de vı́as modelizadas. . . . . . . . . . . . . . . . . . . . . . . . . 199
8.3. Seguridad asociada al IMD de la red vial. . . . . . . . . . . . . . . . . . . 201
8.4. Seguridad asociada a la Velocidad de la red vial. . . . . . . . . . . . . . . 201
8.5. Seguridad asociada a la Capacidad de la red vial. . . . . . . . . . . . . . 202
8.6. Seguridad asociada al Tipo de Vı́a de la red vial. . . . . . . . . . . . . . 202
8.7. Seguridad asociada al número de carriles. . . . . . . . . . . . . . . . . . . 203
8.8. Seguridad asociada a la Tipologı́a de Carril Bici. . . . . . . . . . . . . . . 204
8.9. Seguridad asociada al Perfil del usuario genérico. . . . . . . . . . . . . . . 206
8.10. Seguridad zonal para la variable sexo. . . . . . . . . . . . . . . . . . . . . 208

XIII
8.11. Seguridad zonal para la variable edad. . . . . . . . . . . . . . . . . . . . 209
8.12. Seguridad zonal para la variable número de hogares. . . . . . . . . . . . . 209
8.13. Seguridad zonal para la variable tamaño medio hogar. . . . . . . . . . . . 210
8.14. Seguridad zonal para la variable número vehı́culo medio por hogar. . . . 211
8.15. Seguridad zonal para la variable número hogares con vehı́culos. . . . . . . 211
8.16. Seguridad zonal para la variable estudiantes. . . . . . . . . . . . . . . . . 212
8.17. Seguridad zonal para la variable trabajadores. . . . . . . . . . . . . . . . 212
8.18. Seguridad zonal para la variable equipamientos. . . . . . . . . . . . . . . 213
8.19. Seguridad zonal para la variable Número viajes. . . . . . . . . . . . . . . 213
8.20. Red Caso Práctico 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
8.21. Anchura para implantacion de CB. . . . . . . . . . . . . . . . . . . . . . 221
8.22. Corredores Caso Práctico 1. . . . . . . . . . . . . . . . . . . . . . . . . . 223
8.23. Anchura para implantacion de CB. . . . . . . . . . . . . . . . . . . . . . 227
8.24. Corredores Caso Práctico 2. . . . . . . . . . . . . . . . . . . . . . . . . . 229
8.25. Anchura para implantacion de CB. . . . . . . . . . . . . . . . . . . . . . 231
8.26. Seguridad asociada a la Tipologı́a de Carril Bici. . . . . . . . . . . . . . . 232
8.27. Corredores Caso Práctico 3. . . . . . . . . . . . . . . . . . . . . . . . . . 234
8.28. Anchura para implantacion de CB. . . . . . . . . . . . . . . . . . . . . . 237
8.29. Seguridad asociada a la Tipologı́a de Carril Bici. . . . . . . . . . . . . . . 238
8.30. Corredores Caso Práctico 4. . . . . . . . . . . . . . . . . . . . . . . . . . 240
8.31. Resumen distancias de Corredores (Ejemplos). . . . . . . . . . . . . . . . 243
1

Introducción

1
2 1. Introducción
1.1. Motivaciones 3

A lo largo de las últimas décadas la evolución, transformación y desarrollo de las


ciudades, ası́ como de sus caracterı́sticas urbanı́sticas y fı́sicas, se ha producido a un
ritmo difı́cil de asumir. Dichas transformaciones tienen un patrón común de mayor
relevancia para los habitantes de estas ciudades: la movilidad.

Se ha empezado a considerar necesaria la toma de medidas encaminadas a la


gestión de la demanda de movilidad, mediante la diversificación y la promoción de
modos de transporte menos agresivos y menos consumidores de suelo y recursos: los
desplazamientos a pie, el transporte colectivo y la bicicleta.

La necesidad cotidiana de los ciudadanos de desplazarse para realizar diferentes


actividades, sea cual fuere su naturaleza, se ha visto afectada en gran medida por los
cambios producidos. Las ventajas generadas por la inclusión de la bicicleta como modo
de transporte y la proliferación de su uso entre la ciudadanı́a son innumerables y se
extienden tanto en el ámbito de la movilidad urbana como del desarrollo sostenible.

En la actualidad, existen multitud de programas para la implantación, fomento


o incremento de la movilidad urbana relacionados con la bicicleta en las ciudades.
Pero en definitiva, todas y cada una de estas iniciativas tienen la misma finalidad:
crear una malla de vı́as ciclables eficaz, útil y que permita el uso de la misma en vı́as
preferentes, con unas garantı́as de seguridad altas, incorporando la bicicleta en el modelo
de intermodalidad del transporte urbano.

En esta tesis se ha realizado una evolución de los planes y proyectos anteriormente


nombrados para conseguir una herramienta que facilite a los técnicos, ingenieros e investi-
gadores en movilidad, la optimización de la planificación y gestión de las infraestructuras
de los carriles para bicicletas.

1.1. Motivaciones
Desde hace unos años, en las calles de ciudades como Málaga, surge un nuevo
elemento que forma parte de su dı́a a dı́a: la bicicleta. El modelo para la implantación
de una red de carriles bicis se construye desde la concepción de un sistema de movilidad
4 1. Introducción

homogéneo y equilibrado en el territorio urbano.

Con la progresiva implantación del carril bici, muchas personas han empezado a
utilizarlas para moverse por la ciudad. Pero todo lo nuevo necesita un periodo de
adaptación, y la realidad es que la red de viales destinados a estos vehı́culos está repleta
de obstáculos para el ciclista. La actual situación, como usuarios de la bicicleta, nos
llevó a plantearnos si una ciudad como Málaga necesitaba más infraestructuras en lo
relacionado al carril bici y si, las ejecutadas y proyectadas, eran las correctas y suficientes
para abastecer el número de viajes que se producen cada dı́a en este modo de transporte,
entendiéndolo no solo para la situación actual de una ciudad, sino también para el futuro.

Todo proyecto se debe ceñir a una normativa, pero en el caso de los carriles bici
queda reducido a unas directrices o recomendaciones de cómo llevar a cabo este tipo de
infraestructuras. Es aquı́, debido a la falta de unas bases sólidas para la realización de este
tipo de proyectos, donde surgen las ideas de este trabajo. Su finalidad es establecer como
se pueden realizar las redes para ciclistas de una manera objetiva, rentables, seguras
y atractivas para todos los usuarios, realizando un modelo que pueda ser aplicado en
cualquier municipio.

1.2. Objetivos
Tal y como se ha descrito con anterioridad, la planificación de las infraestructuras
diseñadas para bicicletas se realizan habitualmente en base a las pocas directrices que
existen en la actualidad. En su mayorı́a están generadas a partir del sentido común y
la propia experiencia de los planificadores, y no a estudios con base cientı́fica. Por este
motivo, se describe como objetivo principal de esta tesis la obtención de herramientas
cuyo finalidad sea la planificación y gestión de las infraestructuras destinadas a la
bicicleta, de una forma objetiva y cientı́fica, basadas en la optimización matemática y
en la modelización de sistemas.

Para llevar a cabo tal fin, es necesario desarrollar un conjunto de objetivos especı́ficos
que, a través de una series de etapas, llevarán a la consecución del proyecto final. Estos
objetivos especı́ficos serı́an los siguientes:
1.3. Metodologı́a 5

Objetivo 1: realizar una revisión del estado del arte en el campo de la planificación
y diseño de infraestructuras, destinadas a la circulación de las bicicletas, y de las
teorı́as que sirven como base al modelo aquı́ presentado.

Objetivo 2: especificar cada uno de los submodelos que componen la investigación


y afectan en la solución óptima final del diseño del carril bici.

Objetivo 3: estudiar la combinación de los distintos submodelos y la conexión con


el modelo de transporte, proporcionando la solución objetiva que se persigue.

Objetivo 4: definir el modelo de optimización que, a partir del diseño completo de la


red vial, sea capaz de optimizar las tipologı́as de infraestructuras correspondientes
para cada uno de los arcos que formarán parte de los diferentes corredores que
forman la red ciclista urbana. Para ello deberá minimizar la distancia total de cada
uno de los recorridos, teniendo como restricciones las caracterı́sticas fı́sicas de la
red y la variabilidad de la configuración del modelo con respecto a la seguridad.

Objetivo 5: desarrollar el modelo de simulación capaz de interactuar con el modelo


de optimización y la representatividad final del resultado de los corredores, de una
forma visual que facilite la toma de decisiones par ala planificación y diseño.

Objetivo 6: aplicar la metodologı́a de la investigación propuesta en un caso real,


realizando una aplicación práctica software creado en la ciudad de Málaga.

Objetivo 7: comprobar los resultados y extraer las conclusiones de los trabajos e


investigaciones aplicados en el caso real, infiriendo en los resultados que puedan
generar nuevas herramientas para la elaboración de nuevas polı́ticas de fomento de
la bicicleta.

1.3. Metodologı́a
La metodologı́a basada para la consecución de los anteriores objetivos se ha estruc-
turado en distintos bloques.

El primero realizará el estudio y análisis de la revisión cientı́fica relacionada con


los factores claves de la bicicleta como modo de transporte, asociado a los factores
6 1. Introducción

motivadores para el fomento del uso de la bicicleta, junto con una caracterización de
la influencia de las diferentes infraestructuras para la bicicleta en los usuarios y sus
percepciones de seguridad.

En un segundo bloque se presenta la programación matemática basada en la


optimización de una red vial existente, capaz de ofrecer diferentes alternativas a partir
de la modificaciones de las restricciones establecidas por las caracterı́sticas propias de la
infraestructura del entramado urbano. Además, tendrá en cuenta la influencia directa
del conjunto de variables relacionadas con la seguridad del diseño de los ”carriles bici”.
Se seguirá con la combinación de estas variables con el modelo de simulación propuesto.
Su finalidad será la de formar una herramienta con multitud de posibilidad de aplicación
de nuevos sistemas de redes ciclistas urbanas.

Finalmente, la metodologı́a desarrollada ha sido aplicada al estudio y optimización de


las infraestructuras que formarán parte de la red ciclista urbana en el municipio de Mála-
ga. Para ello se exponen diferentes casos prácticos que han servido para la exploración
de las variables influyentes en el diseño de optimización y su correspondiente simulación.

1.4. Estructura de la tesis


El contenido de la tesis se ha dividido en 9 capı́tulos. El presente capı́tulo describe
las motivaciones que han derivado en la realización de esta tesis, además de enumerar
los diferentes objetivos y metodologı́a desarrollada y en él se hace una breve descripción
del conjunto de capı́tulos que componen el documento.

En el capı́tulo 2 se hace una introducción de las polı́ticas de movilidad actuales y el


papel que representa la bicicleta en ellas. Además, se analizan las teorı́as relacionadas
con el comportamiento y el transporte, con especial atención en la caracterización de
los usuarios de la bicicleta y los factores que influyen en su uso. El capı́tulo 3 aborda los
diferentes modelos de optimización de recorridos y su relación con el modelo de red vial.
En el capı́tulo 4 se presenta el proceso de tratamiento de datos basados en la zonificación
del municipio, caracterización de la infraestructura de la red vial y el resultado de la
toma de datos de movilidad facilitados por la encuesta realiza. Un mejor desarrollo de
1.4. Estructura de la tesis 7

los objetivos del análisis de movilidad y las preferencias de uso de la bicicleta, para el
caso particular del municipio de Málaga, se exponen en el capı́tulo 5.

En los capı́tulos 6 y 7 se describen los diferentes modelos de optimización y


modelos de simulación propuestos. En los primeros, se exponen las fuentes de dificultad
encontradas y el modelo final para la optimización de la red ciclista. En los modelos
de simulación, se presenta la planificación del software llevada a cabo y el modo de
funcionamiento para el correcto uso de la herramienta creada.

En el capı́tulo 8 se muestra la aplicación práctica para el municipio de Málaga de


los modelos propuestos, obteniéndose las diferentes redes ciclistas urbanas optimizadas.
Finalmente, en el capı́tulo 9 se recogen las conclusiones extraı́das sobre el resultado final
del trabajo realizado y las propuestas de las futuras lı́neas de investigación.
8 1. Introducción
2

Estado del arte

9
10 2. Estado del arte
2.1. Introducción 11

2.1. Introducción
En el año 1987 las Naciones Unidas elaboraron el Informe Brudland 1 , donde
se plantea la posibilidad de obtener un crecimiento económico basado en polı́ticas
sostenibles y en la expansión de la base de los recursos ambientales. Es aquı́ donde se
puede considerar los inicios en la polı́tica de sostenibilidad y, por tanto, en el concepto
de desarrollo sostenible. Pero no fue hasta el año 1994, con la aprobación de La Carta
de Aalborg 19 , cuando hubo un compromiso real para participar en las iniciativas de la
Agenda 21 Local, cuyo fin es la creación y puesta en práctica de proyectos de desarrollo
sostenible. En lo referente a movilidad urbana, la Carta de Aalborg especifica: “Daremos
prioridad a los medios de transporte respetuosos con el medio ambiente (en particular,
los desplazamientos a pie, en bicicleta o mediante los transportes públicos) y situaremos
en el centro de nuestros esfuerzos de planificación una combinación de estos medios” 108 .

Durante el Congreso Mundial de la Bicicleta celebrado en Holanda en el año 2000,


se aprueba la Declaración de Ámsterdam. Es en esta declaración donde se reconoce el
derecho de usar la bicicleta, enumerando las ventajas, potencialidades y condiciones para
el uso de las mismas. La declaración de Ámsterdam acaba haciendo un llamamiento a
la acción y solicitando a las administraciones públicas la redacción de Planes Directores
de la Bicicleta.

Con la aprobación por parte de la Comisión Europea del Libro Verde “Hacia una
nueva cultura de la movilidad urbana” 23 , se plantea un cambio del anterior concepto
de movilidad urbana. Esta nueva definición se centra en conseguir una explotación
eficiente de todos los modos de transporte y de garantizar la prosperidad y mejor
aprovechamiento de los distintos sistemas colectivos (tren, tranvı́a, metro y autobús)
e individuales (vehı́culos privados, bicicletas y a pie). En definitiva, la finalidad que
persigue es la prosperidad económica y la gestión eficiente de la demanda de transporte,
para garantizar conjuntamente la movilidad, la calidad de vida de los usuarios y la
protección del medio ambiente.

1
El Informe Brundtland, elaborado por las Naciones Unidas, se puede considerar los inicios en la
polı́tica de sostenibilidad.
12 2. Estado del arte

Como consecuencia de todas las polı́ticas que han ido apareciendo en los últimos
años, existen multitud de proyectos y planes de actuación encaminados a conseguir
unas infraestructuras y sistemas de transportes sostenibles, capaces de satisfacer las
necesidades y demandas de la ciudadanı́a. Las necesidades de movilidad de cada
población varı́an, por lo que concitan unas estrategias de actuación especiales para
cada situación y ámbito urbano, generando prioridades de movilidad diferentes.
Por tanto, para que la combinación de medidas sean adecuadas a cada uno de los ca-
sos particulares, se debe adaptar a sus caracterı́sticas urbanas y socioeconómicas propias.

2.1.1. Pensamiento urbanı́stico actual


La configuración de los sistemas urbanos en el siglo XXI ha seguido en muchas
ocasiones unos patrones aleatorios de asentamiento, impulsado por el mercado de la
vivienda, y generando equipamientos de forma aislada. Este tipo de desorganización
urbanı́stica ha provocado en muchas zonas de las ciudades, especialmente españolas, la
consolidación de un esquema de territorio carente de estructura y confort urbanı́stico,
incentivando la dependencia del vehı́culo privado y evitando el desarrollo de modos de
transporte sostenibles.

Es aquı́ donde la falta de afinidad entre las polı́ticas municipales y los planes
regionales producen el desconcierto en relación al planeamiento urbanı́stico, reflejado
actualmente en muchos municipios de la geografı́a española, provocando el desorden y
confusión en cuanto a la movilidad en las ciudades y áreas urbanas.

La transformación de muchas ciudades y regiones hacı́a modelos que favorecen la


movilidad mediante el vehı́culo privado ha contribuido a la deslocalización territorial y,
derivado de ello, a la configuración de un nuevo entramado urbano viario articulador de
tales espacios 18 . Los efectos generados por este tipo de urbanismo contribuye a la pérdida
de identidad urbana, donde el uso del vehı́culo privado es pieza obligada para el usuario 46 .

Los costes necesarios para conservar este modelo suponen una importante inversión
en el diseño, realización y mantenimiento de infraestructuras que favorezca y garantice
2.1. Introducción 13

la movilidad en vehı́culo privado. Por consiguiente, es necesario hablar de nuevas pautas


de movilidad sostenible que solucionen los problemas generados por el aumento del uso
de automóvil. El objetivo primordial será por tanto la búsqueda de una planificación
urbana que promueva una movilidad acorde con este nuevo modelo, mediante la
utilización del transporte urbano y sostenible, disminuyendo el uso del vehı́culo privado
como modo prioritario de transporte.

Con el objetivo de promover los modelos territoriales y urbanı́sticos más correctos


es necesario centrar los esfuerzos en una planificación que vincule adecuadamente las
dinámicas espaciales y la movilidad. Para hacer efectivo este planteamiento, existen
diferentes herramientas polı́ticas y estratégicas, tanto en ámbito europeo como nacional
y local, que intentan promover nuevos modelos de movilidad, apostando por el impulso
del transporte sostenible y la intermodalidad de los propios medios de transporte.

Según Guilhaire 53 , es necesario que se produzca un cambio en la metodologı́a


de planificación del transporte de manera que se puedan englobar los nuevos retos
de la movilidad propuestos y solventar el ”enigma” que supone la intermodalidad.
Dentro del tráfico mixto, los peatones y ciclistas son los elementos más crı́ticos para
dicha planificación. Para conseguir que todos los medios de transportes que actúan
en el ámbito urbano operen de manera óptima, el diseño de la infraestructura debe
cumplir con los requisitos de todos y cada uno de los elementos que participan.
De este modo, Tiwari 117 propone que, para cumplir con el diseño óptimo, se debe in-
cluir a los modos de peatones y ciclistas en las estrategias convencionales de planificación.

Un sistema de transporte más sostenible se logra diseñando actuaciones globales que


contemplen la totalidad del problema. Hay que considerar al sistema de transporte como
una combinación de sistemas socio-tecnológicos, que se ven afectados por la aparición
de un nuevo modo de transporte, como es el caso de la bicicleta 49 . En este sentido se
plantea la posibilidad real del uso de la bicicleta como medio de transporte, asimilando
un cierto porcentaje de los viajes urbanos con distancias comprendidas entre los 1,5 y
7 kilómetros, facilitando unas condiciones de eficiencia y competitividad que fomenten
su utilización. La incorporación de la bicicleta como modo de transporte, debe estar
protagonizada por la implantación de nuevas pautas o normas respecto a su uso, debido
14 2. Estado del arte

a la generación de nuevos comportamientos en los usuarios 48 , plasmándose en un nuevo


reparto modal de los viajes originado por el aumento del número de desplazamientos
en bicicleta. Dentro del actual reparto modal, los viajes realizados por los peatones
y bicicletas son considerados hasta 3,5 km 106 . Con la nueva distribución, se obtiene
que el número de desplazamientos realizados por los peatones se multiplica por 6 y el
incremento de la distancia de recorrido es próximo al 40 %.

La relación existente entre el modelo de ciudad y las pautas de comportamiento


asociados a los usuarios de la bicicleta, constituirán un planteamiento adecuado de
modelo urbano. Cervero 14 , describe que en comunidades donde los equipamientos para
el transporte a pie o bicicleta están bien equipados, los usuarios realizan un 49 % de sus
viajes al trabajo y un 15 % de otros viajes en estos modos. Para comparar resultados,
en comunidades con similares caracterı́sticas, pero con una polı́tica que favorece el uso
del automóvil, estos porcentajes disminuyen al 31 % y 4 % respectivamente.

Por consiguiente, para el fomento de la bicicleta como modo de transporte, deben


cumplirse ciertos requisitos propios de los sistemas de transportes que se desglosan en
3 niveles: Primero, es necesario realizar actuaciones legales, modificando ordenanzas de
tráfico y desarrollando una nueva normativa de circulación adaptada a la bicicleta. Segun-
do, respecto a la oferta del transporte, se requiere de una transformación del entramado
urbano en cuanto a su infraestructura para facilitar la práctica ciclista. En tercer y últi-
mo lugar, es precisa la adecuación, por parte de los agentes responsables de fomentar la
bicicleta como modo de transporte, ante los cambios producidos en los usuarios por la
influencia de la propia bicicleta como parte activa del sistema de transporte.

2.1.2. La bicicleta en la ciudad


Actualmente nos encontramos en un momento de cambio en las pautas de movilidad.
El espacio público y la función social de las calles empieza a ser parte importante
en la planificación. Para actuar de manera conjunta en las ciudades ya consolidadas
y en los nuevos desarrollos urbanos es necesario y, de vital importancia, compaginar
urbanismo y movilidad. Y es en este escenario donde los transportes públicos y, en
especial la bicicleta, tienen un papel importante para afianzarse como una alternativa
2.1. Introducción 15

factible en la movilidad actual. El potencial de la bicicleta como medio de transporte


moderno hacen que sea una solución efectiva para el problema del transporte en las
ciudades. Y aunque no es la única solución a los problemas derivados de la circulación
y medio ambiente, sı́ constituye una solución idónea que encaja en las polı́ticas ac-
tuales de revalorización del entorno urbano y mejora de la calidad de vida de las ciudades.

Cada desplazamiento que tiene como elección la bicicleta, en lugar del vehı́culo
privado, genera un ahorro tanto para el individuo en particular como para el colectivo
urbano, produciendo unas ventajas considerables con la reducción de ruido y contamina-
ción urbana. Todas las ventajas ocasionadas por el uso de la bicicleta ofrecen un mayor
atractivo del transporte público a partir de la intermodalidad y, por tanto, facilitan
un tráfico automovilı́stico más fluido. Una de las ventajas con mayor repercusión es el
ahorro de espacios, tanto en calzada como en aparcamientos, dando la posibilidad de
invertir en lugares públicos de las ciudades para aumentar el atractivo de los centros
urbanos.

En la actualidad, se está empezando a conceder a la bicicleta su lugar en la ciudad,


en consonancia con el resto de los modos de transportes. Para explicar la importancia de
la bicicleta como medio sostenible, se hace referencia a la comparación de los distintos
sistemas de transporte realizado por el Informe UPI (1989), figura 2.1. Gracias a los
nuevos retos de la Comisión de las Comunidades Europeas 23 22 se están promoviendo estos
espacios destinados a la bicicleta y a su desarrollo particular como modo de transporte.

En relación con la distribución modal, se pretende que la bicicleta forme parte activa
en ella y sea incluida también en los viajes multimodales. La introducción de los peatones
y las bicicletas como parte del sistema modal urbano son los encargados de este cambio
de mentalidad 75 . Este proceso de cambio, está convirtiendo a la bicicleta en un modo de
transporte atractivo al conjunto de la sociedad, ocupando un lugar dentro de la oferta
de transporte. Como consecuencia de este cambio de pautas y de mentalidad nace el
sistema de bicicleta pública. La implantación de estos sistemas, junto con otras medidas
llevadas a cabo por las diferentes instituciones públicas, han dado lugar a un cambio en
el reparto modal de las ciudades, aumentando la demanda ciclista en aquellos lugares
donde el número de usuarios era bajo 86 .
16 2. Estado del arte

Figura 2.1: Comparación de los medios de transporte desde el punto de vista ecológico

El sistema de bicicleta pública.

La aparición del sistema público de bicicletas ha permitido abastecer y facilitar el


acceso a un segmento de la población que, de otro modo, no tendrı́an acceso a la bi-
cicleta como modo de transporte habitual o alternativo. En estos últimos años se han
desarrollado diferentes proyectos que fomentan la inclusión de la bicicleta pública como
parte activa de la ciudad. Algunos ejemplos de ciudades europeas que han puesto en
marcha esta iniciativa son Málaga, Barcelona, Berlı́n, Parı́s, Londres, Sevilla, etc. Este
tipo de sistemas brindan un servicio de movilidad práctico, rápido y pensado para el
uso diario de los desplazamientos, ya que es un modo de transporte con una flexibilidad
mayor en los trayectos urbanos que el resto de modos de transporte. Se considera a la
bicicleta pública como otro modo más de transporte público.
2.1. Introducción 17

Ciudad Reparto modal


Sevilla 6%
Madrid 0,5 %
Barcelona 1,5 %
Málaga 0,4 %
Vitoria-Gasteiz 7%
Ámsterdam 22 %
Houten 44 %
Copenhague 26 %
Berlı́n 13 %
Helsinki 11 %
Brujas 28 %
Bristol 14 %

Tabla 2.1: Reparto modal en diferentes ciudades.

La evolución de los sistemas de bicicleta pública se clasifica en tres tipos o genera-


ciones: el primero, se inició en Ámsterdam en 1965, consistı́a en un sistema gratuito de
bicicletas. El segundo tipo o generación, se basaba en un sistema público de alquiler que
comenzó en Copenhague, en 1995. Esta forma de préstamo era bastante similar a la que
habitualmente se utiliza en supermercados y centros comerciales para el préstamo del
carro de compra. La dificultad de este sistema se debı́a en un precio bajo de alquiler y
la no existencia de un registro del usuario ni seguimiento de las bicicletas. Finalmente,
el tercer tipo de generación de préstamos de bicicletas eran sistemas de información
basados en la tecnologı́a, surgido en Rennes en 1998 31 .

Por último fue propuesta una cuarta generación 8 que permite la integración de la bici-
cleta pública con el resto de la oferta de transporte, implantando un sistema automático
en los puntos de préstamos gestionados mediante un sistema telemático, a partir de las
tarjetas inteligentes o abonos integrados de transporte. Este sistema de préstamo se ge-
neralizó por diferentes paı́ses de Europa a partir del año 2001, teniendo como ciudad de
referencia a Lyon.
18 2. Estado del arte

Ventajas y beneficios del uso de la bicicleta.

Dentro de este apartado se van a describir las caracterı́sticas propias de la bicicleta,


especialmente sus ventajas y beneficios como modo de transporte para el individuo en
particular y de manera global como modo de transporte sostenible. La eficiencia de la
bicicleta como medio de transporte nace de su alta competitividad en las distancias
de desplazamientos cortas y medias. Son varios los estudios que insisten en la utilidad
de la bicicleta en recorridos comprendidos entre los 1,5 km hasta una distancia media
de 7,5 km. En esta franja de recorrido es donde destaca la bicicleta como único modo
de transporte o como parte de la intermodalidad, ya que los viajes que se realizan
normalmente no son de largas distancias. De esta forma puede comprobarse como la
distancia media recorrida por las personas es mayor en los paı́ses donde tienen más
importancia los medios de transportes no motorizados, provocando un mejor reparto
modal de medios sostenibles y, como consecuencia, una creciente participación de la
bicicleta como medio de transporte 106 .

Se considera la capacidad del modo de transporte como la relación existente entre


ocupación media del vehı́culo, la velocidad media de desplazamiento y la densidad
máxima para cada modo. Esta combinación tiene como resultado el número de
viajeros por sección de la vı́a y unidad de tiempo. La bicicleta destaca por tener
mejor capacidad que los vehı́culos privados, pero pierde efectividad en comparación
con los modos colectivos de alta ocupación. Sin embargo el modo de transporte en
bicicleta se impone como medio con mejor aprovechamiento del espacio, en comparación
a otros modos de transporte individual como los vehı́culos privados (coche y motocicleta).

Otro factor, anteriormente mencionado, es la ocupación del espacio. En ciudades


desarrolladas donde la saturación urbana se hace excesiva, el espacio es un bien con
un alto valor. En este sentido, la capacidad de transporte de la bicicleta, unido a su
menor ocupación de espacio con respecto al coche, aumenta aún más si cabe el papel
de la bicicleta como modo de transporte sostenible. La bicicleta ocupa menos espacio
que los automóviles tanto en su desplazamiento como en la superficie que necesita para
estacionarse. Según Illich 69 , en su obra “Energı́a y equidad”, para que 40.000 personas
puedan cruzar un puente en una hora moviéndose a 25 kms/hora, se necesita que éste
2.2. Estado del Arte 19

tenga 138 metros de anchura si viajan en coche, 38 metros si viajan en autobús, 20


metros si van a pié y 10 metros si van en bicicleta.

Desde el punto de vista energético, la bicicleta se presenta como un modo de


transporte altamente competitivo por no ser contaminante, no produciendo gases
tóxicos ni contaminación acústica y favoreciendo el bienestar social dentro de los centros
urbanos. El uso de la bicicleta implica un ejercicio fı́sico saludable, proporcionando una
gran protección, no sólo ante las enfermedades cardiovasculares, sino también ante las
enfermedades del aparato respiratorio y otras asociadas a la obesidad.

El coste asociado a la infraestructura para el uso de la bicicleta es mucho menor.


Aunque muchos usuarios eligen la calzada como vı́a para sus desplazamientos, pueden
desarrollarse infraestructuras especı́ficas como las segregadas, el acondicionamiento de
las acera-bici, una señalización especı́fica, etc. Según Saelensminde 111 , el rendimiento de
las inversiones en el modo bicicleta en función del número de viajeros transportados,
tiene una relación beneficio-coste de cinco a uno. De ahı́ que, con el actual incremento
en la demanda del modo bici, generado en las diferentes ciudades, sea preciso plantear
la realización y puesta en servicio de infraestructuras especı́ficas para este medio de
transporte 51 .

2.2. Estado del Arte

Una parte importante en el desarrollo de esta tesis ha sido la investigación y apli-


cación de las variables que afectan al comportamiento de los usuarios, y en concreto a
los de las bicicletas, y al proceso de toma de decisiones de dichos usuarios. La psicologı́a
se ha mantenido ajena al tratamiento del comportamiento y su aplicación al mundo del
transporte. Como parte de esta investigación se formula la conjugación entre psicologı́a e
ingenierı́a del transporte, tomando como parte principal del estudio los factores relacio-
nados con los usuarios (percepciones, actitudes, etc.) respecto a la planificación y gestión
del transporte.
20 2. Estado del arte

2.2.1. Teorı́as del comportamiento y transporte

Dentro del campo de transporte el estudio de la toma de decisiones ha sido uno de


los problemas a resolver desde su inicio. La gestión de la demanda genera resultados
sobre el conjunto de todos los usuarios, estando cada uno de ellos representado por sus
decisiones particulares, siendo por tanto las decisiones globales el fruto de los respectivos
comportamientos individuales.

Existe bastante literatura relacionado con este tema, por lo que se plantea un breve
desglose de algunas ideas claves en el desarrollo y exploración de estas variables y de
otras denominadas latentes. Este último tipo de variables son aquellas que no se pueden
observar de manera directa en los usuarios, pero si se pueden estudiar a partir de otras.

Se entiende por comportamiento la acción realizada por cada una de las personas
influenciadas por su entorno y los estı́mulos que le rodean. Es decir, toda acción a
realizar es la repuesta a un estı́mulo recibido. Estos cambios en el comportamiento
vienen producidos por los factores del entorno, adquiriendo gran importancia las
interacciones de los usuarios con el medio.

La teorı́a de la Acción Razonada 2 describe: “la intención para formar un com-


portamiento voluntario es el determinante inmediato de su acción”. A su vez, cada
una de estas intenciones están descritas por dos factores, el primero reflejado en la
naturaleza personal del usuario (actitud frente a comportamiento), proveniente de la
experiencia propia del individuo en relación a sus acciones y decisiones 10 . El segundo
viene reflejado por la influencia social (normas subjetivas), y proviene de la percepción
del efecto social producido por lo que terceras personas o grupos sociales pensarán sobre
el comportamiento en cuestión.

Estos factores son los encargados de caracterizar la intención de los usuarios. En


cuanto a la perspectiva del transporte, los esfuerzos se centran en los factores que
pueden influir en los cambios de intenciones. Un ejemplo de ello, se ve reflejado en una
acción polı́tica para promover el cambio a modos de transportes sostenibles, donde se
pueden crear situaciones anómalas que fomenten una resistencia de los usuarios a dicho
2.2. Estado del Arte 21

cambio.

Como se ha mencionado con anterioridad en este mismo apartado, dentro del la


teorı́a de Acción Planificada, hay algunos comportamientos que se escapan del modelo
ya que caracterizan a cada usuario dependiendo de sus factores y aptitudes particulares.
Estos factores, que ayudan a explicar el control conductual percibido del individuo, se
clasifican según Ajzen 2 , en internos y externos. Entre los primero se encuentran las
diferencias individuales, información y habilidades, fuerza de voluntad y emociones
y compulsiones. Como factores externos destaca el momento y oportunidad y la
dependencia de terceros.

Con motivo de esos factores que influyen sobre las intenciones, es el propio Ajzen
quién enuncia la teorı́a de la Acción Planificada 3 . En ella se describen los efectos de
los factores que afectan al control conductual percibido, estableciendo que el compor-
tamiento de los usuarios está influenciado por sus intenciones y, éstas a su vez, por
las actitudes creadas por la experiencia del individuo, las normas subjetivas del efecto
social de aceptación y el control conductual percibido.

Es en este concepto donde la teorı́a centra su base. Lo importante en los individuos


no es el control real del comportamiento, sino la percepción personal que cada uno tiene
de su propio control. Es decir, ante una misma acción de aprendizaje, dos individuos
desarrollan diferentes comportamientos, debido a la diferente confianza que posee cada
uno de ellos sobre sus propias habilidades. Esta teorı́a hace hincapié en cuestiones
subjetivas que en los estudios sobre el transporte no son habituales, ya que éstos se
centran en analizar los fenómenos a partir de variables observables y su relación con el
comportamiento. Por tanto es aquı́ donde hay que señalar a las variables latentes.

En el campo de la ingenierı́a del transporte se estudia el hábito como una de las


variables que más afecta a la decisión final de los usuarios. Estos últimos, al no conocer
toda la información relativa a cada una de las alternativas disponibles, se sirven de
su propia experiencia para tomar la decisión, condicionando por tanto esa elección
a su propio hábito. Este comportamiento puede verse modificado al surgir nuevas
alternativas, como serı́a el caso de la aparición de otros modos de transporte. Si de estas
22 2. Estado del arte

alternativas se dispone, por ejemplo, de nuevos datos sobre rutas más corta, ocasionarán
un nuevo planteamiento por parte del usuario relacionado con su comportamiento 57 .

Por último en este apartado, se destaca la teorı́a de la Cognición Social 7 . Esta


teorı́a se centra en la interacción del comportamiento con otros factores, como son los
ambientales y las caracterı́sticas propias del individuo, y como estos últimos influyen
sobre el propio comportamiento. Como base de esta teorı́a, los aspectos ambientales son
un factor fundamental a la hora de analizar el comportamiento de los diferentes usuarios,
y unidos al estudio de las caracterı́sticas personales, modifican el comportamiento y las
elecciones que realiza el individuo.

La literatura es diversa sobre las relaciones del comportamiento de los usuarios. La


influencia de las limitaciones fı́sicas y la importancia dada a los aspectos ambientales
se verán finalmente reflejadas en el resultado de la encuesta realizada para el caso de
estudio de la tesis. Gracias a la mejora del conocimiento sobre el comportamiento de los
viajes de los usuarios y de sus elecciones, se garantizará una solución óptima en el diseño
de la infraestructura de carriles para bicicletas.

2.2.2. Caracterización del usuario de la bicicleta


Una vez expuesta parte de la literatura existente sobre la teorı́a del comportamiento,
se plantea conocer y analizar cómo es el usuario de la bicicleta. La realización de un
estudio de todos los elementos que influyen sobre su uso es complicada, como ya se ha
podido observar anteriormente. Partiendo de los estudios realizados por Rietveld 107 ,
estos elementos se van a clasificar en factores socio-culturales, factores del usuario e
influencias de los restantes modos de transporte.

Es necesario conocer la diversidad de usuarios que pueden utilizar la bicicleta como


modo de transporte, lo que conlleva a no poder describir un usuario tipo. Esta diversidad
de usuarios de la bicicleta viene influenciada por las caracterı́sticas socio-demográficas
propias de cada individuo, y pueden facilitar una mayor comprensión de los diferentes
sectores de la población donde la bicicleta se convierte en un modo de transporte po-
tencial. Por ello se ha recopilado, de la literatura existente, algunos de los factores que
2.2. Estado del Arte 23

tienen una mayor repercusión para el uso de la bicicleta como modo de transporte.

Caracterı́sticas socio-demográficas

Edad. En los estudios actuales hay ciertas discrepancias a la hora de ajustar los márge-
nes de edades que son más proclives al uso de la bicicleta 107 21 33 , aunque se puede definir
este sector de edad entre los 18 y los 45 años. La edad está directamente vinculada con
el estado fı́sico de las personas, lo que condiciona el tener una mayor o menor capacidad
de usar la bicicleta como modo de transporte. En este sentido este factor también se
encuentra asociado a otro tipo de variables, destacando entre ellas la disponibilidad o no
de un coche o su nivel de ingresos. Como se explicará en los siguientes apartados estas
últimas son dos variables que afectan de manera directa al uso de los diferentes modos
de transporte.

Género. Sobre la variable de género no hay estudios que justifiquen las diferencias
en el número de usuarios. Si bien es cierto que se pueden nombrar diferentes estudios
que se han llevado a cabo, los resultados no han mostrado diferencias significativas. En
aquellas ciudades donde la bicicleta está consolidada como un modo más de transporte, el
porcentaje de uso de la bicicleta entre hombres y mujeres es similar 102 . Por el contrario,
en ciudades donde la bicicleta no tiene un uso generalizado, el porcentaje de usuarios
masculinos es mayor 4 . Puede deberse a que la percepción del riesgo es diferente en ambos
sexos 47 , ya que las mujeres son más precavidas en relación al propio riesgo, teniendo
una mayor capacidad de percepciones negativas a la hora de circular por la calzada en
confluencia con otros vehı́culos motorizados 58 . Esta percepción de riesgo también puede
estar relacionada con el uso de la bicicleta en la época de juventud 40 , lo que también
explicarı́a que los hombres tengan un nivel de percepción del riesgo menor que el de las
mujeres. En un estudio realizado a los ciclistas en Portland 35 , mediante el seguimiento
de rutas con el uso de GPS, se encontró que las mujeres eran menos propensas que los
hombres a la hora de elegir calles con un mayor nivel de tráfico, teniendo una clara
preferencia por evitar dicho tráfico.

Ingresos. El nivel de ingresos se incluye en muchos estudios de movilidad, ya que


pudiera parecer un condicionante directo del uso de un determinado modo de transporte.
En la literatura revisada existen las dos vertientes: por una parte hay estudios que
24 2. Estado del arte

explican la relación entre el uso de la bicicleta y los ingresos de la población 102 y, por
otra, estudios donde la variable ingresos no es representativa a la hora del uso de un
modo de transporte u otro 97 .

Disponibilidad de vehı́culo. Existe una relación inversamente proporcional entre la


disponibilidad de coche y el uso de la bicicleta 21 , donde el uso de esta última es mayor en
los hogares que poseen pocos o ningún coche. En cuanto a la disponibilidad de la propia
bicicleta, hay autores que señalan la influencia que genera la posesión de la bicicleta
respecto a su uso 99 .

Tamaño del hogar. La elección del modo de transporte está muy correlacionada con
el tamaño del hogar. La relación existente entre ambas variables es directa, como puede
suceder en núcleos familiares con un número elevado de individuos en el que no todos los
miembros pueden tener acceso a vehı́culos privados, por lo que la opción de transporte
público y, en este caso la bicicleta, se conviertan en un modo de transporte para estos
usuarios.

2.2.3. Factores que influyen en el uso de la bicicleta


La investigación y análisis de los factores que determinan el uso de la bicicleta se
ha llevado a cabo por diferentes autores y estudios en los últimos años, generando
una literatura extensa en este sentido. En los siguientes apartados se van a sintetizar
algunos de los elementos claves que se deben tener en cuenta para fomentar el uso de la
bicicleta, diseñar estrategias de cambio modal hacia la propia bicicleta y planificar una
mejor infraestructura para su utilización.

Sirva de ejemplo el análisis realizado por Rondinella 110 , el cual recoge los resultados
de un amplio estudio, a partir de la literatura internacional existente, sobre el uso de
la bicicleta como uno de los modos de transporte en las ciudades y su inserción dentro
de los sistemas de transportes urbanos e interurbanos. Este estudio proporciona un
ı́ndicador de los factores a tener en cuenta a la hora de diseñar las actuaciones para
contribuir al cambio modal hacia la bicicleta.
2.2. Estado del Arte 25

Se han realizado estudios que determinan los factores de uso de la bicicleta, a partir
de la motivación o disuasión del usuario 121 . Los factores motivadores más destacados
son la elección de rutas más alejadas del ruido y de la contaminación y las rutas con
recorridos paisajı́sticos y separadas del tráfico. Por otro lado, los factores disuasorios a
destacar serı́an: las calles o vı́as con un elevado ı́ndice de tráfico y velocidades altas,
y los efectos climatológicos como el hielo o la nieve. En este estudio se destacan los
factores que ejercen una mayor influencia en la imposibilidad de uso de la bicicleta
como son la seguridad, las condiciones meteorológicas, las interacciones con los vehı́culos
motorizados y las condiciones de las rutas. El Departamento de Salud Pública de San
Francisco desarrolló su propio Índice de Calidad de Medio Ambiente de la bicicleta 92 ,
considerando 22 variables diferentes agrupadas en 5 categorı́as: diseño de intersecciones,
diseño de calles, tráfico de vehı́culos, seguridad y uso del suelo. Las encuestas realizadas
sirvieron para asignar a las distintas variables la importancia que le daban los usuarios.
Se acentúa en ellas el valor de las infraestructuras para la bicicleta, que unido a
los anteriores factores, delimitarán uno de los principales objetivos indicados en la
elaboración de esta tesis como es la importancia que tiene la ubicación y el diseño de
la infraestructura para bicicletas y como ésta sirve para fomentar el uso de la bicicleta
como modo de transporte dentro del entramado urbano actual.

Los factores que resultan mas determinantes para el uso de la bicicleta como modo de
transporte son el tiempo de viaje y el volumen del tráfico motorizado, ya que condicionan
de manera directa la elección de ruta de sus usuarios. Otros factores que tienen una
gran influencia son el número de señales de paradas, la semaforización a lo largo de la
ruta, el número de intersecciones existentes, los lı́mites de velocidad, las caracterı́sti-
cas de la vı́a pública y la existencia y continuidad de los propios carriles para bicicletas 112 .

El factor de seguridad es otro de los más importantes para el la elección de uno


u otro modo de transporte, de ahı́ la gran cantidad de estudios que lo incluyen. La
apreciación de la seguridad y comodidad de los ciclistas se ven afectadas por factores
como el volumen de tráfico y la proximidad entre las infraestructuras para las bicicletas
y el propio tráfico de otros vehı́culos, protagonizando una disminución de la seguridad y
comodidad del ciclista de manera directa al mayor flujo en el tráfico de vehı́culos 116 4 .
26 2. Estado del arte

Algunos métodos para predecir la comodidad, desde la perspectiva del ciclista, en


base al nivel de protección de los carriles para bicicletas son tratados en Mekuria 44 .
Estos métodos son capaces de medir el nivel de estrés provocado por el tráfico y
experimentado por los ciclistas en un ruta. Existe cuatro niveles, con puntuación de 1 a
4, asociados al tipo de ciclista: niños, la mayorı́a de adultos, corredores entusiasmados
y confiados y corredores fuertes y valientes, correspondiente a cada uno de los niveles
de estrés. Anteriormente, Sorton y Walsh 113 evaluaron el nivel de estrés sufrido por los
ciclistas, experimentados y ocasionales, basado en el ancho del carril, el volumen del
tráfico y la velocidad de circulación adyacentes. Por tanto la seguridad está condicionada
por la percepción de cada uno de los usuarios y, en los estudios elaborados por Harkey 56 ,
se llega a la conclusión que los ciclistas más experimentados suelen sentirse más cómodo
a la hora de circular en bicicleta que los ciclistas menos experimentados, teniendo por
ello una calificación del confort mayor.

Conseguir medir la peligrosidad de la bicicleta es complicado, debido a su peligro-


sidad inherente y a la interacción con los demás medios de transporte. Por ello se han
propuesto metodologı́as que evalúan los diferentes diseños de infraestructuras desde
el punto de vista de la seguridad vial de los usuarios de la bicicleta 85 12 88 . Sirva de
ejemplo la evaluación, a partir de la investigación de Tilahun 116 , sobre la preferencia
en la elección de la ruta, con cinco tipologı́as de infraestructuras, frente al tiempo de
viaje. Estos tipos de infraestructuras son: carril bici separado de la vı́a, carril bici en el
lateral de la calzada (sin estar permitido el estacionamiento de vehı́culos), carril bici en
el lateral de la calzada (con estacionamiento permitido de vehı́culos), sin carril bici y sin
estacionamiento de vehı́culos permitido en el lateral de la calzada y sin carril bici y con
estacionamiento permitido de vehı́culos en el lateral de la calzada. El resumen de este
trabajo concluye con una preferencia de los usuarios de aumentar su tiempo de viaje en
hasta 20 minutos para cambiar la elección del tipo de infraestructura, pasando del peor
escenario (sin carril bici estando permitido el estacionamiento de vehı́culos en el lateral
de la calzada) al mejor escenario posible (carril bici separado de la vı́a).

Existen diferentes estudios que demuestran la relación entre un mayor número de


infraestructuras para la bicicleta con el número de ciclistas, es decir, que tras la implanta-
ción de carriles bici aumentará el número de ciclistas que usarán estas infraestructuras 34 .
2.2. Estado del Arte 27

Esto se debe a la posibilidad de aumento de la percepción de seguridad de los ciclistas.


Estos estudios pueden derivar en la influencia de los carriles bici en áreas suburbanas,
analizando la relación entre el uso de la bici y la proximidad a una infraestructura. La
configuración de la ciudad es un factor director sobre el uso de la bicicleta 74 112 13 122 . La
densidad demográfica, el nivel de accesibilidad y la distribución de la red ciclista tienen
una relación evidente según los estudios de McCahil y Norman 83 . Otro factor a tener
en cuenta con el incremento de los carriles bici se debe a la variación de los parámetros
de uso de la bicicleta 110 . En 2003, se crea el ı́ndice CRC (Compatibility of Roads for
Cyclist) 90 , basado en datos recogidos a 200 ciclistas que debı́an de calificar la ruta
en la que viajaban para diferentes criterios de las caracterı́sticas de la calzada y el tráfico.

En lo referente a los tipos de carriles para bicicletas, se hará uso del estudio de
Sanz 1 . Consta de un análisis de las publicaciones de los diferentes manuales de diseño
y/o recomendaciones especı́ficas realizadas en España para este tipo de infraestructuras,
concluyendo con la existencia de 8 tipologı́as diferentes en función de sus caracterı́sticas
geométricas. Por tanto el modelo de red que debe proporcionar un planificador de
tráfico se desarrolla sobre el entorno urbano definido por sus caracterı́sticas geométricas
y operativas.

Recientemente hay un aumento de usuarios de la bicicleta dada la preocupación


existente por el medio ambiente y la salud, lo que ha hecho considerar a la bicicleta
como parte importante del transporte urbano. Existen investigaciones que proponen
diferentes modelos de planificación de redes ciclistas, y entre ellas destaca la de Tolley 118 ,
donde concluye que las redes destinadas para el uso de la bicicleta necesitan incluir
cinco requisitos básicos: la seguridad, la consistencia, la inmediatez, la comodidad y
la diversión. Estos estudios justifican la investigación llevada a cabo en esta tesis, ya
que fomentan el papel estratégico del planificador a la hora de tomar las decisiones de
planificación y actuación en cuanto a las infraestructuras para bicicletas, consiguiendo
un mayor atractivo para los usuarios y, por lo tanto, aumentando la elección modal
de éstos. Una correcta planificación de la red de carriles para bicicletas también puede
disminuir el ı́ndice de siniestralidad de sus usuarios 84 .

En concordancia con los estudios que afectan a la elección de ruta de los ciclistas
28 2. Estado del arte

hay que destacar los llevados a cabo por Stinson y Bhat 115 . Diferencian entre factores
a nivel de arco y a nivel de ruta. En lo relacionado con los factores a nivel de arco, se
diferencian entre tipos de vı́a, si está permito o no el estacionamiento, la tipologı́a de
infraestructura para la bicicleta, el tipo de pavimento, etc. Dentro de los factores que se
refieren a nivel de ruta, destacan el tiempo de viaje y la continuidad de la infraestructura
(se considera continua cuando, al menos, el 75 % de la ruta no tiene interrupciones),
el número de semáforos por recorrido, el número de cruces por recorrido, etc. Como
resultado, consiguen modelos capaces de calcular las rutas de los usuarios de la bicicleta,
facilitando la evaluación de la eficiencia sobre nuevas rutas o midiendo las ya existentes.

En el estudio presentado por Replogle 105 se analiza el efecto sobre los hábitos de
los viajeros que modifica sus factores principales, como son las instalaciones o los
programas para el fomento de bicicletas y peatones. También incluye otros factores que
repercuten en el uso de los modos de transportes no motorizados. Debido a la evolución
tecnológica de los últimos años, los planificadores del transporte han empezado a utilizar
como herramienta de apoyo los navegadores GPS. Hay estudios como los realizados
por Hochmair 64 , donde se analiza el comportamiento de los ciclistas en la elección
de las rutas elegidas. Pero debe considerarse que la funcionalidad facilitada por estos
dispositivos (GPS) es limitada ya que no consideran diferentes caracterı́sticas sobre las
preferencias de selección de ruta de los diferentes usuarios, dejando como único criterio
de elección la distancia. Concluye su estudio con la posibilidad de que cada usuario
pueda representar las preferencias de uso y selección a partir de diferentes atributos.
Las investigaciones llevadas a cabo por Gliebe y Paul 50 concluyen que, a partir de los
datos recogidos con GPS de las rutas seguidas por 162 ciclistas durante varios dı́as, éstos
desarrollan un modelo logit respecto a la elección de rutas que tiene como resultado la
planificación de un modelo de red ciclista.

En el año 2000, Hyodo y Tetsuro 67 presentan un modelo capaz de relacionar el com-


portamiento de los usuarios en la elección de la ruta de la bicicleta y las caracterı́sticas
de las propias infraestructuras, pudiéndose aplicar dicho modelo a la hora de planificar
las redes para bicicletas. De otra forma, Sener y Eluru 112 , realizan otro modelo basados
en las preferencias de elección de ruta de los ciclistas y los rasgos que afectan a dicha
elección. Este modelo tiene la peculiaridad de que se puede emplear, al igual que el
2.2. Estado del Arte 29

Figura 2.2: Relación entre distancia y utilidad usuarios

desarrollado por Hyodo y Tetsuro 67 , para la mejora de la planificación de las rutas para
bicicletas y, además, analizar la variación de la demanda producida por las diferentes
alternativas posibles a aplicar en la red ciclista.

La distancia del viaje afecta de forma directa al uso de la bicicleta, y por ello Gliebe
y Paul 50 exponen que los usuarios de la bicicleta están influı́dos por la longitud total del
trayecto que realizan. Como se explicó en el apartado ”ventajas y beneficios del uso de la
bicicleta” la bicicleta es un modo de transporte eficiente en determinadas distancias, pero
su mayor aliciente aparece en recorridos con longitudes entre 1 y 15 kilómetros 97 66 . En
las distancias relativamente cortas la bicicleta no puede competir con los desplazamientos
a pie, mientras que en los desplazamientos con distancias demasiados largas el uso de
la bicicleta pierde eficacia. Aquı́ es importante destacar a la bicicleta como parte de
la intermodalidad en el transporte, formando un elemento a tener en cuenta en estas
conexiones 106 .

Otro de los factores a señalar serı́a la pendiente y como influye ésta en un mayor
porcentaje en aquellos casos de pendientes positivas a la velocidad y aceleración de los
ciclistas, mientras que en pendientes negativas el efecto producido es mucho menor 95 .
30 2. Estado del arte

Se recomienda que en pendientes inferiores al 3 % se tomen velocidades de 25km/h y


en el caso de mayores pendientes se establezca una velocidad de hasta 35km/h. En el
trabajo realizado por Romero 109 , se ha realizado una calibración entre la velocidad de
la bicicleta a flujo libre y la pendiente de los arcos, dividiendo finalmente a los usuarios
de la bicicleta en cuatro categorı́as posibles.

El nivel de servicio (LOS: Level of Service) es el resultado de la suma de todos los


factores que determinan el uso de la bicicleta. Un modo de clasificar los factores que
afectan a estos niveles de satisfacción de los ciclistas se basa en el realizado por Dixon 36 ,
donde define seis niveles diferentes de servicio. Estos niveles se establecen en base a las
disputa entre modos, diferencias de velocidades entre cada uno de ellos, nivel de servicio
de los vehı́culos motorizados y la capacidad de gestión de la demanda del transporte.
A partir de la estimación del nivel de servicio se puede usar como un método para
la planificación del transporte. Winters y Davidson 121 llevan a cabo su investigación
desarrollando un método de evaluación del nivel de servicio de los diferentes modos
de transportes, mediante la correlación de los diferentes niveles de percepción de los
usuarios de todos los modos de transportes. La percepción de los usuarios tendrı́a como
variables de actuación la seguridad y protección, el tiempo, el coste, la aceptación social
y la comodidad o conveniencia.

Uno de los primeros intentos de medir el nivel de servicio percibido por los usuarios
de la bicicleta en una carretera se llevó a cabo por Sorton y Walsh 113 . Basado en un
método simple, tiene en cuenta la anchura del carril, el volumen de tráfico de la vı́a de
circulación y la velocidad de los vehı́culos a motor. FHWA publicó, en 1998, Bycicle
Compatibility Index (BCI)2 donde se describe el nivel de servicio a partir de la encuesta
realizada a diferentes usuarios sobre el volumen de vehı́culos a motor, la velocidad de
esos vehı́culos y la anchura de la carretera disponible para los ciclistas 56 .

Los factores más importantes que afectan a la calidad del servicio para peatones
y ciclistas, según Guttenplan y Landis 54 , serı́an la separación lateral de los peatone-
2
FHWA Federal Highway Administration, perteneciente al U. S. Department of Transportation. Este
organismo es el encargado de administrar la construcción, mantenimiento y conservación de carrete-
ras, puentes y túneles de EEEUU. También realiza investigaciones para la mejora de la seguridad, la
movilidad y habitabilidad y fomento de la innovación.
2.2. Estado del Arte 31

s/ciclistas con los vehı́culos motorizados, el tráfico de dichos vehı́culos, la velocidad


y el transporte público (frecuencia y tipo). En los trabajos realizados por Dowling
y Petritsch 37 , se expone un modelo para la evaluación de la calidad de servicio de
los diferentes modos suministrados por una carretera urbana. El nivel de servicio
está condicionado por los cruces transversales, las intersecciones y las caracterı́sticas del
tráfico.

Por otro lado, unos años antes, el propio Landis 79 , analizó cuales son los factores
principales que afectan al nivel del servicio para las bicicletas respecto a las interseccio-
nes. En él se concluye que el volumen de tráfico, el ancho total del arcén de la vı́a y la
distancia de cruce de la intersección afectan a este nivel de servicio. Jensen y SØrens 71
y 72 aportan modelos sobre el nivel de satisfacción de los ciclistas, con la presencia y la
anchura de los carriles bici como principales variables, donde el 45 % de los encuestados
se declararon más seguros cuando circulan por carriles bici protegidos. En cambio, un
30 % declararon una mayor comodidad cuando circulan por carriles bici normales, y
poco más del 10 % se decantaron por calles compartidas. Este estudio también recoge
que el volumen de usuarios de bicicletas y ciclomotores (ya que también utilizan la
infraestructura) aumenta en las calles donde existe los carriles bici protegidos.

En los estudios presentados por Sener 112 y Moudon 87 se obtienen conclusiones


similares, explicando que la mayorı́a de los ciclistas usan la bicicleta por motivos
recreacionales o deportivos. En caso de centrarse en las limitaciones que tienen los
ciclistas para no usar este modo de transporte en su movilidad diaria, como serı́a
deseable en los viajes relacionados con el trabajo, se encuentran la ropa para realizar
el trayecto, el número de hora de trabajo, la disponibilidad de instalaciones adecuadas
en el lugar de trabajo o la percepción individual de la imagen proyectada 61 120 . En un
estudio sobre transporte al trabajo en bicicleta realizado en Holanda 60 se demuestra
que el tipo de ropa que se lleva no es importante, aunque en algunos trabajos el uso
del traje sea necesario. En este sentido se han presentado estudios sobre la influencia
positiva de las instalaciones, como taquillas para guardar la ropa, duchas o baños, que
favorecen un mayor uso de la bicicleta para dirigirse al trabajo 112 .
32 2. Estado del arte

2.2.4. Infraestructura para la bicicleta

A pesar del rápido crecimiento de las investigaciones centradas en el modo de la


bicicleta dentro de la planificación del transporte, sorprende la falta de metodologı́as
que ayuden a decidir y seleccionar las ubicaciones para las diferentes inversiones en
infraestructuras para la bicicleta.

Todos los esfuerzos de las polı́ticas de planificación del transporte tienen como
objetivo el aumento del número de usuarios de la bicicleta, pero existe una corriente de
investigación discrepante sobre los beneficios y costes desde la perspectiva de inversión
pública. En las investigaciones de Krizek y El-Geneidy 77 , se realiza una evaluación de
los beneficios económicos de este tipo de instalaciones y sugiere estrategias capaces
de evaluar los beneficios económicos futuros. Hopkinson y Wardman 65 exponen unos
resultados que demuestran que los usuarios valoran más la seguridad que el tiempo, a
la hora de usar la bicicleta como medio de transporte, concluyendo que la planificación
de este tipo de infraestructuras debe tener como variable principal la seguridad.
Por el contrario, Ortuzar e Iacobelli 21 , mediante su estudio de la bicicleta como
modo de transporte en la ciudad de Santiago de Chile, demuestran que el tiempo de
viaje es una variable fundamental a tener en cuenta en las polı́ticas de uso y planificación.

El problema del cambio del reparto modal, hacia modos de transportes más sosteni-
bles, se debe a la falta de infraestructuras especı́ficas para bicicletas. Una demostración
de la influencia que ocasiona los carriles bici en la elección de uso de las personas se
demuestra en los trabajos presentados por Nelson y Allen 89 , dónde se realizan estudios
aplicados en diferentes ciudades de Estados Unidos, proporcionando base cientı́fica a
la relación entre el número de carriles bici y el de usuarios. Cervero y Sarmiento 15
prueban que la presencia de los carriles para bicicletas son capaces de dirigir a los
ciclistas por determinadas rutas. Un estudio realizado en la región de Twin Cities3 ,
donde hay evidencias del aumento del 51 % en la longitud total del viaje si éste se realiza
por un carril bici de alta calidad y seguro 76 . La relación directa entre la existencia
de carriles bici y el aumento de los usuarios tiene resultados contrapuestos, como lo

3
Estudio realizado en el año 2007, en la región de Twin Cities, área metropolitana formada por
Minneapolis, con 11 condados, y Saint Paul, con 2 condados, en Estados Unidos
2.2. Estado del Arte 33

reflejan los trabajos realizados por Aultman y Hall 5 , dónde se estudia si la presencia de
infraestructuras para la bicicleta no condiciona el aumento de usuarios. En los estudios
de Petritsch y Landis 98 , se define un modelo de entorno urbano aplicado a los usuarios
de la bicicleta y se establece como influyen las caracterı́sticas geométricas y operativas
de la red para satisfacer las necesidades de la movilidad sostenible.

La instalación de infraestructuras para bicicletas por sı́ solas no es una garantı́a de


éxito para atraer a nuevos ciclistas, tal y como anuncian Noland y Deka 91 . El estudio
diseñado por Handy 55 explora las relaciones que existen entre los desplazamientos de
bicicletas, las infraestructuras para bicicletas, las caracterı́sticas socioeconómicas y
las actitudes personales y sociales de los usuarios. De hecho, una de las barreras que
dificultan el aumento de usuarios de la bicicleta como modo de transporte sostenible
es la falta de una infraestructura adecuada y atractiva para las personas 96 . Por otro
lado, son beneficiosas las medidas que aumenten la utilidad y el atractivo del uso de
la bicicleta como modo de transporte. En este punto, algunas de las medidas que han
tenido mayor repercusión entre los usuarios han sido las campañas de promoción de
la cultura ciclista, favoreciendo las ventajas y beneficios de las misma, y los cursos de
educación ciclista y de formación para conductores 101 .

Una parte de la literatura del transporte centra sus esfuerzos en los problemas rela-
cionados con las infraestructuras para la bicicleta y la seguridad de los usuarios. Existe
diferentes versiones que discrepan sobre la implantación de este tipo de infraestructuras.
Por un lado, hay argumentos que defienden la posibilidad de circular libremente entre
tráfico mixto, ya que ası́ se ayuda a minimizar el número de usuarios de los vehı́culos a
motor, fomentando el transporte sostenible 43 . Por otro, existe la convicción de la gran
influencia que tiene la percepción del peligro sobre la disposición a usar la bicicleta, y
por ello una correcta infraestructura de carriles bici ayuda a acrecentar la sensación de
seguridad en los usuarios 47 . Los resultados de la investigación llevada a cabo por Lusk 81 ,
sugieren que los usuarios tienen una mayor sensación de seguridad en instalaciones con
carriles para bicicletas segregados que cuando circulan en vı́as con tráfico mixto.

Tras la revisión de los resultados existentes sobre el transporte en bicicleta, se


hace patente la ausencia de investigaciones capaces de planificar, diseñar y localizar
34 2. Estado del arte

adecuadamente las infraestructuras para carriles bici en centros urbanos. De ahı́ se de-
riva la importancia que tiene la realización de esta tesis y los resultados finales obtenidos.
3

Optimización de recorridos

35
36 3. Optimización de recorridos
3.1. Modelos de red 37

3.1. Modelos de red


El objetivo de todo modelo es representar el diseño de una nueva red de transporte
o modificar las capacidades sobre vı́as ya existentes. La red viene definida a través de
un conjunto de arcos que representan nuevas vı́as o nuevos servicios de transporte, y
determinan los costes (en términos de tiempo de viaje en vehı́culo ó a bordo del autobús)
tanto para los usuarios como para los diferentes operadores del transporte público.

3.1.1. Red
Los trazados de todos los recorridos determinan unı́vocamente la red, quedando por
tanto caracterizada por los elementos que la componen. Cada uno de los recorridos
está representado con un grafo G = (N, A), donde N es el conjunto de nodos y A es
el conjunto de arcos que conectan los diferentes pares de nodos. La transformación del
modelo real para desarrollar la idealización de los elementos de la red, nodos y arcos,
puede efectuarse bajo diferentes premisas. Los vertices o nodos del conjunto N pueden
representar por ello distintas entidades de la realidad como pueden ser:

Intersección de calles: Cuando se trata de un modelo detallado de red vial.

Paradas: Cuando se estudian desde el punto de vista del transporte público perte-
necen al conjunto de paradas posibles, y cuando se hace desde la perspectiva del
transporte en bicicleta se puede entender como las bancadas o lugares destinados
al estacionamiento de las bicicletas.

Centroides: Nodos especiales, generalmente coincidentes con el baricentro de la


zona, que no se corresponden con las intersecciones de las calles. Son puntos de
distribución de la demanda de viajes (salidas y llegadas).

Los arcos pertenecientes al conjunto A, a su vez, pueden representar diferentes


entidades de la realidad, aunque principalmente actúan como sección de una calle de la
red vial, realizando la función de conexión entre dos nodos o una posible conexión entre
centroides de zonas adyacentes.
38 3. Optimización de recorridos

Figura 3.1: Modelo de Red Vial de Málaga

Los diferentes modelos de red están condicionados con la tipologı́a y nivel de agre-
gación de los datos que la forman, restringiendo el tamaño de los modelos. Se exponen
como modelos de red los siguientes:

Modelo detallado : Está compuesto por un subconjunto de calles de la zona de estu-


dio, seleccionado especialmente para los modos de transportes analizados por dicho
modelo. Se toma como referencia los trabajos de Fan y Randy 41 , dónde los nodos
representan las intersecciones de las calles (nodos de intersección), y los arcos re-
presentan cada tramo que une dos de dichos nodos. Se realiza una división zonal,
donde cada una de las zonas tiene como referencia un centreoide, considerado punto
de producción y atracción de la demanda de viajes. Estos centroides zonales usan
los nodos de distribución para comunicarse con la red, y los arcos de distribución
como modo de enlace.

Modelo no detallado : Considera un nodo para cada centroide zonal, y un arco como
enlace entre dos de dichos nodos. El tiempo de acceso para este modelo no existe,
3.2. Búsqueda del camino óptimo 39

por tanto los arcos y nodos no tienen una correspondencia geográfica real 6 .

3.1.2. Demanda
Modelar la demanda de los viajes de una región de estudio requiere la división en
zonas de la misma. Una matriz origen-destino (D = dij ) es la encargada de caracterizar
la demanda de los viajes en consonancia con la zonificación establecida. Cada una de las
entradas dij indica la demanda de viajes interzonales producidos, desde la zona inicial i
hasta la zona de destino j. La relación existente entre el nivel de detalle de la red y su
relación con los elementos de la matriz origen-destino, puede encontrarse en los Modelos
de demanda del transporte 20 .

3.2. Búsqueda del camino óptimo


Uno de los propósitos de esta sección es definir el problema a resolver en esta
investigación, llamado Problema de Búsqueda de Camino Óptimo (PCO), o en inglés
path-finding problem. Se parte de una red, como la detallada anteriormente, en la que
están definidos los distintos nodos y en la que es posible trazar rutas entre ellos a
través de los arcos. Dicha ruta tendrá en uno de sus puntos, llamado origen, el inicio
del recorrido y deberá llegar hasta otro punto, conocido como destino, discurriendo por
diferentes puntos interconectados. El problema de camino óptimo más común tiene una
única función objetivo a satisfacer, que es minimizar la distancia a recorrer entre los
dos puntos. Por tanto ese camino óptimo será el que minimice la suma de los valores
asociados a cada uno de los tramos (o arcos) que forman la ruta recorrida pasando por
diferentes puntos intermedios (o nodos), desde el punto origen hacia el punto destino 17 .

Las restricciones también están presentes en este tipo de problemas, por ejemplo,
a la hora de buscar un camino mı́nimo cuyo recorrido esté obligado por determinados
puntos o, también, que dicho camino no pueda atravesar ciertos nodos. Estas restric-
ciones marcarán la naturaleza del problema, limitando sus posibles soluciones. En la
bibliografı́a revisada, solo se hace referencia al camino mı́nimo, sin prestar demasiada
atención a los problemas de camino óptimo. Una de las caracterı́sticas que diferencian
ambos problemas es la consideración de maximizar algún otro criterio, en el caso de los
40 3. Optimización de recorridos

caminos óptimos.

La resolución de este tipo de problemas se desarrolla habitualmente en entornos


modelados por la teorı́a de grafos. El grafo contará con un número finitos de nodos,
pudiendo ser dirigido o no, y en él cada uno de los nodos estará unido como mı́nimo a
otro mediante un arco. El planteamiento del problema serı́a por tanto que, establecido
un grafo a partir de sus dos nodos principales (origen y destino), hay que hallar la serie
de nodos, o en su caso arcos, que van desde el origen hasta el destino con el mı́nimo
coste posible, teniendo en cuenta unas restricciones predeterminadas.

Dos de los ejemplos más conocidos de este tipo de problema son los llamados Proble-
ma del viajante de comercio y Problema del enrutamiento de vehı́culos. El primero de
ellos es un problema de camino mı́nimo llamado en inglés travelling salesman problem.
Se basa en la búsqueda de la mejor ruta que debe seguir un comerciante para recorrer
un conjunto de ciudades, pasando por todas ellas, teniendo como origen y destino el
mismo punto. La solución dada es la mı́nima distancia total recorrida, obtenida a partir
de la suma de las distancias que separan a cada una de las ciudades. El segundo tipo de
problema forma parte de los problemas de caminos óptimos, o en inglés vehicle routing
problem (VRP), que tienen como finalidad minimizar tanto el coste de la ruta recorrida
como el número de rutas alternativas de unión entre el nodo origen y el resto de los
nodos 103 .

Cabe mencionar un tercer tipo de problema llamado Camino mı́nimo (shortest path).
Su objetivo es la búsqueda de la mejor ruta entre dos puntos, a partir de las diferentes
restricciones existentes en su grafo base. Este tipo de problemas tiene un uso generali-
zado en aplicaciones como callejeros y mapas interactivos o el empleo de empresas de
transportes para el cálculo de la ruta mı́nima.

3.2.1. Búsqueda del camino óptimo multiobjetivo


Cuando existen diferentes criterios, los problemas de caminos óptimos deben cumplir
cada uno de ellos para que la ruta calculada sea considerada como óptima, y en estos
casos dichos problemas son denominados multiobjetivo. La resolución para este tipo de
3.2. Búsqueda del camino óptimo 41

problemas implica que cada uno de los arcos del grafo formado tiene asociado diferentes
valores según cada uno de los objetivos a optimizar, y cada una de las soluciones de
camino mı́nimo propuesta como solución del grafo tendrá asociado un coste por cada
uno de los objetivos.

Por tanto no existe una solución única para el problema de camino óptimo multiob-
jetivo, sino que dispondrá de un conjunto de soluciones subóptimas, ya que habrá ciertos
objetivos mejor aproximados que otros. En los problemas anteriormente expuestos, como
son el problema del viajante de comercio y el problema de enrutamiento de vehı́culos,
también se aplica los criterios multiobjetivos para el empleo del cálculo de rutas óptimas
y mı́nimas.

3.2.2. Principales algoritmos para Problemas del camino ópti-


mo
A continuación se enumera algunos de los algoritmos existentes, en la literatura so-
bre teorı́a de grafos, para la resolución de problemas de cálculo de caminos óptimos. Los
tres primeros métodos, Floyd-Warshall 42 , Bellman-Ford 9 y Dijkstra 32 , son considera-
dos deterministas mientras que, como método de resolución más actual, se considera el
Algoritmo A∗ 59 .

Algoritmo de Floyd-Warshall: desarrollado por Bernard Roy en el año 1959. Es


un algoritmo diseñado para la búsqueda del camino mı́nimo sobre grafos dirigidos
ponderados. Siendo un ejemplo de programación dinámica, realiza una búsqueda
entre todos los pares de vértices en una única ejecución.

Algoritmo de Bellman-Ford: publicado por Richard Bellman en 1958. Este


algoritmo calcula el camino mı́nimo desde un nodo origen al resto de nodos per-
tenecientes al grafo. El peso de los arcos puede ser negativo en algunos casos e
incluso puede existir ciclos con coste negativo.

Algoritmo de Dijkstra: en “A note on two problems in connexion with graphs”


escrito en 1959, se explica el trabajo realizado por Edsger W. Dijkstra, cuyo algorit-
mo calcula el camino mı́nimo desde un nodo origen a todos los demás. A diferencia
42 3. Optimización de recorridos

del algoritmo de Bellman-Ford, es necesario que los pesos asociados a cada uno de
los nodos sean positivos.

Algoritmo A∗ : (1968) a diferencia de los algoritmos existentes hasta la fecha, la


metodologı́a de este algoritmo se basa en explorar todos los nodos vecinos, conside-
rando no solo el mejor nodo posible (modelos voraces), con la finalidad de obtener
la mejor ruta entre un nodo origen y un nodo destino.

En los últimos años, las investigaciones relacionadas con los problemas de caminos
óptimos están evolucionando rápidamente. Los problemas tipo se están adaptando a las
necesidades actuales, como se presentan en los estudios de Bradley y Stewart 114 , con una
adaptación del algoritmo A∗ multiobjetivo. También puede observarse esta adaptación
en las investigaciones de Wakuta 119 y Raith 104 , donde se exponen diferentes aplicaciones
del problema de camino mı́nimo multiobjetivo y se presenta una extensión del algoritmo
de Dijkstra para el cálculo de la ruta mı́nima 80 .

3.3. Optimización: Función objetivo y restricciones


Desde el punto de vista cientı́fico, la optimización se define como la selección de la
mejor solución posible a un problema dado. En un problema de optimización existe una
búsqueda previa de distintas soluciones, un criterio para diferenciarlas, y un objetivo
final que es encontrar la mejor. El planteamiento teórico consiste en la búsqueda de
cómo estructurar un conjunto de variables de estudio para lograr ciertos objetivos. Los
problemas se clasifican de forma natural en dos categorı́as: en los primeros las soluciones
están codificadas mediante variables que tienen valores reales y ,en los segundos, las
variables poseen valores discretos. Respecto a estos últimos se pueden encontrar una
clase de problemas llamados Problemas de Optimización Combinatoria, los cuales serán
desarrollados en los siguientes apartados.

La resolución matemática de la mayorı́a de los problemas de optimización es la


minimización (o maximización) de alguna función objetivo de valores escalares, con
respecto a un vector de parámetros ajustables. El algoritmo de optimización es un
procedimiento recursivo para cambiar los parámetros ajustables desde una suposición
inicial (o conjunto de suposiciones) hacia un valor final que ofrece una mejora en la
3.3. Optimización: Función objetivo y restricciones 43

función objetivo.

Un problema de optimización viene definido por tres elementos fundamentales: las


variables del problema, utilizadas para construir el conjunto de decisiones, la función
objetivo que evalúa el coste o beneficio de cada decisión y el conjunto de soluciones que
determina la validez de las decisiones tomadas. Más formalmente, dentro de un conjunto
factible de soluciones C, esto puede ser expresado como:

min/max f (x)

sujeto a x∈C

La formulación descrita es demasiado genérica para que su estudio conduzca a


métodos satisfactorios de resolución, ya que C representa un conjunto cualquiera y por
tanto esta descripción también recoge la situación donde C es un espacio de dimensión
infinita, como puede ser en el caso de un espacio de funciones.

El modelo de optimización requiere la representación de los intereses de los usuarios.


En el caso de los usuarios de transporte público, el objetivo de cada uno de ellos es
realizar su viaje desde una zona origen a una zona destino de la forma más rápida,
cómoda, segura y económica posible. El tiempo de viaje, principal objetivo a optimizar,
tiene tanto una componente de tiempo de espera en la parada como otra de viaje en
el vehı́culo. Una solución óptima lograrı́a que cada uno de los usuarios viajase por su
camino más corto dentro de una red G, es decir, que para todo par (i, j) de nodos con
demanda dij existente, hay un recorrido que incluye al camino más corto entre i y j en
la red G. La existencia de estos actores o usuarios con diferentes objetivos, para cada
uno de los casos, conlleva que en el propio modelado del problema del diseño óptimo de
recorridos se encuentren diferentes funciones objetivos para cada uno de los respectivos
usuarios.

3.3.1. Optimización multiobjetivo


En el mundo real existe una variedad de problemas cuyas soluciones tienes diferentes
componentes que entran en conflicto, por lo que a veces la mejora de una de ellas implica
44 3. Optimización de recorridos

el deterioro en alguna de las otras. En este tipo de problemas es difı́cil lograr la mejor
solución, ya que es posible que la optimización de unos objetivos influya negativamente en
otros y, por ello a menudo la última decisión queda en manos del criterio de su diseñador.
Para concretar qué es un Problema MultiObjetivo, Multi-Objetive Problem, se utiliza la
definición propuesta por Osyczka 93 :

”Es la búsqueda de un vector de variables de decisión que satisface un conjun-


to de restricciones y optimiza un vector función, cuyos elementos representan
las funciones objetivo. Estas funciones forman una descripción matemática
de los criterios de rendimiento de un sistema determinado, que normalmente
están en conflicto entre si. Ası́, el término optimizar significa encontrar una
solución que dé a cada función objetivo un valor aceptable para el diseñador”

En un problema de optimización de objetivo único, la finalidad es encontrar una


solución óptima de la función objetivo f (x). Exceptuando los casos donde la función
objetivo es multimodal en el dominio de soluciones factibles, existe una única solución
al problema. Por otro lado un problema de optimización multiobjetivo está formado por
varias funciones objetivo que moderan diferentes intereses en conflicto. Se puede expresar
de la siguiente manera:

min/max F (x) = (f1 (x), f2 (x), f3 (x), ...fn (x))

sujeto a x∈C

donde el conjunto que define las soluciones factibles viene dado por C, siendo fi , con
i ∈ [1..N], cada una de las distintas funciones objetivo a minimizar o maximizar según
el criterio elegido 30 .

La optimización multiobjetivo tiene como finalidad hallar una solución que satisfaga
todos los objetivos de manera simultánea. Existen casos donde dichos objetivos pueden
entrar en conflicto, por ejemplo cuando el resultado que maximiza un objetivos provoca
el perjuicio de otros, y en estos casos solo será posible hallar ”buenas” soluciones con
diferentes grados de compromiso. El conjunto de estas ”soluciones de compromiso” debe
ser tal que no puede existir una solución que mejore a otra en un objetivo sin empeorar
a alguno de los restantes. Por tanto aquellas soluciones que sean peores que otras
3.3. Optimización: Función objetivo y restricciones 45

en alguno de los objetivos, aunque sean capaces de mejorar en otros, no son buenas
soluciones de compromiso.

En la práctica, a la hora de realizar una optimización multiobjetivo suele ser necesario


tomar decisiones que impliquen seleccionar una única solución con un cierto nivel de
compromiso. Tal y como se distingue en los estudios realizados por Deb y Kalyanmoy 30 ,
en la selección de dicha solución se distinguen diferentes metodologı́as:

Preferencias de optimización multiobjetivo. Consta de un procedimiento ba-


sado en las preferencias de optimización, donde se determina la importancia relativa
de los diferentes objetivos, a partir de un vector de pesos λ = (λ1 , ..., λN ). Una vez
establecidos los pesos, se resuelve el problema de optimización objetivo único, cuya
función es λ1 f1 , ..., λN fN )

Procedimiento ideal de optimización multiobjetivo. Consta de dos fases.


En la primera se localizan todas las soluciones factibles con diferentes niveles de
compromiso, tales que no existe ninguna que comparada con otra empeore en todos
los objetivos simultáneamente. En la segunda fase, se elige una solución con un
determinado nivel de compromiso.

En ambas metodologı́as existe un papel principal de uno de los actores que debe
aportar la información adicional. Y esto ocurre tanto para la estimación de los valo-
res del vector de pesos, como para la toma de decisiones respecto a la elección entre
soluciones con diferentes niveles de compromiso. Deb y Kalyanmoy 30 concluyen que el
procedimiento ideal es el más apropiado para la resolución de modelos de optimización
multiobjetivo, por las razones siguientes:

En la primera metodologı́a descrita, el procedimiento basado en preferencias, el


resultado está muy condicionado por el vector de pesos utilizado para formar la
función objetivo compuesto. Un simple cambio en dicho vector, puede tener como
resultado una solución de compromiso diferente.

La labor de encontrar a priori un vector de pesos capaz de reflejar las preferencias


de los distintos objetivos es altamente subjetiva y no inmediata.
46 3. Optimización de recorridos

En el procedimiento ideal, segundo de los métodos descrito, se produce la elec-


ción de una solución a partir del conjunto de soluciones de compromiso hallado,
de la que se dispone de información previa del problema. Mientras, en el procedi-
miento basado en preferencias, un vector de pesos debe ser provisto a priori, sin
conocimiento alguno de los posibles resultados.

Definiciones

Un modelo de optimización multiobjetivo está formado por N funciones objetivo que


se pretenden optimizar de forma simultánea. De modo general, se utiliza el operador de
comparación genérico ⊳ entre los valores que corresponden a una misma función objetivo
fi , que serı́a < para los casos de minimización, o > en casos de maximización. Se dice
que una solución x1 ∈ C domina a otra solución x2 ∈ C (x1  x2 por notación) si se
cumplen las condiciones siguientes:

1. x1 no es peor que x2 en todos los objetivos, es decir fj (x1 ) ⊲ fj (x2 ) para todo
j ∈ [1, ..., N ].

2. x1 es exactamente mejor que x2 en al menos un objetivo, es decir ∃ j ∈ [1, ..., N ]


tal que fj (x1 ) ⊳ fj (x2 ).

El cumplimiento de estas dos condiciones determina que x2 está dominada por x1 ,


y x1 no está dominada por x2 . La relación de dominancia es asimétrica, es decir, si p
domina a q, entonces q no domina a p, y transitiva, es decir, si p domina a q y q domina
a r, entonces p domina a r, respectivamente.

Dado un conjunto de soluciones P ⊂ C, se define el subconjunto no dominado P ′


de P al formado por aquellas soluciones pertenecientes a P que no son dominadas por
ninguna otra solución de P . Cuando P = C, siendo C el total del espacio de soluciones
factibles, el subconjunto P ′ de soluciones no dominadas de C, es decir, tales que no
existen otras que mejoren los objetivos simultáneamente, se denomina óptimo de Pareto
o frente de Pareto. La resolución de un modelo de optimización multiobjetivo implica
hallar el conjunto óptimo de Pareto. En el trabajo de Amora 45 se facilita un ejemplo
de la representación gráfica de varias funciones objetivos de vectores que representan el
llamado frente de Pareto,
3.3. Optimización: Función objetivo y restricciones 47

Figura 3.2: Esquema de frente de Pareto

El ejemplo de frente de Pareto expuesto en el esquema está compuesto por un


problema con dos funciones objetivos, F1 y F2. En la gráfica vienen representado dos
tipos de puntos, unos de color negro que representan las soluciones del frente de Pareto
de las dos funciones objetivos del problema, y unos puntos grises que simbolizan las
soluciones dominadas del problema. Como se puede ver en el ejemplo, las soluciones del
frente de Pareto no son dominadas, y son los casos a y b (puntos en negro). Por otro
lado, se encuentra el punto c, en gris, que pertenece a una de las soluciones dominadas.
Comúnmente, a la hora de solucionar estos problemas, se tiene como objetivo localizar
tantas soluciones del frente de Pareto como sea posible, dado que todas y cada una de
ellas serán válidas y “óptimas”.

La toma de decisiones multicriterio según Kaliszewski 73 , se define como la búsqueda


del problema de seleccionar una solución de compromiso entre cada uno de los diferentes
objetivos en conflicto en base a los criterios del responsable de la toma de decisiones. Una
definición de la propiedad de eficiencia de una solución, para un problema de optimización
multiobjetivo, se encuentra en Ehrgott 39 , dónde se hace referencia a comparaciones con
espacio C de soluciones factibles, o en el espacio ❘▼ de las funciones objetivos.

Optimización combinatoria multiobjetivo

En el marco de optimización combinatoria, aquellos problemas cuyas soluciones estén


representadas mediante variables discretas se denominarán Problemas de optimización
combinatoria. La finalidad de este tipo de problemas es la búsqueda de un objeto
48 3. Optimización de recorridos

dentro de un conjunto finito o infinitamente contable, donde dicho objeto puede ser
un número entero, un subconjunto de ellos, una permutación o una estructura de grafo 94 .

Los problemas de optimización combinatoria están presentes en diversos campos


de la ciencia, especialmente en el campo de la teorı́a de la computación, debido a que
muchos de estos problemas pertenece a la clase de los N P . Las técnicas existentes para
este tipo de problemas se pueden clasificar, básicamente, en dos: algoritmos exactos y
algoritmos aproximados. El objetivos de los algoritmos del primer grupo (exactos) es la
búsqueda de una solución óptima, demostrando que dicha solución es de hecho la óptima
global 11,94 . Algunos ejemplo de este tipo de algoritmos son: back-tracking (proceso de
vuelta atrás), brach and bound (ramificación y acotación), programación dinámica, etc.

La evolución de los algoritmos aproximados se debe al bajo rendimiento para


la resolución de muchos de los problemas por parte de los algoritmos exactos. Los
algoritmos aproximados proporcionan resultados de alta calidad con unos tiempo
de ejecución relativamente razonables. Estos tipos de algoritmos se pueden dividir
en dos, constructivos y de búsqueda local. Los primeros están basados en generar
soluciones desde cero, incorporando componentes a cada solución paso a paso. Este
tipo de algoritmos se conocen como voraces y algunos ejemplos son los algoritmos
de Kruskal 78 , de Prim 100 y de Dijkstra 11 . Tienen una elevada velocidad de ejecución
pero no son capaces de garantizar soluciones óptimas con respecto a cambios a nivel local.

Para dar estas garantı́as existen los segundos algoritmos, denominados de búsqueda
local. Estos algoritmos intentan mejorar la solución actual con soluciones cercanas, a
dicha solución, en base a algún criterio. Se destaca en este sentido los algoritmos de
mejora iterativa, basados en que: si en la cercanı́a de la solución actual s se encuentra
una mejor solución s′ , la solución actual es reemplazada por la nueva solución y el
proceso de búsqueda continúa a partir de s′ ; pero si en el proceso de búsqueda no se
encuentra una solución mejor, el algoritmo tiene como resultado un óptimo local. Las
soluciones de óptimos locales pueden no ser de calidad cuando los resultados están muy
alejados del óptimo global y por ello las investigaciones actuales se centran en la mejora
adicional en la calidad de la construcción de soluciones.
3.3. Optimización: Función objetivo y restricciones 49

Según Ehrgott 38 , el problema de optimización combinatoria multiobjetivo está res-


tringido al caso de función objetivo y restricciones lineales. Para este tipo de problemas,
es conocido un resultado que establece la existencia de soluciones pertenecientes al frente
óptimo de Pareto, que no se obtienen mediante la resolución del siguiente problema de
optimización de objetivo único:

min/max λ1 f1 (x) + ... + λN fN (x)

sujeto a x∈C

para ningún vector de pesos positivos λ.

Tales soluciones se denominan soluciones eficientes no soportadas, y constituyen el


conjunto XNo E . Las soluciones tales que es posible hallarlas mediante una combinación
particular de pesos λ se denominan soluciones eficientes soportadas, y constituyen el
conjunto XSE . La existencia de ambas soluciones se extiende para problemas con funcio-
nes objetivos y/o restricciones no lineales. Desde una perspectiva teórica, la localización
de las diferentes soluciones eficientes, para los problemas de optimización combinatoria
multiobjetivo, se considera el mayor reto. Para un gran número de estos problemas, en-
contrar el conjunto XE , requiere un procedimiento de tipo N P , siendo cierto incluso
en los procesos donde coexiste un método eficiente para los problemas relacionados de
objetivo único 38 .

Métodos aproximados para optimización combinatoria multiobjetivo

Los métodos o algoritmos aproximados para la optimización combinatoria multiob-


jetivo alcanzan sus resultados mediante un conjunto de soluciones no dominadas, que
no necesariamente forman el frente de Pareto aproximado. Estos métodos, al igual que
en los casos de objetivo único, son conocidos como heurı́sticos 39 .

La resolución exacta de un caso multiobjetivo encuentra todas las soluciones eficien-


tes, que pueden ser no soportadas (siendo una solución heurı́stica en un sentido estricto),
o es capaz de hallar algunas soluciones eficientes no soportadas. La resolución aproxima-
da de problemas de optimización combinatoria multiobjetivo, empleando la heurı́stica,
50 3. Optimización de recorridos

puede darse de dos formas:

1. Un primer método se basa en el empleo similar al de la optimización de objetivo


único, es decir, resolviendo los problemas mediante diferentes transformaciones del
problema original. Existen diferentes métodos (suma ponderada, método de Ben-
son,etc.) que son utilizados en aplicaciones reales de optimización multiobjetivo, y
resuelven el problema de forma exacta. Estos métodos poseen algunas desventajas
en cuanto a sus aplicaciones, ya que solamente son capaces de satisfacer una
solución no dominada como resolución del problema, no siendo capaces de hallar
todas las soluciones del frente de Pareto óptimo. Requieren un conocimiento previo
del problema, como por ejemplo la determinación de los valores de los pesos o
restricciones.

2. La otra manera de utilizar la heurı́stica para la resolución de problemas de op-


timización combinatoria multiobjetivo consiste en tratar los diferentes objetivos
de forma simultánea. Esta aplicación especı́fica de la heurı́stica para optimización
multiobjetivo se centran actualmente en las metaheurı́sticas. A partir de los es-
tudios presentados por Glover y Fred 52 , se introdujo el término metaheurı́stica,
derivado de la composición de las palabras griegas meta, que significa ”más allá de,
en un nivel superior”, y heurı́stica, que significa ”encontrar, descubrir”. La me-
taheurı́stica contiene diferentes estrategias de alto nivel para analizar espacios de
exploración usando diferentes métodos, y engloba conceptos de muchos y diversos
campos como la biologı́a, las matemáticas, la fı́sica, la inteligencia artificial, etc.
Una clasificación de los ejemplos de metaheurı́stica podrı́a ser 39 :

Algoritmos evolutivos 6,70 .

Recorrido simulado 82 .

Búsqueda tabú 62 .

Optimización de colonia de hormigas 39,41 .

Otros (Redes neuronales artificiales, GRASP y Búsqueda dispersa).


3.3. Optimización: Función objetivo y restricciones 51

Métricas de performance

En un problema de optimización multiobjetivo, al contrario de lo que ocurre en un


problema de objetivo único (donde un método aproximado busca hallar una solución lo
más cercana posible a la óptima), el resultado está formado por un conjunto de soluciones
óptimas no dominadas, que constituyen un frente de Pareto aproximado. Dicho frente
de Pareto, debe cumplir dos caracterı́sticas 30 :

1. Cercanı́a respecto al frente óptimo. En todos los métodos de resolución de modelos


de optimización esto es un objetivo primordial. En el caso de un problema multi-
objetivo, consiste en la resolución de varias soluciones no dominadas que deben de
estar lo más cerca posible del frente de Pareto óptimo.

2. Diversidad. Los proceso de resolución del modelo multiobjetivo no cuentan con


información que permita valorar las distintas funciones objetivo, por lo que se
necesita la mayor cantidad posible de soluciones no dominadas, repartidas en un
amplio rango a lo largo del frente de Pareto.

Jaszkiewicz 70 , en su trabajo desarrollado durante el año 2001, realiza una clasificación


de la calidad de los frentes de Pareto, desde el punto de vista cardinal, donde cuenta la
cantidad de soluciones que cumplen los requisitos. El estudio geométrico, analiza y estu-
dia las posiciones y distancias de las diferentes soluciones en el espacio de las funciones
objetivos. Por otra parte Ehrgott 39 establece que no existe dentro de la literatura de op-
timización multiobjetivo unas métricas aceptadas, presentando además, unas directrices
sobre las nociones de cotas y radios para este tipo de optimización. Finalmente, Deb 30
realiza una clasificación de las métricas caracterizándolas por la cercanı́a, diversidad, o
ambas propiedades simultaneamente, sobre un frente de Pareto aproximado P .
52 3. Optimización de recorridos
4

Tratamiento de datos

53
54 4. Tratamiento de datos
4.1. Introducción 55

4.1. Introducción
En este capı́tulo se va a presentar la metodologı́a seguida para el tratamiento y
realización de las diferentes bases de datos relacionadas con la distribución urbanı́stica,
usos del suelo y movilidad dentro del municipio de Málaga.

Estos procedimientos se inician con la recapitulación de la información pertinente


sobre la distribución de la población dentro del municipio, prestando especial atención
a las diferentes caracterı́sticas socio-económicas de la población. A partir de ahı́ se exa-
mina la movilidad de dicha población, para conocer y analizar sus hábitos de conducta,
a la hora de efectuar o planificar los desplazamientos diarios realizados dentro del muni-
cipio de Málaga. También se describe la metodologı́a empleada en la elaboración de la
infraestructura de la red vial del municipio, que será la base de aplicación de la futura
optimización de la red de carriles para la bicicleta en Málaga.

4.2. Zonificación del municipio de Málaga


Según el Instituto de Estadı́stica de Andalucı́a la población de Málaga era de 568.4791
habitantes a comienzos del 2013, situándose como la sexta ciudad en población de toda
España y la segunda de Andalucı́a.

El crecimiento demográfico municipal ha mantenido una linea ascendente desde los


años 60, cuando se contabilizaban algo más de 300.000 habitantes, con un aumento la
población que supera el umbral de los 500.000 habitantes en la década de los ochenta.
El crecimiento poblacional puede considerarse como explosivo hasta los años ochenta,
originando sobre la estructura fı́sica de la ciudad un impacto significativo, desde el
punto de vista demográfico y social.

La distribución de la población, existente en tal fecha, es heterogénea en el término


municipal de Málaga, debido a su considerable extensión y la gran dispersión terri-
torial de su entramado urbano. La mayor parte está concentrada en los barrios que
1
Datos procedentes de estadı́sticas del padrón municipal y de las variaciones intercensales del INEbase
(Instituto Nacional de Estadı́stica).
56 4. Tratamiento de datos

Figura 4.1: Evolución población Málaga

constituyen el frente litoral de la ciudad, sobre todo en la zona del centro histórico
y el este, con casi un 30 % respecto de la población total de de Málaga 2 . La par-
te del litoral oeste del municipio concentra el otro gran núcleo de la población malagueña.

En los trabajos destinados al análisis y descripción de la movilidad en Málaga, la zo-


nificación urbana en la que se ha clasificado la ciudad está basada en Macrozonas. Dichas
macrozonas son el resultado de la división realizada por la EMTSAM 3 para el Área de
Tráfico y Movilidad del Excmo. Ayto. Málaga. No obstante, para poder interrelacionar
estos estudios, se han asociado las distintas macrozonas a las Áreas Histórico-Tipológicas
que se presentan en el PGOU de la ciudad 27,28 .

Los estudios, planes y proyectos redactados en los últimos años relacionados con la
ordenación de la movilidad de Málaga, han tenido un eje común: la oferta de transporte
existente en la ciudad y el análisis del comportamiento de la población a partir de la
oferta disponible de los diferentes modos de transporte. Por otro lado, también se han
tomado como referencia los estudios realizados sobre la demanda de transporte.

En el Estudio sobre la Movilidad y Modelización de la Demanda de Transporte en la


2
Distribución poblacional extraı́das del PMMS (Plan Municipal de Movilidad Sostenible) de Málaga.
3
Empresa Malagueña de Transportes, Sociedad Anónima Municipal. Empresa del Excelentı́simo
Ayuntamiento de Málaga, responsable de la gestión del transporte urbano en la ciudad de Málaga.
4.2. Zonificación del municipio de Málaga 57

Figura 4.2: Clasificación zonal de Málaga

Ciudad de Málaga 27 , aunque parta de datos algo desfasados tomados en el año 1993,
se sientan las bases para realizar los estudios posteriores de demanda en la ciudad.
Este primer estudio analiza la problemática de la movilidad motorizada a partir de
los datos obtenidos por una encuesta domiciliaria y una encuesta origen-destino del
vehı́culo privado. El estudio está complementado por un análisis de las caracterı́sticas
socioeconómicas y de la movilidad del municipio. Se realiza, por tanto, una modeli-
zación de la demanda de movilidad, ası́ como de la oferta de transporte, incluyendo
exclusivamente los sistemas motorizados.

Posteriormente, el Ayuntamiento de Málaga presentó un nuevo estudio denominado


Análisis de la Movilidad en la ciudad de Málaga 28 . El objetivo principal fue estimar las
pautas de movilidad de un dı́a medio laborable de la población residente en el término
municipal de Málaga. Sus resultados proporcionan información sobre las demandas de
viajes que se realizan en la ciudad, ası́ como la asignación de reparto modal, motivos,
orı́genes y destinos, además de otros datos que ayudan a la actualización de las pautas
58 4. Tratamiento de datos

y demandas de movilidad que rigen actualmente en Málaga. Este trabajo sirve de base
para la última actualización de los datos de movilidad presentados en el Estudio de
Demanda de Movilidad en la ciudad de Málaga del año 2014 29 . Todos estos estudios
realizados sobre la demanda de transporte permitirán realizar prognosis futuras y
evaluar la evolución de la movilidad en los últimos años en la ciudad.

Esquema General de la Movilidad Urbana (2014). Los datos básicos de


movilidad descritos en el Estudio de Demanda de Movilidad en la ciudad de Málaga 29 ,
permiten calcular el flujo de viajes que se realizan entre las diferentes zonas de transporte
de la ciudad de Málaga. El número total de desplazamientos urbanos que se producen
en Málaga en un dı́a laborable es de 1.380.984, con un 50.1 % considerados como
viajes mecanizados y, el 49.9 % restante como no mecanizados. En comparación con
los datos del 2008 se ha producido un aumento de la movilidad no motorizada dentro
del municipio de Málaga, provocado por una parte por la situación económica y por
otra por la aparición del sistema de préstamo de bicicleta pública. Para una mayor
comprensión de los resultados de movilidad urbana sobre el reparto modal, se describen
todos los modos de transporte disponibles en la ciudad de Málaga. La red de metro no
se incorporó en este estudio debido a la falta de datos existentes, dada la poca vida útil
de la que se disponı́a acerca de este modo de transporte en el municipio.

Modo Total %
A pie 666.207 48.2 %
Bici 23.473 1.7 %
Bus Discrecional 11.520 0.8 %
Bus EMT 141.269 10.2 %
Bus Interurbano 956 0.1 %
Cercanı́as/Tren 3.662 0.3 %
Coche 424.383 30.7 %
Moto 93.145 6.7 %
Taxi 16.370 1.2 %
Total 1.380.984 100 %

Tabla 4.1: Reparto modal (Málaga).


4.2. Zonificación del municipio de Málaga 59

Matrices de viajes para el municipio de Málaga. Los datos de movilidad que


han servido de base al presente trabajo son los facilitados por el Análisis de Movilidad en
la ciudad de Málaga 28 . La distribución modal de la movilidad urbana del municipio de
Málaga en ese análisis está configurada y distribuida en las 12 áreas histórico-tipológicas.
Esto es importante dado que uno de los requisitos de los modelos de transportes es el
establecimiento de una división por zonas de transporte adecuadas para el fin del estudio.

En el caso de la ciudad de Málaga, con una extensión cercana a los 400 km2 , se ha
considerado que los resultados de movilidad pueden tener un valor más significativo y
real si se establece una distribución del municipio en 32 zonas, y no en los 12 distribuidos
por el Análisis de Movilidad en la ciudad de Málaga 28 . En base a ello se ha realizado un
proceso de cálculo de las propias matrices de viajes para los orı́genes y destino, que serán
denominadas matrices O/D. Los pasos realizados a la hora de confeccionar las matrices
O/D de los viajes del municipio de Málaga, para los diferentes modos de transportes,
son los siguientes:

Limpieza y depuración de datos. La primera medida a realizar consistı́a en anali-


zar y comprobar los datos de la encuesta de movilidad de Málaga del año 2008.
El número inicial de encuestas era de 13.458 e incluı́an todas las encuestas rea-
lizadas para el estudio. Se analizaron posibles errores de datos y, aunque no se
encontró ninguno, se optó finalmente porque los datos que sirvieran para el estudio
estuvieran basados en 11.692 encuestas, debido a la supresión de datos innecesarios
tales como los procedentes de menores de 4 años.

Corrección de matrices O/D. Los datos resultantes de las encuestas depuradas se


comparan con la base de datos de las secciones censales por zonas de transporte,
para cotejar las respuestas y comparar el porcentaje de representación existente en
las diferentes agrupaciones de datos. El proceso consistió en una comparación por
zonas de los datos procedentes de las encuestas de movilidad y los datos extraı́dos
del INE, teniendo como resultado un factor de corrección zonal. Las variables ana-
lizadas fueron sexo, edad, disponibilidad y número de vehı́culos por hogar, además
del tamaño del núcleo familiar. Una vez corregidos los resultados de las matrices,
se obtuvieron las diferentes matrices O/D (12x12) para los diferentes modos de
transporte analizados en el estudio.
60 4. Tratamiento de datos

Calculo de matrices O/D expandidas. Para un mejor análisis de la movilidad


dentro del municipio de Málaga, se calcularon las matrices O/D expandidas
para las 32 áreas de transportes diseñadas en este estudio. El método usado
para repartir el número de viajes totales producidos en cada una de las 12 áreas
histórico tipológicas a las nuevas 32 áreas de transportes se basa en un reparto
gravitacional de los viajes. Al disponer de una base de datos formada por las 428
secciones censales, que forman el municipio y donde se recogen las caracterı́sticas
socioeconómicas, datos sobre viviendas y los diferentes equipamientos, se facilita
la distribución de los viajes entre las diferentes secciones censales que forman
cada una de esas nuevas 32 áreas de transporte. Como resultado se obtienen
cada una de las matrices O/D para los modos de transporte: coche, bus urbano,
moto, bicicleta, a pie y, una matriz O/D con el total de los viajes para el municipio.

Estos cálculos se realizaron antes de la exposición pública del Estudio de demanda


de movilidad en la ciudad de Málaga 29 , octubre del 2014. De este modo se puede
realizar una comparación de éstos resultados 29 y las diferentes matrices O/D calcu-
ladas en el presente trabajo. La comparativa de los principales datos se presentan
en la siguiente tabla:

Modo 2008 2014 Bikenetcoon Error


A pie 45.9 % 48.2 % 49.54 % -0.03 %
Bici 0.4 % 1.7 % 1.64 % -0.26 %
Bus Discrecional 1.4 % 0.8 % 0.8 % -0.27 %
Bus EMT 9.7 % 10.2 % 9.76 % -0.09 %
Bus Interurbano 0.2 % 0.1 % 0.2 % -0.27 %
Cercanı́as/Tren 0.1 % 0.3 % 0.3 % -0.16 %
Coche 34.9 % 30.7 % 30.05 % -0.43 %
Moto 6.2 % 6.7 % 6.5 % -0.02 %
Taxi 1.2 % 1.2 % 1.21 % -0.25 %
Total 100 % 100 % 100 % -1.78 %

Tabla 4.2: Comparativa sobre resultados de movilidad.


4.2. Zonificación del municipio de Málaga 61

4.2.1. Áreas de transportes

El presente trabajo tiene como ámbito de actuación el Término Municipal de Málaga,


y en él se ha realizado la adaptación de las macrozonas de transporte planteadas por la
empresa de transportes municipal, EMTSAM, tratando de suplir la falta de información
existente en los restantes trabajos revisados. Por ello se ha considerado la distribución
administrativa del municipio de Málaga mediante secciones censales, facilitada por el
Instituto Nacional de Estadı́stica, disponiendo con ello de cifras de población y censo
demográfico actualizados al año 2011.

La riqueza de la base de datos del Censo de Población y Vivienda permite conocer


las caracterı́sticas de las personas clasificadas por: sexo, edad, nacionalidad, niveles
de estudios, situación laboral, movilidad, etc. Se disponen, a su vez, de datos sobre el
tamaño, composición y núcleos de los hogares, describiendo diferentes categorı́as de
viviendas, dependiendo de la superficie, habitaciones e incluso régimen de tenencia.
Otros de los datos más importantes, usados en la elaboración de este proyecto, han
sido los vinculados a los diferentes equipamientos, donde se detallan el número y las
diferentes tipologı́as (culturales, educativos, sociales, deportivos, industriales, etc.)
existentes para cada una de las secciones censales analizadas.

Los resultados definitivos del Censo de población y viviendas del año 2001 4 disponen
de una herramienta para la creación de tabla de datos con las diferentes distribuciones
administrativas, por comunidades autónomas, provincias, municipios y, la división de
mayor interés, inframunicipal.

Esta herramienta online se usó para la realización de la base de datos por secciones
censales del municipio de Málaga. Los datos extraı́dos se corresponden con las 422
secciones censales que forman el municipio, donde se recapitula diferente tipo de infor-
mación relacionada con la población, viviendas y equipamientos disponibles. En base a
los datos de población, se agrupa la información sobre caracterı́sticas socioeconómicas
de cada una de las secciones censales, desglosando el tipo de población existente,

4
Sistema de consulta de la información de los Censos de Población y Viviendas del año 2001
http://www.ine.es/censo/es/inicio.jsp
62 4. Tratamiento de datos

diferenciada por edad, sexo, nacionalidad, nivel de estudios, disponibilidad de coche y


ocupación laboral. También, se ha agrupado la información relacionada con las clases de
viviendas y caracterı́sticas de los hogares disponibles. El conjunto de datos relacionados
con la población y viviendas ayuda a comprender, unido a los estudios de movilidad,
el comportamiento de los usuarios a la hora de realizar los viajes entre las diferentes
áreas de transporte en las que se dividirá la ciudad. Éstos datos ofrecen información
de las posibles zonas generadoras de viajes, siendo zonas de mayor importancia las que
acumulen un mayor número de posibles viajes de los usuarios en un dı́a laboral.

Por otro lado, se estructuran todos los datos relacionados con las áreas que tienen
una mayor capacidad para atraer los viajes de los diferentes usuarios. Éstas áreas están
asociadas a un mayor número de equipamientos. Se describe todos los equipamientos
disponibles que existen en cada una de las secciones censales, prestando una mayor
atención en los equipamientos, tradicionalmente, más atractores de viajes como pueden
ser los educativos, comercial e industrial y oficina.

De forma paralela, se realizó una base de datos con los resultados detallados
del Censo de Población y Viviendas del año 2011 5 . Esta base de datos consta de
428 secciones censales, a diferencia que las 422 en las que se distribuye el municipio
para el año 2001. Por ello se procedió a un análisis comparativo de las secciones
censales, pudiéndose comprobar una nueva distribución para el año 2011. Como un
primer paso, se unificaron las dos bases de datos, 2001 y 2011, localizando las diferen-
cias entre las secciones censales, a partir de herramientas de sistemas de información
geográfica, como ArcGis 6 La base de datos resultante se basa en la obtenida del año 2011.

El uso de los datos del año 2001 son necesarios debido a la gran riqueza que poseen,
sobre todo en información relacionada con los equipamientos disponibles en cada sección
censal. Como es necesario una actualización de los datos, éste proceso se realiza a partir
del cálculo de un factor de evolución. Dicho factor surge de la comprobación sobre el
crecimiento o desarrollo en cada una de las secciones censales existentes.
5
Resultados detallados sobre los Censos de Población y Viviendas del año 2011
http://www.ine.es/censos2011 datos/cen11 datos inicio.htm
6
Software de la compañı́a ESRI. ArcGIS permite conectar mapas, aplicaciones y datos para diferentes
análisis de toma de decisiones.
4.2. Zonificación del municipio de Málaga 63

Figura 4.3: Clasificación zonal de Málaga.

Para este caso en particular, se analizó la transformación que han sufrido las secciones
censales, diferenciando los datos del año 2011 y 2001, en relación con la población total,
número de viviendas y número de vehı́culos, teniendo como resultado un promedio de
evolución por sección censal. Se resume como : F E = αP oblacion + αV iviendas + αV ehiculos ,
donde cada uno de las α es el resultado de comparar los datos del año 2011 y 2001
de las bases de datos elaboradas. Con ese valor, multiplicado por cada uno de los
equipamientos del 2001, se obtiene el número de equipamientos actualizados para el año
2011 para cada una de las secciones censales que conforman el municipio de Málaga.
64 4. Tratamiento de datos

Por tanto, se construye una base de datos única, con datos reales y calculados para
el año 2011, de las secciones censales las cuales, a su vez, estarán agrupadas por las
diferentes áreas de transporte diseñadas en las que se divide el municipio de Málaga.
Ésta base de datos tendrá gran importancia en la aplicación del algoritmo, tal y como
se verá en los capı́tulos siguientes de este estudio.

Como resultado, se dispone de una nueva zonificación en 32 macrozonas, que tienen


como base las dispuesta por la EMTSAM, adaptadas a la distribución del censo facilitada
por el INE respecto a las secciones censales. Toda las bases de datos, con las secciones
censales actualizadas usadas para la elaboración de esta tesis doctoral, hacen alusión a
la zonificación resultante de 32 macrozonas elaborada en la presente investigación.

4.3. Infraestructura de Red vial


La elaboración del modelo de red es una de las piezas principales de este estudio.
La base de datos, formada por la infraestructura de la red vial del municipio de Mála-
ga, cuenta con gran cantidad de información que servirá como eje principal a la hora
de optimizar y diseñar las diferentes infraestructuras para la bicicleta dentro de la ciudad.

La modelización se llevó a cabo con el uso de PTV Visum, software utilizado para el
análisis de tránsito, planificación y gestión de datos basada en SIG. Estudia de manera
consistente a todos los usuarios de las vı́as públicas y sus interacciones y se ha convertido
en un estándar reconocido en el campo de la planificación de transporte, proporcionando
una gran cantidad de funciones para cualquier aspecto de planificación e ingenierı́a de
transporte 7 . PTV Visum utiliza como mapa base de trabajo los facilitados por Open
Street Map (OSM). Los mapas de Open Street Map se crean utilizando información
geográfica capturada con dispositivos GPS móviles, ortofotos y otras fuentes distribuidas
bajo licencia abierta. Esto facilita la labor de trabajo al disponer de información gratuita
y actualizada.

7
PTV Visum es uno de los software de modelización del transporte de PTV Group, perteneciente
a Vision Traffic Suite, y es el estándar mundial en planificación de transporte, ingenierı́a de tránsito y
simulación de tráfico basada en software.
4.3. Infraestructura de Red vial 65

Para la utilización de PTV Visum se ha utilizado una licencia facilitada especı́fica-


mente para la elaboración de la presente tesis. La licencia es de tipo D2 y se caracteriza
por tener un número máximo de zonas asignadas de 400, una limitación de 5.000 arcos
para el diseño de las vı́as e infraestructuras para los diferentes modos de transporte y
un máximo de 2.000 nodos para representar los cruces e intersecciones de la red vial del
municipio de Málaga.

Los elementos principales que conforman la red vial elaborada, al igual que en los
grafos, son los nodos y arcos. Se describe, a continuación, el proceso de realización de la
base de datos de la infraestructura de red del municipio de Málaga.

Partiendo del mapa base facilitado con Open Street Map, se introdujeron los
diferentes nodos con el software PTV Visum. Cada uno de los nodos forman parte
de los cruces existentes entre las diferentes calles y viales que conforman el entramado
urbano de la ciudad. Como criterio primero, a la hora de establecer los nodos, se usó la
simplicidad en las intersecciones, facilitando la lectura del número de nodos y el cálculo
de las matrices formadas. La dificultad existente en algunas de las intersecciones de la
ciudad condiciona el volumen de los nodos que la forman. El número total de nodos que
constituyen la red vial de Málaga es de 1.539.

El siguiente punto en la elaboración de la red son los arcos o calles existentes. A


pesar la gran extensión del municipio de Málaga, cercana a los 400 km2 , se realizó una
modelación de cada uno de los arcos muy completa con más del 70 % del total de viales
que conforman el municipio de Málaga y con un total de 4.918 arcos que conforman la
base de datos de la red vial. El gran numero de arcos modelados proporciona un nivel de
detalle preciso y factible para la obtención de un buen resultado a la hora de optimizar la
infraestructura de carriles para bicicletas. El diseño óptimo de los “carriles bici”‘se realiza
a partir de la información facilitada por los arcos. Las caracterı́sticas que poseen cada
uno de los arcos, se han introducido gracias al potencial de PTV Visum, y se enumeran
en:

1. Nodo origen y destino: cada arco describe la conexión de nodos existente.

2. Tipo de vı́a: para la modelización vial se han establecido 5 categorı́as de vı́as


66 4. Tratamiento de datos

diferentes, con caracterı́sticas genéricas propias para cada tipo. Las clases de vı́as
se corresponden con:

Tipo de vı́a V0 Vmax Capacidad


Semipeatonal 30 km/h 50 km/h 500 veh./h
Urbana 50 km/h 60 km/h 700 veh./h
Arterial 60 km/h 90 km/h 800 veh./h
C. Nacional 100 km/h 160 km/h 1000 veh./h
Autovı́a 120 km/h 180 km/h 1100 veh./h

Tabla 4.3: Tipologı́a de vı́as modelizadas.

Siendo V0 la velocidad a flujo libre de la vı́a y Vmax la velocidad máxima permitida


en la vı́a a la hora de realizar las futuras modelizaciones, ambas expresadas en
km/h. El tipo de vı́a tiene asignado una capacidad de diseño máxima estipulada
en vehı́culos que circula por cada tipo de vı́a en una hora.

Cada una de las tipologı́as de vı́as posee información adicional, dónde se indica la
posibilidad de circulación de los diferentes modos de transporte. Cada uno de los
arcos incorpora información sobre la disponibilidad que tienen los diferentes modos
de transporte, incorporados en el modelo, para hacer uso de la infraestructura vial.

3. Modo de transporte: para el caso particular de este estudio, se han incorporado


4 modos de transporte: B (bus), C (coche), W (a pie) y Bi (bicicleta). Cada uno
de estos modos tiene sus propias caracterı́sticas que condicionan la red vial del
municipio. Se pueden encontrar casos particulares debido a la gran extensión de
datos que incorpora la red. Un breve resumen de los modos de transportes serı́a:

a) Bus: el autobús se ha configurado para que pueda circular por todas las vı́as,
con excepción de las semipeatonales. El caso particular se presenta con la
disponibilidad de los carriles de uso exclusivo bus y/o taxi, dónde el bus se ve
obligado a circular por su carril especı́fico.
b) Coche: para este modo de transporte se incluye, también, la motocicleta. Tie-
nen permitido su circulación por todos los arcos de la red, salvo en los arcos
4.3. Infraestructura de Red vial 67

cuyo caso particular no incluya a este modo como posible usuario de la vı́a
pública.
c) A pie: en el modelo de red diseñado, la modelización de los usuarios a pie
está permitida en la gran parte de los arcos exceptuando los viales que no
disponen de aceras, como por ejemplo autopistas y autovı́as y cualquier vı́a
con una circulación de vehı́culos a motor de elevada velocidad y gran afluencia
de vehı́culos.
d ) Bici: al igual que el modo a pie, la modelización de los viajes en bicicleta
pueden realizarse en la mayorı́a de los arcos que conforman la red diseñada.
Existe la singularidad de los carriles propios para el uso de la bicicleta (aceras
bici, carriles bici por la calzada, etc.), todos estos tipos están incluidos en la
red, determinando la tipologı́a de carril y la parte de la vı́a pública que ocupa.

4. Longitud: gracias al uso de herramientas basadas en sistemas de información


geográficas, se dispone de la longitud de cada uno de los tramos de calles en los
que se divide la red diseñada.

5. Número de carriles: cada uno de los arcos dispone de información sobre el número
de carriles que conforman la calzada. Éste número puede variar dependiendo del
tipo de vı́a o, en su caso, de tramos especiales del vial.

6. Anchura de carriles: una información muy valiosa para este estudio es el poder
disponer de una descripción del ancho de cada uno de los carriles que conforman
la infraestructura de la red vial de Málaga. Esta información condicionará la po-
sibilidad de incorporar el carril bici en calzada o en su detrimento buscar otra
alternativa viable para su ejecución.

7. Sentido de los carriles: la base de datos de la red vial dispone de información sobre
los sentidos disponibles para cada uno de los arcos, facilitando posibles modifica-
ciones de la circulación para la totalidad de modos que usan la vı́a pública.

8. Aceras: es el espacio público usado por los peatones. Dependiendo de la tipologı́a de


carril bici, es posible su implantación en la acera respetando un espacio de coexis-
tencia entre peatones y ciclistas. Se dispone, en la base de datos, de la existencia
de las aceras.
68 4. Tratamiento de datos

9. Anchura de aceras: además de contar con la posibilidad de existencia de acera en


la base de datos de la red diseñada, se posee información de las anchuras de las
aceras para los diferentes tramos del entramado urbano del municipio de Málaga.

10. Aparcamientos: la existencia de aparcamientos puede condicionar la planificación


y diseño de las diferentes infraestructuras de los carriles bici. Se dispone de datos
relacionados con los aparcamientos existentes en la red vial.

11. Anchura de aparcamientos: los datos relacionados con la anchura de los aparca-
mientos facilitan información sobre la tipologı́a de aparcamiento existente y la
posibilidad de implantar el carril bici en el lugar que ocupan en la vı́a pública.

12. “Carriles bici”: este apartado está relacionado con la infraestructura destinada
al uso exclusivo de la bicicleta existente en el municipio de Málaga. Los datos
están vinculados a los arcos dónde existe este tipo de infraestructura, facilitando
información sobre la tipologı́a de carril bici y su lugar de ejecución dentro del
espacio público.

13. IMD: existe información de la red de carreteras provincial sobre el número de


vehı́culos que circulan por las calles. Se ha realizado una clasificación, a partir de
datos sobre aforos de las vı́as municipales, sobre la intensidad media de vehı́culos
que transitan por los diferentes arcos de la red. Su ı́ndice también dependerá de la
tipologı́a de la vı́a y las caracterı́sticas fı́sicas propias de los arcos, como de la toma
de aforo peatonal de las principales calle del municipio. Se clasifican en:

IMD Flujo de vehı́culos


1 Mı́nimo
2 Poco
3 Normal
4 Elevado
5 Máximo

Tabla 4.4: Clasificación de IMD de los arcos.

14. Área de transporte: cada uno de los arcos tiene asignado el área de transporte a
la que pertenece. Este apartado está directamente enlazado con la base de datos
4.3. Infraestructura de Red vial 69

Figura 4.4: Ejemplo de giro realizado con PTV Visum.

realizadas por secciones censales y, por tanto, por las diferentes áreas de transportes
en las que se ha clasificado el municipio. cada uno de los arcos tiene asociado la
información correspondiente de su área de transporte sobre datos socioeconómicos,
de vivienda, los diferentes equipamientos, etc.

Una vez completado el modelo de red realizado con el software PTV Visum, en
cuanto a los nodos y arcos, se configuran los giros de cada uno de los cruces que se
producen en la red diseñada. La importancia de esta sección está basada en el realismo
de la red modelada de la ciudad, donde cada uno de los cruces existentes se ha anali-
zado y configurado los giros disponibles y permitidos para cada una de las intersecciones.

Para futuros trabajos, el modelo aparece completado con los diferentes modos de
transportes existentes actualmente en la ciudad, incluido el servicio de metro. Además,
están diseñadas todas las infraestructuras propias para cada modo. tal y como corres-
ponde en el diseño de un modelo de transporte, se ha ejecutado los diferentes operadores
de transporte público: EMT y Metro Málaga. La elaboración de un completo modelo de
transporte en combinación con el trabajo aquı́ presentado, facilitará una mejor compren-
70 4. Tratamiento de datos

sión de los resultados de partida que tendrán su efecto en la planificación y diseño de las
infraestructuras para la bicicleta, siempre relacionado de una manera directa todos los
modos de transporte que participan en la movilidad de la ciudad de Málaga.

4.4. Toma de datos de movilidad


4.4.1. Encuesta de Movilidad en Málaga y Preferencias de uso
de la Bicicleta
Uno de los objetivos principales para la elaboración de la presente tesis doctoral, se
ha basado en la realización de la Encuesta de Movilidad en Málaga y Preferencias de
uso de la Bicicleta que permita el conocer las pautas de movilidad y preferencias de uso
de la movilidad ciclista en el municipio de Málaga.

En el siguiente capı́tulo, se procederá a presentar el diseño y la metodologı́a empleada


en la realización de la encuesta descrita, incorporando los hábitos de movilidad actuales
en la ciudad de Málaga y caracterizando a los usuarios de la bicicleta. Se finaliza con las
conclusiones obtenidas por el análisis de los resultados de la encuesta y las preferencias
en el uso de la bicicleta por parte de los usuarios de la vı́a pública de Málaga.
5

Encuesta de Movilidad en Málaga y


Preferencias de uso de la Bicicleta

71
72 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta
5.1. Introducción 73

5.1. Introducción
La relación de las encuestas de movilidad y la planificación del entramado urbano
han quedado patentes en los diseños de las diferentes infraestructuras destinadas al trans-
porte. Se exponen los principales aspectos considerados en la realización de la encuesta
de movilidad, analizándose cada uno de los pasos para su elaboración y ejecución, con
especial atención en el análisis de los datos obtenidos relacionados con la movilidad sos-
tenible, identificación de los patrones del uso de la bicicleta y preferencias del usuario en
el caso particular del entorno urbano del municipio de Málaga.

5.2. Objetivos del análisis de la movilidad en Málaga


y preferencias de uso de la bicicleta.
En los últimos años se han presentado diferentes proyectos relacionados, directamente
o indirectamente, con la ordenación de la movilidad de la ciudad de Málaga. La mayorı́a
de estos estudios han tenido como objetivo el análisis de la movilidad de la ciudad,
centrado en el reparto modal de los diferentes modos de desplazamiento, dejando a un
lado los estudios sobre la demanda del transporte.

Se presentan algunos de los estudios y planes considerados en la presente investiga-


ción. Se destacan:

“Estudio sobre la Movilidad y Modelización de la Demanda de Trans-


porte en la Ciudad de Málaga” 27 : es un estudio completo sobre la problemática
de la movilidad motorizada en el término municipal de Málaga. Se basa en la rea-
lización de encuestas domiciliarias, con resultado de matrices origen-destino del
vehı́culo privado.

“Análisis de la Movilidad en la ciudad de Málaga” 28 : en él se estiman las


pautas de movilidad de un dı́a medio laborable de la población residente en el
término municipal de Málaga. Sus resultados permiten conocer las demandas de
viajes, ası́ como la asignación de reparto modal, motivos, orı́genes y destinos, que
sirven para actualizar las pautas y demandas de movilidad que rigen actualmente
del municipio.
74 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

“Propuesta para la Mejora de la Movilidad Urbana de la Ciudad de


Málaga” 25 : supone, únicamente, una recopilación de las actuaciones previstas por
el Área de Tráfico del Ayuntamiento para el año 2006 y una prospección para los
años 2007-2013, donde se establece claramente la necesidad de realizar un Plan de
Movilidad Sostenible.

“Estudio de Demanda de Movilidad en la ciudad de Málaga” 27 : corres-


ponde al último estudio de movilidad elaborado en la ciudad para el año 2014 y
fue realizado por el Observatorio de Medio Ambiente Urbano del Ayuntamiento de
Málaga (OMAU). Está basado en los datos actualizados de movilidad del municipio
de Málaga y pone especial atención en la concienciación de la movilidad sostenible.

Tras una revisión de los planes y estudios de movilidad planteados, se ha considerado


como principal objetivo el conocer las preferencias de uso de la bicicleta en relación
con la movilidad cotidiana de cada uno de los usuarios. Se pretende sentar las bases
para un futuro análisis de polı́ticas de movilidad, capaces de fomentar un mayor uso de
los medios de transportes sostenibles. Con la finalidad de averiguar las preferencias de
usos sobre la bicicleta se ha realizado un trabajo de encuesta basado en preferencias
declaradas, cuya relevancia se explicará en los siguientes apartados.

Además de analizar el objetivo principal, la elaboración de la encuesta cubre los


siguientes objetivos secundarios:

Realizar la caracterización de la movilidad ciclista en la ciudad.

Definir los diferentes perfiles de usuarios de cada uno de los modos de transporte,
en especial el de la bicicleta.

Conocer la percepción de la bicicleta en la población de estudio.

Estudiar y analizar los diferentes factores que condicionan o fomentan el uso de la


movilidad sostenible.

Conocer los diferentes escenarios posibles que facilitaran el aumento de la bicicleta


como modo de transporte en la ciudad.
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 75

Para una mayor compresión de la movilidad en general, y de la ciclista en particular,


se tienen en cuenta algunos de los datos mencionados en los apartados anteriores sobre el
número de desplazamientos realizados en los diferentes modos de transporte, los motivos
de dichos desplazamientos y los orı́genes y destinos de la distribución zonal de la ciudad.

5.3. Encuesta de Movilidad en Málaga y Preferen-


cias de uso de la Bicicleta.
La realización de la encuesta ha facilitado el conocimiento en los hábitos de
movilidad y preferencias de uso sobre la bicicleta en el municipio de Málaga. Como
base para la planificación de la encuesta se han considerado la Campaña de encues-
tas de movilidad sobre el sistema público de bicicletas de Málaga 26 y el Estudio de
Demanda de Movilidad en la ciudad de Málaga 29 . Se observa una cierta falta de
información sobre la demanda ciclista actual y sobre las preferencias de uso para
cada uno de los diferentes usuarios. Por este motivo, se decidió elaborar una encuesta
que aportase información de estas preferencias de movilidad. A continuación se de-
talla el diseño y metodologı́a de encuestas, ası́ como los resultados y conclusiones de ésta.

5.3.1. La bicicleta en la ciudad de Málaga.


Tal y como se ha desglosado en el capı́tulo anterior, según el censo de INE 1 del 2013,
el municipio de Málaga consta de una población de 568.479 personas. La complejidad
en la elaboración de esta tipologı́a de encuestas reside en la calidad de los datos que se
pretenden obtener, a partir de un tamaño muestral representativo y significativo de la
movilidad del municipio. La dispersión de la población condiciona parte de los resultados
debido a la distribución zonal del municipio. La heterogeneidad de la población se
resuelve con el tratamiento de la encuesta sobre cada una de las diferentes tipologı́as de
usuarios, clasificadas por rangos de edad, profesión, motivos de viaje, etc.

1
Datos procedentes de estadı́sticas del padrón municipal y de las variaciones intercensales del INEbase
(Instituto Nacional de Estadı́stica).
76 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

La modelización de la demanda de transporte se basa en la información acerca de


las elecciones y decisiones observadas por los usuarios, es decir, de datos de preferencias
reveladas 20 . En este sentido, en los últimos años se ha producido un gran avance en
la evolución de proyectos que tienen en consideración la influencia de los términos
relacionados con la percepción de los usuarios, destacando las encuestas de preferencias
declaradas 20 .

En el trabajo publicado en 1994 por Hensher 63 se presenta una guı́a práctica sobre
la toma de datos de preferencias declaradas. Para una correcta planificación de las
preguntas de preferencias reveladas a realizar, se tiene en consideración las directrices
expuestas en el “Manual de Encuestas de Movilidad (Preferencias Reveladas)” 68 ,
elaborado por el grupo de investigación de sistemas de transporte de la universidad de
Cantabria.

La complejidad que requiere la elaboración de una encuesta de movilidad es elevada.


Debido a ello, se ha realizado un cuestionario que combina ambos tipos de preguntas
(reveladas y declaradas). De este modo, se facilita al usuario una mayor comprensión de
las preguntas y, por tanto, de los objetivos que se pretenden conseguir con este estudio.
El diseño que se ha optado se presenta en el siguiente apartado.

Como punto de partida para el diseño del cuestionario se ha considerado el realizado


por Liñán 80 . En él se analiza las preferencias de usuarios sobre diferentes aspectos de la
infraestructura para la bicicleta en la ciudad de Málaga y, concluye, en los aspectos de
mejora para aumentar el uso de la bicicleta como modo de transporte habitual en el mu-
nicipio. También se ha llevado a cabo la realización de grupos focales con el objetivo de
calibrar la encuesta piloto y obtener mejoras. Se obtuvo como resultado el cuestionario
final, formado por las preguntas recapituladas durante la revisión bibliográfica especia-
lizada, teniendo especial atención en aquellas preguntas de interés sobre la percepción y
preferencias de uso referentes al municipio de Málaga.
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 77

Diseño de la encuesta

En esta sección se van a exponer todas las partes que forman el cuestionario final. Se
desglosa en:

1. Caracterı́sticas socio-económicas. Formado por un conjunto de preguntas cu-


ya finalidad es la caracterización de los encuestados. Se recopila información sobre
rango de edad, sexo, tamaño del hogar, nivel de estudios, nivel de ingresos, ocupa-
ción. Además, se incluyen 3 preguntas para analizar el estado fı́sico y el hábito de
la práctica deportiva.

2. Identificación de la Movilidad. El objetivo de este bloque es analizar el com-


portamiento de viaje de las personas. Se describe origen y destino del viaje, el
modo de desplazarse, el horario de salida y llegada, motivo del desplazamiento rea-
lizado, frecuencia del desplazamiento y la posible combinación con otros modos de
transporte.

3. Movilidad en bicicleta. Son un conjunto de cuestiones cuya finalidad es valorar


a los usuarios habituales de la bicicleta como modo de transporte. Se analiza la
frecuencia y motivos de su uso.

4. Factores favorables al uso de la bicicleta. Sección cuyo objetivo es valorar


qué factores son importantes a la hora de decidir usar la bicicleta como medio de
transporte. La valoración de las respuestas se desglosa en seis categorı́as.

5. Factores disuasorios de la movilidad ciclista. Formado por un conjunto de


interrogantes que valoran la importancia de cada uno de los usuarios a diferentes
variables que pueden influir en una menor utilización de la bicicleta como modo de
transporte o impiden su uso.

6. Tendencia de uso de la bicicleta. Este bloque de preguntas están relacionadas


con el uso de la bicicleta, proponiendo algunos escenarios ficticios que representan
situaciones y casos hipotéticos. Se realiza una valoración por parte de los encuesta-
dos sobre su percepción respecto a cada uno de los escenarios propuestos, señalando
si usarı́an la bicicleta como modo de transporte habitual.
78 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Los tres primeros bloques corresponden a las caracterización de los usuarios y al


análisis de sus hábitos de movilidad. Se consideran de gran importancia a la hora de
estudiar la percepción y el efecto de las diferentes variables y situaciones expuestas en
el resto de preguntas.

Los bloques cuatro y cinco, corresponden a los factores que favorecen al uso de la
bicicleta como medio de transporte y a las variables disuasorias del uso de la bicicleta,
respectivamente. El análisis previo de las preguntas de los primeros bloques, condicionan
la tipologı́a de usuarios de la bicicleta y los posibles usuarios potenciales, diferenciando
para cada uno de los casos la importancia dada por los encuestados a las preguntas
sobre que factores favorecen o disuaden el uso de la bicicleta como modo de transporte
en el municipio de Málaga.

El último bloque de la encuesta es el de mayor aporte y peso del estudio de la


movilidad y preferencia de uso de la bicicleta. Los encuestados deben señalar la frecuencia
de uso de la bicicleta que tendrı́an en los diferentes escenarios propuestos:

Escenario 1: existencia de una red de carriles bici completa.

Escenario 2: limitación del volumen y velocidad del tráfico (en corredores y zonas
de interés).

Escenario 3: aceras para peatones y ciclistas compartiendo espacios.

Escenario 4: aceras para peatones y ciclistas con espacios separados.

Escenario 5: calzadas compartidas entre bicicletas y vehı́culos a motor.

Escenario 6: calzadas con espacios separados para bicicletas y vehı́culos a motor.

Formato de la encuesta. Online

La metodologı́a empleada para la realización de la encuesta por parte de los usuarios


fue en formato online. La facilidad actual de acceso a las nuevas tecnologı́a unido al
aumento en los últimos años de en la adquisición de teléfonos de ultima generación
(smartphones) y un incremento del nivel de conocimientos y acceso de las personas a
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 79

internet, ha condicionado dicha elección.

La captura de datos para la encuesta se hizo a través de Formularios Google 2 , dónde


se recogen todos las preguntas pertenecientes a los bloques descritos en el apartado
anterior.

La forma de realizar la encuesta es sencilla. Formada con preguntas fáciles para garan-
tizar un mayor número de encuestas válidas. Para asegurar la realización de cuestionarios
completos, el encuestado debı́a completar el total de preguntas de cada bloque antes de
continuar con el siguiente. Aunque la encuesta está formada por preguntas sencillas, el
tiempo total destinado a la realización de la encuesta es elevado, de 8 a 10 minutos.
Debido a ello, el componente de abandono ha sido elevado. Para evitar posibles fallos
en encuestas realizadas o respuestas falsas, se llevaron a cabo preguntas muy concretas
capaces de asegurar que las situaciones descritas eran reales. Como ejemplo se incluyen
las preguntas de Identificación de la Movilidad, dónde el encuestado describe el origen y
destino de su viaje, las horas de salida y llegada y los modos de transporte. El conjunto
de estas respuestas fue comparado con la base de datos realizada en ArcGIS, compro-
bando para cada uno de los casos el cálculo del viaje (tiempo y modo) del encuestado.
Tras la comprobación llevada a cabo se descartaron un total del 6 % de las encuestas
realizadas en el municipio de Málaga.

5.3.2. Explotación de resultados.


En este apartado se describen y analizan los resultados de la encuesta realizada
sobre “Movilidad y Preferencias de uso de la Bicicleta” en la ciudad de Málaga. En
las siguientes páginas se especifica el tipo de usuario, caracterizado por los resul-
tados sobre las preguntas de preferencias declaradas, relacionadas con el uso de la
bicicleta como modo de transporte. Por último se desglosan las percepciones sobre
el uso de la bicicleta basadas en las preferencias declaradas por los diferentes encuestados.

El periodo de realización de la encuesta tuvo lugar entre los meses de febrero y mayo
2
aplicación de Google que facilita la creación de cuestionarios y la publicación de datos en internet.
Con ella se recogen los resultados de la encuesta en una hoja de cálculo de Google Docs y se permite
operar de manera directa o exportar como formato xlsx (Microsoft Office Excel).
80 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

del 2015, coincidiendo con el inicio del periodo primaveral en la ciudad de Málaga.
Debido al aumento de usuarios de la bicicleta se incrementó la predisposición a participar
en dicha encuesta. Al realizarse de manera online, se facilitó el cuestionario a diferentes
asociaciones ciclistas de la ciudad, asociaciones de vecinos, tiendas especializadas en la
bicicleta y diferentes grupos sociales de la ciudad para llegar a una mayor difusión y
captar el mayor número de encuestas posibles.

También se destaca el apoyo dado por la Cátedra de Gestión del Transporte


de Málaga, perteneciente al grupo de investigación de Gestión del Trabajo y del
Transporte de la E.T.S. Industrial de la Universidad de Málaga y con la colabora-
ción del Observatorio de Medio Ambiente Urbano (OMAU) del Ayuntamiento de Málaga.

La muestra final recogida, para el análisis y calibración de los resultados contenidos


en esta tesis, finalizó el dı́a 31 de mayo. Debido al interés mostrado por algunas institu-
ciones públicas, como OMAU, para la utilización y aprovechamiento de los resultados
obtenidos, se aumentó el plazo para la realización de la encuesta online. El incremento
del número de datos lleva a una mayor precisión del estudio a realizar y permite
diferentes aplicaciones metodológicas. Tras finalizar el primer plazo del 31 de mayo, el
número de muestras finales recogidas fue de 211 en el municipio de Málaga. Para dicha
cantidad, si se calcula un intervalo de confianza del 95 %, se alcanza un error estadı́stico
del 6,85 %, que se sitúa por encima del 5 % permitido. No obstante, al tratarse de una
calibración previa, para la comprobación y estimación del algoritmo desarrollado en
esta tesis, se aceptan los resultados de las encuestas realizadas. Para trabajos futuros,
se tendrán en cuenta los nuevos datos de encuestas realizadas por los usuarios, moti-
vo por el cual también fue beneficioso ampliar el periodo de disponibilidad del enlace web.

Las encuestas con las que se han analizado y calibrado las variables de movilidad y
preferencias de uso del municipio de Málaga han pasado diferentes niveles de control,
para evitar posibles errores y duplicidad de datos, tal y como se ha explicado en el
apartado anterior.

A continuación se describen los resultados de la encuesta realizada. Las cuestiones


se clasifican según los bloques en los que se ha diseñado la encuesta, siguiendo el orden
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 81

cronológico de las preguntas realizadas en él.

Caracterı́sticas socio-económicas. Las preguntas de este primer apartado están


enfocadas a conocer y caracterizar a la población desde la perspectiva social y económica
dentro del municipio de Málaga. El conjunto de preguntas de este apartado condicionan
la futura calibración sobre la percepción de seguridad. Tal y como se desarrolló en el Es-
tado del Arte, la importancia de variables como el sexo, edad, condición fı́sica, ocupación,
etc. ejercen un valor positivo o negativo sobre la intención de uso de la bicicleta co-
mo modo de transporte en algunas de las etapas de viaje dentro del municipio de Málaga.

Es interesante tener en consideración la diferencia entre sexos para analizar el


comportamiento de los usuarios a la hora de usar la bicicleta, o tener la predisposición
de usarla como modo de transporte. Tras la revisión bibliográfica realizada, se va a
tener especial atención en la distribución por sexos en la población encuestada 102 58 .
Según los resultado de las encuestas, la distribución de la muestra está repartida en
un 61 % de hombres y el restante 39 % formado por mujeres. Supone una participación
mayoritaria de hombres en el presente estudio, si se tiene en cuenta que el reparto
de toda la población dentro del municipio de Málaga es cercano al 48 % y 52 % para
hombres y mujeres respectivamente.

Para catalogar a los diferentes usuarios encuestados, se ha llevado a cabo una


partición de los mismos por rango de edad. Se clasifican en dos grupos, jóvenes y
adultos, donde los primeros engloban a todos los usuarios encuestados menores de 30
años. Esta selección se debe a una similitud entre las caracterı́sticas de tipo de hogar,
renta y trabajo, y cuya percepción del riesgo difiere del resto de los usuarios. El segundo
grupo, por consiguiente, está formado por todos los encuestados mayores de 30 años,
representados por caracterı́sticas similares entre ellos.

Dentro de la población de interés se destaca la clasificación de jóvenes por sexo. Se


describe una pequeña disminución en el número de hombres jóvenes que han realizado
la encuesta (cercano al 58 %) con la correspondiente subida de las mujeres jóvenes al
42 % de los encuestados.
82 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Figura 5.1: Sexo

Como caracterización de los encuestados, en relación con la edad, se observa una


mayorı́a que oscila entre los 25 y los 50 años. Esto es debido a la tipologı́a de la encuesta
realizada, al considerarse mucho más atractiva por parte de estos colectivos. El número
de participantes de más de 65 años y menores de 17 representan menos del 2 % de la
muestra. La frecuencia de uso de la bicicleta se ve afectada por la edad 107 , identificando
un mayor número de usuarios de la bicicleta (ocasionales o habituales) con edades
menores a los 30 años.

Al relacionar el estado civil con el usuario habitual de la bicicleta, se observa una


distribución poblacional similar a la población total de la población del municipio de
Málaga (véanse las figuras 5.3 y 5.4). Se destaca que prácticamente la mitad de las mu-
jeres ciclistas en el municipio son solteras, elevándose hasta un 73 % la agregación de
aquellas ciclistas cuya situación es de pareja o solterı́a. Por otro lado, desde el punto de
vista masculino, se señala como cerca del 68 % de los varones están formados por ciclistas
solteros (37 %) y en pareja (31 %). Se diferencia, como dato interesante, el resultado de
usuarios de la bici entre casados y solteros o en pareja para ambos sexos. Una inter-
pretación de estos resultados puede deberse a la dificultad que tienen algunas personas
casadas para desplazarse en bicicleta debido a la posible existencia de hijos.
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 83

Figura 5.2: Rango de edad.

Otra de las preguntas realizadas en la encuesta ha sido la nacionalidad del encues-


tado. No se han obtenido conclusiones significativas que relacionen la nacionalidad y
el uso habitual de la bicicleta como modo de transporte, debido a la falta de usuarios
extranjeros que han realizado el cuestionario. Se destaca una mayorı́a de usuarios con
nacionalidad española. Algunas de las nacionalidades de las personas que han realizado
la encuesta han sido italiana, alemana, argentina y británica.

En relación a posibles trabajos de investigación futuros, se propone el realizar


estudios de preferencias de uso de la bicicleta en el municipio por parte de personas
extranjeras. En este sentido merecerı́a la pena prestar un interés especial en aquellos
estudiantes con la beca Erasmus de la Universidad de Málaga.

El tamaño del hogar es considerado como una de las variables más significativas a
estudiar en los casos relacionados con el transporte. Es lógico señalar que los casos de
hogares con un mayor número de miembros tendrán una mayor predisposición a usar la
bicicleta u otros modos de transportes. Esto es debido a un número limitado de vehı́culos
a motor por hogar. En el caso del municipio de Málaga se señala como el número medio
de vehı́culos por hogar en poco más de 1. Evidentemente en los hogares con más de un
84 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Una de las preguntas realizadas en la encuesta trata sobre el estado civil de los usuarios,
distinguiendo entre solteros, en pareja, casado(a)s, divorciado(a)s y viudo(a)s. La
distribución de la muestra se centra en las tres primeras categorı́as (solteros, en pareja
y casados) condicionado con la edad de los propios usuarios. Se obtiene menos del 5 %
de los encuestados entre divorciados y viudos.

Figura 5.3: Estado civil ciclistas.

miembro existe una mayor disposición a usar otros modos de transporte. Una distribución
del tamaño de hogar para el caso de estudio se se presenta en la figura 5.6.
En la literatura tradicional existe una tendencia de mayor uso del vehı́culo privado
entre los sectores con un nivel de estudios superior. Considerando esta premisa, se
cumple dicha particularidad para los usuarios con estudios universitarios y superiores
en el municipio de Málaga. Desde la perspectiva de los usuarios de la bicicleta existe un
alto porcentaje de usuarios con niveles de estudios superiores.

Respecto al nivel de estudios se realiza una descripción de la muestra total del estudio
desglosando los resultados por sexo y por grupos de jóvenes y adultos. Diferenciando
el nivel de estudios por sexo, se observa un mayor número de mujeres con estudios
superiores en comparación con los hombres. Es destacable como el nivel de estudios de
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 85

Figura 5.4: Sexo de los ciclistas.

los jóvenes, menores de 30 años, es bastante más elevado en comparación con el grupo
de adultos.

El nivel de ingresos, expresado en la figura 5.9, es una variable directamente


relacionada con el modo de transporte elegido por los usuarios, tal y como se expone
en Ortuzar 20 . Un mayor nivel de renta implica menores restricciones en la elección del
modo de transporte disponible. Es decir, una renta mayor facilita el acceso a toda la
oferta de transportes disponibles, teniendo una mayor preferencia por los modos de
transportes de vehı́culos privados a motor.

Se destaca la presencia de un mayor números de usuarios con ingresos menores a


500 e/mes como usuarios habituales de la bicicleta. Los vehı́culos privado motorizados,
como el coche y la motocicleta, tienen un mayor número de usuarios con rentas que
oscilan entre los 1000 y 1500 e/mes. Es caracterı́stico señalar en el caso del municipio de
Málaga el hecho de que exista un mayor número de usuarios de la bicicleta con sueldos
mayores de 1500 e/mes. Se produce un cierto cambio en la influencia del nivel de
ingresos sobre la elección del modo de transporte y, por tanto, un cambio de mentalidad
dentro de los encuestados.
86 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Figura 5.5: Nacionalidad.

Figura 5.6: Tamaño del Hogar.

La mayorı́a de la población encuestada tiene sueldos entre 1000 y 1500 e/mes. Este
hecho implica una mayor dependencia del vehı́culo a motor por parte de los usuarios y,
por tanto, una mayor facilidad de acceso (figura 5.10). El alto porcentaje de jóvenes con
sueldos inferiores a 500e/mes se explica por una mayoritaria condición de estudiantes.
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 87

(a) Ciclistas (b) Motor

Figura 5.7: Nivel de estudios

Figura 5.8: Nivel de estudios.

La relación directa existente entre el nivel de ingresos y la disponibilidad de coche


se aprecia en los resultados obtenidos en la encuesta. Tal y como aparece en la figura
5.11, se percibe la disminución de la disponibilidad o posesión de coche por parte de los
usuarios cuando tienen una renta inferior. La disponibilidad más baja de vehı́culos se da
88 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Figura 5.9: Nivel de ingresos.

entre los usuarios de menor renta (500 e/mes).

Al incrementar la perspectiva de análisis desde el punto de vista de los ingresos, se


atiende a la relación de la movilidad con el resto de modos disponibles en la ciudad. Se
presentan los datos obtenidos de la muestra para el municipio de Málaga.
Se aprecia como la mitad de los hombres no posee ningún tipo de bono transporte.
Dicha disposición posee una relación directa con el nivel de ingresos medio y la
ocupación para este sexo, condicionando un uso del vehı́culo privado en la mayorı́a
de los desplazamientos. Por el contrario, las mujeres son partidarias del uso del
transporte público. Se relaciona con la mayor posesión del bono transporte y se destaca
como la mayorı́a de mujeres se decantan por el bono para el modo bus, seguido de la
posesión del bono para bus y metro. Diferenciando a usuarios por la edad, los adultos tie-
nen una mayor preferencia por la posesión de ambos abonos de transporte (bus y metro).

Como aclaración, se incluye la disponibilidad del bono transporte para el modo


metro aunque a niveles del número de usuarios no se han tenido en cuenta debido a la
reciente puesta en servicio como modo de transporte dentro del municipio. La media de
disponibilidad de abono del metro para las diferentes agrupaciones, por sexo y edad, no
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 89

Figura 5.10: Nivel de ingresos.

alumbra notables diferencias. Se puede observar estos resultados en la figura 5.12.

Centrado en el uso de la bicicleta, al igual que la posesión del coche fomenta un mayor
uso de éste, la disponibilidad por parte de los usuarios de tener bicicleta facilita su uso
como modo de transporte. La disponibilidad de la bicicleta va asociada a diversos factores
como la posibilidad de espacio en el hogar para depositarla. Anteriormente se asociaba la
posesión de la bicicleta al condicionante de la edad. Con el cambio de paradigma que la
movilidad ha sufrido en la mayorı́a de ciudades y, en especial, en el municipio de Málaga,
no existe diferencias notables entre la disponibilidad de la bicicleta y el rango de edad
de los usuarios. Sin embargo, cuando se comparan datos de posesión de la bicicleta con
el sexo de las personas, los datos presentan un mayor números de usuarios masculinos
con disponibilidad de bicicleta, facilitando su uso como modo de transporte habitual.

La situación actual que se vive en el municipio de Málaga es diferente con la incor-


poración del servicio de bicicleta pública (“málagabici”), en un total de 23 estaciones
repartidas por las zonas de mayor tránsito de la ciudad. La puesta en marcha de este
servicio, unido con las situaciones económica y social actuales, ha supuesto un aumento
90 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Figura 5.11: Nivel de ingresos y disponibilidad de coche.

en el reparto modal de la bicicleta según datos del “Estudio de Demanda de Movilidad


en la ciudad de Málaga” 3 . Produciéndose un aumentando del 0,4 % en el año 2008 hasta
un 1,6 % del reparto modal para la bicicleta en el año 2014. El sistema “málagabici”
supone un cambio de mentalidad en los usuarios, modificando la percepción de uso de
la bicicleta como modo de transporte. Dicho servicio ha variado lo determinante que
resulta la posesión de tener o disponer de bicicleta para elegir este modo a la hora de
realizar los desplazamientos.

Las respuestas por parte de los encuestados, en relación con la ocupación la-
boral, indica unos ı́ndices de paro más elevados que la media nacional. Esto tiene
una incidencia especial en el nivel de paro del colectivo de los jóvenes, que repercute
directamente en el número de viajes y trayectos realizados a diario con motivo de trabajo.

La diferencia de ocupación por sexo de la muestra de población encuestada es


insignificante. Existe una leve superioridad en el número de mujeres cuya ocupación es
el estudio y hay un mayor número de hombres cuyo motivo de viaje obligatorio es el
trabajo, tal y como puede apreciarse en la figura 5.14.

3
elaborado por el Observatorio de Medio Ambiente Urbano del ayuntamiento de Málaga y Agenda
21 de Málaga
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 91

Figura 5.12: Disponibilidad del bono transporte.

También se muestra una mayor proporción de usuarios, dentro del grupo de adultos,
cuya ocupación es el trabajo. Por el contrario, entre los encuestados menores de 30 años,
hay un número elevado de estudiantes (33 %). Este dato es comprensible debido a un
rango de edad directamente relacionado con la época estudiantil de la población.

Si se analiza el efecto que produce la dedicación personal de cada usuario con su


elección del modo de viaje se pueden observar indicadores de elección propios para el
municipio (figura 5.15). Los desempleados tienen a la bicicleta como el modo de trans-
porte que más se usa, seguido del modo a pie. Es lógico pensar que las caracterı́sticas
económicas y las situaciones laboral y social de este colectivo condicionan la elección
del modo de transporte. Se hace notable un mayor uso de los modos de transportes más
económicos como la bicicleta y el caminar.
92 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

(a) en hombres (b) en mujeres

Figura 5.13: Disponibilidad de la bicicleta.

Figura 5.14: Ocupacion.

El grupo de trabajadores tiene un mayor uso de los modos de transporte a motor,


destacando el coche como primera opción. A pesar de todo se señala un alto porcentaje
de trabajadores cuyos desplazamientos se realizan en bicicleta. Se debe fundamentalmen-
te a la alta participación en la encuesta de ciclistas y usuarios habituales de la bicicleta
como modo de transporte. Sin embargo, los jubilados tienen como medio de transportes
habituales el coche, el bus y a pie, respectivamente. Como último grupo analizado se
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 93

Figura 5.15: Ocupacion y motivo del viaje.

(a) Frecuencia de actividad deportiva (b) Percepción del estado fı́sico personal

Figura 5.16: Hábito deportivo y Estado fı́sico.

encuentran los estudiantes. A priori se predispone un mayor uso de la bicicleta y el


modo a pie, condicionado por una capacidad económica que condiciona una elección
del modo de transporte más económico. Por ello el uso de la bicicleta es el más po-
pular entre los estudiantes dentro del municipio de Málaga, seguido del modo coche y bus.

En el análisis realizado con anterioridad sobre las variables y condicionantes que


afectan a los usuarios, a la hora de elegir la bicicleta como modos de transporte, se
94 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

contempla la relación directa existente entre el estado fı́sico y la edad 35 21 . Para tener
presente estos indicadores, en la encuesta se realizaron preguntas relacionadas con
el hábito deportivo de los usuarios y el estado fı́sico. La primera pregunta trata de
analizar la rutina de actividad fı́sica asociada a cada uno de los usuarios. Con la segunda
pregunta, se obtiene la valoración personal que tiene cada uno de los encuestados sobre
el estado fı́sico en el que se encuentran. Es preciso profundizar en un análisis futuro de
este tipo de variables debido a la complejidad de cálculo y subjetividad que conllevan.

Identificación de la Movilidad. El conjunto de preguntas realizadas en este apar-


tado, para conocer e identificar los viajes realizados por los encuestados, es extenso.
Formado por diferentes tipos de preguntas se desglosa como sigue:

Origen del viaje: las preguntas se basan en conocer con exactitud el inicio del viaje
por parte del encuestado. Se realiza un tratamiento de datos y se incorporan las
respuestas en la base de datos de movilidad creada en ArcGIS. Los encuestados
responden preguntas sobre el nombre de la calle, la hora de inicio del viaje y el
código postal.

Destino del viaje: preguntas cuya finalidad es analizar donde termina el viaje de
los encuestados dentro del municipio de Málaga.

Motivo y Modo del viaje: se analiza el cómo realizan el desplazamiento y con


qué finalidad.

Motivo y Frecuencia del uso de la bicicleta: son un conjunto de preguntas centradas


sobre el uso de la bicicleta por parte de los usuarios encuestados.

Las preguntas relacionadas con la hora de inicio de viaje y hora de llegada no están
presentes en estas consideraciones, pero si se tendrán en cuenta en lı́neas futuras de
investigación para el análisis del modelo de transporte de la ciudad. Al igual que los
datos de los horarios, en las preguntas realizadas en el cuestionario se pretendı́a obtener
información del punto de partida y del punto de finalización del viaje. Se entienden como
datos imprescindible para calcular las matrices orı́genes destino (O/D) de la movilidad.
Las respuestas recogidas de las encuestas se tratan y adaptan a la zonificación elaborada
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 95

Figura 5.17: Motivo del viaje.

para el desarrollo de esta tesis especificando, para cada uno de los viajes, la zona de
inicio y fin de los desplazamientos.

Para este grupo de preguntas se destacan las referidas al modo y motivo del viaje.
Se tiene en especial consideración la posibilidad de intermodalidad o combinación de
modos de transportes en el caso de realizar el viaje en diferentes etapas, y la frecuencia
y motivo del uso de la bicicleta como modo de transporte.

En la figura 5.17 se presentan se desglosan en los diferentes porcentajes correspon-


dientes al motivo del viaje: estudios, trabajo, ocio, compras y otros. Desde la perspectiva
general de la población total, la mayorı́a de los viajes tienen como motivo el trabajo.
Algo lógico considerando que dentro de la población muestral de la encuesta hay un
gran porcentaje cuya situación laboral es activa. Sin embargo los desplazamientos con
motivo estudios tiene un papel destacado entre el grupo de jóvenes. Al estar formado
por personas menores de 30 años es lógico que exista un mayor porcentaje de usuarios
96 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

cuyo motivo de viaje sean dichos estudios.

Un breve análisis del modo de viajes de los encuestados revela una mayor partici-
pación de usuarios habituales de la bicicleta como modo de transporte (figura 5.18).
Por ejemplo se destaca un uso del autobús menor de lo esperado. El metro de Málaga
empieza a consolidarse como modo de transporte dentro del municipio, especialmente
para las mujeres que son las que tiene una mayor predisposición a la hora de elegirlo
como medio de transporte habitual. Sin embargo, cuando se comparan los modos de
viaje en los diferentes grupos de la población hay algunas diferencias a señalar. El mayor
usuario del autobús como modo de transporte serı́a una mujer joven. Por el contrario,
los hombres mayores de 30 años consideran a la bicicleta como un modo de transporte
importante.

Figura 5.18: Modo del viaje.

En futuros análisis se plantea la posibilidad de realizar estudios de modos de trans-


porte en comparación con distancias recorridas, marcado por la prioridad individual
de cada uno de los usuarios a la hora de elegir modo de transporte. Desde este punto
de partida, se puede tomar nuevas pautas de diseño a la hora de llevar a cabo nuevas
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 97

polı́ticas de movilidad sostenible en el entorno metropolitano de Málaga.

Con la intención de conocer de una manera exhaustiva el itinerario de viajes, se han


realizado preguntas relacionadas con la posibilidad de combinación con otros modos de
transporte a la hora de realizar el desplazamiento diario de cada persona. Como primer
apartado, se desglosa los resultados obtenidos que definen el modo de viaje elegido por
los diferentes usuarios a la hora de realizar la segunda etapa del viaje. Algo más del 50 %
de los usuarios no utiliza otro modo de transporte, realizando una única etapa de viaje
(figura 5.19.)

Figura 5.19: Modo del viaje (segunda etapa).

El modo de transporte elegido para realizar la segunda etapa de viaje es dispar entre
los diferentes grupos de usuarios. El coche serı́a el gran protagonista teniendo gran
parte del total de viajes. Los más propensos a su uso son los hombres y adultos. Mismo
papel tiene la moto para estos usuarios. La disposición al uso del metro por parte de
las mujeres y de los jóvenes se ve reflejado en los resultados de viajeros que el Metro de
98 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Málaga está cosechando pese a su juventud. Los desplazamiento en bus son preferidos
como segunda etapa de viaje por mujeres y adultos. Los modos de desplazamientos a
pie y en bici coinciden en un usuario tipo: la mujer, como principal compromisario en la
segunda etapa de sus viajes.

Del total de usuarios encuestados existe una minorı́a que utiliza un tercer modo de
transporte en sus desplazamientos habituales. Entre la elección como tercer modo de
transporte se destaca el modo a pie, con un reparto similar entre los diferentes grupos
en los que se ha clasificado la muestra. El modo bici es actor importante como tercer
modo de transporte, y este protagonismo es paralelo a la consolidación del servicio de
préstamo de bicicleta pública en la ciudad.

Figura 5.20: Modo del viaje (tercera etapa).

Movilidad en bicicleta. El análisis de los hábitos respecto al uso de la bicicleta de


cada usuario ayuda a comprender parte de la elección individual de los encuestados y
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 99

permite plantear futuras polı́ticas urbanas y de movilidad que hagan más atractivo ese
modo de transporte sostenible en la ciudad. Un factor determinante a la hora de elegir
el modo de transporte es la experiencia y costumbre en el uso de la bicicleta. Tal y como
se adelantó en el capı́tulo 2, Estado del Arte, aquellos usuarios cuyo hábito de uso de la
bicicleta sea mayor serán más propensos a elegir la bicicleta como modo de transporte
habitual.

Figura 5.21: Frecuencia de uso de la bicicleta.

La importancia de este factor se manifiesta claramente en el reparto modal descrito


por los encuestados, lo cual es algo evidente al tener en cuenta el perfil de usuario que
ha realizado la encuesta. Como muestra, en la figura 5.21 se presentan los resultados
obtenidos sobre la frecuencia de uso de la bicicleta. La descripción del usuario habitual
en el municipio de Málaga, serı́a un varón con una frecuencia de uso de dos o tres veces
por semana. Por otra parte, existe una mayorı́a de usuarios adultos cuyos hábitos de
uso de la bicicleta es mayor que en los jóvenes.

Relacionando el hábito de la bicicleta con el motivo de su uso se obtiene una infor-


100 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

mación interesante para elaborar los diferentes perfiles de usuarios que circulan habitual-
mente por las calles del municipio. El ciclista habitual tiene un motivo de uso principal: el
trabajo. Cerca del 50 % de usuarios que eligen la bicicleta como reparto modal habitual-
mente lo hacen con motivo de desplazamiento para el trabajo, seguido de los estudios.
Se evidencia unos desplazamientos con motivos claramente obligados en el dı́a a dı́a de
las personas.

Figura 5.22: Motivo uso bici.

Los no usuarios habituales tienen como motivo principal el deporte, seguido del ocio,
destacando una frecuencia de uso para este perfil de usuarios muy baja (figura 5.22).
Un análisis de los factores disuasorios que afectan al no uso de la bicicleta permitirı́a un
mejor ajuste en los objetivos e intencionalidad de las polı́ticas a plantear para el diseño
de las infraestructuras de carriles bici.

El uso de la bicicleta por parte de los jóvenes, como motivos obligados (trabajo o
estudio), es mı́nimo. La causa puede deberse a una percepción de uso de la bicicleta
exclusivamente para el ocio y deporte, excluyendo ası́ un uso habitual en la manera de
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 101

desplazarse diariamente. También se realiza una segunda elección sobre el motivo de uso
de la bicicleta, y en este caso el ocio predomina como el principal motivo secundario por
el que los encuestados usan la bicicleta, algo comprensible debido a las caracterı́sticas
climatológicas y turı́sticas del municipio.

Factores favorables al uso de la bicicleta. El objetivo final es comprender los


factores o variables que afectan al comportamiento de los usuarios a la hora de elegir
usar la bicicleta como modo de transporte. En la tesis, tras la radiografı́a realizada
sobre la importancia de la percepción y subjetividad del usuario respecto al uso real de
la bicicleta, se proponen una serie de preguntas capaces de valorar la importancia dada
por los usuarios sobre diferentes factores que favorecen el uso de la bicicleta.

El proceso de elaboración de las variables, que analizan el uso de la bicicleta en el


municipio de Málaga, se realizó en el trabajo presentado por Liñán 80 con la premisa de
conocer las percepciones sobre los diferentes factores que favorecen el uso de la bicicleta.
A continuación se exponen las conclusiones sacadas de dichas valoraciones sobre los
factores que favorecen el uso de la bicicleta en el municipio.

1. Rapidez: los encuestados valoran la percepción que tienen de la bicicleta con


respecto al tiempo de recorrido de los desplazamientos. Por ejemplo a la hora de
evitar atascos, realizar trayectos de puerta a puerta, seleccionar alternativas de
rutas más corta, etc.

La valoración total de los usuarios ofrece claramente una perspectiva global sobre
la importancia que tiene la rapidez a la hora de elegir la bicicleta como modo de
transporte. Casi la totalidad de los encuestados valoran, entre importante y fun-
damental, lo favorable que les resulta la rapidez como caracterı́stica de la bicicleta
(figura 5.23.)

Existen diferencias notables entre los ciclistas habituales y los no usuarios de


la bicicleta. Los primeros consideran, entre fundamental y muy importante, la
102 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Figura 5.23: Factor favorable: rapidez.

rapidez que otorga la bicicleta como medio de transporte. Por otro lado, los no
usuarios de la bicicleta tienen una valoración de la rapidez entre muy importante
y algo importante. Es digno de mención reseñar que los usuarios de la bicicleta,
al ser conocedores de las ventajas que ésta proporciona en los desplazamientos
menores a 5 km., valoran con mayor importancia la rapidez de la bicicleta con
respecto a otros modos de transporte. Desde el punto de vista de la edad, los
jóvenes ofrecen mejor valoración a la rapidez. Desde la clasificación por sexos, los
hombres consideran la rapidez como un factor favorable de uso de la bicicleta.

2. Libre de horarios: la flexibilidad de horarios es una de las principales caracterı́sticas


de la bicicleta. No conlleva tiempos de espera ni de búsqueda de aparcamientos,
otorgando una mayor autonomı́a a la hora de desarrollar el viaje del usuario.

Este factor está valorado muy positivamente por parte de los encuestados. Más
del 60 % considera fundamental o muy importante la libertad de horarios a la hora
de elegir la bicicleta. Se observa un mı́nimo porcentaje de usuarios que valoran
negativamente el horario como factor de uso. Debe relacionarse estos resultados
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 103

Figura 5.24: Factor favorable: horario.

con el hecho de que la bicicleta pública de Málaga tiene su uso restringido durante
el horario nocturno. Al igual que en el factor anterior, los ciclistas tienen una
valoración positiva de la bicicleta como modo de transporte al no tener horarios
que dificulten o condicionen su uso (figura 5.24). Se marca un cambio de valoración
en los no usuarios de la bicicleta, otorgándole éstos una mayor importancia a la
libertad de horarios.

3. Económico: son conocidas las ventajas económicas existentes de la bicicleta frente


a otros medios de transporte, basados en unos costes de adquisición menores junto
con unos costes de reparación y mantenimiento muy bajos. En este aspecto la
percepción por parte del total de usuarios es similar. Desde el punto de vista de los
ciclistas, más del 50 % creen fundamental esta variable para su uso. Seguido de mas
del 30 % de los usuarios que lo creen muy importante. Los no usuarios de bicicleta
cambian el valor de la importancia sobre el efecto económico de la bicicleta, con
una mayorı́a que consideran muy importante esta variable, seguida de los usuarios
cuya percepción es de fundamental. Se destaca la percepción dada por los jóvenes,
como consecuencia de las propias caracterı́sticas de este grupo, que condicionan de
104 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Figura 5.25: Factor favorable: economico.

manera subjetiva a valoración de dicha variable.

4. Saludable: el uso de la bicicleta proporciona múltiples beneficios sobre la salud. De


una manera genérica, todos los usuarios valoran positivamente los beneficios fı́sicos
que aporta el uso de la bicicleta. Se considera fundamental o muy importante el
efecto que produce la bicicleta sobre el estado fı́sico personal, convirtiéndose en
un valor que favorece y apoya el uso de la bicicleta como medio de transporte. No
se destaca diferencias de percepción relacionables con la edad o el sexo (figura 5.26.)

5. Ecológico: este factor está relacionado con la no contaminación que produce el uso
de la bicicleta, es decir, cero emisiones en su uso, la no producción de gases de efec-
to invernadero y una emisión de ruido mucho menor que el resto de los vehı́culos.
Desde un punto de vista global de los encuestados (figura 5.27.) existe una relación
muy directa entre la importancia otorgada a la bicicleta y la contaminación. Se
considera como importante este valor a la hora de favorecer el uso de la bicicleta
como modo de transporte. Son los ciclistas los que le otorgan una mayor valora-
ción. Se muestra por tanto una mayor conciencia con los temas ambientales y, en
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 105

definitiva, con la movilidad y la sostenibilidad.

Figura 5.26: Factor favorable: saludable.

Figura 5.27: Factor favorable: ecologico.

6. Divertido / Atractivo: (figura 5.28) consiste en valorar las sensaciones individuales


de los usuarios relativas a la libertad de movimientos, la felicidad producida con
106 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

su uso, etc. Las respuestas se reparten por la importancia dada en cada uno
de los casos. Los valores de percepción son equivalentes para las respuestas de
fundamental, muy importante y algo importante. Se destaca que el factor divertido
o atractivo no es un condicionante tan influyente para el aumento de uso de la
bicicleta como modo de transporte. Hay diferencias entre las percepciones de este
valor de los ciclistas y los no usuarios de bicicleta. Los primeros valoran como
fundamental el atractivo de usar la bicicleta. Por el contrario, los no ciclistas no
valoran tan positivamente esta variable para ser determinante a la hora de elegir
la bicicleta.

Figura 5.28: Factor favorable: divertido / atractivo.

Los factores que favorecen el uso de la bicicleta han sido valorados positı́vamente
por parte de los encuestados. Tal y como eflejan los resultados obtenidos, se obtiene una
media superior al 4.7 sobre 6. Esto supone una catalogación de estos factores como algo
importante, muy cercanos a muy importante. Las percepciones de los usuarios pasan
a ser consideradas como aptas para la adaptación e implementación del software y su
aplicación al caso en particular del municipio de Málaga.
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 107

Figura 5.29: Resumen factores favorables uso bici.

El factor mejor considerado por los encuestados es el factor saludable y representa


la importancia dada por ellos al estado fı́sico y los beneficios que produce el uso de
la bicicleta en la salud personal (figura 5.29). Sin embargo, desde la perspectiva de
los no usuarios de la bicicleta, se valora el motivo de uso de la bicicleta con fines
deportivos. Después de este factor se encuentra el económico y el ecológico. El primero
presenta una mayor atracción para los usuarios, dependiendo de la situación económica
y laboral de los encuestados. Por otro lado, la importancia del valor ecológico evidencia
el aumento sobre la conciencia en temas relacionado con la movilidad y la sostenibilidad.
De este modo, se confirma el cambio de paradigma sufrido en la sociedad respecto a la
incorporación de la bicicleta como modo de transporte.

Existe un último bloque que engloba los factores sobre rapidez, libertad de horarios
y la diversión y/o atractivo, ambos con consideraciones muy parecidas. Los factores de
rapidez y libertad de horarios tienen una alta valoración, confirmando a la bicicleta
como una alternativa real del transporte en el municipio. La valoración sobre el factor
atractivo y divertido afianza la importancia que tiene el diseño de las infraestructuras de
carriles bici para facilitar un recorrido cómodo, seguro y placentero entre las diferentes
108 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

tipologı́as de usuarios de la bicicleta.

Factores disuasorios de la movilidad ciclista. Se realizaron un conjunto de


preguntas capaces de medir la importancia otorgada por los encuestados sobre cuáles
son los mayores factores que afectan negativamente al uso de la bicicleta en la ciudad.
En capı́tulos anteriores de la presente tesis, se ha recogido un conjunto de variables que
penalizan el uso de la bicicleta. De este modo se exponen a continuación algunas de
las preguntas realizadas en el cuestionario, culminando con el resumen y análisis de las
respuestas de los encuestados para el caso de estudio en cuestión.

Los factores analizados como disuasorios de la movilidad ciclista son los siguientes:

1. Distancias: la eficiencia de la bicicleta como modo de transporte está sujeta a


desplazamientos de distancias pequeñas 97 66 . El aumento de las distancias a recorrer
puede suponer un inconveniente a la hora de elegir la bicicleta como modo de
transporte. La respuesta de los encuestados sobre la importancia de estas distancias
difieren para el grupo de usuarios habituales de la bicicleta y los no habituales
(figura 5.30). Los primeros no otorgan demasiada importancia a la realización de
recorridos con distancias mayores. Mientras que los no usuarios de la bicicleta sı́ se
ven más condicionados a la hora de realizar desplazamientos más largos.

2. Orografı́a: se trata de averiguar la percepción de los usuarios respecto al obstáculo


que supone las pendientes a la hora de usar la bicicleta. En datos generales,
la orografı́a es un factor algo o muy importante para los usuarios dentro del
municipio pero para los habituales a la bicicleta la orografı́a es menos importante
a la hora de elegirla como modo de transporte. Por el contrario, los no usuarios
de la bicicleta dan una mayor importancia a este factor a la hora de tomar la
decisión sobre su uso (figura 5.31). Existe una mayor importancia de esta va-
riable para las mujeres, condicionadas por la falta de hábito en el uso de la bicicleta.

3. Tiempo: este factor tiene una relación directa con la distancia recorrida. A partir
de los estudios realizados por Tilahun 116 , se comenzó a considerar la importancia
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 109

Figura 5.30: Factor disuasorio: distancia.

Figura 5.31: Factor disuasorio: orografia.

de analizar la percepción de los encuestados sobre el tiempo de viaje estimado


para los desplazamientos en la bicicleta. Se analizan los resultados para los dos
grupos diferenciados de usuarios. Los ciclistas, o usuarios habituales de la bicicleta,
consideran entre algo importante y poco importante el tiempo de viaje empleado.
110 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

En contraposición, los no usuarios de la bicicleta otorgan una mayor importancia


al tiempo de viaje como factor disuasorio para la movilidad ciclistas, como se
demuestra en la figura 5.32.

Figura 5.32: Factor disuasorio: tiempo.

4. Climatologı́a: es un factor claramente geográfico. En sociedades nórdicas, este factor


no afecta al uso de la bicicleta, salvo casos extremos de nieve o hielo. En el caso del
municipio de Málaga, los factores climatológicos adversos condicionan altamente el
uso de la bicicleta. La percepción negativa es alta para el conjunto de los usuarios
(figura 5.33), existiendo una mayor importancia para los no usuarios de la bicicleta.

5. No posesión de bicicleta: la posesión y/o disposición del vehı́culo es un factor


directo a la hora de elegirlo como modo de transporte 4 , y por tanto la posibilidad
de disponer de la bicicleta aumenta su facilidad de uso como modo de transporte.
Para los encuestados este factor tiene gran importancia. Los ciclistas otorgan una
mayor importancia a la disposición de bicicleta como factor disuasorio (figura 5.34).
Esto se entiende por el uso mayoritario de la bicicleta privada por parte de los
4
Ortuzar2000
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 111

Figura 5.33: Factor disuasorio: climatologı́a.

Figura 5.34: Factor disuasorio: no tener bici.

ciclistas aunque se deberı́a analizar datos del servicio de préstamo de la bicicleta


pública para concluir mejores resultados.

6. Seguridad: uno de los principales factores a medir es la percepción del riesgo por
parte de los encuestados. La disponibilidad de infraestructura de carriles bici y la
112 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

tipologı́a determinan los diferentes niveles de seguridad percibidos por los usuarios.
En el análisis de las encuestas, se demuestra la gran importancia dada a este factor.
Destaca la importancia otorgada a esta variable, incluso mayor en los no usuarios
de la bicicletas. Se puede ver como consideran este factor como fundamental cerca
de un 35 % de los usuarios no ciclistas (figura 5.35.), resaltando que los usuarios
que consideran más importante la seguridad como factor disuasorio de la movilidad
ciclista son las mujeres.

Figura 5.35: Factor disuasorio: seguridad.

7. Contaminación: existe dos variables muy relacionadas, la contaminación y el ruido


durante el trayecto. Ambas son producidas por un exceso de vehı́culos de tráfico
rodados que circulan. Los niveles de contaminación vienen definidos por el IMD 5
de la vı́a. Son los ciclistas los usuarios que consideran la contaminación como un
factor disuasorio importante (figura 5.36). Este análisis puede deberse a un mayor
conocimiento de la situación de la ciudad adquiridos por los hábitos de uso de la
bicicleta.

5
IMD: esta dato señaliza la Intensidad media diaria medida en vehı́culos/dı́a. También puede tenerse
en cuenta datos sobre IMDP (intensidad media diaria de vehı́culos pesados medida en vehı́culos pesados-
dı́a).
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 113

Figura 5.36: Factor disuasorio: contaminación.

Figura 5.37: Factor disuasorio: ruido.

8. Ruido: junto con la anterior variable, este factor está directamente condicionado
con el IMD de las vı́as que forman la red urbana del municipio. Al contrario
que ocurre con el factor de contaminación, los ciclistas no consideran el ruido
un factor que repercuta en el uso de la bicicleta, mientras que los no usuarios
de la bicicleta si le otorgan una mayor importancia. Los adultos y mujeres son
114 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

los usuarios que perciben el ruido como un factor disuasorio de la movilidad ciclista.

9. Robo: la percepción sobre el miedo al robo o vandalismo es un factor muy


importante a la hora de elegir la bicicleta como modo de transporte. El nivel de
influencia percibido en los encuestados es alto. Se destaca en los no usuarios de
la bicicleta con una valoración de muy importante el miedo al robo. Pero son
los ciclistas los que valoran con una mayor influencia negativa el miedo al robo,
respondiendo más del 60 % de los encuestados con una percepción entre muy
importante y fundamental. Esto es debido a un uso de la bicicleta particular por
parte de cada uno de los usuarios. Tal y como se puede observar en la figura 5.38,
las mujeres otorgan una mayor importancia a esta variable como factor disuasorio.

Figura 5.38: Factor disuasorio: robo.

10. Falta de aparcamientos: la falta de instalaciones para dejar la bicicleta, en unas


condiciones óptimas, condicionan la elección de la bicicleta como modo de trans-
porte, en especial de la bicicleta privada. Diferenciando entre ciclistas y no usuarios
de la bicicleta, son éstos últimos los que otorgan mayor importancia, como efecto
disuasorio, a la falta de instalaciones para aparcar la bicicleta.
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 115

Figura 5.39: Factor disuasorio: aparcamiento.

11. Falta de instalaciones complementarias: en la revisión cientı́fica se detectó diferentes


patrones que afectaban a un aumento del uso de la bicicleta, favorecido por la
existencia de diferente tipos de instalaciones: duchas en el trabajo, taquillas para
cambio de vestuario, etc. La percepción de los encuestados sobre este factor no es
tan dominante como las anteriores (figura 5.40), existiendo un mayor reparto entre
las diferentes sensaciones de los encuestados. Los usuarios de bicicleta no tienen
en gran consideración este factor a la hora de elegirla como modo de transporte.
Por el contrario, son los no usuarios los que perciben que la existencia de diferentes
instalaciones (duchas, taquillas, etc.) favorecen un mayor uso de la bicicleta.

12. Factor social: hace unos años se asociaba el uso de la bicicleta con un estatus
social más bajo. La resolución de esta pregunta valora el cambio de comporta-
miento y percepción social producido por los diferentes usuarios del municipio
de Málaga. De manera general, hay una clara mayorı́a que opina como nada
importante el factor social a la hora de disuadir sobre el uso de la bicicle-
ta. Se confirma el cambio de mentalidad producido en los últimos años, más
aún desde la puesta en marcha del servicio de bici pública en la ciudad (figura 5.41.)
116 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Figura 5.40: Factor disuasorio: instalaciones.

Figura 5.41: Factor disuasorio: social.

13. Continuidad del ”carril bici”: es considerado uno de los factores principales que
afectan a la elección de la bicicleta como modo de transporte. Estudios como los
realizados por Dill 34 y Rondinella 110 , demuestran la relación entre la existencia
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 117

y continuidad de las infraestructuras para la bicicleta y su aumento del reparto


modal. Los ciclistas perciben este factor como fundamental a la hora de disuadir
el uso de la movilidad ciclistas. Son los no usuarios de la bicicleta los que perciben
la continuidad de los carriles bici como un factor fundamental y muy importante
(cerca del 80 % de los encuestados) a la hora de no elegir la bicicleta como medio
de transporte, como se puede observar en la figura 5.42. Las mujeres dan mayor
importancia a este factor.

Figura 5.42: Factor disuasorio: continuidad carriles bici.

14. Señalización vial: la configuración de la ciudad es un factor director sobre el uso de


la bicicleta. Una correcta señalización, capaz de informar a los diferentes usuarios
de la vı́a pública, influye en la variación de seguridad de los usuarios, tal y como
está representado en la figura 5.43. En el caso del municipio de Málaga, hay una
rotundidad en la importancia que adquiere esta variable como factor disuasorio de
la movilidad ciclista.

En la literatura existente hay partidarios de incorporar el estudio de este tipo de


variables como parte de la modelización ciclista. Por el contrario, hay investigadores y
118 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Figura 5.43: Factor disuasorio: señalización.

cientı́ficos que no consideran importante la utilización de las percepciones de los usuarios


a la hora de aplicar las diferentes polı́ticas de movilidad. En esta investigación, sabien-
do de las dificultades del tratamiento de datos procedentes de la subjetividad de los
encuestados, se toman en consideración dichas variables para el análisis de diferentes
calibraciones sobre los posibles perfiles de usuarios y ası́ desarrollar una optimización de
las infraestructura de carriles bici.

Al igual que en el apartado relacionado con los factores que favorecen el uso de
la bicicleta, las respuestas miden la percepción de los encuestados ante los diferentes
factores. Como conclusión inicial se destaca como, en la mayorı́a de los factores
disuasorios de la movilidad ciclista, se obtiene una valoración de algo importante. Una
de las variables que destaca al no considerarse como disuasoria es el factor social. Se
ha producido un cambio de mentalidad en los diferentes usuarios reconociendo a la
bicicleta como partidario de la movilidad habitual de la ciudad. El factor del ruido no
ha sido considerado de forma general como una limitación para el uso de la bicicleta.
Aunque la contaminación si ha tenido un importancia para los encuestados como factor
limitante del uso de la bicicleta.
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 119

Figura 5.44: Valoración media Factores Disuasorios.

Se agrupan el resto de factores en la valoración de algo importante, con una especial


acentuación en la distancia de viaje, orografı́a, tiempo de viaje, climatologı́a y falta
de instalaciones complementarias. Los encuestados dan una mayor importancia a
los factores: no posesión de bici, robo, falta de aparcamientos y señalización vial.
Éstas variables obstaculizan para mucho usuarios el uso de la bicicleta como modo de
transporte. Una confirmación sobre las conclusiones previas realizadas en la revisión de
la literatura investigada, se aprecia en la percepción de los usuarios frente a los factores
de seguridad y continuidad del ”carril bici”.

Tendencia de uso de la bicicleta. En este apartado se analizan las percepciones


de las preguntas relacionadas con el uso de la bicicleta. Se proponen algunos escenarios
ficticios que representan situaciones y casos hipotéticos. Los encuestados valoran la
percepción ante los diferentes escenarios señalando si usarı́an la bicicleta como modo de
120 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

transporte.

Una vez analizados y descritos los valores disuasorios e incentivadores del uso de
la bicicleta como modo de transporte en el municipio de Málaga, se lleva a cabo la
relación con los diferentes escenarios propuestos. En primer lugar, se trata de valorar la
percepción de los diferentes usuarios sobre la intermodalidad de la bicicleta y sı́ harı́an
uso de ella en la última etapa de sus viajes. La pregunta en concreto era: ¿Realizarı́a en
bici la última etapa de su viaje hasta el lugar de destino?.

De forma global para los diferentes encuestados, más del 33 % afirman que usarı́a
la bicicleta diariamente como modo de transporte para la última etapa de su viaje,
tal y como se puede apreciar en la figura 5.45. Los usuarios cuyas respuestas fueron
varias veces por semana se corresponden al 29 % de los encuestados. Convirtiéndose
en una mayorı́a los usuarios que tendrı́an la bicicleta como actor final de sus viajes.
A la hora de distinguir la movilidad obligada, aquella formada por los viajes con
motivos de trabajo y estudio, se aprecia una alta respuesta positiva de los usuarios capa-
ces de incorporar la bicicleta en su modo de transporte con un uso habitual de la bicicleta.

Al diferenciar a los usuarios habituales de la bicicleta, se observa la alta aceptación


de éstos hacı́a el uso de la bicicleta en la última etapa de sus viajes. El resultado
positivo está condicionado a un uso habitual de la bicicleta como modo único de
transporte para los ciclistas. Se presta atención a los no usuarios de la bicicleta debido
a la disparidad en la apreciación de ésta como modo de transporte respecto a los
ciclistas. Entre estos no usuarios de la bicicleta, domina la respuesta nunca realizarı́a
en bici la última etapa del viaje (figura 5.45). Como se comprobó en los factores
disuasorios de la bicicleta, el factor de las distancias largas es un condicionante más
importante para este grupo, lo que implicarı́a un mayor esfuerzo a la hora de cambiar los
hábitos de movilidad y facilitar la incorporación de la bicicleta en la última etapa de viaje.

Un análisis de los resultados de los diferentes grupos (edad y sexo) avalan las con-
clusiones obtenidas en los apartados anteriores relacionados con los factores disuasorios
y favorables con la movilidad ciclista y el uso de la bici en el municipio de Málaga. Los
usuarios con una mayor posibilidad de uso de la bicicleta como última etapa de viajes
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 121

Figura 5.45: Valoracion media de los Factores Disuasorios.

son los hombres, ya que poseen una percepción del riesgo menor a la hora de elegir
la bicicleta en sus desplazamientos de movilidad obligada. En sentido contrario, las
mujeres tienen una mayor percepción del riesgo y de las distancias a recorrer, encontran-
do en la bicicleta mayores obstáculos a la hora de elegirla en la última etapa de sus viajes.

En primer lugar, se propone como escenario ficticio para los diferentes usuarios
la existencia de una red completa de carriles para bicicletas. Los encuestados valoran
la frecuencia de uso que harı́an de la bicicleta como modo de transporte en sus
desplazamientos habituales. La percepción de los diferentes usuarios está condicionada
por las caracterı́sticas socio-económicas, descripción del itinerario de sus viajes y, en
especial, por la frecuencia de hábito en el uso de la bicicleta.

La propuesta del primer escenario, se llevó a cabo tras el análisis realizado por
Liñán 80 . La presencia de las infraestructuras para la bicicleta fue la causa más impor-
tante esgrimida por los diferentes usuarios dentro los factores a mejorar en la ciudad de
Málaga, relacionados con la movilidad ciclista.

En la valoración sobre la existencia de una red de carriles bici completa para


122 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

el municipio de Málaga afecta especialmente la predisposición al uso de la bicicleta del


encuestado. Se caracteriza por un 40 % de los usuarios con una posible frecuencia de uso
diaria y con un 30 % cuyo uso de la bicicleta serı́a de varias veces por semana (figura
5.46). Los resultados presentados resaltan la importancia de ofrecer una infraestructura
para la bicicleta en el municipio de Málaga.

Figura 5.46: Escenario 1: Presencia de la red de carriles bici.

Especial atención merecen las conclusiones procedentes de los no usuarios de la bici.


Un 20 % de los encuestados estarı́an dispuestos a usar la bicicleta diariamente si fuese
disponibles realizar su desplazamiento habitual sobre una infraestructura especı́fica
para la bicicleta. Con un porcentaje cercano al 37 %, los usuarios utilizarı́an, con una
frecuencia de varias veces por semana, la bicicleta como modo de transporte. Se establece
por tanto una relación de su uso con el desplazamiento por motivos obligados, con lo
que se producirı́a un aumento del reparto modal de la bicicleta en la ciudad. El alcance
de estos resultados justifica la realización y el estudio presentados con posterioridad en
este proyecto.

El porcentaje de usuarios que usarı́a la bicicleta con una frecuencia alta como modo
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 123

de transporte (considerando frecuencia alta un uso diario o varias veces por semana)
permanece constante entre los diferentes grupos por edad y sexo.

En el caso de la limitación del volumen y velocidad del tráfico, se plantea


como segundo escenario propuesto una situación a la hora de circular con la bicicleta por
vı́as donde exista un control sobre la velocidad y el volumen de tráfico. La percepción
de la seguridad por los diferentes usuarios está formada por factores de diversa ı́ndole.
El volumen de tráfico afecta de una manera directa a la disminución de la seguridad y
protección por parte de los usuarios 121 .

Figura 5.47: Escenario 2: Limitación del tráfico y la velocidad.

Los datos iniciales para este escenario propuesto ofrecen un mayor reparto en la
percepción de los usuarios. En comparación con el escenario propuesto 1, existe un mayor
porcentaje de usuarios que no elegirı́an la bicicleta como modo de transporte y cerca del
16 % que usarı́an la bicicleta una vez por semana. Se entiende con un motivo de uso no
obligatorio, es decir, con motivo deportivo, ocio o compras (figura 5.47). Sin embargo,
para los viajes obligados existe una mayorı́a de usuarios que elegirı́an la bicicleta como
modo de transporte durante su última etapa, o como modo de transporte principal. Se
124 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

obtienen resultados cercanos al 67 %, con un 34 % de encuestados que usarı́an la bicicle-


ta diariamente y un 33 % considerarı́an un uso de la bicicleta de varias veces por semana.

Las respuestas ofrecidas por el grupo de usuarios habituales de la bicicleta ofrecen


una percepción tendente hacia este escenario particular. El hábito de uso de este grupo
puede condicionar la valoración dada por este colectivo a la importancia de la limitación
del volumen y velocidad de las vı́as, sobre la frecuencia de uso de la bicicleta. Una
relación de las respuestas de los ciclistas para este escenario resalta la importancia que
tiene el volumen de tráfico respecto a la seguridad a la hora de escoger la bicicleta
como transporte. En el caso de los no usuarios de la bicicleta, la predisposición de
usarla diariamente está compuesta por cerca de un 20 % de los usuarios, seguido por
un 36 % que la usarı́an varias veces por semana. Se refleja una alta intención del
uso de la bicicleta ante la posible limitación del volumen de tráfico y la velocidad
para determinadas vı́as. Todo ello condicionado por el diseño de la infraestructura
óptima de red ciclista adaptada a vı́as con un menor tráfico rodado de vehı́culos a motor.

Existe en la actualidad multitud de recorridos de la red ciclista que discurren por las
aceras de las ciudades, donde los ciclistas y peatones deben de participar en el mismo
espacio. La mayorı́a de usuarios consideran la seguridad un factor fundamental o muy
importante a la hora de elegir la bicicleta para los desplazamientos. Dicha seguridad
está condicionada con la posibilidad de compartir espacios con los diferentes actores de
la vı́a pública.

El análisis de este factor se centra en la importancia dada por la totalidad de los


encuestados frente al escenario propuesto de aceras compartidas para peatones y
ciclistas. Los resultados son claros para este escenario. Hay una mayorı́a de usuarios
que nunca escogerı́an la bicicleta para el caso en cuestión. Se le otorga a la seguri-
dad y comodidad una importancia fundamental a la hora de elegir el modo de transporte.

Se comprueba un cambio en la percepción general de los ciclistas representado por


la disminución de la frecuencia de uso. Un 20 % de los ciclistas nunca elegirı́an la bici-
cleta como modo de transporte al circular por las aceras compartiendo espacio con los
peatones. La valoración de este escenario por parte de los no usuarios de la bicicleta no
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 125

deja dudas de la importancia otorgada a las seguridad y comodidad a la hora de escoger


el modo de transporte, como se puede observar en la figura 5.48. Existe una mayorı́a,
alrededor del 60 % de los usuarios de este colectivo, cuya frecuencia de uso de la bicicleta
serı́a nunca o una vez por semana. Se concluyen que sólo un mı́nimo de usuarios votarı́an
por la bicicleta como modo de transporte habitual con el escenario propuesto.

Figura 5.48: Escenario 3: Acera compartida.

Los jóvenes ofrecen una respuesta más contundente a la hora de negarse a usar la
bicicleta como motivo de los viajes obligados, con cerca del 60 % de los usuarios. Las
mujeres dan un alto valor a la seguridad y por ello asignan a la frecuencia de uso de la
bicicleta bajo este escenario la valoración de nunca. Se ratifica la relación entre mujeres
y seguridad expuesta en los capı́tulos anteriores.

En relación con el escenario anterior, se propone un caso hipotético similar en cuanto


al uso de la acera para peatones y ciclistas, pero con la diferencia de división
de espacios entre los usuarios. En el trabajo presentado por Liñán 80 se propone cómo
en la sección óptima de acera bici debe existir una diferenciación visual y fı́sica de
los espacios de cada usuario. Dicha separación se caracteriza por la incorporación de
126 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

una hilera de árboles entre el espacio de los peatones y ciclistas. Este tipo de sección,
además de lograr una mayor percepción de seguridad, ofrece a los diferentes usuarios un
aumento de la comodidad en la circulación, proporcionando sombra a ambos,. Se me-
jora la comodidad de los usuarios de la acera frente al factor disuasorio de la climatologı́a.

En la valoración de este escenario, figura 5.49, se muestra como existe una tendencia
de los usuarios a usar la bicicleta diariamente con cerca del 40 % de los encuestados.
Un 32 % del total prefieren el uso de la bicicleta varias veces por semana. Se produce
un incremento de la frecuencia de usuarios para motivos obligados hasta un 72 % de
los encuestados. Los datos relacionados con el grupo de ciclistas habituales destaca el
aumento de la frecuencia de uso de la bicicleta, obteniéndose cerca del 60 % con una
elección diaria de la bicicleta como modo de transporte. Para los no usuarios de la
bicicleta predomina como frecuencia de uso de varias veces por semana con un 40 % de
los usuarios, seguido por el 25 % cuya frecuencia serı́a diariamente.

Figura 5.49: Escenario 4: Acera con separación fı́sica.

Queda patente la importancia de los resultados procedentes de las percepciones ante


la situación hipotética del escenario propuesto. Se obtiene una tendencia ascendente
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 127

del número de usuarios de la bicicleta si existe una infraestructura segura, cómoda y


atractiva dentro del municipio de Málaga.

Dentro del análisis de los diferentes escenarios de hipótesis, se propone a los


encuestados que señalen la frecuencia con la que usarı́an la bicicleta como modo de
transporte para el caso de calzadas compartidas entre los diferentes vehı́culos a
motor y la bicicleta. Este escenario corresponde a una realidad presente dentro del
itinerario de los usuarios que se plantean el uso de la bicicleta en el municipio de Málaga.

En ocasiones el empleo de la bicicleta como modo de transporte se hace imposible


debido a la falta de infraestructuras para bicicletas o a una planificación no acertada.
Se pretende distinguir las preferencias, en el caso particular de Málaga, hacia el uso
compartido de la calzada entre bicicletas y vehı́culos a motor. Hay una mayor preferencia
de los usuarios para la variable de nunca usarı́a la bicicleta en el escenario propuesto,
con cerca del 37 % de los encuestados.

Diferenciando el grupo de no usuarios de la bicicleta, los resultados son adversos. So-


bresale con un 53 % una preferencia de nunca elegirı́a la bicicleta para realizar el trayecto
en calzadas compartidas. Para el grupo de ciclistas habituales, se observa la relación di-
recta existente entre la posibilidad de circular en calzadas compartiendo espacios y la
disminución del número de usuarios, incluidos ciclistas habituales, donde la existencia
del hábito de uso se ve afectada por la falta de seguridad.

Los resultados para el escenario propuesto (figura 5.50) diferencian entre grupos de
sexo y edad. Según el sexo de los usuarios, se distinguen con más del 50 % las mujeres
que no usarı́an nunca la bicicleta en el caso de calzadas compartidas, dando nuevamente
muestra de la relación directa que posee la seguridad en la elección y hábito del uso
de la bicicleta en ellas. De este modo se argumenta la importancia de la seguridad en
la planificación de la red ciclista para el municipio de Málaga. También, los jóvenes
otorgan gran importancia a la seguridad, destacando con un hábito de uso de la bicicleta
menor. Como resultado de este escenario propuesto se observa una preferencia en la
elección del modo de trasporte de la seguridad 113 .
128 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Figura 5.50: Escenario 5: Calzada compartida.

Como último escenario propuesto, y relacionado con el anterior, se realiza el análisis


de la frecuencia de uso de la bicicleta como modo de transporte para el caso en
concreto de circular en calzadas con espacios separados para vehı́culos a motor
y bicicletas.

Del total de usuarios encuestados se deduce que algo más del 42 % usarı́an diariamen-
te la bicicleta como modo de transporte en el municipio de Málaga. Consiste en un alto
porcentaje de los usuarios que realizarı́an su viaje si existiese un carril bici segregado del
tráfico rodado. En comparación con el ejemplo anterior de calzada compartida, se redu-
cirı́a la negativa a usar la bicicleta en un 20 %. Estos resultados afianzan la importancia
de la planificación y diseño de las diferentes tipologı́as en la red ciclista del municipio.
La valoración de los resultados del grupo de los ciclistas es positiva, produciéndose un
aumento en la frecuencia de uso de la bicicleta, asociados a los viajes con motivos obli-
gados, con un 74 % de los usuarios (figura 5.51).

Respecto a resultados clasificados por sexo, la frecuencia de uso de la bicicleta para


las mujeres pasarı́a a ser el doble. Se produce un aumento del 28 % sobre el uso de
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 129

Figura 5.51: Escenario 6: Calzada separada.

calzadas compartidas, pasando a un 69 % para el uso de carriles bici por la calzada con
segregación del tráfico rodado. Mención especial merecen los datos del grupo de jóvenes
que pasarı́an a ser el colectivo con mayor número de usuarios con cerca del 76 %.

Como valoración del análisis sobre la frecuencia de uso de la bicicleta, ante los dife-
rentes escenarios propuestos y la relación con los factores disuasorios ante la movilidad
ciclistas y los factores que favorecen el uso de la bicicleta, se exponen algunas conclusio-
nes a tener en cuenta para las futuras aplicaciones de las polı́ticas de movilidad urbana
para el municipio de Málaga. Las valoraciones concluidas reforzarán una mejor calibra-
ción de los resultados de optimización en la planificación y diseño de la red de bicicleta
propuestas. con relación entre la infraestructura viaria disponible, la percepción de se-
guridad de los diferentes usuarios y el aumento del reparto modal de la bicicleta.

Se aprecia, en la figura 5.52, una mayor frecuencia de uso por parte de los usuarios
en los escenarios con una infraestructuras para la bicicleta segregada del resto de los
demandantes de la vı́a pública. La disponibilidad de una red continua en el municipio de
Málaga es una de las preferencias del total de usuarios. Como consecuencia se observa
130 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

Figura 5.52: Valoración media Escenarios propuestos.

el aumento de la voluntad de elección de la bicicleta como modo de transporte en la


ciudad. La planificación de la red para bicicletas deberá por tanto estar condicionada
por el vial en el que transcurre junto con el volumen de tráfico y las velocidades de las
correspondientes vı́as. Éste factor condicionará la percepción de seguridad de los usuarios.

Ante la posibilidad de elegir entre carril bici segregado por la calzada, o acera bici
con espacios separados para peatones y ciclistas, se exponen algunas conclusiones de
elección de los usuarios. En términos generales existe una mayor frecuencia de uso de
la bicicleta para carriles bici segregados por la calzada, siendo los ciclistas los mayores
usuarios de este tipo de vı́as. El hábito de uso condiciona su elección con respecto a la
velocidad de desplazamiento y seguridad. Con respecto a los no usuarios de la bicicleta,
no existe una diferencia notable de elección entre estas dos tipologı́as. Sı́ se destaca
un aumento en el número de usuarios que usarı́an la bicicleta si dispusiera de esta
infraestructura a la hora de realizar el viaje correspondiente.
5.3. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta. 131

Los hombres tienen una mayor frecuencia de uso de los carriles para bicicletas
segregados por la calzada, a diferencia de las mujeres que prefieren las aceras bici con
separación de espacios con los peatones. Esto confirma la diferencia en la percepción
de la seguridad por sexos dentro del municipio de Málaga. Respecto a los grupos por
edad, no se aprecia especial preferencia por alguna de las dos tipologı́as. Es importante
señalar cómo la frecuencia de uso de la bicicleta para los jóvenes aumenta con el diseño
de una red ciclistas con cualquiera de estas dos tipologı́as de carril bici. La frecuencia de
uso de la bicicleta, para el grupo de adultos, aumenta a la hora de proponer escenarios
con infraestructuras segregadas al tráfico rodado o a los peatones, teniendo una mayor
frecuencia de uso los carriles para bicicletas segregados que discurren por la calzada.

Los factores a destacar de los resultados obtenidos de la encuesta Movilidad en Málaga


y preferencias de uso de la bicicleta son los siguientes:

El hábito de movilidad condiciona la percepción de los usuarios frente a los diversos


factores propuestos.

La percepción de la seguridad está directamente relacionada con la experiencia de


uso de la bicicleta. Los usuarios con una mayor experiencia se sienten más seguro
en los desplazamientos en bicicletas frente a situaciones de estrés. Caso contrario
les ocurre a los usuarios no habituales de la bicicleta.

Las mujeres tienen una percepción diferente a los hombres, posiblemente debido a
una falta de hábito de uso de la bicicleta. Prefieren tipologı́as de infraestructura
para la bicicleta segregadas del tráfico rodado y peatonal.

Los usuarios no habituales de la bicicleta muestran una mayor importancia a va-


riables relacionadas con las distancias de desplazamientos, el tiempo de viaje y la
orografı́a del terreno. Todas han sido relacionadas de diferente manera entre los no
usuarios y los habituales de la bicicleta.

El miedo al robo es mayor en los usuarios de la bicicleta al estar centrado en un uso


de la bicicleta privada. Los no usuarios de la bicicleta le dan una mayor importancia
a las instalaciones para aparcarlas.
132 5. Encuesta de Movilidad en Málaga y Preferencias de uso de la Bicicleta

La percepción sobre la contaminación en los desplazamientos tiene una importancia


mayor en los ciclistas, al ser mayores conocedores de la situación de las vı́as públicas
desde un punto de vista medioambiental.

Se aprecia una mayor disposición al cambio en el modo de desplazamiento habitual


a favor de la bicicleta en los jóvenes.

Los usuarios con motivos de uso deportivo tiene una alta percepción de la seguridad
y del robo. Se relaciona a una falta de hábito en movilidad urbana ciclista.

La continuidad de los carriles bici es un handicap para los usuarios no habituales de


la bicicleta siendo una de las grandes limitaciones a la hora de no elegir la bicicleta
como modo de transporte.

La disponibilidad de bicicleta es un valor fundamental a la hora de facilitar su uso


como modo de transporte, por tanto el servicio de préstamo de bicicleta pública
de Málaga puede ayudar a facilitar al aumento de uso de la misma.

La percepción global de la bicicleta como modo de transportes es muy positiva.


Obtiene una gran valoración para los factores de flexibilidad, al no tener lı́mite de
horarios y el ser un medio económico.

Como conclusiones a tener en cuenta, existe diferencias entre las percepciones de los
usuarios desde el punto de vista de los hábitos de uso de la bicicleta. Los no usuarios
poseen percepciones negativas respecto a la distancia, la orografı́a y el tiempo de
desplazamiento. Se confirma pues, tras el estudio realizado de la literatura cientı́fica
existente, la relación real entre las percepciones de la seguridad y el hábito de uso en el
caso particular del municipio de Málaga.
6

Modelo de optimización propuesto

133
134 6. Modelo de optimización propuesto
6.1. Introducción 135

6.1. Introducción
La metodologı́a empleada en la realización del modelo de optimización propuesto, en
aras del diseño y planificación de las infraestructuras para la bicicleta, se describe en
el presente capı́tulo. La formulación esta basada en modelos que proponen minimizar
un objetivo principal condicionados por sus respectivas restricciones y sus coeficientes
de ponderación. Se establece cada una de las restricciones como elementos que afectan,
directa o indirectamente, al diseño óptimo de la red ciclista.

6.2. Formulación
El modelo propuesto se formula como:

X
min Z = do,d (6.1)
o,d∈[1,··· ,M ]

sujeto a

cai,j ≥ CAmin
i,j ∈ [1, · · · , N ] (6.2)
min
aci,j ≥ ACi,j ∈ [1, · · · , N ] (6.3)
min
api,j ≥ APi,j ∈ [1, · · · , N ] (6.4)
X
Svi,j = (Saw1(i,j) + . . . + Sawn(i,j) ) ∀rk ∈ R (6.5)
i,j∈[1,··· ,N ]

Sti,j = Svi,j + Scbi,j ∀rk ∈ R (6.6)


Su = P u δz (6.7)
Sti,j ≥ Su ∀rk ∈ R (6.8)

R⊆Ω

donde:

Z: es la función objetivo a calcular. En el caso propuesto, se refiere a la mı́nima


distancia de recorrido do,d para cada corredor.
136 6. Modelo de optimización propuesto

o, d: determina el origen y destino de los centroides. Cada una de las zonas de


transporte está representada por un centroide que simbolizan la unión de los futuros
corredores de la red ciclista.

M : número total de corredores. El sumatorio de todas las conexiones posibles de


los centroides de la zonificación planteada.

N : se corresponde con el total de nodos que forman la red urbana.

cai,j : es la anchura existente en calzada para cada uno de los arcos que componen
la red vı́al. Se establece un mı́nimo de anchura en la calzada (CAmini,j ) que satisfaga
la posibilidad de implantar el carril bici en este espacio de la vı́a pública.

aci,j : describe la anchura de la acera que componen cada uno de los arcos existentes
min
en la red vı́al. Se establece un mı́nimo de anchura para la acera (ACi,j ) que
satisfaga la posibilidad de implantar el carril bici en este coexistencia con el peatón.

api,j : es la anchura disponible de aparcamiento para cada par de arcos que compo-
min
nen la red vı́al. Se establece un mı́nimo de anchura (APi,j ) capaz de soportar la
implantación del carril bici en la superficie ocupada por los aparcamientos.

Svi,j : es el sumatorio de la seguridad que representa un arco. Está determinado por


la proporción dada para cada una de las caracterı́sticas de la infraestructura de la
red vial.

Saw: representa cada uno de los pesos relativos a la seguridad asociada a cada arco
ai,j para cada una de las variables en consideración.

Scbi,j : es la seguridad asignada para cada tipologı́a de infraestructura destinada al


uso exclusivo de la bicicleta.

Sti,j : es la seguridad total que posee cada uno de los arcos, dependiendo de las
caracterı́sticas fı́sicas propias y de la posible infraestructura para la bicicleta que
se pueda incluir en el arco.

Su: es la seguridad del usuario y está definida por los diferentes perfiles de usuarios
P u de la red ciclista. Dichos perfiles están configurados a partir de la encuesta de
6.2. Formulación 137

movilidad y preferencias de uso de la bicicleta, condicionando la mı́nima seguridad


que debe superar un arco para su uso.

δz : representa la importancia dada a los datos, agregados por zonas de transporte,


en referencia a las caracterı́sticas socioeconómicas, de viviendas y de usos del suelo,
con respecto a la percepción de seguridad de los posibles perfiles de usuario.

R: el total de arcos que forman la red vial modelada.

Ω: el conjunto de arcos que forman el entramado urbano existente.

A continuación se describen los dos componentes principales del modelo formulado:

Función objetivo. Basado en el cálculo de distancias mı́nimas entre los nodos prin-
cipales de las zonas de transporte, denominados centroides. La función objetivo
(6.1) representa la distancia mı́nima para la que debe estar diseñada la red ciclista.
Se busca, por tanto, minimizar los tiempos de desplazamientos de los diferentes
usuarios. Posteriormente, la distancia mı́nima estará condicionada por las diferen-
tes variables que afectan a la seguridad, directamente a partir de las caracterı́sticas
propias de la red vial e indirectamente a través de los perfiles de seguridad estima-
dos.

Restricciones. Las restricciones 6.2, 6.3 y 6.4 establecen la anchura mı́nima permiti-
da que debe tener cada uno de los elementos de la red urbana (calzadas, aceras
y aparcamientos) para poder disponer de la infraestructura para la bicicleta. Se
diferencian dos condicionantes de seguridad. El primero (6.5 y 6.6), basado en las
caracterı́sticas propias de la red Svi,j . Dónde cada una de las caracterı́sticas pro-
pias de los arcos marcan el nivel de seguridad establecido. También se tiene en
consideración una seguridad relativa a la posibilidad de carril bici que se pueda
implantar en cada uno de los arcos, definida por Scbi,j . El segundo elemento de la
seguridad (6.7), se corresponde con el trabajo realizado en la encuesta de movilidad
y preferencias de uso de la bicicleta. Obteniendo como resultado de las variables
latentes (psicológicas) estudiadas que afectan a la percepción de la seguridad de
los usuarios encuestados. Concluyendo con los diferentes perfiles de usuarios P u.
138 6. Modelo de optimización propuesto

6.3. Modelo de optimización


La resolución de un modelo para un único objetivo implica hallar la solución de
dicho objetivo. Para el caso de los modelos de optimización multiobjetivos, es necesario
desarrollar el cálculo de todas las soluciones no dominadas, pertenecientes al frente
de Pareto óptimo, tal y como se ha desarrollado en el capı́tulo sobre Optimización de
recorridos. La finalidad de este tipo de modelos es la obtención de una única solución,
la ”deseable”. Por tanto, dicha solución final estará, generalmente, condicionada por la
información complementaria y cualitativa, basada en algunos casos en la experiencia,
donde se distinguen dos formas del proceso de decisión 30 .

Se parte de un proceso denominado ideal de optimización multiobjetivo. En la


primera fase se pretende obtener como resultado un frente Pareto, constituido por las
soluciones no dominadas. Todos los objetivos tienen un valor de importancia idéntico
que afecta a la solución del método. En su segunda fase, se dispone de la información
proporcionada por los técnicos responsables de las tomas de decisiones, relacionada con
las preferencias de elección. Se realiza, por tanto, la elección del resultado factible que
corresponderá con una de las soluciones halladas en el frente de Pareto.

Otra metodologı́a para la resolución del modelo está basada en las preferencias de
la optimización multiobjetivo. El fundamento de este procedimiento se centra en el
conocimiento previo del peso o importancia de cada uno de los objetivos del estudio.
Gracias a ello se produce la transformación del problema inicial de optimización
multiobjetivo en otro de objetivo único. La función objetivo del problema inicial pasa a
estar ponderada por sus pesos, pertenecientes a cada una de las variables que afectan a
la función objetivo. Se constituye, de este modo, una función objetivo nueva.

En el trabajo presentado por Deb y Kalyanmoy 30 se definen las diferentes a tener en


cuenta a la hora de elegir un procedimiento para la resolución del método de optimización.
Se destacan las siguientes:

Sensibilidad al vector de pesos. Existe una notable diferencia entre los dos modelos
respecto a la influencia del vector de pesos. A la hora de formar la función objetivo
compuesta, en los procedimientos basados en preferencias se puede observar una
6.3. Modelo de optimización 139

mayor influencia del vector de pesos aplicado.

Dificultad de hallar el vector de pesos. El cometido de encontrar un vector de pesos,


capaz de reflejar la representatividad de los diferentes objetivos, se concibe a priori
como subjetiva y no inmediata. En este apartado, adquiere gran importancia la
elaboración de la encuesta de movilidad expuesta en el capı́tulo anterior de la
presente investigación, dónde se ven reflejadas las diferentes percepciones de los
usuario para el municipio de Málaga.

En resumen, la disponibilidad de un vector de pesos que refleje las prioridades


entre los diferentes objetivos determinará el uso del procedimiento ideal, a partir de la
información facilitada por el problema. En este sentido, el procedimiento ideal, al no
estar expuesto a un vector de pesos, se puede considerar como un método más práctico
y con una menor influencia de subjetividad.

En lo relacionado con Transit Network Design Problem (TNDP), existe una mayorı́a
de modelos de optimización que emplean como método de resolución los procedimientos
basados en preferencias 6 . La importancia de los diversos coeficientes o vectores de peso
se refleja en la magnitud correspondiente a los diferentes objetivos. La dificultad se
centra a la hora de determinar el conjunto de coeficientes que sean solución para el
problema de objetivo único compuesto y, que a su vez, no sea una solución dominada
del problema multiobjetivo original.

6.3.1. Fuentes de dificultad del problema


A partir de los trabajos realizados por Chakroborty 16 y Baaj 6 , se describen algunas
de las dificultades que presentan los problemas de optimización debido a las caracterı́sti-
cas propias, reflejado en su complicada representación matemática y su resolución exacta.

La definición de las variables de decisión en la formulación condicionan el modelo


de resolución. En la mayorı́a de las formulaciones revisadas, las funciones objetivos
están descritas en base a los recorridos de los diferentes usuarios rk , al igual que las
restricciones. Este tipo de problemas pueden ser de naturaleza combinatoria. El disponer
140 6. Modelo de optimización propuesto

de un trazado formado por los posibles recorridos (rk ) actúa como una de las variables
de decisión. La suma de posibles soluciones, a la hora de aplicar una formulación
de programación matemática a dicho problema, implica unos tiempos de ejecución
inaccesibles para casos de magnitudes reales. Por este motivo, es preferible el empleo de
variables mixtas.

Para finalizar, debido a la importancia de los valores de las funciones objeti-


vos, se incorpora al modelo de optimización el criterio de los técnicos responsables
de la toma de decisiones. En el caso que se presenta en dicha investigación, el
vector de pesos está definido por los valores extraı́dos de la encuesta de movilidad
y preferencias de uso de la bicicleta que se ha llevado a cabo para el municipio de Málaga.

6.3.2. Modelo propuesto de optimización

En esta sección se presenta la estructura principal del modelo de optimización desa-


rrollado en la elaboración de esta tesis doctoral. Tal y como se ha señalado en secciones
anteriores, el problema de diseño óptimo de recorridos ha sido estudiado comúnmente
en la literatura. Existen diferentes variantes dependiendo de las aplicaciones y objetivos
a los que se pretenda dar solución. El objetivo principal, marcado por el algoritmo de
resolución, se centra en la búsqueda de la distancia mı́nima a recorrer para el diseño e
implantación de una infraestructura de carriles para bicicletas. Este diseño debe cumplir
los requisitos de comodidad, seguridad y diversión óptimas para obtener un mayor
número de usuarios.

A grandes rasgos, la resolución del algoritmo tiene como objetivo único el cálculo
del recorrido mı́nimo entre cada par origen y destino de la matriz OD (D = dod ). Dicho
recorrido está condicionado por diversas restricciones agrupadas en diferentes secciones:
infraestructura, seguridad y perfiles de usuarios.
6.3. Modelo de optimización 141

Infraestructura

Esta sección se corresponde con la caracterización de la red vial existen. La red vial,
constituida por el grafo no dirigido G = (N, A), tal y como se desarrollo en el apartado de
Infraestructura de Red vial (capı́tulo de Tratamiento de datos). La totalidad de los arcos
que caracterizan la red vial elaborada conforman el entramado urbano del municipio
de Málaga. Dichos arcos poseen una información de partida explicada en los apartados
anteriores. Un pequeño recordatorio de todas las caracterı́sticas que guardan cada uno
de los arcos de la red vial diseñada serı́a:

Nodo de origen y de destino

Tipo de vı́a

Modo de transporte disponible

Longitud

Número de carriles

Anchura de carril

Capacidad

Velocidad

Aparcamiento

Anchura de aparcamiento

Acera

Anchura de acera

Carril bici

Tipologı́a del carril bici

IMD

Zona
142 6. Modelo de optimización propuesto

El punto de partida de la mayorı́a de los Estudios o Manuales de diseño pa-


ra el tráfico de bicicletas consiste en analizar las consideraciones referentes a la
planificación para dar facilidades al uso de la bicicleta. Se estructuran a partir de
un breve análisis de los antecedentes y evolución del rol de la misma, seguido de
una relación de las múltiples ventajas y razones para usar la bicicleta como modo
de transporte urbano habitual. El objetivo de estos estudios reside en la creación
de una infraestructura “cicloamistosa”1 . Esto se consigue cuando la planificación y el
diseño tienen éxito, creando un medio ambiente amistoso a los distintos tipos de ciclistas.

En este sentido, los manuales de ingenierı́a de transporte aplicados a la movilidad


sostenible carecen de ejemplos o modelos de aplicación. Con el objetivo de formar una
herramienta útil para los técnicos urbanos de las administraciones correspondientes, se
presenta la aplicación del modelo a un caso práctico real, capaz de lograr el estableci-
miento de los diferentes modos de transporte sin la oportuna problemática en las etapas
de diseño.

Para un diseño óptimo dedicado a la infraestructura de la bicicleta y su relación con


la movilidad urbana es necesario basarse en la programación matemática. Con un diseño
adecuado es posible realizar un acercamiento integral a la hora de resolver los posibles
problemas de tráfico y circulación que se puedan derivar de la planificación y diseño
de las infraestructuras para bicicletas. En relación con lo descrito, hay infraestructuras
existentes dónde el comportamiento de los ciclistas ha derivado en unos usos diferentes
de la planificación impuesta por los diseñadores. En el caso particular de la presente
investigación, este problema se evita a partir de las consideraciones de las preferencias
del usuario a la hora de diseñar la red ciclista urbana.

El considerar a los ciclistas y futuros usuarios potenciales de la bicicleta como


clientes del sistema de tráfico y transporte conlleva el reflexionar sobre los requisitos que
se deben cumplir para ofrecer una infraestructura de calidad. Tal y como se ha visto con
anterioridad, algunos de esos requisitos se centran en asegurar un espacio suficiente en
la sección vial. Por ello se recomienda un diseño que minimice resistencias del resto de
1
Se produce cuando la planificación y el diseño de la ciudad y el sistema de transporte, tienen en
cuenta las necesidades de la movilidad sostenible (peatones y ciclistas).
6.3. Modelo de optimización 143

usuarios y sea capaz de considerar las diferentes percepciones de los ciclistas, asegurando
una infraestructura completa y comprensiva.

1. Caracterı́sticas del espacio fı́sico. En este apartado se ha estructurado la


programación matemática en dos agrupaciones diferenciadas. La primera agrupación
está basada en las caracterı́sticas del espacio fı́sico y en ella se produce el análisis
y comprobación de las diferentes caracterı́sticas fı́sicas que conforman la base de
datos de la red vial. Dentro de estas comprobaciones, se toma como primer punto de
partida el verificar la disponibilidad de espacio fı́sico para la posible implantación de
la infraestructura de carril bici. Por otro lado, y como segunda agrupación, se tienen
en consideración las caracterı́sticas propias de la tipologı́a de vı́a, que están basadas en
el efecto producido por el tráfico motorizado, la intensidad y la velocidad de la propia vı́a.

A partir de la revisión y consulta del estado del arte, se han tomado algunas me-
didas como punto de partida para la planificación y diseño de las infraestructuras de
carriles para bicicletas. Dichas consideraciones, podrán ser modificadas dependiendo de
la normativa existente para cada uno de los casos aplicados. El cambio de configuración
permite una rápida adaptación por parte de los técnicos o planificadores correspondien-
tes. Las medidas mı́nimas para la implantación de los ”carriles bici” (CB) en la red vial
corresponde a:

Tipologı́a Anchura mı́nima


Acera bici 4.5 metros
Acera bici protegida 5 metros
Calzada bici 3.5 metros
Calzada bici segregada 3.5 metros
Ciclovı́a 3.5 metros
Carril bici por Aparcamiento 2.5 / 5 metros

Tabla 6.1: Anchura mı́nima para implantación de CB.

Las caracterı́sticas analizadas en este bloque consisten en:


144 6. Modelo de optimización propuesto

Acera: se analiza la disponibilidad de acera y su anchura tal y como aparece


señalado en la tabla 6.1 (Anchura para implantación de CB ). La referencia tomada
en la planificación matemática de espacios mı́nimos para acera bici y acera bici
protegida son de 4.5 y 5 metros respectivamente. La diferencia existente entre
las dos secciones disponibles de implantación sobre la acera se establece en el
uso compartido del espacio público con o sin separación fı́sica entre peatones y
ciclistas. Existen por ello las aceras bici sin separación de dicho espacio entre la
infraestructura para la bicicleta y el lugar destinado para el uso de los peatones
y, por otra parte, las aceras bici protegidas, que contemplan una separación fı́sica
entre los diferentes usuarios, mediante el uso del mobiliario urbano, implantación
de hilera de árboles, etc.

La anchura mı́nima se corresponde con el espacio disponible para la implantación


de las diferentes secciones de carriles bici, siendo en este caso particular por la
acera. En el caso de los arcos que posean aceras con una anchura superior a
la mı́nima establecida, se podrán incluir las secciones de acera bici para dicho
arco. Se realizará, pues, una infraestructura de acera bici a partir de los 4.5 me-
tros de anchura y una acera bici protegida con una anchura superior a los 5 metros.

Naturalmente, pueden existir casos dónde el arco no disponga de acera. En éstos


el resultado de la posible implantación de la infraestructura para la bicicleta serı́a
nulo. Con ello se limita la posible colocación de la sección tipo para el arco en
concreto. Ocurre lo mismo para los arcos dónde no se cumplan las restricciones de
anchura mı́nima.

Calzada: se realiza una comprobación del número de carriles que existen por sentido
del arco (aij ) y la anchura disponible en cada uno de los carriles. En esta sección,
por tanto, se realiza la verificación del espacio mı́nimo disponible en la calzada. Se
han diferenciado 3 tipologı́as posibles de carril bici:

❼ Calzada bici: la anchura mı́nima para esta tipologı́a se establece en 3.5 metros.
Esta sección tipo se ejecuta por la calzada con separación del tráfico rodado
mediante una banda de pintura.
6.3. Modelo de optimización 145

❼ Calzada bici segregada: muy similar a la anterior. Se diferencia al estar ejecu-


tado por la calzada con separación fı́sica del tráfico rodado a partir de bolardos
o pivotes.
❼ Ciclovı́a: es un tipo de carril bici ejecutado en la calzada con una infraestruc-
tura completamente aislada al tráfico rodado.

La comprobación de calzada tiene como resultado el listado de arcos disponibles


que cumplen con las anchuras mı́nimas para la posible implantación de las di-
ferentes tipologı́as de carriles bici en calzada del total de arcos que conforman la red.

Las limitaciones respecto a la anchura mı́nima para estas tres tipologı́as de carriles
bici por la calzada han sido establecidas a partir de la información recapitulada
en la elaboración de esta tesis doctoral. Posteriormente, dicha anchura mı́nima
podrá ser definida por los técnicos correspondientes para cada uno de los casos de
aplicación.

Aparcamiento: la posibilidad de incluir la red ciclista urbana es los espacios


reservados para los aparcamientos es muy atractiva, dependiendo de la configu-
ración urbana propia de cada ciudad. El algoritmo está diseñado para realizar
dos comprobaciones relacionadas con la disponibilidad de aparcamiento y el tipo
de aparcamiento de cada arco. Un primer control está basado en la verificación
de la existencia del aparcamiento dentro del arco. El segundo, que se realiza
siempre y cuando el arco disponga de aparcamiento, se basa en examinar el tipo
de aparcamiento, diferenciando entre aparcamientos en linea y baterı́a.

Como punto de partida para los diseñadores, se establece un mı́nimo de anchura


de 2.5 metros en los aparcamientos en linea para la posible implantación de la
infraestructura de carril bici. Cuándo se disponga de aparcamiento donde no sean
superadas dichas distancias mı́nimas, el algoritmo no contempla la posibilidad de
diseñar el carril bici por el aparcamiento. Para el caso de los aparcamientos en
baterı́a, se dispone de un ancho mı́nimo de 5 metros para la posible implantación
del carril bici por el aparcamiento.
146 6. Modelo de optimización propuesto

La posible implantación del carril bici en el espacio ocupado por los aparcamientos
tiene, en principio, un rechazo directo de las diferentes administraciones. El diseño
del algoritmo contempla los casos dónde existe aparcamientos tipo baterı́a con una
anchura mı́nima de 5 metros. En ellos existe la posibilidad de diseñar tanto el
espacio fı́sico ocupado formado por un carril bici por la calzada como una hilera
de aparcamientos en linea. Esta admisión logra reducir un mı́nimo de plazas de
aparcamientos en el entramado urbano a la vez que permite planificar y diseñar
una infraestructura para la bicicleta por la calzada.
En definitiva, esta primera sección del capı́tulo sobre Infraestructura deduce el total
de arcos disponibles, desde la perspectiva del espacio fı́sico, para la posible implan-
tación de las diferentes tipologı́as de ”carriles bici“ que se pueden implantar en la red vial.

2. Caracterı́sticas de la tipologı́a de vı́a. Dentro de las zonas urbanas la


relación entre las secciones viales para el tráfico motorizado y las bicicletas trata de
cumplir el papel de distribución del total de usuarios en sus respectivos desplazamientos,
con el objetivo de facilitar una movilidad segura. Para realizar una planificación,
diseño y gestión óptimos de las infraestructuras para bicicletas se ha incorporado
en el desarrollo del algoritmo un análisis del tipo de vı́a existente para cada ai,j .
Dentro de este apartado, se ha realizado un perfil básico que se tomará como ejemplo
de aplicación a la hora de realizar el diseño de “carriles bici” para el municipio de Málaga.

Se define el perfil de restricciones por tipologı́a de vı́a desglosado en 3 niveles. Una


comprobación inicial del número de carriles. El segundo nivel consta del estudio sobre
el sentido de los carriles que forman cada arco analizado. Por último, se basa en una
comparación con el IMD2 y la velocidad de cada ai,j . De este modo, se presenta las
restricciones como:
Arcos con un carril: en la base de datos elaborada sobre la red vial del municipio
de Málaga, se diferencian el número de carriles y sentidos disponibles por cada
2
IMD: clasificación realizada a partir de datos de aforo municipales sobre la intensidad media de
vehı́culos. Este ı́ndice, también depende de la tipologı́a de la vı́a y las caracterı́sticas fı́sicas propias del
arco, ası́ como de los datos de aforo peatonales.
6.3. Modelo de optimización 147

arco. Por ello el algoritmo restringe la posibilidad de integrarlos en función del


número y sentido de los carriles disponibles. Para arcos (aij ) con3 IM Dij = 1,
V oij ≤ 30, se posibilita la implantación de una infraestructura para la bicicleta,
dada las caracterı́sticas de un arco que tiene poca intensidad de tráfico.

Arcos con dos carriles: en el caso de arcos con dos carriles, se diferencia entre un
único o doble sentido.

❼ Un sentido: cuando acontece un arco con doble carril para un mismo sentido,
se podrá implantar siempre una infraestructura para la bicicleta. El diseño se
realizará por la calzada, ocupando el espacio disponible de un carril.
❼ Doble sentido: en los supuestos dónde el arco tiene doble sentido, si IM Dij = 1
y la velocidad del arco es menor o igual a 30 km/h (V oij ≤ 30), el algoritmo
tendrá en cuanta la posibilidad de implantar el ”carril bici” por la calzada al
ser un arco poco transitado.

Arcos con tres carriles: situación similar al supuesto de arcos con dos carriles. Es
necesario diferenciar entre los arcos de único y doble sentido.

❼ Un sentido: en los arcos cuyos tres carriles tengan un mismo sentido y un


IM Dij ≤ 3, se puede planificar la infraestructura para la bicicleta en el arco.
❼ Doble sentido: cuando en los arcos con 3 carriles tiene doble sentido, se puede
implantar el “carril bici” en la calzada cuando el IMD del arco sea IM Dij ≤ 2.
El algoritmo define por defecto la infraestructura en uno de los dos carriles
que poseen el mismo sentido, teniendo como resultado 1 carril para cada
sentido de la circulación más un carril bici diseñado en la calzada. También,
se considera la posibilidad de ejecutar el carril bici por la calzada en los arcos
con IM Dij = 3 y cuya velocidad sea V oij ≤ 40.

Arcos con cuatro carriles: igualmente, el diseño del algoritmo incluye una sección
para los arcos de 4 o más carriles. En este apartado también se diferencian entre
un único y doble sentido.
3
Para los valores del IMD hay una clasificación detallada en el Capı́tulo: Tratamiento de Datos,
siendo el valor actual el mı́nimo estipulado en la clasificación, con una velocidad del arco menor o igual
a 30 km/h
148 6. Modelo de optimización propuesto

❼ Un sentido: en los casos que existan arcos con 4 carriles para un mismo sentido,
se plantea un diseño de la infraestructura para la bicicleta cuando la tipologı́a
de vı́a y la cantidad de tráfico diario lo permitan. En este sentido, se establece
un factor de control de IM Dij ≤ 3 para aceptar la posibilidad de implantar
el “carril bici” por este tipo de arco.
❼ Doble sentido: el proceso es similar al ocurrido en los arcos con tres carriles
y doble sentido. Dentro de la posibilidad de 3 carriles para el mismo sentido
(3+1), si el arco (aij ) tiene un IM Dij ≤ 2 se acepta la oportunidad de im-
plantar la infraestructura para la bicicleta en uno de los carriles. En este caso,
el carril bici se implantará siempre en el carril más seguro en relación con el
sentido de circulación. Por defecto, se considera el carril de la derecha de la
circulación. En los casos con 2 carriles para cada sentido (2+2), el algoritmo
contempla como arco válido cuando el IM Dij = 2.

La configuración del perfil elaborado se ha llevado a cabo tras realizar un estudio


y análisis de la revisión bibliográfica de los diferentes planes de movilidad, proyectos y
artı́culos consultados en el desarrollo de la presente investigación.

Tal y como está planteado en el diseño matemático del algoritmo, las diferentes
restricciones asociadas a las caracterı́sticas del espacio fı́sico y de la tipologı́a de la red
vial caracterizarán las diversas soluciones que se podrán llevar a cabo como infraes-
tructura para la bicicleta en los diferentes casos de aplicación. Los valores que perfilan
las restricciones podrán ser modificados tal y como se explicará en los siguientes capı́tulos.

Seguridad

Dentro de las preferencias que se describen para la obtención de una red ciclista
óptima para el uso de los diferentes usuarios, existen cinco requisitos principales a
cumplir para lograr una infraestructura cicloamistosa: ser directa, atractiva, coherente,
cómoda y segura. Es, en ésta última, donde se desarrolla gran parte de la innovación
cientı́fica de esta tesis doctoral.

En el Capı́tulo 2 sobre el Estado del arte, ya se realizó un desglose de la importancia


6.3. Modelo de optimización 149

que tiene el factor seguridad para el cálculo de la elección en el modo de transporte.


La percepción de la seguridad y la comodidad, como segundo objetivo principal, de
los diferentes usuarios y no usuarios de la bicicleta se ven directamente afectadas por
factores como el volumen de tráfico y la disponibilidad de infraestructuras para la
bicicleta, como aparece en Tilahun 116 y Akar 4 . Se interrelacionan la disminución de
la seguridad y la comodidad del ciclista al haber un mayor flujo en el tráfico de vehı́culos.

La planificación matemática está diseñada diferenciando dos partes representativas


que influyen en la seguridad. Por un lado, el primer punto a tratar está formado por
la seguridad asociada a las caracterı́sticas propias de la red vial. El segundo ámbito
de actuación está relacionado con las diferentes tipologı́as de “carriles bici” que tienen
un papel fundamental en el efecto que produce la seguridad a la hora de realizar los
posibles desplazamientos de los usuarios de la bicicleta.

1. Seguridad asociada a las Caracterı́sticas de la Red Vial. Los elementos


principales que caracterizan la red vial elaborada, al igual que en los grafos, son los nodos
y arcos. A continuación, se describe la influencia expuesta de cada uno de los elementos
que conformar la red vial en relación con la seguridad. Estos elementos están explicados
en la sección de Infraestructura de la Red vial, dentro del Capı́tulo de Tratamiento de
datos de la presente tesis.

IMD: este parámetro está formado por la información recapitulada de la red de


carreteras municipal sobre el número de vehı́culos que circulan por las calles.
La clasificación elaborada es el resultado de la unión de los datos de aforo, las
intensidades media de vehı́culos y una toma de datos sobre el aforo peatonal. El
ı́ndice final de IMD tiene en consideración los datos de la tipologı́a de vı́a y las
caracterı́sticas fı́sicas propias del arco.

Partiendo del análisis que relaciona la seguridad y su influencia directa a la hora


de elegir un modo de transporte y/o una ruta para los desplazamientos, se realiza
una asignación de los coeficientes de seguridad según la categorı́a del arco con su
respectivo IMD. El valor de seguridad asignado a cada arco, dependiendo de su
150 6. Modelo de optimización propuesto

IMD, se define como SaIM Di,j , siendo la clasificación de los diferentes valores la
siguiente:

IMD Seguridad
1 5
2 4
3 3
4 1
5 0

Tabla 6.2: Seguridad asociada al IMD de la red vial. Elaboración propia.

Velocidad: en la base de datos sobre Infraestructura de Red vial, se puede observar


la relación directa entre la tipologı́a de la vı́a y la velocidad. Se establecen las 5
categorı́as de vı́a y sus correspondientes velocidades: Vo (velocidad a flujo libre de
la vı́a) y Vmax (velocidad máxima permitida).

A la hora de realizar una modelización, es necesario contar con la mayor informa-


ción posible y veraz. En este sentido, la base de datos de los arcos que conforman la
red vial del municipio de Málaga cuenta con un parámetro de Velocidad que puede
diferir de la velocidad de la tipologı́a de la vı́a. Ésto es debido a la posibilidad
que tienen algunas calles de modificar la velocidad para favorecer o perjudicar
la movilidad, con el aumento o disminución de la velocidad correspondiente en
algunos tramos en concreto.

El ı́ndice de seguridad asignado a la velocidad para cada uno de los arcos de la


base de datos, SaV eli,j , es el siguiente:

Capacidad: al igual que ocurre con el parámetro de velocidad, la capacidad está aso-
ciada directamente con la tipologı́a de la vı́a. Tras la revisión de la literatura con-
sultada, se observó la importancia que tenı́a determinados factores en el uso de la
bicicleta, destacando para este caso en particular el volumen del tráfico 112 . Basado
en el análisis de la interrelación entre el parámetro de la capacidad de los arcos y
la seguridad, se deduce que existe una mayor seguridad para los diferentes usuarios
6.3. Modelo de optimización 151

Velocidad Seguridad
0 - 29.9 km/h 5
30 - 39.9 km/h 4
40 - 49.9 km/h 3
50 - 59.9 km/h 2
Más de 60 km/h 1

Tabla 6.3: Seguridad asociada a la Velocidad de la red vial. Elaboración propia.

(reales y potenciales) en los arcos cuya capacidad sea menor. La valoración de la


seguridad en relación con la capacidad de los arcos (SaCapi,j ) es:

Capacidad Seguridad
500 5
700 4
800 3
1000 2
1100 1

Tabla 6.4: Seguridad asociada a la Capacidad de la red vial. Elaboración propia.

Tipo de Vı́a: el tipo de vı́a tiene asociado intrı́nsecamente parte de información


sobre las caracterı́sticas de la movilidad. Aunque los tres puntos desarrollados con
anterioridad son caracterı́sticas que conforman la tipologı́a de las vı́as o arcos, se
establece una relación entre el tipo de vı́a y la seguridad aplicable en combinación
con los parámetros de IMD, Velocidad y Capacidad. Se puede calcular la seguridad
asociada a la infraestructura únicamente teniendo presente el parámetro de tipo-
logı́a de vı́a. Dicha asignación de seguridad, SaV iai,j , para cada tipologı́a de arco
se corresponde con:
Dentro del total de la red vial del municipio de Málaga se han encontrado
diferentes casos para la posible aplicación de un coeficiente de seguridad. Esto
afectará a la hora de planificar y diseñar una infraestructura para la bicicleta que
cumpla con todos los requisitos de comodidad y seguridad para el mayor número
de usuarios.
152 6. Modelo de optimización propuesto

Tipo de Vı́a Seguridad


Semipeatonal 2
Urbana 1
Arterial 0.5
Nacional 0
Autovı́a / Autopista 0

Tabla 6.5: Seguridad asociada al Tipo de Vı́a de la red vial. Elaboración propia.

Posteriormente al análisis realizado en el caso práctico del municipio de Málaga,


se plantea una relación entre el número de carriles disponible en los arcos y la
seguridad percibida por los usuarios, tal y como se describe en Hyodo 67 y Sener 112 .
Los valores de seguridad asignados al número de carriles en los arcos (SaCarri,j )
son:

Número de carriles Sentidos Seguridad


1 carril único sentido 0
único sentido 1
2 carriles
doble sentido 0.2
único sentido 2
3 carriles
doble sentido 0.5
único sentido 3
4 carriles doble sentido (3+1) 1.2
doble sentido (2+2) 0.8

Tabla 6.6: Seguridad asociada al número de carriles. Elaboración propia.

Para facilitar las labores de planificación y diseño de las futuras infraestructuras para
la bicicleta, el algoritmo agrupa las diferentes caracterı́sticas de las infraestructuras que
afectan a la seguridad. Se obtiene el valor Svi,j , resultado de la suma de la seguridad
contenida en un arco. Se determina a partir del valor de seguridad asignado para cada
una de las caracterı́sticas de la infraestructura de la red vial.

X
Svi,j = (Saw1(i,j) + . . . + Sawn(i,j) ) (6.9)
i,j∈[1,··· ,N ]
6.3. Modelo de optimización 153

El valor Svi,j serı́a pues un sumatorio de las seguridades de cada una de las carac-
terı́sticas analizadas de la infraestructura de los arcos: IMD, velocidad, capacidad, tipo
de vı́a y número de carriles. Se resume la formulación aplicada como:

X
Svi,j = (SaIM Di,j + SaV eli,j + SaCapi,j + SaV iai,j + SaCarri,j ) (6.10)

siendo:

SaIM Di,j : Seguridad asociada al IMD de cada ai,j

SaV eli,j : Seguridad asociada a la Velocidad de ai,j

SaCapi,j : Seguridad asociada a la Capacidad del arco ai,j

SaV iai,j : Seguridad asociada a la Tipologı́a de vı́a del ai,j

SaCarri,j : Seguridad asociada al N➸ de carriles de cada ai,j

2. Seguridad asociada a la Tipologı́a de “Carril Bici”. La influencia que


atesoran las diferentes tipologı́as de carriles bici en cuanto a la elección de ruta de los
usuarios se exponen en el trabajo presentado por Tilahun y Nebiyou 116 . La publicación
expone una evaluación de las cinco tipologı́as de infraestructuras frente al tiempo de
viaje. La clasificación de las infraestructuras es: carril bici separado de la vı́a, carril
bici en el lateral de la calzada (sin estar permitido el estacionamiento de vehı́culos),
carril bici en el lateral de la calzada (con estacionamiento permitido de vehı́culos), sin
carril bici y sin estacionamiento de vehı́culos permitido en el lateral de la calzada y sin
carril bici y con estacionamiento permitido de vehı́culos en el lateral de la calzada. Sus
resultados fueron una preferencia estimada de los usuarios que aumentaba su tiempo
de viaje en hasta 20 minutos en caso de cambiar la elección del tipo de infraestructura.
Produciéndose un cambio de elección desde el peor escenario (sin carril bici estando
permitido el estacionamiento de vehı́culos en el lateral de la calzada) al mejor escenario
posible (carril bici separado de la vı́a).

Se recuerda las diferentes conclusiones del estudio presentado por Dill y Carr 34 . La
relación existente entre un mayor número de infraestructuras para la bicicleta con el
154 6. Modelo de optimización propuesto

número de ciclistas. Esto es debido a la posibilidad del aumento de la percepción de


seguridad de los ciclistas. En España, en el año 2010, Sanz 1 presentó un análisis de las
publicaciones de los manuales de diseño y/o recomendaciones especı́ficas realizadas en
España para este tipo de infraestructuras. Concluyendo el estudio en la existencia de 8
tipologı́as diferentes en función de sus caracterı́sticas geométricas.

En el estudio presentado por Sorton 113 se realizó uno de los primeros intentos de
medir el nivel de servicio percibido por los usuarios de la bicicleta en una carretera.
Basado en un método simple y teniendo en cuenta la anchura del carril, el volumen
de tráfico de la vı́a de circulación y la velocidad de los vehı́culos a motor. No serı́a
hasta algunos años después cuando Jensen 72 , en sus diferentes estudios, aporta algunos
modelos sobre el nivel de satisfacción de los ciclistas, con la presencia y la anchura de
los carriles bici como principales variables.

Tras el análisis de los diferentes estudios consultados, se procedió a programar el


algoritmo con una sección que tuviese en cuenta un coeficiente de seguridad asociado a
las diferentes tipologı́as de infraestructuras para la bicicleta. Este coeficiente de seguridad
serı́a:
- Scbi,j : es la seguridad asignada para cada tipologı́a de infraestructura destinada al
uso exclusivo de la bicicleta.

En capı́tulos anteriores se definió las diferentes clases o tipologı́as de infraestructura


para la bicicleta que se iban a tener en cuanta a la hora de planificar y diseñar una
infraestructura óptima y adecuada para los diferentes usuarios dentro del caso aplicado al
municipio de Málaga. Se recogen los coeficientes de seguridad asignados a las 5 tipologı́as
que se consideran básicas en la programación matemática del algoritmo, estos coeficientes
de seguridad corresponderı́an a:
El valor de seguridad corresponde a cada una de las cinco tipologı́as planteadas en
el diseño del algoritmo. Tal y como se podrá comprobar en las secciones posteriores, se
permite cambiar fácilmente el valor de seguridad de cada tipologı́a según los estudios
previos o encuesta de preferencias de movilidad realizada para cada uno de los casos en
cuestión.
6.3. Modelo de optimización 155

Tipologı́a de Carril Bici Seguridad


Acera Bici 1
Acera Bici Segregada 2
Calzada Bici 3
Calzada Bici Protegida 4
Ciclovı́a 5

Tabla 6.7: Seguridad asociada a la Tipologı́a de Carril Bici. Elaboración propia.

3. Seguridad total del arco. Se destaca la seguridad como tema relevante en


la planificación y diseño de las infraestructuras para la bicicleta dentro del entramado
urbano de la ciudad. Se presta especial atención a la hora de minimizar los posibles
tramos de viajes que se puedan realizar en arcos relativamente peligrosos, asegurando
rutas seguras y evitando posibles conflictos con el tráfico rodado y peatonal, con una
correcta definición de espacios para cada miembro de la vı́a pública.

Para optimizar la seguridad de los tramos, se ha realizado la configuración capaz


de obtener el sumatorio total de la seguridad disponible en cada uno de los arcos que
conforman la red vial. Dicha suma está compuesta por la seguridad disponible en cada
ai,j . Se determina a partir de las caracterı́sticas propias de la red y la seguridad asociada
por las diferentes tipologı́as de infraestructura para la bicicleta que se puedan implantar
en cada uno de los recorridos. El resultado es la Seguridad Total del arco (Sti,j ), definido
como:

Sti,j = Svi,j + Scbi,j (6.11)

El resultado de Sti,j facilita la información sobre la seguridad total que tiene cada
arco con las diferentes infraestructuras de “‘carriles bici” que se pueden implantar para
dicho arco.

La primera comprobación llevada a cabo por el algoritmo está basada en la


verificación del espacio disponible en las diferentes secciones que conforman el arco
del entramado vial (calzada, acera y aparcamiento). Dicha comprobación, puede dar
156 6. Modelo de optimización propuesto

como resultado la posible implantación de más de una tipologı́a de ”carril bici” en un


arco determinado. Es decir, para un arco, ai,j , con unas caracterı́sticas de espacio fı́sico
óptimas en cuanto a anchura se refiere, se puede diseñar diferentes tipologı́as para el
uso de la bicicleta.

En este sentido, se ha diseñado una optimización en el código del algoritmo para


obtener el resultado máximo, en cuanto a la seguridad total en un arco. Cuando en un
mismo arco exista la posibilidad de implantar diferentes secciones de ”carriles bici” la
programación matemática planteada elegirá la opción que maximice la seguridad.

máx Sti,j = Svi,j + Scbi,j ≥ Svi,j−1 + Scbi,j−1 (6.12)

La compilación planteada facilita garantizar el recorrido más seguro por cada uno
de los arcos (ai,j ). Esta codificación está condicionada directamente con la posibilidad
de implantación de los diferente tipo de ”carril bici”, teniendo como resultado la opción
más segura en el arco. Por tanto, se produce una disminución del riesgo de accidentes
por la planificación segura, y, sobre todo, se puede obtener un aumento de la percepción
de seguridad de los posibles usuarios de la bicicleta.

Perfiles de Seguridad

El modelo de ciudad y las pautas de comportamiento asociados a los usuarios de la


bicicleta están directamente relacionados y por ello se debe constituir un planteamiento
adecuado de modelo urbano. Según Cervero 14 , se observan que en comunidades donde
los servicios para el transporte a pie o bicicleta están bien equipadas, los usuarios
realizan un 49 % de sus viajes al trabajo y un 15 % de otros viajes en estos modos.

La inclusión de los peatones y las bicicletas como parte del sistema de transporte
urbano ha provocado un cambio de mentalidad en la planificación y diseño del transpor-
te 75 . Este proceso de cambio está convirtiendo a la bicicleta en un modo de transporte
atractivo al conjunto de la sociedad, ocupando la bicicleta un lugar importante dentro
de la oferta del transporte. Como consecuencia de este cambio de pautas y mentalidad
6.3. Modelo de optimización 157

se encuentra el sistema de bicicleta pública y la continua apuesta de las diferentes


administraciones por la implantación de infraestructuras para el uso de la bicicleta como
modo de transporte.

La implantación de estos sistemas, junto con otras medidas llevadas a cabo por
las diferentes instituciones públicas, han dado lugar a un cambio en el reparto modal
de las ciudades, aumentando la demanda ciclista donde el número de usuarios de la
bicicleta eran bajos 86 . La seguridad está condicionada por la percepción de cada uno de
los usuarios 56 y por ello los ciclistas más experimentados suelen sentirse más cómodo
a la hora de circular en bicicleta que los ciclistas menos experimentados, teniendo una
calificación del confort mayor 56 . Todo ello induce a pensar que el aumento del número
de usuarios ciclistas habituales modificará la percepción global de la seguridad y, por
tanto, las pautas a seguir para el futuro diseño de las infraestructuras para la bicicleta.

En este sentido, se desglosa los perfiles de seguridad en dos apartados claramente


diferenciados. El primero de ellos, basados en perfiles de usuario genéricos con una per-
cepción de seguridad asignada para las diferentes tipologı́as de usuarios. Como segundo
bloque, se presta atención los datos zonales. Se analizan las diferentes caracterı́sticas
socioeconómicas de cada zona de transporte que marcarán las variables que condicio-
nan la percepción de seguridad global por zonas a la hora de diseñar y planificar la
infraestructura ciclista.

1. Perfiles de usuarios. Tras la realización encuesta realizada sobre la movilidad


y preferencias de uso de la bicicleta se definen los perfiles de seguridad asociados al
caso particular de la ciudad de Málaga. Se ha desarrollado varios perfiles que definen la
seguridad del usuario de la red ciclista, Su. Ésta seguridad del usuario se define como
la mı́nima seguridad permitida que debe superar cada uno de los arcos para que se
tengan en cuenta un arco (ai,j ) en el diseño y planificación de las infraestructuras para
la bicicleta.

Con el trabajo llevado a cabo por Sorton 113 se analizaron el nivel de estrés sufrido
por los ciclistas, tanto experimentados como ocasionales. El estudio se basó en las
caracterı́sticas propias de la calle por la que se disponen los viajes, como: el ancho de
158 6. Modelo de optimización propuesto

carril, el volumen de tráfico y la velocidad de circulación adyacentes. Se distingue una


influencia en la seguridad a partir de la percepción de cada uno de los usuarios, como
refleja el trabajo de Harkey 56 , dónde se concluye que los ciclistas más experimentados
suelen sentirse más cómodo a la hora de circular en bicicleta que los ciclistas menos
experimentados, teniendo una calificación del confort mayor.

Como parte central de esta sección de la investigación, se acentúa el diseño del


algoritmo con respecto al perfil genérico de usuario. Los diferentes tipo de perfiles de
usuarios han sido contemplados para garantizar una planificación de la infraestructura
para las bicicletas que sean capaces de cumplir los requisitos mı́nimos de seguridad,
comodidad y atractivo. De este modo, se asegura una respuesta positiva por parte de
los usuarios de la vı́a pública plasmándose en un mayor número de viajes realizados con
este modo de transporte.

Para un correcto diseño de los ”carriles bici”, se muestran los diferentes tipo de
perfiles de usuario genérico (P u) con el factor de seguridad mı́nima asignado a cada uno
de ellos. En la tabla 6.8 se manifiestan dichas tipologı́as:

Perfil de Usuario Descripción Seguridad Mı́nima


Tipo 1 Experto 1
Tipo 2 Usual 2
Tipo 3 Ocasional 3
Tipo 4 Inexperto 4

Tabla 6.8: Seguridad asociada al Perfil del usuario genérico. Elaboración propia.

Una especificación de los diferentes perfiles de usuarios detallados en el algoritmo se


corresponderı́an con:

1. Experto: se incluyen como expertos a los usuarios habituales de la bicicleta. La


percepción de la seguridad está diferenciada para aquellos usuarios cuyo modo de
transporte diario es la bicicleta 56 . Los usuarios poseen una disposición del con-
fort mayor. Por este motivo, se define la tipologı́a Experto con un coeficiente de
seguridad mı́nima asociada de 1.
6.3. Modelo de optimización 159

2. Usual: se especifica como usuales a aquellos usuarios con un uso moderado de la


bicicleta, como por ejemplo los usuarios con fines deportivos o de ocio. Existe una
habilidad alta en el manejo a la hora de montar en bicicleta, lo que produce una
mayor sensación a la hora de circular que los usuarios menos experimentados.

3. Ocasional: esta tipologı́a recoge a todos los usuarios que tienen conocimientos para
montar en bicicleta pero no tienen experiencia a la hora de circular en la vı́a pública.
La percepción de seguridad, a diferencia de las otras dos tipologı́as de usuarios, es
considerablemente menor 56 .

4. Inexperto: cuando exista una mayorı́a de usuarios con poco manejo o no sepan mon-
tar en bicicleta, se designará dicha tipologı́a. El coeficiente de seguridad a superar
es significativamente mayor que en el resto de tipologı́as, debido a una necesidad
de diseñar las infraestructuras que produzca la mayor sensación de seguridad vial
para los usuarios de la bici.

Además, el algoritmo está diseñado para modificar los parámetros de seguridad


de cada uno de los perfiles. Ésta opción proporciona grandes ventajas debido a la
editabilidad de los parámetros de seguridad mı́nimos para cada uno de dichos perfiles.
Se proporciona una capacidad de adaptabilidad a cada uno de los diferentes casos de
estudios en el que se vayan a diseñar y planificar las infraestructuras para la bicicleta
con la presente metodologı́a.

Una vez establecido el perfil de usuario genérico para el caso de estudio, la manera
de operar consiste en realizar la comprobación de la seguridad asociada en cada uno
de los arcos (Sti,j ). Ésta comprobación de seguridad mı́nima será la que debe cumplir
un arco para que sea óptimo a la hora de plantearse en el diseño y/o planificación de
la infraestructura para la bicicleta. Está basada en el sumatorio de seguridad total del
arco, explicado en la sección anterior de este capı́tulo.

Se define un arco (ai,j ) como seguro para el perfil de usuario genérico establecido
cuando la seguridad total del arco sea mayor a la mı́nima establecida por el perfil de
usuario genérico (P u). Se aceptará un arco, con la infraestructura correspondiente, como
seguro cuando se cumpla:
160 6. Modelo de optimización propuesto

Sti,j ≥ Su (6.13)

Siendo la seguridad total del arco como Sti,j = Svi,j + Scbi,j y, estando el factor de
seguridad del usuario Su condicionada por la tipologı́a de perfil del usuario P u.

2. Perfiles zonales. Existe una relación de semejanza con respecto a la sección


anterior a la hora de comprobar la seguridad mı́nima que debe cumplir un arco para
que sea tratado como apto a la hora de considerarlo en la planificación de la posible
futura red de carriles bici.

En este apartado, se han definido diferentes coeficientes de peso sobre la seguridad


para cada una de las zonas de transporte en las que se encuentra distribuida la ciudad
de Málaga. En el capı́tulo de Tratamiento de Datos, se hacı́a referencia a cómo estaba
diseñada la infraestructura de la red vial y todas y cada una de las caracterı́sticas que
conformar la base de datos asociados a los arcos que componen el entramado urbano
del municipio. Una de las variables que definen a los arcos es el área de transporte
al que pertenecen. De este modo, se asocia al área de transporte la información co-
rrespondiente sobre datos socioeconómicos, de vivienda, los diferentes equipamientos, etc.

La primera comprobación a realizar por la programación matemática está relacionada


con la zona a la que pertenece el ai,j de la red. Cada arco estará definido por caracterı́sti-
cas propias zonales. Para el desarrollo de este estudio se han tenido en cuenta como
factores de peso sobre la seguridad zonal las caracterı́sticas de: sexo, edad, número de
hogares, tamaño medio del hogar, número de vehı́culos, número de hogares con posesión
de vehı́culos, estudiantes, trabajadores, equipamientos y número de viajes. Todas estas
variables se describen individualmente.

Sexo. Una vez revisada la documentación cientı́fica relacionada con la caracte-


rización del usuario de la bicicleta, no hay estudios sobre la variable de género.
Si es cierto que se destacan algunos artı́culos y estudios como los elaborados
por Pucher 102 . Se señala que en ciudades dónde la bicicleta está asentada como
6.3. Modelo de optimización 161

Figura 6.1: Clasificación zonal de Malaga. Elaboración propia.

modo de transporte no existe diferencias entre el uso de hombres y mujeres. En


la investigación de Garrard y Rose 47 , se refleja la diferencia por sexo relacionado
con la percepción de seguridad, siendo las mujeres más preventivas en relación
con el riesgo. Los hombres tienen, por tanto, una menor capacidad de percepción
negativa a la hora de circular por la calzada con los vehı́culos motorizados 58 .

Es por esto la importancia que se le ha dado a la influencia del sexo a la hora de


estimar el factor de seguridad para los perfiles zonales, considerando la diferencia
entre sexos a la hora de analizar el comportamiento de los usuarios. En los
resultados presentados en las encuestas realizadas para el municipio, se distribuye
la población ciclista en un 61 % de la población compuestos por hombres y,
el restante, 39 % formado por mujeres. Evidencia un porcentaje mayor de la
población masculina si se tiene en consideración los datos totales del municipio
de Málaga con un reparto del 48 % y 52 % para hombres y mujeres respectivamente.
162 6. Modelo de optimización propuesto

Para estudiar la importancia del sexo a la hora de diseñar y planificar las futuras
infraestructuras para la bicicleta, el algoritmo se ha configurado con unos coeficien-
tes de peso de la variable sexo. Por tanto, se produce un aumento o disminución de
la seguridad total que deberá superar una tipologı́a de ”carril bici” que transcurre
por un arco para que sea óptima, a la hora de estar disponible por el algoritmo para
el futuro diseño de la infraestructura. Esta configuración de variables se diseña de
la siguiente manera:

Zhombrei ≥ Zmujeri = βhombre ∀ai,j ∈ Zi (6.14)


Zmujeri ≥ Zhombrei = βmujer ∀ai,j ∈ Zi (6.15)

La estructura del algoritmo busca el número de usuarios que predomina por sexo.
A partir de la asignación del valor correspondiente para cada coeficiente de βhombre
y βmujer se producirá el aumento o disminución de la seguridad mı́nima que de-
be de tener un arco en función de la influencia que definida en la planificación,
obteniéndose como resultado de las preferencias en las encuesta de movilidad y
preferencias del usuario.

Edad. La relación entre la edad y el uso de la bicicleta como modo de transporte


tiene una dificultad añadida. Según Rierveld 106 , existen algunas discrepancias,
aunque se puede definir como sector de edad más proclive entre los 18 y los 45
años 34 . El factor de la edad se vincula directamente con el estado fı́sico de las
personas, lo que condiciona a tener una mayor o menor capacidad de usar la
bicicleta como modo de transporte.

En este sentido, se ha representado la importancia que puede tener la variable edad


a la hora de usar tomar la decisión de usar la bicicleta y la diferente percepción
de seguridad para cada tipologı́a de usuario. El desarrollo llevado a cabo por el
algoritmo se centra en el rango de edad predominante en cada una de las zona.
De este modo, se favorece un diseño óptimo para el mayor número de usuarios
habituales y potenciales de la bicicleta en cada una de las diferentes infraestructuras
6.3. Modelo de optimización 163

para la bicicleta.

Zedad1i ≥ Zedadni = βedad1 ∀ai,j ∈ Zi (6.16)


Zedad2i ≥ Zedadni = βedad2 ∀ai,j ∈ Zi (6.17)
Zedad3i ≥ Zedadni = βedad3 ∀ai,j ∈ Zi (6.18)
Zedad4i ≥ Zedadni = βedad4 ∀ai,j ∈ Zi (6.19)

Para la variable edad, se han distribuido los datos demográficos en 4 tipologı́as.


Cada una con su correspondiente valor en torno a la seguridad asignada para
cada grupo (βedadn ). La formulación planteada en el algoritmo asigna el peso de
seguridad correspondiente al máximo valor de edad en cada una de las zonas Zi . El
factor de seguridad resultante estará proyectado para maximizar el mayor número
de usuarios de la bicicleta, a partir del correcto diseño y planificación a la hora
de ejecutar una infraestructura para la bicicleta acorde a las necesidades de la
población.

Número de hogares. La importancia en la variable de número de hogares se


recoge tras el análisis realizado de la documentación cientı́fica consultada 20 . En
la distribución municipal es importante tener en cuenta las zonas con una mayor
densidad demográfica y, por tanto, con un mayor número de hogares 21 . por lo que
se ha considerado este mayor número a la hora de planificar y diseñar las posibles
infraestructuras de la bicicleta. De esto modo, para cada una de las Zi , se ha
asignado un valor diferente a la seguridad mı́nima que deben de poseer cada uno
de los posibles arcos ai,j .

Zhogar1i ≥ Zhogarni = βhogar1 ∀ai,j ∈ Zi (6.20)


Zhogar2i ≥ Zhogarni = βhogar2 ∀ai,j ∈ Zi (6.21)
Zhogar3i ≥ Zhogarni = βhogar3 ∀ai,j ∈ Zi (6.22)

Se llega a la conclusión que, en zonas con una población media, es necesario aumen-
tar la seguridad para fomentar el uso de la bicicleta a partir de una infraestructura
más segura para el mayor número de usuarios posible. Este diseño matemático
está basado en el desglose sobre 3 categorı́as para el número de hogares, tal y como
164 6. Modelo de optimización propuesto

se verá en el siguiente capı́tulo,. Cada uno de los valores podrán ser editados de
una manera rápida y cómoda que facilite una mejor práctica en el diseño urbano
de la movilidad.

Tamaño medio del hogar. Directamente relacionada con la variable anterior,


el tamaño de hogar tiene una fuerte influencia en la elaboración de los modelos
de transporte y es una variable primordial a la hora de realizar la generación
y distribución de la totalidad de viajes en las ciudades 20 . Existe una correlación
directa entre el tamaño de hogar y la elección de modo de viaje. Un ejemplo sucede
en núcleos familiares elevados en el que no todos los miembros pueden tener acceso
a vehı́culos privados, por lo que cualquier otro modo de transporte se convierte en
posible.

ZT M H1i ≥ ZT M Hni = βT M H1 ∀ai,j ∈ Zi (6.23)


ZT M H2i ≥ ZT M Hni = βT M H2 ∀ai,j ∈ Zi (6.24)
ZT M H3i ≥ ZT M Hni = βT M H3 ∀ai,j ∈ Zi (6.25)

Debido al vı́nculo entre el tamaño medio del hogar y el número de viajes generados,
se diseña una lı́nea de códigos para tener en cuenta las zonas (Zi ). Las zonas con
mayor ı́ndice y valor para el TMH (tamaño medio del hogar) poseen un peso mayor
de seguridad mı́nima que ha de tener un arco (ai,j ) para que se considere óptimo
en la planificación de la infraestructura de “carriles bici”.

Número de vehı́culos. Existe un uso mayor de la bicicleta en hogares con poca


posesión de coches. Esta relación inversamente proporcional está definida en el
estudio de estimación de la demanda ciclista de Ortuzar y Iacobelli 21 , y por ello
se incluye el número totales de coches que existen como suma en cada una de las
zonas en las que se distribuye la ciudad de Málaga.

Aunque el valor de cada uno de los pesos puede variar, dependiendo de las diferentes
caracterı́sticas del municipio de estudio, se desarrolla una relación directa entre el
número de vehı́culos por zona y un aumento de la seguridad mı́nima que ha de
tener los diferentes ai,j , para que sean tratados como aptos por el algoritmo. El
6.3. Modelo de optimización 165

peso nvh (número de vehı́culo medio) por Zi queda definido de la siguiente manera:

Znvm1i ≥ Znvmni = βnvm1 ∀ai,j ∈ Zi (6.26)


Znvm2i ≥ Znvmni = βnvm2 ∀ai,j ∈ Zi (6.27)
Znvm3i ≥ Znvmni = βnvm3 ∀ai,j ∈ Zi (6.28)
Znvm4i ≥ Znvmni = βnvm4 ∀ai,j ∈ Zi (6.29)

La parte correspondiente al número de vehı́culos medio para cada una de las zonas
está distribuida en cuatro intervalos diferentes. Dichos intervalos están planificados
para obtener el resultado más representativo respecto a la afinidad existente entre
en número de vehı́culos y el valor de la seguridad mı́nima que debe soportar un
arco.

Número de hogares con vehı́culos. En diferentes estudios, el número de hoga-


res con vehı́culos se representa como el nexo entre la intensidad de motorización
y posibles niveles de renta por tipologı́a de hogar. Es cierto la gran similitud
existente con la variable definida anteriormente de número de vehı́culos.

La intención de uso de dicha variable, se centra en el estudio de las zonas con un


menor número de hogares cuya disponibilidad de vehı́culo sea nula y es debido a
la mayor facilidad de los diferentes usuarios al cambio en la elección del modo de
transporte. Con la finalidad de aumentar el reparto modal de la bicicleta a partir
de un diseño más seguro de los diferentes posibilidad de red ciclista, el algoritmo
define los pesos de los intervalos para novh (número de vehı́culos por hogar) para
cada Zi , como:

Znovh1i ≥ Znovhni = βnovh1 ∀ai,j ∈ Zi (6.30)


Znovh2i ≥ Znovhni = βnovh2 ∀ai,j ∈ Zi (6.31)
Znovh3i ≥ Znovhni = βnovh3 ∀ai,j ∈ Zi (6.32)
Znovh4i ≥ Znovhni = βnovh4 ∀ai,j ∈ Zi (6.33)

El número de intervalos se definen para cada uno de los casos de estudio. En la


166 6. Modelo de optimización propuesto

presente investigación, se han realizado 4 agrupaciones de intervalos para el análisis


del factor de seguridad asociado a la variables de número de hogares con vehı́culos
(novh).

Estudiantes. El estudio de la variables ”estudiantes” está asociada a la relación


que poseen éstos con el nivel de ingresos y la edad. Existe una clara evidencia de
la facilidad que tiene este tipo de usuario del cambio de modo de transporte 99 . Se
justifica la importancia de esta variable a la hora de calcular la seguridad mı́nima
de diseño que debe de tener cada uno de los ai,j .

Una parte de la literatura del transporte destaca la dificultad existente en el cambio


modal de las personas con una edad avanzada o trabajadores. Se acentúa, la im-
portancia del diseño del algoritmo para aumentar la seguridad en las zonas dónde
exista un predominio de usuarios que sean estudiantes. La formulación serı́a:

Zestu1i ≥ Zestuni = βestu1 ∀ai,j ∈ Zi (6.34)


Zestu2i ≥ Zestuni = βestu2 ∀ai,j ∈ Zi (6.35)
Zestu3i ≥ Zestuni = βestu3 ∀ai,j ∈ Zi (6.36)
Zestu4i ≥ Zestuni = βestu4 ∀ai,j ∈ Zi (6.37)

El dilema producido por el cambio del reparto modal hacia modos de transportes
más sostenibles tiene su corrección sugiriendo un aumento en la sensación de segu-
ridad en las diferentes infraestructuras de carriles para la bicicleta. Una infraestruc-
tura diseñada con los coeficientes de seguridad mı́nimo para cada ai,j aportará un
mayor número de usuarios de la bicicleta. En el caso particular de los estudiantes,
este apartado está encargado de optimizar una infraestructura más segura, capaz
de aumentar la percepción de dicho colectivo potenciando el uso de la bicicleta
como modo de transporte habitual.

Trabajadores. La variable sobre el número de trabajadores es similar a la anterior.


La importancia dada al peso de la seguridad asociado al número de ocupados
6.3. Modelo de optimización 167

(trabajadores) para cada zona está representado en la siguiente formulación:

Zocu1i ≥ Zocuni = βocu1 ∀ai,j ∈ Zi (6.38)


Zocu2i ≥ Zocuni = βocu2 ∀ai,j ∈ Zi (6.39)
Zocu3i ≥ Zocuni = βocu3 ∀ai,j ∈ Zi (6.40)
Zocu4i ≥ Zocuni = βocu4 ∀ai,j ∈ Zi (6.41)

El valor de seguridad mı́nimo establecido para cada uno de los valores, según el
intervalo correspondiente, se representa como βocu , que tendrá un valor diferente
para cada uno de los casos de estudio. Dicho valor tiene como objetivo aumentar
la percepción de seguridad de los ocupados (trabajadores) para cada caso, con la
finalidad de añadir nuevos usuarios para el modo de transporte bici.

Equipamientos. La variable equipamientos depende del número de infraestructu-


ras y servicios que dispongan cada una de las zonas de estudio. Entre estos servicios
se han tenido en cuenta los diferentes equipamientos educativos (colegios, institu-
tos, universidades, etc.), los equipamientos sanitarios y sociales (centros de salud,
centros de la tercera edad, etc.). Además de los equipamientos deportivos disponi-
bles , el número de tiendas y centros comerciales existentes por zona y el número
de oficinas e industria que representan a un global de las empresas. El coeficiente
de seguridad mı́nima para los equipamientos (βequi ) en cada zona se define como:

βequi = (a < Zequii ≤ b) ∀(a, b)i ∈ Zi (6.42)

Todos y cada uno de los equipamientos disponibles en cada zona forman parte del
entramado urbano y condicionan cada uno de los viajes caracterizándolos en tanto
origen y destino, como en modo y motivo. El resultado del βequi dependerá del
intervalo definido para el número de equipamientos totales sobre cada zona Zi .

Número de viajes. La descripción de la variable número de viajes está condicio-


nada por el número de equipamientos disponibles en cada una de las Zi . El objetivo
es obtener el coeficiente de seguridad mı́nimo de un arco (βviajes ), relacionado con
el número de viajes. Con esta finalidad, el algoritmo tiene presente los equipamien-
tos entendidos como generadores y atractores de viajes obligados. En definitiva,
168 6. Modelo de optimización propuesto

aquellos equipamientos que produzcan un flujo de viajes habitual para cada uno de
los usuarios al cabo de un dı́a. En este sentido, se entienden como equipamientos
generadores y atractores de viajes los equipamientos educativos, los equipamientos
comerciales y los equipamientos industriales y oficinas. La elección de este tipo de
equipamientos corresponde con la definición de viajes obligados, que se producen
como consecuencia dichos equipamientos 20 .

βviajes = (a < Zviajesi ≤ b) ∀(a, b)i ∈ Zi (6.43)

El estudio de la variable de viajes se centra en la revisión de las zonas más


importantes a analizar en cuanto al número de viajes. Tiene especial interés el
análisis de las MOD y en la seguridad mı́nima βviajes que debe tener cada uno de
los arcos para que sea dado como óptimo en la posible planificación y diseño de
la infraestructura destinada al uso de la bicicleta para trazar la red que una cada
una de las Zi .

Agrupaciones.

Una manera de optimizar la influencia de todas las variables que intervienen en el


peso de la seguridad zonal se basa en la agrupación de las variables por temáti-
cas. Todas las variables incluidas en la programación matemática presentada se
clasifican en una de estas categorı́as:

❼ Población. En este grupo se han introducido las variables sobre edad, sexo,
número de estudiantes y trabajadores. Cada una de estas variables condiciona
el comportamiento de movilidad de la población, tal y como se ha señalado
con anterioridad por la influencia notable de estas variables sobre las pautas
viajes y percepciones de seguridad. Se define la variable de agrupación de la
población como αpoblacion .

❼ Vivienda. Para caracterizar el conjunto de variables de Vivienda, se han teni-


do en cuenta algunos parámetros que son representativos en la generación y
tipologı́a de viajes 20 . El valor de αvivienda está formado por la seguridad mı́ni-
ma asociada a las variables del número de hogares por zona, el tamaño de
6.3. Modelo de optimización 169

hogar medio, el número de vehı́culos totales disponible por zona y el número


de hogares que disponen de vehı́culos.
❼ Usos del suelo. La agrupación de los diferentes usos de suelo está representa
por αusuelo , Se caracteriza por las variables de los diferentes equipamientos
disponibles en cada una de las zonas y por el número de viajes.

Tras lo descrito en este capı́tulo, el concepto de perfiles zonales facilita un correcto y


óptimo cálculo para los coeficientes de seguridad mı́nimos adoptados por el conjunto
de ai,j . De este modo se garantiza que el total de arcos que componen la red se
tengan en consideración en cada una de las zonas de transportes en las que se
divide la zona de estudio. La utilización de las diferentes agrupaciones posibilita,
de una manera cómoda, atribuir a cada conjunto el peso asignado correspondiente,
siempre respetando la condición impuesta por el algoritmo respecto al sumatorio de
las agrupaciones. Esta restricción tiene como objetivo la relación de control entre
los tres conjuntos y se define como:
X
α= (αpoblacion + αvivienda + αusuelo ) ∀ α=1 (6.44)

Para garantizar una mejor planificación y diseño de las futuras infraestructuras


para la bicicleta, se ha clasificado las diferentes variables en 3 categorı́as. Cada
una de estas categorı́as posee un peso especı́fico de importancia relacionado con
el factor de seguridad mı́nimo que deben de tener cada uno de los arcos (ai,j ).
Cada uno de los valores o pesos de las 3 categorı́as condicionan la mayor o menor
importancia que se le otorgan a cada conjunto de variables. Dependerá siempre
de las caracterı́sticas propias del caso de estudio en cuestión o de las preferencias
asignadas por los técnicos responsables.

Se concluye con el apartado de las agrupaciones de las tres variables descritas.


Una manera de obtener el mayor número de usuarios, tal y como se ha apreciado
tras el análisis de la documentación cientı́fica consultada, consiste en obtener la
mayor sensación de seguridad para los diferentes usuarios de la vı́a pública. De
este modo, cada uno de los arcos (ai,j ) pertenecientes a las diferentes Zi llevan
consigo unas seguridades mı́nimas para cada una de las variables agrupadas
170 6. Modelo de optimización propuesto

(población, vivienda y usos del suelo). El resultado impuesto por el algoritmo


recae en garantizar la máxima seguridad para el total de los usuarios. Por esta
condición el ai,j elegido corresponderá con la tipologı́a de infraestructura de
carril bici más segura para la Zi pertinente. Todo ello se derivará a partir de las
diferentes percepciones de seguridad de la población de la zona de estudio.

El diseño presentado posibilita tres combinaciones para el cálculo de los Perfiles


de Seguridad presentados en el presente capı́tulo. La primera opción expuesta por el
algoritmo se resume en la creación de diferentes perfiles de seguridad-tipo proyectado
a partir de los datos sobre movilidad y preferencias de uso que se obtienen como
conclusión de las encuestas de movilidad. Este primer perfil de seguridad se adapta a la
totalidad de los arcos (ai,j ) que forman la red vial del caso de estudio, dónde cada uno
de los arcos debe cumplir una seguridad mı́nima común para que el algoritmo trate a
dicho ai,j como favorable.

Por otro lado, se opta por la agrupación de datos zonales. De este modo se comprueba
la seguridad mı́nima que deben de cumplir los arcos para que sean tratados como aptos
a la hora de considerarlos en la planificación de la futura red de carriles bici. Las
diferentes variables estudiadas están relacionadas con la información de la base de datos
de la red vial dónde se definen los diferentes coeficientes de seguridad mı́nima de cada
variable β. Una primera comprobación del algoritmo se basa en verificar la zona a la
que pertenece cada arco, donde éste adquiere las diferentes caracterı́sticas propias de
la zona a la que corresponde. El total de las β de cada variable será el encargado de
capacitar la seguridad mı́nima que debe soportar cada ai,j .

En la investigación llevada a cabo se han diferenciado que variables afectan a


la percepción de seguridad y protección de los diferentes usuarios. Un esfuerzo para
aumentar el número de usuarios de la bicicleta se basa en mejorar el diseño de las
futuras infraestructuras destinadas a dicho uso. En este sentido se destaca la tercera
parte de los Perfiles de Seguridad basadas en las agrupaciones de las diferentes variables
zonales. La división en datos de población, vivienda y usos del suelo, tienen un doble
objetivo. El primero es complementar y darle un valor de representación mayor a las
6.3. Modelo de optimización 171

diferentes variables agrupadas, realizando estudios de percepciones de seguridad con


una doble profundidad y exactitud.

Desde otro punto de vista, tiene como objetivo poder simplificar la labor de los
diferentes técnicos encargados en planificar y diseñar las infraestructuras destinadas al
uso de la bicicleta. El proceder de dicha tarea se basa en la sola implantación del cálculo
de los coeficientes de seguridad mı́nima α de las diferentes agrupaciones de datos, dónde
cada peso de las variables individualmente β tendrı́an el mismo valor. Se destaca un
perfil de seguridad zonal con datos agregados, con un cálculo muy rápido para cualquier
estudio sobre la implantación y diseño de carriles bici.

Optimización de la Seguridad

La posibilidad de implantar el carril bici en el espacio de la vı́a pública ha sido uno


de los principales objetivos planteados en la presenta investigación. El procedimiento
explicado durante el desarrollo de este capı́tulo, resume una nueva forma de tener en
cuenta el entramado urbano desde el punto de vista de la infraestructura, y desde la
relación que posee con cada uno de los diferentes usuarios de la vı́a pública y las prefe-
rencias en cuanto a movilidad a la hora de realizar el número total de desplazamientos
dentro de un municipio.

Con el fin de obtener la mejor infraestructura posible se ha estructurado la configura-


ción del algoritmo para proporcionar la solución más segura dependiendo de las variables
seleccionadas que tomarán partido en la caracterización de cada uno de los arcos, ai,j , de
la red vial. Para garantizar la seguridad máxima, se realiza la comprobación de cada uno
de los ai,j , con la seguridad intrı́nseca que poseen por sus caracterı́sticas fı́sicas (Svi,j ),
la seguridad asociada a la tipologı́a de “carril bici” que puede implantarse en el arco
(Scbi,j ), obteniéndose una seguridad total que posee cada ai,j cómo suma de Svi,j y Scbi,j .

Para la aceptación de validez de cada uno de los arcos como ”aptos” a tener en
cuenta para la posible red de infraestructura de la bicicleta, se ha establecido a partir
de la seguridad del usuario Su. Dicho coeficiente marcará la seguridad mı́nima que debe
disponer cada ai,j que conforma la red vial para que sea declarado como idóneo a la
172 6. Modelo de optimización propuesto

hora de poder implantar la infraestructura para la bicicleta.

En este sentido, se ha desglosado con anterioridad los dos perfiles de seguridad


configurados en el algoritmo, el perfil de usuario y perfil zonal. En el primer caso, para
el perfil de usuario genérico es necesario definir los diferentes tipos de usuario según
su hábito de uso de la bicicleta. Y, por tanto, una seguridad mı́nima relacionada para
dicho usuario 4 . El resultado de la optimización de seguridad se obtiene con la totalidad
de arcos que forman la red vial, con una seguridad mayor que la mı́nima definida por
P u. Éstos arcos definen las diferentes posibilidades de la infraestructura de carriles bici
a partir de la optimización de la seguridad.

El procedimiento llevado a cabo para el segundo caso es similar. Se diferencia en el


uso de perfiles de seguridad zonales. La seguridad mı́nima que debe de obtener cada ai,j
está condicionada por la zona en la que se encuentre. Los datos revisados para cada una
de las zonas son: sexo, rango de edad, tamaño medio del hogar, número de vehı́culos,
número de hogares con disponibilidad de vehı́culos, número de personas que estudian,
número de personas trabajadoras, número de equipamientos y número de viajes.

Cada una de las variables limitan el aumento o la disminución de la seguridad de


cada uno de los arcos revisados ai,j . Se procede a buscar la mejor opción de carril bici
en función de la posible implantación de las diferentes tipologı́as de infraestructuras
para la bicicleta.

Es importante no descartar ninguna de las posibles soluciones que pueden existir


en la implantación de una infraestructura en los arcos que componen el entramado
urbano de cualquier ciudad. Se realiza una comprobación de todas las opciones capaces
de ajustar el carril bici en el arco. En un mismo arco ai,j se pueden implantar diferentes
tipologı́as de carril bici. La seguridad asociada al arco es siempre la misma (Svi,j ) y la
seguridad total (Sti,j ) depende del tipo de carril bici que se puede realizar en el ai,j . Por
lo tanto, la posibilidad del arco con mayor seguridad será el óptimo a tener en cuenta
para la planificación de la red ciclista final.
4
En la tabla 6.8 se exponen los diferentes perfiles de usuario genérico junto a la seguridad mı́nima
de cada uno de ellos.
6.3. Modelo de optimización 173

Cálculo de Rutas Mı́nimas

Se procede a explicar el cálculo de las rutas mı́nimas con las diferentes tipologı́as
de infraestructura para la bicicleta entre los orı́genes y destinos destacado en el caso
aplicado del municipio de Málaga. La metodologı́a se basa en la búsqueda de todos los re-
corridos determinados por la red caracterizados por todos los elementos que la componen.

La relación de los diferentes elementos del modelo de red estás representados con
un grafo G = (N;A), donde N es el conjunto de nodos y A es el conjunto de arcos que
conectan pares de nodos. En el caso particular del modelo de red de la ciudad de Málaga,
se ha construido el digrafo ponderado5 con todas las caracterı́sticas, a nivel de arco, que
forman parte de las restricciones a tener en cuenta en el cálculo del camino más corto
entre pares de nodos principales. Se describe, pues, como:

X
minZ = do,d (6.45)
o,d∈[1,··· ,M ]

En este sentido, se ha desarrollado el problema de la ruta más corta entre los


centroides de la zonificación correspondiente para la ciudad de Málaga. Está basado en
el Algoritmo de Dijkstra 32 y su objetivo es encontrar el camino más corto o distancia
entre todos los pares de nodos (x e y) del grafo diseñado para la red vial.

La basa de datos usada es el resultado obtenido con el análisis de las diferentes


restricciones formuladas por el algoritmo en el modelo de optimización. Dicho proceso
está planteado para, después del análisis de las restricciones, tener una simplificación del
modelo de red vial de la ciudad de Málaga Se obtiene de este modo una red simplificada
con los arcos (ai,j ) capaces de ser considerados para la futura infraestructura de ”carriles
bici” de la ciudad.

5
Un grafo es etiquetado o ponderado cuando dispone de aristas con asignación de peso (p), siendo
éste un número real positivo.
174 6. Modelo de optimización propuesto

Aplicación del algoritmo de Dijkstra El empleo del Algoritmo de Dijkstra 32 se ha


llevado a la práctica con el objetivo de calcular rutas especı́ficas para una red ciclista,
con conocimiento del origen y el destino de la ruta en cuestión.

Para un nodo X de origen y un nodo Y final, dk (x) corresponderá a la etiqueta


del nodo x que será el indicativo de la distancia del nodo inicial al x en la iteración
k-enésima. Como primer paso, se debe etiquetar al nodo inicial como d0 (X) = 0,
puesto que la distancia del nodo con respecto a él mismo es nula. Para el resto de
nodos de la red se formula como d0 (x) = ∞. Con la variables p, como indicador del
último nodo etiquetado de forma permanente, correspondiente para el primer caso p = X.

En el caso que todos los nodos y estén conectados con el nodo p, es decir, existe el
arco conector (p, y), calculando su correspondiente etiqueta temporal para la iteración
k-enésima, como: dk (y) = min[dk−1 (y), dk−1 (p) + a(p, j)]. Existe la peculiaridad de
conservar la etiqueta de la iteración anterior: dk (x) = dk−1 (x) para todos los nodos x no
conectados con p.

Para los nodos y que no poseen su etiqueta fija, se realiza la labor de buscar
la de menor etiqueta. Una vez localizada, pasará a ser permanente y, por tanto, el
nodo se considerará un nodo p, es decir: dk (p) = min[dk (y)]. Una vez realizada esta
comprobación, se vuelve a revisar el cálculos de los diferentes nodos y conectados con el
nodo p. De esta forma, todos los nodos que dispongan de etiquetas permanentes pasarán
a formar parte de la distancia del nodo inicial X.

En el caso particular del caso de estudio del municipio de Málaga se ha presentado


un listado de corredores que enlaza las diferentes zonas de transporte existentes en las
que se divide la ciudad. El algoritmo se basa en calcular la ruta mı́nima entre cada par
de centroides que serán el resultado de la red urbana ciclista.
7

Modelos de simulación propuesto

175
176 7. Modelos de simulación propuesto
7.1. Introducción 177

7.1. Introducción
En este capı́tulo se describe la metodologı́a llevada a cabo para la simulación de
la planificación y diseño de la red ciclista urbana del municipio de Málaga. Se va a
desarrollar los pasos seguidos para construir el modelo de simulación basado en la
programación con Java.

Se diferencian 2 etapas seguidas para llegar a construir el modelo de simulación


final. El primer apartado del modelo está basado en la lectura, por parte de Java, de
la programación matemática del algoritmo en Matlab y su correspondientes resolución.
El segundo apartado, se centra en la visualización de la red ciclista final para el caso
particular de Málaga. Se concibe los diferentes mapas a partir de sistemas de información
geográfica, como ArcGIS1 .

7.2. Planificación del diseño de simulación


La primera dificultad encontrada a la hora de conseguir una simulación eficaz y
rápida, en el tiempo de procesado, ha sido superar la dificultad de lenguajes usado en la
creación del algoritmo con la aplicación del software. En definitiva, conseguir que Java
permitiese interactuar con la programación de Matlab. Posteriormente, se desarrolló la
posibilidad de mostrar los resultados visualmente sobre un mapa georeferenciado. De
manera que el potencial del software creado fuese total a la hora de utilizarlo como una
herramienta para la planificación y gestión de redes de infraestructuras para la bicicleta.

El software empleado para el desarrollo de la aplicación ha sido Java con la versión


1.8.45. El uso de Java se ha debido a su facilidad para desarrollar aplicaciones y su
facilidad de ejecución. Se ha necesitado de la librerı́a de componentes para interfaces
gráficas Java Swing 2 . En cuanto a Matlab, se ha usado la versión 2012a. Además de
la herramienta MatlabControl(4.1.0) que permite la comunicación directa entre Java
1
ArcGIS es un producto de la compañı́a ESRI. Un software diseñado para el uso y tratamiento de
los sistemas de información geográfica.
2
Java Swing es una biblioteca gráfica para Java que incluye widgets para integrar gráficas de usuario
como pueden ser cajas de texto, pulsadores o botones, desplegables y tablas.
178 7. Modelos de simulación propuesto

y Matlab a través de sus librerı́as. Finalmente, para la visualización de los resultados


en mapas se ha usado SDK ArcGIS for Java3 que consiste en un kit de desarrollo para
mostrar los resultados visualmente sobre un mapa.

El procedimiento llevado a cabo por Java se inicia a partir de generar el código de


Matlab, en el que está basado el algoritmo. Para comunicarse con Matlab, se obtiene el
objeto de configuración para formatos xml:

C o n f i g u r a t i o n P a r a m e t e r c o n f i g = ConfigXml . o f ( xml ) ;

El proceso realizado por Java para Matlab está basado en 3 pasos:

Generar el código.
Matlab
CodeMatlabGenerator cmg = new CodeMatlabGenerator ( c o n f i g , f i l e s P a t h ) ;
cmg . g e n e r a t e ( ) ;

Generar las opciones de conexión a Matlab.


Matlab
MatlabProxyFactoryOptions o p t i o n s = new MatlabProxyFactoryOptions . B u i l d e r ( )
. setHidden ( true )
. setProxyTimeout ( 6 0 0 0 0L)
. build ( ) ;

Ejecutar el código generado.


Matlab
MatlabProxyFactory f a c t o r y = new MatlabProxyFactory ( o p t i o n s ) ;
MatlabProxy proxy = f a c t o r y . getProxy ( ) ;
proxy . e v a l ( code ) ;

La aplicación Java genera el código Matlab a partir del algoritmo base y del fichero
de configuración de variables. Es en éste segundo, dónde se define una amplia cantidad
de parámetros y condiciones que permiten modificar el comportamiento del algoritmo
de un modo muy flexible.

3
La versión empleada para ArcGIS Runtime SDK para Java ha sido la 10.2.4. Actualizada para
octubre de 2014.
7.2. Planificación del diseño de simulación 179

Una vez el código Matlab ha sido generado, es enviado a Matlab para su procesa-
miento. A continuación, se ejecuta el código y se obtiene la resolución. El código usado
para obtener los resultados procedentes de Matlab, se corresponde con:

Matlab
Object returnArguments = proxy . g e t V a r i a b l e ( ” dr ” ) ;
Object t i p o s C a r r i l = proxy . g e t V a r i a b l e ( ” Tipcb ” ) ;

Para finalizar la primera parte de lectura, la programación de Java está configurada


para cerrar la conexión existente con el algoritmo en Matlab. De este modo, se ha
obtenido como resultado la optimización de los diferentes arcos capaces de ser aptos
para formar parte de la red urbana ciclista para el municipio de Málaga. Además, de
su correspondiente optimización de recorridos gracias a las variables que condicionan
los parámetros de seguridad. Se obtiene como resultado la tipologı́a de “carril bici” más
adecuada para cada uno de los casos estudiados.

El hecho de usar Matlab, como servicio para ejecutar el código, responde a la


siguiente razón: el código generado por nuestra aplicación Java puede ser ejecutado
directamente sobre Matlab independientemente. Sin necesidad de hacer uso de dicha
aplicación, permitiendo ası́ la posibilidad de trabajar de un modo independiente sobre
Matlab. Si sólo se desea trabajar con los resultados generados por Matlab, se puede usar
la aplicación Java de una manera independiente. Capaz de generar el código Matlab a
partir del fichero de configuración creado de un modo más fácil y seguro, en comparación
con modificar directamente el código Matlab. Cuando se dispone del código generado ya
es posible trabajar con él sobre Matlab.

Cuando se desee hacer uso del todas las capacidades de la aplicación Java, el software
generará el código Matlab y se comunicará de un modo transparente con Matlab, a
partir de la lectura de los resultados. Haciendo uso de ellos automáticamente para
ofrecer una visualización más comprensiva de los resultados del problema.

El resultado de la ejecución de Matlab, es leı́do dinámicamente por el software desa-


rrollado en Java que emplea el resultado para mostrarlos de una manera visual. Para ello,
muestra una tabla de resultados dónde se observa cada una de las ruta calculadas para los
180 7. Modelos de simulación propuesto

54 corredores en los que se ha distribuido la red ciclista. Los datos facilitados en la tabla
de resultados corresponden al origen y destino de cada uno de los corredores, su distan-
cia total de recorrido y la ruta a seguir entre el conjunto de nodos que forman el corredor.

Para cada ruta, la aplicación es capaz de indicar qué tipo de “carril‘bici” es el más
indicado para cada arco del camino, tras el cálculo de la optimización de seguridad
realizado. Además, el software es capaz de interpretar y dibujar cada una de las rutas
sobre un mapa. A través de una ejecución con el software de ArcGis. Lo que facilita la
lectura de los resultados obtenidos. Y, por tanto, sirve como una herramienta rápida
e intuitiva para facilitar el análisis y planificación de las infraestructuras para la bicicleta.

Se expone el código usado en la aplicación desarrollada en Java para la lectura con


el software de ArcGIS a partir del kit para desarrollo de SDK ArcGIS for Java.

Para dibujar una ruta en el mapa.


MAPA
C o l o r c o l o r = generateRandomColor ( ) ;

Lı́nea a dibujar en el mapa.


mapa
SimpleLineSymbol symLine = new SimpleLineSymbol ( c o l o r , 4 ) ;

Representación del objeto de lı́nea.


ruta
P o l y l i n e p o l y l i n e = new P o l y l i n e ( ) ;

Obtención de los nodos de ruta.


Po i n t
pointGeometry = getPointFromNodeUTM ( currentNode ) ;

Para añadir el nodo a la ruta.


ruta
p o l y l i n e . l i n e T o ( pointGeometry ) ;

Se crea un sı́mbolo gráfico para representar en pantalla.


7.2. Planificación del diseño de simulación 181

pantalla
SimpleMarkerSymbol nodeMarker = new SimpleMarkerSymbol
SimpleMarkerSymbol ( c o l o r , 1 3 , S t y l e . CIRCLE ) ;

Se asocia el punto geográfico (nodo) con el sı́mbolo gráfico.


g r á f i c o
Graphic p o i n t G r a p h i c = new Graphic ( pointGeometry , nodeMarker ) ;

Para añadir el punto al mapa.


mapa
myGraphicsLayer . addGraphic ( p o i n t G r a p h i c ) ;

Se asocia la ruta con la lı́nea a dibujar.


dibujar
Graphic p o l y l i n e G r a p h i c = new Graphic ( p o l y l i n e , symLine ) ;

Se añade el gráfico de lı́nea al mapa.


mapa
myGraphicsLayer . addGraphic ( p o l y l i n e G r a p h i c ) ;
182 7. Modelos de simulación propuesto
8

Aplicación del caso práctico

183
184 8. Aplicación del caso práctico
8.1. Introducción 185

8.1. Introducción
En capı́tulos anteriores, se ha desarrollado los procedimientos y métodos seguidos
para el tratamiento de datos y la metodologı́a llevada a cabo en la elaboración de la
infraestructura de la red vial del municipio. Esta será la base de aplicación para el caso
de estudio en cuestión.

En este capı́tulo se va a exponer uno de los principales objetivos en la elaboración


de este trabajo: la aplicación de un método de optimización de recorridos de una red
completa destinada al uso de la bicicleta para un caso de estudio real. Ası́, como del
propio diseño de la infraestructura planificada.

El empleo de esta metodologı́a en redes simples ha ayudado a definir posibles errores


de aplicación y mejorar el algoritmo. Para, finalmente, ponerlo en servicio de un caso
con dimensiones que permitan el tratamiento de un gran número de datos en un tiempo
razonable para el alcance de la solución óptima de trabajo. La presente aplicación del
trabajo a un caso real permitirá realizar una comparativa de las diferentes soluciones
obtenidas por el algoritmo. Todo ello caracterizado por el entramado urbano real del
caso de estudio.

8.2. Descripción del caso de estudio


El caso de estudio elegido, es la ciudad de Málaga y el sistema de carriles bici que
opera en la actualidad. El término municipal de Málaga se encuentra situado en el sur
de la penı́nsula ibérica, en el extremo oeste del mar Mediterráneo. Con una extensión,
aproximada, de 398 km2 , la ciudad se sitúa en el centro de la bahı́a. Rodeada de
sistemas montañosos y dos rı́os, el Gualdalhorce y el Guadalmedina, que traspasan la
ciudad hasta desembocar en el Mediterráneo.

A continuación, se van a exponer los datos que se han tenido en cuenta para la
realización del caso práctico en la ciudad de Málaga. Algunos de estos datos, se han
presentado con anterioridad en este trabajo, recapituladas en el capı́tulo 4. Tratamientos
de datos.
186 8. Aplicación del caso práctico

Figura 8.1: Situación Término Municipal de Málaga

Datos de Población

La población del municipio de Málaga, a comienzos de 2013, era de 568.479 habitan-


tes1 . El crecimiento demográfico mantenido en la ciudad ha sido ascendente desde los
años 60, cuando se contabilizaban algo más de 300.000 habitantes. Con un aumento de
la población superando el umbral de los 500.000 habitantes en la década de los ochenta.
Ocasionando un impacto caracterı́stico demográfica y socialmente sobre la estructura
fı́sica de la ciudad.

La distribución de la población, existente a tal fecha, es heterogénea en el término


municipal de Málaga. Esto es debido a su considerable extensión y la gran dispersión
territorial de su entramado urbano. No obstante, la mayor parte se concentra en los
barrios que constituyen el frente litoral de la ciudad. Destacando la zona de la Carretera

1
Datos procedentes de estadı́sticas del padrón municipal y de las variaciones intercensales del INEbase
(Instituto Nacional de Estadı́stica).
8.2. Descripción del caso de estudio 187

Figura 8.2: Evolución población Málaga

de Cádiz, el Centro Histórico y el Este, con una participación del 20 %, el 15,2 % y el


11,7 %, respectivamente, en relación a la población total de Málaga2 . El resto de la
concentración poblacional se localiza en su parte oeste. Concretamente en los barrios de
Bailén-Miraflores, con un 11,2 %, pero sobre todo en la zona del Cruz del Humilladero,
donde habita el 16,9 % de la población malagueña 3 .

La distribución poblacional, en el municipio, se caracteriza por la pérdida de


población del Centro Histórico de Málaga. Aunque sigue siendo el encargado de gran
parte de la actividad administrativa, comercial y de servicios del área metropolitana,
caracterizando de este modo el nuevo diseño de la movilidad urbana.

No obstante, las zonas que poseen una mayor concentración de efectivos poblaciona-
les de la ciudad son la Carretera de Cádiz, El Perchel y Cruz de Humilladero. Dónde
habitan aproximadamente la mitad de la población urbana total. Es debido a esto, se
convierten en las zonas con más alta tasa de generación de viajes de la ciudad hacia el
Centro Histórico. Que, a su vez, está determinado por ser el mayor centro atractor de
viajes, junto con la zona industrial del Guadalhorce.

Realmente la población, en la ciudad de Málaga, está singularmente distribuida de


2
Distribución poblacional extraı́das del PMMS (Plan Municipal de Movilidad Sostenible) de Málaga.
3
Distribución poblacional extraı́das del PMMS (Plan Municipal de Movilidad Sostenible) de Málaga.
188 8. Aplicación del caso práctico

Figura 8.3: Densidad poblacion Málaga

forma predominante en la mitad oeste del municipio, en detrimento del litoral este.
Los barrios más poblados son todos aquellos situados entre la Ronda Oeste y el rı́o
Guadalmedina, junto con Teatinos, Olletas y el frente litoral. En relación a los núcleos
más alejados del centro urbano, su importancia poblacional no es representativa. Los
núcleos de Campanillas y Churriana sólo concentran el 2,9 % y 3,2 % de la población total
respectivamente. En una comparativa con el resto de aglomeraciones urbanas andaluzas,
la densidad del municipio de Málaga se estima, aproximadamente, en 1.423,5 hab./km24 .

Datos de Motorización

El factor de la motorización constituye uno de los principales condicionantes de la


proporción del reparto modal del automóvil del municipio. En comparación con otras
4
Datos extraı́dos del Instituto de Estadı́stica y Cartografı́a de Andalucı́a, de la Consejerı́a de Eco-
nomı́a y Conocimiento de la Junta de Andalucı́a, para el núcleo poblacional de Málaga en el 2015.
8.2. Descripción del caso de estudio 189

Figura 8.4: Índice motorización Málaga

ciudades andaluzas, el ı́ndice de motorización en Málaga se considera muy elevado.


Aproximadamente con un total de 475 vehı́culos por habitante5 .

La heterogeneidad de la motorización se hace presente en toda la aglomeración.


Los valores de motorización del centro del municipio están entre la media española y
europea de 400 vehı́culos para cada 1000 habitantes6 . Mientras que en la corona exterior
este ı́ndice aumenta al máximo de la ciudad de Málaga. Es un hecho constatado como
existe una diferencia entre la motorización de los diferentes barrios.

En este sentido, tal y como se puede observar en el mapa de Índice de Motorización del

5
Datos extraı́dos del Instituto de Estadı́stica y Cartografı́a de Andalucı́a, de la Consejerı́a de Eco-
nomı́a y Conocimiento de la Junta de Andalucı́a, para el año 2006.
6
Libro Verde: Hacia una nueva cultura de la movilidad urbana. Elaborado por la Comisión de las
Comunidades Europeas, Bruselas (2007).
190 8. Aplicación del caso práctico

municipio de Málaga 7 los barrios de Cruz de Humilladero, El Perchel Sur, Capuchinos,


Olletas y Teatinos muestran los ı́ndices de motorización más elevados. Datos ajustados a
la caracterización de zonas con mayor población. Hay que tener en cuenta como los usos
del suelo puede ser un determinante en el nivel de motorización de cada una de las zonas,.
De este modo, tal y como se explicó en el apartado de Perfiles Zonales de seguridad, se
expone la relación del número de equipamientos respecto al factor de seguridad asociado
a los arcos posibles para implantar la infraestructura de carriles bici en cada una de las
zonas determinadas.

Datos de Movilidad y Transportes

Para obtener una evaluación de las pautas de movilidad urbana sufridas en el


municipio de Málaga, ha sido necesario realizar una comprobación y análisis de los
resultados sacados en los estudios de movilidad realizados con anterioridad 27 28 29 .

A partir del Estudio de Demanda de Movilidad en la ciudad de Málaga (2014) 29 ,


se obtienen gran parte de los datos básicos de movilidad del municipio. El flujo de
viajes resultantes que se producen en un dı́a laborable es de 1.380.984 desplazamientos.
Repartidos en un 50.1 % como viajes mecanizados y, el 49.9 % de los viajes como
no mecanizados. En comparación con datos del 2008, se produce un aumento de la
movilidad no motorizada en el municipio de Málaga.

En relación a la intensidad de la red vial, la distribución del tráfico motorizado en


la ciudad sigue unos patrones caracterı́sticos. Se basa en la localización de las diferentes
actividades profesionales (industrial, comercial y servicios) de Málaga. Estos patrones se
repiten en el principal viario de entrada y salida, con especial atención a las horas punta
de la mañana para los viajes destinados en su mayorı́a al acceso del centro urbano. Y,
en sentido contrario, existe una hora punta de regreso de viajes asentado en las horas
de mediodı́a y la franja horaria de 6 a 7 de la tarde 24 .

En la figura 8.5, se puede observar un mapa de las principales vı́as canalizadoras


del tráfico motorizado para el municipio de Málaga 24 . Se establece una clasificación de
7
Mapa de Índice de Motorización del municipio de Málaga, extraı́do del PMMS (Plan Municipal de
Movilidad Sostenible) de Málaga.
8.2. Descripción del caso de estudio 191

Figura 8.5: Principales vı́as canalizadoras de Málaga

la estructura de ejes viarios. Existe una distribución muy concreta de las actividades
económicas en la ciudad y la relación proporcional con el ı́ndice de motorización y la
densidad poblacional.

Uno de los objetivos prioritarios en toda gran ciudad, como el caso de Málaga, es
garantizar un servicio de transporte público eficiente, cercano y accesible a todas las
personas. Con el objetivo de disuadir al mayor números de usuarios estimulando un uso
de los modos de transportes sostenibles en favor al uso masivo del vehı́culo privado.
La proximidad del transporte público es uno de los factores más importantes a la hora
de incentivar un mayor uso de la población. Se interrelaciona con la continua mejora
sufrida, en los últimos años, en las infraestructuras destinadas para uso exclusivo de los
diferentes sistemas de transporte público, estimulando la progresión de la intermodalidad
en los desplazamientos de los usuarios.
192 8. Aplicación del caso práctico

Figura 8.6: Plazas aparcamiento bicicleta en Málaga

Datos de Movilidad en Bicicleta

La actual apuesta, por parte del Ayuntamiento de Málaga, para la implantación


de una infraestructura destinadas al uso de la bicicleta 8 empieza a ver sus frutos. Se
percibe el aumento del reparto modal del 0.4 % para el año 2008, hasta obtener un
1.7 % 29 en la actualidad. El crecimiento sufrido en la ciudad en el número de usuarios
que eligen la bicicleta como modo de transporte, también está condicionado por la puesta
en marcha del servicio de bicicleta pública, malagabici. A dı́a de hoy, cuenta con un total
de 23 estaciones repartidas por el centro histórico de la ciudad y principales ubicaciones
estratégicas para la movilidad del municipio. Y más de 400 bicicletas disponibles para
los usuarios. También, se hace mención a los nuevos aparcabicicletas instalados en la
actualidad, constituyendo un total de 900 plazas para el estacionamiento de bicicletas
privadas.

Datos de Zonificación

Partiendo de la documentación desarrollada en el capı́tulo sobre Tratamiento de


Datos de la presente investigación, se va a proceder a explicar la zonificación empleada
para el caso de estudio del municipio de Málaga 24 .

El modelo se encuentra representado por una zonificación elaborada en el desarrollo


8
Actualización de las previsiones de movilidad en la ciudad de Málaga, llevadas a cabo por el Plan
Especial de Movilidad Urbana Sostenible de Málaga, con la actualización para el año 2015. Elaborado
por el Área de Movilidad del Ayuntamiento de Málaga.
8.2. Descripción del caso de estudio 193

Figura 8.7: Infraestructura del carril bici en Málaga

de la presente tesis doctoral. Esta zonificación está basada en Macrozonas. Dichas


macrozonas, son el resultado de la división de transporte realizada por la EMTSAM 9
para el Área de Tráfico y Movilidad del Excmo. Ayto. Málaga. No obstante, para poder
interrelacionar estos estudios, se han asociado las distintas macrozonas a las Áreas
Histórico-Tipológicas que se presentan en el PGOU de la ciudad 27 28 .

La adaptación de las nuevas macrozonas surge para suplir la falta de información


existente en los diferentes trabajos revisados asociados a la movilidad del municipio. Se
toma como base la distribución administrativa del municipio de Málaga de secciones
censales facilitadas en el Instituto Nacional de Estadı́stica10 . Se disponiendo de cifras de
9
Empresa Malagueña de Transportes, Sociedad Anónima Municipal. Empresa del Excelentı́simo
Ayuntamiento de Málaga, responsable de la gestión del transporte urbano en la ciudad de Málaga.
10
La riqueza de la base de datos del Censo de Población y Vivienda permite conocer las caracterı́sti-
cas de las personas relacionadas con: sexo, edad, nacionalidad, niveles de estudios, situación laboral,
movilidad, etc. Se disponen, a su vez, de datos sobre el tamaño, composición y núcleos de los hogares,
describiendo diferentes categorı́as de viviendas, dependiendo de la superficie, habitaciones e incluso régi-
men de tenencia. Otros de los datos más importantes, usados en la elaboración de este proyecto, han
194 8. Aplicación del caso práctico

Figura 8.8: Clasificación zonal de Málaga. Elaboracion propia.

población y censo demográfico con datos actualizados para el año 2011.

Como resultado, se dispone de una nueva zonificación en 32 macrozonas, basadas en


las presentadas por la EMTSAM. Todas adaptadas a la distribución del censo facilitado
por el INE con las secciones censales. El conjunto de la base de datos por secciones
censales actualizadas hace alusión a la zonificación resultante de 32 macrozonas elaborada
en la presente investigación.

sido los vinculados a los diferentes equipamientos, donde se detallan el número y las diferentes tipologı́as
(culturales, educativos, sociales, deportivos, industriales, etc.) existentes para cada una de las secciones
censales analizadas.
8.2. Descripción del caso de estudio 195

Datos de Infraestructura de Red Vial

Uno de los ejes centrales de la investigación es la elaboración del modelo de red


vial de la ciudad de Málaga. Para conseguir la optimización y diseño las diferentes
infraestructuras para la bicicleta se dispone de la base de datos elaborada a partir de
un modelo de red. Dicha modelización se llevó a cabo con el uso de PTV Visum 11 ,
adquiriendo una modelización consistente capaz de incluir a todos los usuarios de las
vı́as públicas y sus interacciones con el entramado urbano.

Se formulan las variables que condicionan la red vial:

1. Nodo origen y destino: cada arco está definido por la conexión de nodos existente,
representados por el inicio y final del propio arco.

2. Tipo de vı́a: para la modelización vial se han establecido 5 categorı́as de vı́as


diferentes, con caracterı́sticas genéricas propias para cada tipo. Las clases de vı́as se
corresponden con: Semipeatonal, Urbana, Arterial, Carretera Nacional y Autovı́a.

3. Modo de transporte: para el caso particular de este estudio, se han incorporado


4 modos de transporte: B (bus), C (coche), W (a pie) y Bi (bicicleta). Cada uno
de estos modos tiene sus caracterı́sticas propias que condicionan la red vial del
municipio.

4. Longitud: gracias al uso de herramientas basadas en sistemas de información


geográficas, se dispone de la longitud de cada uno de los tramos de calles en los
que se divide la red diseñada.

5. Número de carriles: cada uno de los arcos dispone de información sobre el número de
carriles que conforman la calzada. El número de carriles puede variar dependiendo
del tipo de vı́a o, en su caso, de tramos especiales del vial.

6. Anchura de carriles: una información muy valiosa para este estudio es el poder
disponer de una descripción del ancho de cada uno de los carriles que conforman la
infraestructura de la red vial de Málaga. Esta información repercute directamente
11
PTV Visum es uno de los software de modelización del transporte de PTV Group, perteneciente
a Vision Traffic Suite es el estándar mundial en planificación de transporte, ingenierı́a de tránsito y
simulación de tráfico basada en software y en gestión de datos SIG.
196 8. Aplicación del caso práctico

en la posibilidad de incorporar el carril bici en calzada o en su detrimento buscar


otra alternativa viable para su ejecución.

7. Sentido de los carriles: la base de datos de la red vial dispone de información sobre
los sentidos disponibles para cada uno de los arcos. De este modo se facilita posibles
modificaciones de la circulación para la totalidad de modos que usan la vı́a pública.

8. Aceras: es el espacio público usado por los peatones. Dependiendo de la tipologı́a de


carril bici, es posible su implantación en la acera respetando un espacio de coexis-
tencia entre peatones y ciclistas. Se dispone, en la base de datos, de la existencia
de las aceras.

9. Anchura de aceras: además de contar con la posibilidad de existencia de acera en


la base de datos de la red diseñada, se posee información de las anchuras de las
aceras para los diferentes tramos del entramado urbano del municipio de Málaga.

10. Aparcamientos: la existencia de aparcamientos puede condicionar la planificación


y diseño de las diferentes infraestructuras de los carriles bici. Se dispone de datos
relacionados con los aparcamientos existentes en la red vial.

11. Anchura de aparcamientos: los datos relacionados con la anchura de los aparca-
mientos facilitan información sobre la tipologı́a de aparcamiento existente y la
posibilidad de implantar el carril bici en el lugar que ocupan en la vı́a pública.

12. “Carriles bici”: este apartado está relacionado con la infraestructura destinada
al uso exclusivo de la bicicleta existente en el municipio de Málaga. Los datos
están vinculados a los arcos dónde existe este tipo de infraestructura, facilitando
información sobre la tipologı́a de carril bici y su lugar de ejecución dentro del
espacio público.

13. IMD: consiste en una clasificación basada en la intensidad media de los vehı́culos,
porcentaje de ocupación y velocidades del conjunto de arcos.

14. Área de transporte: cada uno de los arcos tiene asignado el área de transporte a la
que pertenece. Este apartado está directamente enlazado con la base de datos rea-
lizadas por secciones censales. Y, por tanto, con las diferentes áreas de transportes
en las que se ha clasificado el municipio. Cada uno de los arcos tiene asociado la
8.3. Aplicación del modelo de optimización 197

Figura 8.9: Modelo de Red Vial de Málaga

información correspondiente de su área de transporte sobre datos socioeconómicos,


de vivienda, los diferentes equipamientos, etc.

8.3. Aplicación del modelo de optimización


La metodologı́a desarrollada en el capı́tulo 6, sobre Modelo de Optimización
Propuesto, se aplica a la ciudad de Málaga. Tal y como se describió, la formulación
está basada en un modelo que propone minimizar la distancia a recorrer por cada
uno de los corredores. La función objetivo se basará en el mı́nimo recorrido de dichos
corredores. Condicionado, a su vez, por las respectivas restricciones y sus coeficientes de
ponderaciones para el caso particular de los usuarios del caso practico en cuestión.

La búsqueda de la distancia mı́nima a recorrer para el diseño e implantación de este


tipo de infraestructuras reside en la creación de una infraestructura “cicloamistosa”.
198 8. Aplicación del caso práctico

A partir de la creación de una red de carriles para bicicletas capaces de ofrecer como-
didad, seguridad y diversión durante el uso de la bicicleta como modo de transporte.
Persiguiendo el ideal de obtener un mayor número de usuarios. Esto se consigue cuando
la planificación y el diseño tienen éxito, a partir de la creación de un medio ambiente
amistoso a los distintos tipos de ciclistas. Por lo tanto, se debe considerar a los ciclistas
y futuros usuarios potenciales de la bicicleta, como clientes del sistema de tráfico
y transporte ofreciendo una infraestructura de calidad. Tal y como se ha visto con
anterioridad, algunos de esos requisitos se centran en asegurar un espacio suficiente
en la sección a través de un diseño que minimice resistencias del resto de usuarios. Y
considerar las diferentes percepciones de los ciclistas asegurando una infraestructura
completa y comprensiva.

Infraestructura

El primer paso a realizar por el algoritmo consiste en la comprobación, de la


base de datos de toda la red vial, con respecto a la posibilidad de implantar las
diferentes tipologı́as de carriles para bicicletas. Esto se realiza a partir del análisis de las
caracterı́sticas de espacio fı́sico disponible en cada arco y de la tipologı́a propia del arco
en relación al tráfico rodado que circula por dicho arco.

El modelo de red vial realizado consta de un total de 4.918 arcos modelizados. El


gran número de arcos proporciona un alto nivel de detalle. Lo que facilita obtener un
buen resultado a la hora de optimizar la infraestructura de carriles para la bicicleta en
el caso de la ciudad de Málaga.

1. Caracterı́sticas del espacio fı́sico. Desde el punto de vista de las caracterı́sti-


cas propias de cada uno de los arcos, el primer paso consiste en comprobar las dimensiones
de cada una de las partes que conforman las secciones transversales de las calles. A partir
de la revisión y consulta del estado del arte, se han establecido las anchuras mı́nimas
que condicionan la ejecución y diseño de las diferentes tipologı́as a implementar. Estas
medidas mı́nimas para la implantación de los ”carriles bici“ en la red vial corresponde a
la tabla 8.1.
8.3. Aplicación del modelo de optimización 199

Tipologı́a Anchura mı́nima


Acera bici 4.5 metros
Acera bici protegida 5 metros
Calzada bici 3.5 metros
Calzada bici segregada 3.5 metros
Ciclovı́a 3.5 metros
Carril bici por Aparcamiento 2.5 / 5 metros

Tabla 8.1: Anchura para implantacion de CB.

Los arcos que no cumplan las restricciones de espacio fı́sico serán descartados por
el algoritmo para futuras iteraciones. De este modo, se minimiza el número de arcos
disponibles consiguiendo una rapidez de modelización y cálculo de la optimización mayor.

2. Caracterı́sticas de la tipologı́a de vı́a. La segunda comprobación, dentro


del bloque Infraestructuras, corresponde a las caracterı́sticas de circulación de la vı́a.
Representadas por la velocidad de recorrido y la capacidad máxima de diseño de cada
tipo de vı́a. Para la modelización vial se han establecido 5 categorı́as de vı́as diferentes,
con caracterı́sticas genéricas propias para cada tipo. Las clases de vı́as se corresponden
con:

Tipo de vı́a V0 Vmax Capacidad


Semipeatonal 30 km/h 50 km/h 500 veh./h
Urbana 50 km/h 60 km/h 700 veh./h
Arterial 60 km/h 90 km/h 800 veh./h
C. Nacional 100 km/h 160 km/h 1000 veh./h
Autovı́a 120 km/h 180 km/h 1100 veh./h

Tabla 8.2: Tipologı́a de vı́as modelizadas.

En esta sección, se presta gran importancia a la posibilidad de implantar la infraes-


tructura diseñada para la bicicleta con un diseño seguro y atractivo para los diferentes
usuarios (habituales y potenciales). En este sentido, se han definido las restricciones
correspondientes para la tipologı́a de vı́a. Reflejados a partir de la disponibilidad de
200 8. Aplicación del caso práctico

número de carriles existentes en cada arco. Estas restricciones son las plasmadas en el
Modelo de Optimización Propuesto de la presente tesis.

Una vez se ha comprobado la disponibilidad de los arcos óptimos12 , se obtiene un


listado de arcos inter-conectados. Dicho listado posee los arcos capaces de asumir la
implantación de la futura red de carriles para la bicicleta de la ciudad de Málaga.

El diseño del algoritmo permite utilizar de una manera individual cada uno de
los tres grandes bloques en los que está esquematizado (infraestructura, seguridad y
perfiles de seguridad.) Para un diseño básico, ya se puede realizar la validación del
modelo únicamente teniendo en cuenta las restricciones asociadas a las caracterı́sticas
del espacio fı́sico y la tipologı́a de vı́a. Obteniéndose el listado de arcos por los que
puede implantarse la red ciclista urbana de Málaga.

Con el resultado de la base de datos de arcos óptimas, se puede ejecutar directamente


el cálculo de las rutas mı́nimas a recorrer entre los nodos principales dados para el
caso en particular del municipio de Málaga. Los diferentes ejemplos se presentan en el
siguiente apartado de Validación del modelo de optimización.

Seguridad

Con la metodologı́a presentada en el anterior bloque, se obtiene el listado de


arcos aptos para la planificación e implantación de las posibles infraestructuras de
carriles para la bicicleta. A partir de este resultado, se realiza una asignación y análi-
sis de la seguridad asociada a cada uno de los arcos que pueden disponer de la red ciclista.

Este bloque está formado por dos secciones. La primera trata sobre la seguridad
asociada a las diferentes caracterı́sticas que forman cada uno de los arcos de la red. Y
la segunda parte, está basada en las diferentes tipologı́as de carriles bici existentes y la
percepción de seguridad asociada a cada tipo. Con esto, se pretende obtener una red
vial capaz de cumplir los cinco requisitos básicos de una infraestructura “cicloamistosa”:
12
entendiendo por óptimo todos y cada uno de ellos que cumplan las restricciones de espacio fı́sico y
tipologı́a de vı́as
8.3. Aplicación del modelo de optimización 201

ser directa, atractiva, coherente, cómoda y segura.

1. Seguridad asociada a las Caracterı́sticas de la Red Vial. En este primer


apartado, se describe la influencia descritas por las caracterı́sticas de la red vial con
respecto a la seguridad asociada a cada una de las caracterı́sticas. La seguridad asociada
viene dada para:

IMD: este parámetro es el resultado de la unión de los datos de aforo, intensidades


media de vehı́culos y una toma de datos sobre el aforo peatonal. El ı́ndice final de
IMD tiene en consideración datos de la tipologı́a de vı́a y las caracterı́sticas fı́sicas
propias del arco.

IMD Seguridad
1 5
2 4
3 3
4 1
5 0

Tabla 8.3: Seguridad asociada al IMD de la red vial.

Velocidad: El ı́ndice de seguridad asignado a la velocidad de cada uno de los arcos


de la base de datos (SaV eli,j ) es el siguiente:

Velocidad Seguridad
0 - 29.9 km/h 5
30 - 39.9 km/h 4
40 - 49.9 km/h 3
50 - 59.9 km/h 2
Más de 60 km/h 1

Tabla 8.4: Seguridad asociada a la Velocidad de la red vial.


202 8. Aplicación del caso práctico

Capacidad: tras el análisis para de la Movilidad y Preferencias de Uso sobre la


bicicleta de Málaga, se puede afirmar que existe una mayor seguridad para los
diferentes usuarios (reales y potenciales) en los arcos con capcacidades menores.
La valoración de la seguridad en relación con la capacidad de los arcos (SaCapi,j )
es:

Capacidad Seguridad
500 5
700 4
800 3
1000 2
1100 1

Tabla 8.5: Seguridad asociada a la Capacidad de la red vial.

Tipo de Vı́a: el tipo de vı́a o arco tiene intrı́nseca parte de información sobre
las caracterı́sticas de la movilidad. Y, en consecuencia, sobre la seguridad. Dicha
asignación de seguridad, SaV iai,j , para cada tipologı́a de arco es:

Tipo de Vı́a Seguridad


Semipeatonal 2
Urbana 1
Arterial 0.5
Nacional 0
Autovı́a / Autopista 0

Tabla 8.6: Seguridad asociada al Tipo de Vı́a de la red vial.

En base a la realización del modelo total de la red vial del municipio de Málaga,
se ha percibido la existencia de diferentes casos de aplicación del coeficiente
de seguridad en el entramado urbano modelado. Y los diferentes efectos que
reportará a la hora de planificar y diseñar una infraestructura para la bicicleta que
cumpla con todos los requisitos para el mayor número de usuarios del entramado
urbano malagueño.
8.3. Aplicación del modelo de optimización 203

De este modo, se presenta el análisis aplicado en caso particular de la ciudad de


Málaga. Los resultados que se adjuntan, resumen las conclusiones obtenidas sobre la
relación existente entre el número de carriles disponible en los arcos y la seguridad
percibida por los usuarios. Tal y como describen Sener 112 o Hyodo 67 . Los valores de
seguridad asignados al número de carriles en los arcos (SaCarri,j ) que conforman
el modelo de red del municipio de Málaga son:

Número de carriles Sentidos Seguridad


1 carril único sentido 0
único sentido 1
2 carriles
doble sentido 0.2
único sentido 2
3 carriles
doble sentido 0.5
único sentido 3
4 carriles doble sentido (3+1) 1.2
doble sentido (2+2) 0.8

Tabla 8.7: Seguridad asociada al número de carriles.

Para la comprobación posterior de seguridad mı́nima que debe cumplir cada uno de
los arcos para ser admitido como óptimos, el algoritmo realiza una agrupación de las
diferentes caracterı́sticas de las infraestructuras que afectan a la seguridad. Se obtiene el
valor Svi,j que representa el sumatorio de la seguridad de cada una de las caracterı́sticas
de la infraestructura que toman el conjunto de arcos. El valor Svi,j se representa de la
siguiente manera:

X
Svi,j = (SaIM Di,j + SaV eli,j + SaCapi,j + SaV iai,j + SaCarri,j ) (8.1)

2. Seguridad asociada a la Tipologı́a de “Carril Bici”. En capı́tulos anteriores


de esta tesis, ya se definió las diferentes clases o tipologı́as de infraestructura para la
bicicleta. dicho conjunto se tendrá en consideración a la hora de planificar y diseñar una
infraestructura óptima y adecuada para los diferentes usuarios dentro del caso aplicado
204 8. Aplicación del caso práctico

al municipio de Málaga. Se recogen los coeficientes de seguridad asignados para cada


tipologı́a de infraestructura destinada al uso de la bicicleta, definida como Scbi,j . Se
consideran 5 tipologı́as diferentes que se corresponden con:

Tipologı́a de Carril Bici Seguridad


Acera Bici 1
Acera Bici Segregada 2
Calzada Bici 3
Calzada Bici Protegida 4
Ciclovı́a 5

Tabla 8.8: Seguridad asociada a la Tipologı́a de Carril Bici.

Para esta caracterı́stica de tipologı́a de carril bici, existe la posibilidad de implan-


tar diferentes tipologı́as debido a la disponibilidad del espacio fı́sico existente. En este
sentido, se han propuesto todas y cada unas de las posibilidades de implantación que
pueden ofrecer los diferentes arcos. Obteniéndose el listado de las diferentes tipologı́as
de “‘carriles bici” a implantar en cada uno de los ai,j , en función de su coeficiente de
seguridad.

3. Seguridad total del arco. Para optimizar la seguridad de los tramos, se ha


configurado el algoritmo para obtener el sumatorio total de la seguridad disponible en
cada uno de los arcos que conforman la red vial. El resultado es la Seguridad Total del
arco (Sti,j ), compuesto por la seguridad disponible en un arco, está definido como:

Sti,j = Svi,j + Scbi,j (8.2)

El resultado de Sti,j facilita información de la seguridad total de cada uno de los arcos.
A partir, de las diferentes infraestructuras de “‘carriles bici” que se pueden implantar
para dicho arco. En este sentido, cuando un arco disponga de más de una alternativa de
implantación para la infraestructura de “carriles bici”, se obtiene la optimización de la
seguridad total máxima en un arco.
8.3. Aplicación del modelo de optimización 205

máx Sti,j = Svi,j + Scbi,j ≥ Svi,j−1 + Scbi,j−1 (8.3)

La comprobación planteada facilita garantizar el recorrido más seguro por cada uno
de los arcos (ai,j ). Esta codificación está condicionada directamente con la posibilidad de
implantación de los diferente tipo de “carril bici”. Se obtiene como resultado la opción
más segura en el arco. De este modo, se produce una disminución del riesgo de accidentes
por la planificación segura. Y, sobre todo, obteniéndose un aumento de la percepción de
seguridad de los posibles usuarios de la bicicleta.

Perfiles de Seguridad

En este apartado, se desglosa los perfiles de seguridad en dos secciones claramente


diferenciados. La primera de ellas, se basa en perfiles de usuario genéricos creados, a
partir de percepciones de seguridad asignada para las diferentes tipologı́as de usuarios.
Como segunda sección, se presta atención los datos zonales. Dónde las caracterı́sticas
socioeconómicas de la zona de transporte marcará las variables que condicionan la per-
cepción de seguridad global por zonas a la hora de diseñar y planificar la infraestructura
ciclista.

El algoritmo está diseñado de manera que se pueda elegir cualquiera de las dos solu-
ciones indistintamente. Se obtienen dos diseños de infraestructuras destinadas al uso de
la bicicleta muy diferenciadas con respecto a los perfiles de seguridad. Se demuestran,
por tanto, las dos posibilidades de diseño.

1. Perfiles de usuarios. Como parte central de esta sección, se destaca la creación


de diferentes perfiles tipo de usuarios. De una manera directa y rápida, servirán para
realizar las comprobaciones de seguridad del modelo de red de la ciudad de Málaga.
El diseño del algoritmo, con respecto a los perfiles genéricos de usuarios, han sido
comprendidos para garantizar una planificación de la infraestructura para las bicicletas
capaz de cumplir los requisitos mı́nimos de seguridad, comodidad y atractivo. De
manera que se asegure una respuesta positiva por parte de los usuarios de la vı́a pública,
plasmándose en un mayor número de viajes realizados con este modo de transporte.
206 8. Aplicación del caso práctico

La metodologı́a empleada tiene una manera de operar definida basada en la com-


probación para cada uno de los arcos ai,j aptos para formar parte de la red ciclista de
Málaga. La comprobación de seguridad mı́nima que debe cumplir un arco, está basada en
el sumatorio de seguridad total del arco, explicado en la sección anterior de este capı́tulo.
Se define un arco, ai,j , como seguro para el perfil de usuario, cuando la seguridad total
del arco sea mayor a la mı́nima establecida por el perfil de usuario genérico (P u). Se
aceptará un arco, con la infraestructura correspondiente, como seguro cuando se cumpla:

Sti,j ≥ Su (8.4)

Siendo la seguridad total del arco como Sti,j = Svi,j + Scbi,j y, estando el factor de
seguridad del usuario Su condicionada por la tipologı́a de perfil del usuario P u.

Se exponen, a continuación, los diferentes perfiles creados y la aplicación para cada


uno de los perfiles presentados en el algoritmo.

Perfil de Usuario Descripción Seguridad Mı́nima


Tipo 1 Experto 5
Tipo 2 Usual 8
Tipo 3 Ocasional 10
Tipo 4 Inexperto 15

Tabla 8.9: Seguridad asociada al Perfil del usuario genérico.

Diseño de red para usuarios expertos: este perfil tiene como objetivo la plani-
ficación y diseño para usuarios habituales de la bicicleta. En los estudios elaborados
por Harkey 56 se concluye como la percepción de la seguridad está diferenciada para
aquellos usuarios cuyo modo de transporte diario es la bicicleta con una disposición
del confort mayor. Por este motivo, se define la tipologı́a Experto con un coeficiente
de seguridad mı́nima de 5.

Diseño de red para usuarios usuales: se considera como usuales aquellos usua-
rios con un uso moderado de la bicicleta. Como por ejemplo, los usuarios con fines
8.3. Aplicación del modelo de optimización 207

deportivos o de ocio. Existe una habilidad alta en el manejo a la hora de montar en


bicicleta. Lo que produce una mayor sensación a la hora de circular que los usuarios
menos experimentados. Debido a esto, para el coeficiente de seguridad para este
usuario especı́fico se toma el valor de 8. Se corresponde con un valor más seguro
en comparación que los usuarios expertos.

Diseño de red para usuarios ocasionales: se considera a este perfil como el


principal a la hora de planificar y diseñar la nueva red de infraestructura ciclista de
Málaga. Esta tipologı́a recoge a todos los usuarios que tienen conocimientos para
montar en bicicleta pero no tienen experiencia, o muy poca, a la hora de circular en
la vı́a pública. La percepción de seguridad percibida es considerablemente menor a
las dos anteriores. Por este motivo, se debe optimizar una red ciclista más segura
para los diferentes usuarios. El coeficiente de seguridad establecido para este perfil
de usuario se fija en 10.

Diseño de red para usuarios inexpertos: en los casos que exista una mayorı́a
de usuarios con poco manejo o no sepan montar en bicicleta, el coeficiente de
seguridad deberá ser mayor. Se necesita diseñar unas infraestructuras capaces de
obtener la mayor sensación de seguridad vial de los usuarios de la bici. Se constituye
para este perfil un valor de seguridad de 15.

2. Perfiles zonales. Existe una relación de semejanza con respecto a la sección de


perfiles únicos a la hora de comprobar la seguridad mı́nima que debe cumplir un arco ai,j .
En este sentido, se han definido diferentes coeficientes de peso sobre la seguridad para ca-
da una de las zonas de transporte en las que se encuentra distribuida la ciudad de Málaga.

La primera comprobación a realizar por el algoritmo, está relaciona con las zonas de
transporte (Zi,j ) a la que pertenece cada uno de los arcos ai,j considerados para formar
la red ciclista. Cada uno de estos arcos, estará definido por caracterı́sticas propias
zonales. Para el desarrollo de este estudio se han tenido en cuenta como factores de
peso que afecten a la seguridad zonal, las variables de: sexo, edad, número de hogares,
tamaño medio del hogar, número de vehı́culos, número de hogares con posesión de
vehı́culos, estudiantes, trabajadores, equipamientos y número de viajes.
208 8. Aplicación del caso práctico

Cada una de las variables afecta positiva o negativamente a la seguridad de perfil


zonal básica establecida por el algoritmo. Se describen todas y cada una de las
variables aplicadas en los perfiles zonales de seguridad que se ha desarrollado para
el caso particular del diseño y planificación de la red ciclista para el municipio de Málaga.

Sexo: para la variable sexo, el algoritmo traza unos coeficientes de peso que afectará,
a favor o en contra, a la seguridad del arco ai,j para la zona Zi,j por la que transita.
Para el caso particular de la ciudad de Málaga, se ha configurado las variables con
el siguiente diseño:

Variable Sexo Descripción Valor de Seguridad


βhombre Mayor Población de hombres -0.075
βmujer Mayor Población de mujeres +0.1

Tabla 8.10: Seguridad zonal para la variable sexo.

La estructura del algoritmo busca el número de usuarios que predomina por sexo,
asignando el valor correspondiente para cada coeficiente de βhombre y βmujer . Se
aumentará o disminuirá la seguridad mı́nima que debe de tener un arco (ai,j ) en
función de la influencia que definida en la planificación. A partir de los resultados de
las encuesta de movilidad y preferencias del usuario para el municipio de Málaga.

Edad: La importancia de la variable edad para la seguridad asociada a cada ai,j se


ha centrado en el rango de edad predominante en cada una de las zonas (Zi,j ) en
las que se encuentra dividida el municipio de Málaga. De este modo, se favorece
un diseño óptimo para el mayor número de usuarios habituales y potenciales de la
bicicleta en cada una de las diferentes infraestructuras futuribles para la la bicicleta
de la ciudad.

Zedadi ≥ Zedadni = βedadi ∀ai,j ∈ Zi (8.5)

Para la variable edad, se han distribuido los datos demográficos en 4 tipologı́as.


Cada una con su correspondiente valor en torno a la seguridad asignada para
8.3. Aplicación del modelo de optimización 209

cada grupo (βedad ). La formulación planteada en el algoritmo asigna el peso de


seguridad correspondiente al máximo valor de edad en cada una de las zonas Zi . El
factor de seguridad resultante estará proyectado para maximizar el mayor número
de usuarios de la bicicleta, mediante el correcto diseño y planificación a la hora
de ejecutar una infraestructura para la bicicleta acorde a las necesidades de la
población.

Variable Edad Descripción Valor de Seguridad


βedad1 Menores de 16 años +0.01
βedad2 Población entre 16 y 40 años +0.075
βedad3 Población entre 40 y 65 años +0.02
βedad4 Mayores de 65 años +0

Tabla 8.11: Seguridad zonal para la variable edad.

Número de hogares: en la distribución municipal es importante tener en cuenta


las zonas con una mayor densidad demográfica y, por consiguiente, con un mayor
número de hogares 21 . Por lo que se ha considerado la importancia del número de
hogares a la hora de planificar y diseñar las posibles infraestructuras de la bicicleta.
De este modo, para cada una de las Zi , se ha asignado un valor diferente a la
seguridad mı́nima que deben de poseer cada uno de los posibles ai,j con respecto al
número de hogares de los que dispone cada zona en al que se distribuye el municipio
de Málaga. Los coeficientes asignados son:

Variable Número hogares Descripción Valor de Seguridad


βhogar1 Menos de 4.000 hogares +0.01
βhogar2 Entre 4.000 y 8.000 hogares +0.02
βhogar3 Más de 8.000 hogares +0.01

Tabla 8.12: Seguridad zonal para la variable número de hogares.

Tras la división en el número de hogares en tres grupos, se llega a la conclusión


que en zonas Zi con una población media es necesario aumentar la seguridad.
Con la finalidad de fomentar el uso de la bicicleta a partir de una infraestructura
más segura para el mayor número de usuarios posible. Este diseño matemático
210 8. Aplicación del caso práctico

está basado en el desglose con 3 categorı́as para el número de hogares, tal y como
se verá en el siguiente capı́tulo. Cada uno de los valores podrán ser editados de una
manera rápida y cómoda que facilite una mejor práctica en el diseño urbano de la
movilidad.

Tamaño medio del hogar: esta variable tiene una fuerte influencia en la elaboración
de los modelos de transporte a la hora de realizar la generación y distribución de
la totalidad de viajes en las ciudades 20 . Debido a la influencia directa existente
entre el tamaño medio del hogar y el número de viajes generados por domici-
lio, se ha incluido dicha variable en la programación del algoritmo. Se realiza
por tanto una comprobación de las diferentes Zi para asignar el factor de segu-
ridad necesario a los arcos que forman parte de la red vial del municipio de Málaga.

Los valores aplicados, a las variables del tamaño medio del hogar, en el caso de
estudio se corresponden con:

Variable TMH Descripción Valor de Seguridad


βT M H1 Menos de 2,5 pers./hogar +0.01
βT M H2 Entre 2,5 y 3 pers./hogar +0.02
βT M H3 Más de 3 pers./hogar +0.03

Tabla 8.13: Seguridad zonal para la variable tamaño medio hogar.

Número de vehı́culos: el número de vehı́culos medios por hogar que existen en cada
una de las diferentes zonas en las que está distribuido el municipio de Málaga,
condiciona las pautas de movilidad de los usuarios. A continuación, se expone el
valor de los coeficientes de seguridad asignados a cada unas de las zonas Zi con
respecto al número de vehı́culos disponibles en ellas.

La parte correspondiente al número de vehı́culos medio por hogar para cada una de
las zonas, se encuentra distribuida en cuatro intervalos diferentes. Dichos intervalos
están planificados para obtener el resultado más representativo para la afinidad
existente entre en número de vehı́culos y el valor de la seguridad mı́nima que debe
soportar un arco.
8.3. Aplicación del modelo de optimización 211

Variable N➸ Veh. / Hogar Descripción Valor de Seguridad


βnvm1 Menos de 0,85 veh./hogar +0.02
βnvm2 Entre 0,85 y 1 veh./hogar +0.04
βnvm3 Entre 1 y 1,25 veh./hogar +0.05
βnvm4 Más de 1,25 veh./hogar +0.06

Tabla 8.14: Seguridad zonal para la variable número vehı́culo medio por hogar.

Número de hogares con disponibilidad de vehı́culos: se incluye esta variable con el


objetivo de analizar las zonas (Zi ) cuya disponibilidad de vehı́culos sea menor. La
editabilidad en la definición de los pesos, por parte del algoritmo, permite ofrecer
diferentes alternativas relacionadas con la importancia otorgada a la disponibilidad
del vehı́culo. Se tiene como objetivo aumentar la facilidad en el cambio de elección
modal. Por otro lado contrario, facilita una infraestructura más segura en las
zonas que exista un alto número de hogares con facilidad de acceso o posesión de
vehı́culos.

Para el caso de estudio, se ha establecido 4 intervalos para el análisis de la seguridad


asociada a la variable del número de de hogares con vehı́culos (novh). Los pesos
definidos para los intervalos de dicha variable con respecto a su Zi correspondiente,
serı́an:

Variable N➸ Hog. con Veh. Descripción Valor de Seguridad


βnovh1 Menos de 500 hogares +0.099
βnovh2 Entre 500 y 1.500 hogares +0.099
βnovh3 Entre 1.500 y 3.000 hogares +0.099
βnovh4 Más de 3.000 hogares +0.099

Tabla 8.15: Seguridad zonal para la variable número hogares con vehı́culos.

Estudiantes: se asocia a la relación que poseen los estudiantes con el nivel de


ingresos y la edad, de un modo generalizado. Tras los estudios realizados por
Pinjari 99 , dónde se percibe la clara evidencia que poseen los estudiantes a la hora
de cambiar el modo de transporte, en contraposición de los usuarios con una edad
212 8. Aplicación del caso práctico

avanzada o trabajadores.

Se justifica, de este modo, la importancia de incluir las variables de estudiantes


en el diseño del algoritmo. Con el objetivo de planificar una red ciclista con una
seguridad acorde a las diferentes tipologı́as de usuarios existente en la ciudad de
Málaga. La formulación para la variable de estudiantes se corresponde con:

Variable Estudiantes Descripción Valor de Seguridad


βestu1 Menos de 75 estudiantes +0
βestu2 Entre 75 y 150 estudiantes +0.01
βestu3 Más de 150 estudiantes +0.05

Tabla 8.16: Seguridad zonal para la variable estudiantes.

Trabajadores: el interés de incluir la variables de usuarios ocupados o trabajadores


es semejante al ocurrido en la anterior variable de estudiantes. La facilidad o resis-
tencia que ofrecen este tipos de usuarios a posibles cambios en su comportamiento
y pautas de movilidad, referentes a la elección del modo de transporte. La impor-
tancia dada al peso de la seguridad asociado al número de trabajadores (ocupados)
para cada zona está representada en la siguiente formulación:

Variable Trabajadores Descripción Valor de Seguridad


βocu1 Menos de 5.000 trabajadores +0
βocu2 Entre 5.000 y 10.000 trabajadores +0.01
βocu3 Más de 10.000 trabajadores +0.05

Tabla 8.17: Seguridad zonal para la variable trabajadores.

El valor de seguridad mı́nimo establecido para cada uno de los valores según el
intervalo correspondiente se representa como βocu . Tendrá un valor diferente para
cada uno de los casos de estudio en particular. Este valor tiene como objetivo
aumentar la percepción de seguridad de los ocupados (trabajadores) para el caso
particular de la planificación de la red ciclista del municipio de Málaga. Con la
finalidad de añadir nuevos usuarios para el modo de transporte bicicleta.
8.3. Aplicación del modelo de optimización 213

Equipamientos: esta variable está incluida en la programación del algoritmo debido


a la importancia que gozan los diferentes servicios y equipamientos en relación a
la atracción de viajes, en cada una de las Zi que forman el municipio de Málaga.

Entre estos servicios se han tenido en cuenta los diferentes equipamientos edu-
cativos (colegios, institutos, universidades, etc.), el número de tiendas y centros
comerciales existentes por zona y el número de oficinas e industria que representan
a un global de las empresas. Además, también se han considerado los equipamien-
tos sanitarios y sociales (como, por ejemplo, centros de salud, centros de la tercera
edad, etc.), los equipamientos deportivos disponibles. El coeficiente de seguridad
mı́nima, para el caso de estudio, asignado al número total de equipamientos, βequi ,
se establece en:

Variable Equipamientos Descripción Valor de Seguridad


βequi1 Menos de 1.000 equipamientos +0.005
βequi2 Entre 1.000 y 2.000 equipamientos +.007
βequi3 Más de 2.000 equipamientos +0.1

Tabla 8.18: Seguridad zonal para la variable equipamientos.

Número de viajes: para obtener el coeficiente de seguridad mı́nimo de un arco


relacionado con el número de viajes (βviajes ) se ha diseñado el algoritmo para
representar el número de equipamientos de los que dispone cada Zi , entendidos
como focos atractores de viajes obligados del municipio de Málaga.

Variable N➸ Viajes Descripción Valor de Seguridad


βviajes1 Menos de 250 viajes +0.05
βviajes2 Entre 250 y 500 viajes +0.07
βviajes3 Más de 500 viajes +0.1

Tabla 8.19: Seguridad zonal para la variable Número viajes.

El estudio de la variable de viajes se centra en la revisión de las zonas más


importantes a analizar en cuanto al número de viajes. Siendo de interés en el
214 8. Aplicación del caso práctico

análisis de las MOD y en la seguridad mı́nima βviajes que debe tener cada uno de
los arcos para que sea dado como óptimo en la posible planificación y diseño de
la infraestructura destinada al uso de la bicicleta para trazar la red que una cada
una de las Zi .

1. Agrupaciones. Una manera de optimizar la influencia de todas las variables que


intervienen en el peso de la seguridad zonal consiste en la agrupación de las variables
por temáticas. Todas las variables que se han incluido en este apartado se clasifican
en una de estas categorı́as:

Población: se define la variable de agrupación de la población como αpoblacion .


En este grupo se han introducido las variables sobre edad, sexo, el número de
estudiantes y el número de trabajadores. Cada una de éstas variables condi-
ciona el comportamiento de movilidad de la población. Cómo se ha señalado
con anterioridad, es patente la influencia de estas variables en las pautas viajes
y percepciones de seguridad.

Vivienda: el valor de la agrupación para viviendas, αvivienda , está constituido


por la seguridad mı́nima asociada a las variables del número de hogares por
zona, el tamaño de hogar medio, el número de vehı́culos totales disponible por
zona y el número de hogares que disponen de vehı́culos.

Usos del suelo. La agrupación de los diferentes usos de suelo se representa por
αusuelo . Caracterizada por el número de los diferentes equipamientos disponi-
bles en cada una de las zonas y por el número de viajes que produzcan un
flujo de desplazamientos habituales para cada uno de los usuarios al cabo de
un dı́a en el municipio de Málaga.

En relación a la agrupación de las variables desarrollas por el algoritmo, esta me-


todologı́a posibilita una manera cómoda de atribuir a cada conjunto el peso asignado
correspondiente. Se establece un restricción para el conjunto de agrupaciones. Con el
objetivo controlar la importancia de los pesos entre los tres conjuntos. Se define como:
X
α= (αpoblacion + αvivienda + αusuelo ) ∀ α=3 (8.6)
8.3. Aplicación del modelo de optimización 215

La clasificación de las diferentes variables que condicionan los perfiles zonales


del municipio de Málaga en estas 3 categorı́as, garantizan una mejor planificación y
diseño de las futuras infraestructuras de la bicicleta. En este sentido, se exponen dos
posibilidades diferentes relacionadas con los pesos especı́ficos de importancia de cada
una de estas categorı́as α (población, vivienda y usos del suelo).

Para garantizar una mejor planificación y diseño de las futuras infraestructuras para
la bicicleta, se ha clasificado las diferentes variables en 3 categorı́as. Cada una de estas
categorı́as posee un peso especı́fico de importancia relacionado con el factor de seguridad
mı́nimo que deben de tener cada uno de los arcos (ai,j ). Cada uno de los valores o pesos
de las 3 categorı́as condicionan la mayor o menor importancia que se le otorgan a cada
conjunto de variables dependiendo de las caracterı́sticas propias del caso de estudio en
cuestión o de las preferencias asignadas por los técnicos responsables.

Se concluye con el apartado de las agrupaciones de las tres variables descritas, con
el cálculo de la seguridad máxima por zonificación. Una manera de obtener el mayor
número de usuarios, tal y como se ha apreciado tras el análisis de la documentación
cientı́fica consultada, consiste en obtener la mayor sensación de seguridad para los
diferentes usuarios de la vı́a pública. De este modo, cada uno de los arcos ai,j pertene-
cientes a las diferentes Zi llevan consigo unas seguridades mı́nimas para cada una de
las variables agrupadas (población, vivienda y usos del suelo). El resultado impuesto
por el algoritmo recae en garantizar la máxima seguridad para el total de los usuarios.
Por esta condición, el ai,j elegido corresponderá con la tipologı́a de infraestructura de
carril bici más segura para la Zi pertinente, a partir de las diferentes percepciones de
seguridad de la población de la zona de estudio.

Cálculo de Rutas Mı́nimas

Se procede a explicar el cálculo de las rutas mı́nimas con las diferentes tipologı́as
de infraestructura para la bicicleta entre los orı́genes y destinos destacado en el caso
aplicado del municipio de Málaga. La metodologı́a se basa en la búsqueda de todos los
recorridos caracterizados por el total de elementos que la componen la red.
216 8. Aplicación del caso práctico

La relación de los diferentes elementos del modelo de red, están representados con
un grafo G = (N;A). Representado por N, como el conjunto de nodos y A como el
conjunto de arcos conectando pares de nodos. En el caso particular del modelo de red
de la ciudad de Málaga, se ha construido el digrafo 13 con todas las caracterı́sticas, a
nivel de arco, que forman parte de las restricciones a tener en cuenta en el cálculo del
camino más corto entre pares de nodos principales.

En este sentido, se ha desarrollado la posibilidad del cálculo para el problema de la


ruta más corta entre los centroides de la zonificación correspondiente para la ciudad de
Málaga. Esta solución está basada en el Algoritmo de Dijkstra 32 . Con el objetivo de
encontrar el camino más corto o distancia entre dos vértices dados x y y en la red vial.
La aplicación de esta metodologı́a se debe a la pretensión de resolver el problema del
camino más corto para cada uno de los corredores planteados, con una descripción de
la solución del recorrido.

La base de datos usada, con las dos posibilidades diseñadas, es el resultado obtenido
con el análisis de las diferentes restricciones formuladas por el algoritmo en el modelo de
optimización. Dicho proceso está planteado para, después del análisis de las restricciones,
tener una simplificación del modelo de red vial de la ciudad de Málaga. Obteniéndose
de este modo una red simplificada con los arcos, ai,j , capaces de ser considerados para
la futura infraestructura de “carriles bici” de la ciudad.

Aplicación del algoritmo de Dijkstra El empleo del Algoritmo de Dijkstra 32 se ha


llevado a la práctica con el objetivo de calcular rutas especı́ficas para una red ciclista.
A partir del conocimiento del origen y el destino de las rutas en cuestión.

Del totalidad de 32 zonas en las que se encuentra dividida la ciudad de Málaga, se


han establecido 54 corredores principales que unen las diferentes zonas con el objetivo
de planificar una red completa para la ciudad. La aplicación de esta metodologı́a se
13
Un grafo es etiquetado o ponderado cuando dispone de aristas con asignación de peso (p), siendo
un número real positivo.
8.3. Aplicación del modelo de optimización 217

basa en el funcionamiento del algoritmo de Dijkstra, dónde se va a proceder a calcular


la ruta mı́nima entre las zonas de transportes señaladas.

En un primer caso, se determinó el conectar la totalidad de los 32 centroides


correspondientes a la zonificación realizada. Tras el análisis de las caracterı́sticas
socioeconómicas, unido a las particularidades del entramado urbano propios del mu-
nicipio, se decidió limitar el número de conexiones. Con el objetivo de minimizar los
tiempos operacionales de resolución del algoritmo propuesto y evitar incongruencias de
conexiones zonales.

De este modo, se tomó como criterio inicial la unión de zonas contiguas. Garanti-
zando la creación de corredores de corto recorrido pero siempre con proporcionando
una continuidad de la red ciclista. Igualmente, se plantean corredores no limı́trofes de
especial interés debido a la conexión de zonas significativas o de elevada importancia
para la conexión del municipio. Obteniéndose como resultado final los 54 corredores
ejecutados.

Además se añade para un completo y mejor análisis de los resultados, un total de


108 corredores que suponen el recorrido de ida y vuelta de cada uno de los 54 corredores
principales. De este modo, se minimizan la posibilidad de error en la optimización de la
red calculada con la comprobación de los diferentes recorridos de todos los corredores.

Corredor Zona Origen Zona Destino


C1 Centro Malagueta
C2 Centro La Victoria
C3 Centro Capuchinos
C4 Centro Prolongación Alameda
C5 Centro Huelin/La Isla
C6 Malagueta La Victoria
C7 Malagueta Limonar
C8 El Palo Pedregalejo
C9 La Victoria Capuchinos
C 10 Capuchinos Ciudad Jardı́n
218 8. Aplicación del caso práctico

Corredor Zona Origen Zona Destino


C 11 Capuchinos La Palma
C 12 Capuchinos Trinidad
C 13 Ciudad Jardı́n La Palma
C 14 La Palma Trinidad
C 15 La Palma Suárez/Miraflores
C 16 Trinidad Prolongación Alameda
C 17 Trinidad Suárez/Miraflores
C 18 Trinidad Nueva Málaga
C 19 Prolongación Alameda Huelin/La Isla
C 20 Prolongación Alameda Nueva Málaga
C 21 Prolongación Alameda Carranque
C 22 Prolongación Alameda La Unión/Santa Julia
C 23 Huelin/La Isla La Unión/Santa Julia
C 24 Huelin/La Isla San Rafael
C 25 Huelin/La Isla Girón
C 26 Suárez/Miraflores Nueva Málaga
C 27 Nueva Málaga Carlos Haya
C 28 Nueva Málaga Carranque
C 29 Carlos Haya Puerto de la Torre
C 30 Carlos Haya Carranque
C 31 Carlos Haya Portada Alta
C 32 Teatinos Puerto de la Torre
C 33 Teatinos Portada Alta
C 34 Teatinos El Viso/Los Prados
C 35 Teatinos Tarajal
C 36 Puerto de la Torre Portada Alta
C 37 Carranque Portada Alta
C 38 Carranque La Unión/Santa Julia
C 39 Portada Alta La Unión/Santa Julia
C 40 Portada Alta Santa Cristina
C 41 La Unión/Santa Julia Santa Cristina
C 42 La Unión/Santa Julia San Rafael
8.3. Aplicación del modelo de optimización 219

Corredor Zona Origen Zona Destino


C 43 La Unión/Santa Julia La Luz
C 44 Santa Cristina San Rafael
C 45 Santa Cristina El Viso / Los Prados
C 46 San Rafael El Viso / Los Prados
C 47 San Rafael La Luz
C 48 El Viso / Los Prados San Rafael
C 49 La Luz Girón
C 50 La Luz Mainake/Térmica
C 51 La Luz Aeropuerto
C 52 Girón Mainake/Térmica
C 53 San Julian Churriana
C 54 Limonar Pedregalejo

Tabla 8.20: Red Caso Práctico 1.

Tras la realización de los diferentes pasos llevados a cabo por el algoritmo, en cuanto
a las diferentes restricciones y condicionantes que deben pasar cada uno de los ai,j que
conforman la red vial del municipio de Málaga, se aplica la formulación siguiente para
las conexiones descritas en las tablas de conexiones de los corredores principales.

X
minZ = do,d (8.7)
o,d∈[1,··· ,N ]

Se obtienen de este modo las distancias mı́nimas entre cada uno de los corredores
planificados. Estos resultados aclaran el recorrido de la red ciclista óptima para la
ciudad. Realizado a partir de la base de datos correspondientes con los perfiles de
usuario genérico o por zonificación. En la solución propuesta, se define la tipologı́a
de carril bici que se debe implantar en cada uno de los arcos, ai,j , que conforman el
recorrido descrito para cada corredor do,d de las Zi .
220 8. Aplicación del caso práctico

8.4. Validación del modelo de optimización


En este apartado se presentan los diferentes casos de estudios y las diferentes
alternativas de la resolución a optimizar. Para un mejor análisis de la aplicación del
algoritmo llevado a cabo durante el desarrollo de la presente tesis doctoral, se van a
presentar diferentes casos condicionados por cada una de las variables tenidas en cuenta
en la calibración del modelo.

En la resolución de los diferentes casos presentados, se ha utilizado un ordenador


Pentium(R) Dual-Core con un procesador de 2.3GHz y una memoria de Ram de
4.00GB. La ejecución del software, elaborado en esta Tesis Doctoral, se ha implemen-
tado en Java. Con una lectura directa para la base de datos realizada en archivos
de lectura tipo .txt. El proceso cometido por Java proporciona una complementación
perfecta de archivos con Matlab R2012a para la aplicación del algoritmo matemático.
El tiempo medio de ejecución en cada uno de los casos prácticos realizados ha sido
de 1 minuto y 42 segundos, para realizar el procedimiento de cálculo, diseño y aplicación.

Se procede a presentar los diferentes casos prácticos analizados para la validación


del modelo presentado. Cada uno de los ejemplos presentados han tenido diferente
configuración de las variables de estudio relacionado con las caracterı́sticas viales y de
seguridad a considerar. La configuración de dichas variables es la parte editable para
cada uno de los técnicos, ingenieros o responsables para la planificación y diseño de las
infraestructuras de carriles para bicicleta.

8.4.1. Aplicación caso práctico 1


El caso práctico 1, se basa en la aplicación más sencilla del algoritmo a la hora de
planificar y diseñar la red urbana para el caso particular del municipio de Málaga. Del
total de restricciones presentadas con anterioridad, se destaca la posibilidad de implantar
la infraestructura dedicada al uso de la bicicleta. Únicamente estará restringida por la
disponibilidad de espacio fı́sico en cada uno de los arcos que componen el entramado
urbano de la red modelizada. Además, se incluye la restricción basada en la seguridad
del usuario (Suij )
8.4. Validación del modelo de optimización 221

En este sentido, se han considerado como medidas mı́nimas para la implantación de


las diferentes tipologı́as de carriles para bicicleta las siguientes:

Tipologı́a Anchura mı́nima


Acera bici 4.5 metros
Acera bici protegida 5 metros
Calzada bici 3.5 metros
Calzada bici segregada 3.5 metros
Ciclovı́a 3.5 metros
Carril bici por Aparcamiento 2.5 / 5 metros

Tabla 8.21: Anchura para implantacion de CB.

Para permitir con mayor facilidad la implantación de los diferentes tipos de carriles
para bicicleta, se exponen las restricciones relacionadas con las caracterı́sticas asociadas
a la tipologı́a de calzada.

1 carril: IM Dij ≤ 2 y Vij ≤ 30

2 carriles:

❼ 1 sentido: IM Dij ≤ 3 y Vij ≤ 50


❼ 2 sentidos: IM Dij ≤ 3 y Vij ≤ 50

3 carriles:

❼ 1 sentido: IM Dij ≤ 3 y Vij ≤ 40


❼ 2 sentidos: IM Dij ≤ 3 y Vij ≤ 40

4 carriles:

❼ 1 sentido: IM Dij ≤ 3 y Vij ≤ 40


❼ 2 sentidos: IM Dij ≤ 3 y Vij ≤ 40

Los coeficientes de seguridad asociado a las caracterı́sticas de la red vial y a la


tipologı́a de “carril bici” son los presentados en el capı́tulo 6 (Modelo de optimización
propuesto). Siendo el umbral de seguridad total del arco como: Sui,j = 1, se condiciona de
222 8. Aplicación del caso práctico

este modo un perfil del usuario (P u) mı́nimo que condiciona una percepción de seguridad
para cada arco mı́nima. Lo que implica la no influencia de la seguridad para este ejemplo.

Tras ejecutar el software y aplicar las restricciones planteadas, se obtiene el resultado


para el primer caso práctico. Una red de carriles para bicicletas basadas en la disponi-
bilidad del espacio fı́sico y en los condicionantes y restricciones para la infraestructura
de calzada.

Corredor Distancia Recorrido (Path)


C1 1035 [11, 7, 4, 3]
C2 1781 [89, 149, 88, 664, 9, 4, 3]
C3 3022.0 [128, 98, 99, 95, 146, 91, 89, 149, 88, 664, 9, 4, 3]
C4 1758.0 [260, 261, 319, 314, 318, 316, 176, 8, 177, 6, 5, 3]
C5 2123. [407, 322, 317, 176, 8, 177, 6, 5, 3]
C6 1458. [89, 149, 88, 664, 9, 4, 7, 11]
C7 1035.0 [13, 663, 662, 11]
C8 3034.0 [23, 991, 20, 990, 22, 21, 989, 24, 56, 35, 38, 39, 791, 792, 28, 26, 869, 25]
C9 1241.0 [128, 98, 99, 95, 146, 91, 89]
C 10 2275.0 [698, 180, 686, 199, 202, 684, 206, 896, 208, 210, 116, 681, 114, 121, 119, 124,
125, 128]
C 11 784.0 [725, 723, 310, 131, 130, 129, 128]
C 12 1580.0 [239, 234, 837, 237, 1088, 155, 154, 669, 142, 144, 143, 138, 137, 128]
C 13 2076.0 [725, 311, 226, 720, 225, 219, 1097, 887, 888, 218, 889, 722, 216, 697, 179, 698]
C 14 1075.0 [239, 234, 837, 237, 236, 312, 724, 725]
C 15 1512.0 [278, 840, 231, 232, 230, 235, 724, 725]
C 16 1563.0 [260, 262, 254, 253, 251, 250, 241, 809, 1088, 1071, 239]
C 17 1357.0 [278, 277, 244, 240, 234, 837, 237, 239]
C 18 1681.0 [268, 267, 247, 849, 246, 242, 240, 234, 837, 237, 239]
C 19 1973.0 [407, 322, 317, 726, 315, 264, 263, 262, 260]
C 20 1345.0 [268, 267, 247, 266, 265, 1000, 257, 256, 258, 260]
C 21 1091.0 [709, 297, 266, 265, 1000, 257, 256, 258, 260]
C 22 1720.0 [381, 387, 304, 300, 305, 306, 877, 308, 261, 259, 260]
C 23 2247.0 [381, 815, 380, 883, 632, 379, 633, 634, 334, 332, 325, 324, 407]
C 24 1595.0 [632, 379, 633, 634, 334, 332, 325, 324, 407]
C 25 1246.0 [338, 337, 328, 326, 407]
C 26 1425.0 [268, 1075, 273, 284, 286, 285, 278]
C 27 786.0 [288, 851, 850, 287, 272, 268]
C 28 795.0 [709, 297, 1076, 269, 272, 268]
C 29 2777.0 [593, 926, 592, 767, 553, 547, 403, 399, 296, 295, 288]
8.4. Validación del modelo de optimización 223

Corredor Distancia Recorrido (Path)


C 30 1341.0 [709, 271, 601, 397, 884, 289, 288]
C 31 873.0 [398, 397, 884, 289, 288]
C 32 2488.0 [593, 559, 551, 544, 556, 557, 538, 539, 769]
C 33 2143.0 [398, 535, 533, 532, 873, 531, 774, 1087, 563, 573, 769]
C 34 2947.0 [500, 900, 496, 497, 498, 491, 573, 769]
C 35 2533.0 [581, 580, 576, 574, 775, 575, 780, 573, 769]
C 36 2848.0 [398, 535, 1089, 549, 762, 552, 553, 767, 592, 926, 593]
C 37 1434.0 [398, 397, 601, 271, 709]
C 38 1273.0 [381, 387, 304, 300, 710, 297, 709]
C 39 1793.0 [381, 387, 603, 875, 602, 730, 601, 397, 398]
C 40 1053.0 [386, 385, 1002, 1001, 398]
C 41 959.0 [386, 384, 380, 815, 381]
C 42 436.0 [632, 921, 381]
C 43 2185.0 [335, 805, 333, 411, 922, 632, 921, 381]
C 44 711.0 [632, 883, 380, 384, 386]
C 45 3848.0 [500, 900, 496, 492, 482, 897, 478, 476, 378, 816, 386]
C 46 4559.0 [500, 900, 496, 492, 482, 897, 478, 476, 378, 816, 386, 384, 380, 883, 632]
C 47 1749.0 [335, 805, 333, 411, 922, 632]
C 48 1646.0 [505, 504, 502, 501, 500]
C 49 1292.0 [338, 337, 408, 336, 367, 335]
C 50 3543.0 [734, 349, 735, 342, 345, 784, 783, 879, 340, 880, 881, 336, 367, 335]
C 51 4536.0 [505, 507, 506, 430, 628, 753, 629, 429, 373, 370, 368, 369, 335]
C 52 2689.0 [734, 349, 735, 342, 737, 410, 339, 337, 338]
C 53 2258.0 [465, 464, 458, 457, 452, 451, 450, 447]
C 54 4169.0 [23, 991, 20, 17, 790, 16, 15, 14, 789, 87, 649, 12, 788, 660, 659, 661, 662,
663, 13]

Tabla 8.22: Corredores Caso Práctico 1.

Se puede observar el la tabla 8.22, el resultado de los 54 corredores presentados que


formarán la red ciclista urbana del municipio de Málaga. Caracterizado por las distancias
totales para cada uno de los corredores representadas por los metros longitudinales
de los corredores. Como último resultado, se destaca el recorrido realizado por el
corredor. Cada uno de los path o tramos que forman el recorrido están correspondidos
por los nodos origen y destino de cada arco resultante dónde se implantará la red ciclista.

La mayor comprensión de la implantación de las diferentes tipologı́as para la


224 8. Aplicación del caso práctico

Figura 8.10: Ejemplo Red Caso Práctico 1

bicicletas se obtiene a partir del mapa generado por el software. Dicho mapa se basa
en el sistema de información geográfica en el que está basada toda la basa de datos y
el modelo de red de la ciudad de Málaga. La visualización del mapa resultante (figura
8.10) facilita una mayor comprensión de la infraestructura diseñada. De este modo, se
puede analizar con mayor garantı́a las diferentes tomas de decisiones con respecto a la
planificación y diseño de la red ciclista final para el municipio.

Para el primer caso práctico presentado, se han tenido como resultado el listado de
los corredores que forman la red ciclista caracterizado por la distancia total de cada uno
de ellos y el recorrido por los diferentes arcos. Además, del mapa georeferenciado de los
corredores.

Una manera de aumentar el atractivo de la metodologı́a presentada, reside en


el resultado final de cada uno de los corredores relacionado con las diferentes tipo-
logı́as de carril bici. En este sentido, se ha facilitado de manera directa el resultado
para cada uno de los arcos resultantes (aij ) y el tipo de carril bici ejecutado en cada caso.
8.4. Validación del modelo de optimización 225

Figura 8.11: Ejemplo Corredores 1 y 4.

En el caso práctico presentado, se expone el resultado de las diferentes infraestruc-


turas que formarán parte de la red ciclista urbana del municipio de Málaga. Además,
para una mayor comprensión y análisis de los resultados, se exponen los ejemplos para
los corredores 1 (Centro - Malagueta) y 4 (Centro - Prolongación alameda). La elección
de dichos corredores corresponde con su especial localización, como es el centro de la
ciudad. Tal y como se puede observar en la figura 8.11.

El resultado obtenido para los dos corredores, caracterizado por la tipologı́a de carril
bici a implantar, está representado en las figuras 8.12. Dónde el corredor 1, reflejado
en la figura a, se caracteriza por 3 arcos con calzada bici. Por otro lado, el corredor
4 estarı́a formado por un carril bici cuyo lugar siempre será la calzada. Formado por
calzada bici y calzada bici protegida, figura b.

De este modo, la metodologı́a empleada para el caso de estudio en cuestión ha


proporcionado una de las posibles soluciones para la implantación de las infraestructuras
226 8. Aplicación del caso práctico

(a) Corredor 1 (b) Corredor 4

Figura 8.12: CB Corredores 1 y 4.

destinadas al uso de la bicicleta. Las diferentes bases de datos y el modelo de red forman
el soporte para el cometido de la planificación y diseño de los carriles para bicicletas. La
complejidad del algoritmo llevado a cabo en la elaboración de la presente investigación
proporciona multitud de funcionalidad a partir del total e variables a estudiar.

8.4.2. Aplicación caso práctico 2


A continuación, se presenta un segundo caso de aplicación para le diseño de carri-
les para bicicletas aplicados al municipio de Málaga. En este caso, se han considerado
diferentes restricciones para comprobar la versatilidad del algoritmo elaborado. De este
modo se presentan las caracterı́sticas que han condicionado el resultado del caso práctico
2.

En cuanto a las restricciones de espacio fı́sico, se observa unas restricciones similares


que en caso práctico presentado con anterioridad. También, ocurre lo mismo para las
restricciones relacionadas con las caracterı́sticas de la tipologı́a de calzada.

Se consideran los coeficientes de seguridad asociados a las caracterı́sticas de la red


vial y a la tipologı́a de “carril bici” idénticos al caso inicial. La diferente recae en
la seguridad de usuario genérico. Para este caso, se ha considerado una Sui,j = 10,
correspondiente a un P u ocasional. Esta configuración sirve, en primera medida para
8.4. Validación del modelo de optimización 227

Tipologı́a Anchura mı́nima


Acera bici 4.5 metros
Acera bici protegida 5 metros
Calzada bici 3.5 metros
Calzada bici segregada 3.5 metros
Ciclovı́a 3.5 metros
Carril bici por Aparcamiento 2.5 / 5 metros

Tabla 8.23: Anchura para implantacion de CB.

medir y valorar las diferentes restricciones asignadas de un modo inicial para los espacios
fı́sicos de la vı́a pública y las restricciones de calzada relacionada con el IM Dij y Vij .
También, ha contribuido a calibrar los valores para los coeficientes de seguridad del
total de variables y tipologı́as de “carriles bici”.

El resultado obtenido para la red de corredores para el municipio de Málaga con la


configuración del caso práctico 2 se presenta en la siguiente tabla 8.24.

Corredor Distancia Recorrido (Path)


C1 -1.0 [11, 3]
C2 -1.0 [89, 3]
C3 -1.0 [128, 3]
C4 -1.0 [260, 3]
C5 -1.0 [407, 3]
C6 3165.0 [89, 145, 94, 91, 92, 90, 71, 1042, 1041, 1040, 12, 788, 660, 659, 661, 662, 11]
C7 1035.0 [13, 663, 662, 11]
C8 3034.0 [23, 991, 20, 990, 22, 21, 989, 24, 56, 35, 38, 39, 791, 792, 28, 26, 869, 25]
C9 1241.0 [128, 98, 99, 95, 146, 91, 89]
C 10 2275.0 [698, 180, 686, 199, 202, 684, 206, 896, 208, 210, 116, 681, 114, 121, 119, 124,
125, 128]
C 11 -1.0 [725, 128]
C 12 1580.0 [239, 234, 837, 237, 1088, 155, 154, 669, 142, 144, 143, 138, 137, 128]
C 13 -1.0 [725, 698]
C 14 -1.0 [239, 725]
C 15 -1.0 [278, 725]
C 16 1771.0 [260, 259, 703, 257, 1000, 265, 707, 246, 242, 240, 234, 837, 237, 239]
C 17 1357.0 [278, 277, 244, 240, 234, 837, 237, 239]
228 8. Aplicación del caso práctico

Corredor Distancia Recorrido (Path)


C 18 1681.0 [268, 267, 247, 849, 246, 242, 240, 234, 837, 237, 239]
C 19 1973.0 [407, 322, 317, 726, 315, 264, 263, 262, 260]
C 20 1345.0 [268, 267, 247, 266, 265, 1000, 257, 256, 258, 260]
C 21 1091.0 [709, 297, 266, 265, 1000, 257, 256, 258, 260]
C 22 1733.0 [381, 813, 309, 303, 1079, 307, 319, 261, 259, 260]
C 23 2247.0 [381, 815, 380, 883, 632, 379, 633, 634, 334, 332, 325, 324, 407]
C 24 1595.0 [632, 379, 633, 634, 334, 332, 325, 324, 407]
C 25 1253.0 [338, 337, 408, 727, 326, 407]
C 26 1425.0 [268, 1075, 273, 284, 286, 285, 278]
C 27 -1.0 [288, 268]
C 28 795.0 [709, 297, 1076, 269, 272, 268]
C 29 -1.0 [593, 288]
C 30 -1.0 [709, 288]
C 31 -1.0 [398, 288]
C 32 2488.0 [593, 559, 551, 544, 556, 557, 538, 539, 769]
C 33 3966.0 [398, 1001, 1002, 385, 386, 816, 378, 476, 478, 477, 757, 480, 487, 488, 759, 491,
573, 769]
C 34 3162.0 [500, 900, 496, 898, 493, 759, 491, 573, 769]
C 35 2533.0 [581, 580, 576, 574, 775, 575, 780, 573, 769]
C 36 6454.0 [398, 1001, 1002, 385, 386, 816, 378, 476, 478, 477, 757, 480, 487, 488, 759, 491,
573, 769, 539, 538, 557, 556, 544, 551, 559, 593]
C 37 1434.0 [398, 397, 601, 271, 709]
C 38 1761.0 [381, 387, 603, 875, 602, 730, 601, 271, 709]
C 39 1793.0 [381, 387, 603, 875, 602, 730, 601, 397, 398]
C 40 1053.0 [386, 385, 1002, 1001, 398]
C 41 959.0 [386, 384, 380, 815, 381]
C 42 436.0 [632, 921, 381]
C 43 2185.0 [335, 805, 333, 411, 922, 632, 921, 381]
C 44 711.0 [632, 883, 380, 384, 386]
C 45 3858.0 [500, 900, 496, 898, 493, 481, 758, 478, 476, 378, 816, 386]
C 46 4569.0 [500, 900, 496, 898, 493, 481, 758, 478, 476, 378, 816, 386, 384, 380, 883, 632]
C 47 1749.0 [335, 805, 333, 411, 922, 632]
C 48 13721.0 [505, 504, 503, 502, 755, 951, 754, 627, 752, 625, 629, 429, 373, 370, 368, 369, 335,
805, 333, 411, 922, 632, 883, 380, 384, 386, 816, 378, 476, 478, 477, 757, 480, 487,
488, 759, 493, 492, 494, 899, 496, 900, 500]
C 49 1292.0 [338, 337, 408, 336, 367, 335]
C 50 3543.0 [734, 349, 735, 342, 345, 784, 783, 879, 340, 880, 881, 336, 367, 335]
C 51 6050.0 [505, 504, 503, 502, 755, 951, 754, 627, 752, 625, 629, 429, 373, 370, 368, 369, 335]
8.4. Validación del modelo de optimización 229

Corredor Distancia Recorrido (Path)


C 52 2710.0 [734, 349, 735, 342, 737, 346, 409, 408, 337, 338]
C 53 -1.0 [465, 447]
C 54 4169.0 [23, 991, 20, 17, 790, 16, 15, 14, 789, 87, 649, 12, 788, 660, 659, 661, 662, 663, 13]

Tabla 8.24: Corredores Caso Práctico 2.

El resultado obtenido en este caso práctico tiene algunas peculiaridades a destacar.


Existen corredores con distancias iguales a -1.0. En el caso de los corredores cuyo
resultado sea -1.0, es un indicativo para saber que no existe posibilidad de implantar
una red ciclista con las caracterı́sticas establecidas para ese corredor. Puede deberse a
la falta de espacio para implantar algunas de las tipologı́as de “carril bici” en el total de
arcos. También, cuando en el total de ai,j no cumplan con la seguridad óptima para que
se implante algún tipo de carril, el resultado será -1.0.

De este modo, se puede observar como la configuración de la seguridad asignada


para un valor de Su = 10 ocasiona grandes restricciones a la hora de planificar la red
ciclista en el municipio de Málaga. Es un indicio favorable a la hora de considerar un
valor de 10 para el perfil de usuario ocasional. En este sentido, la seguridad que debe de
tener cada uno de los arcos para considerarse óptimo garantiza un mayor atractivo para
los diferentes usuarios del municipio.

Se destaca el recorrido seguido de algunos corredores para la configuración presenta-


da. El corredor 6, encargado de unir las zonas de Malagueta y Victoria, tiene asignada
una distancia total de 3165 metros para el conjunto de arcos de recorrido. Al comparar
con el mismo corredor para la configuración del caso práctico 1, se observa como la
distancia para dicho corredor es de 1458 metros. La configuración de las diferentes
variables de seguridad han condicionado el recorrido para el corredor 6. Buscando el
recorrido de camino mı́nimo para unir las dos zonas (Malagueta y Victoria) con un valor
de seguridad mı́nimo de 10. Otros corredores con la misma tesitura serı́an el C22, C25,
C33, C34, C36 C38, C45, C46, C48, C51 y C52.

Para una mayor comprensión de los resultados obtenidos, se adjunta el mapa para
el caso práctico expuesto (figura 8.23). En comparación con el mapa resultante del
230 8. Aplicación del caso práctico

Figura 8.13: Ejemplo Red Caso Práctico 2

primer ejemplo se pueden apreciar grandes diferentes relacionas con las distancias de los
diferentes recorridos de los corredores.

8.4.3. Aplicación caso práctico 3


Otra de las configuraciones planteadas se resuelve en el caso práctico 3. Para este
caso particular se han considerado grandes diferencias relacionadas en la disponibilidad
del espacio fı́sico en el entramado urbano de Málaga. Se ha disminuido el espacio mı́nimo
disponible para la posibilidad de implantar el carril bici por la acera. En la tabla 8.25 se
presentan las anchuras mı́nimas codificadas.

Además, se ha modificado la configuración de restricciones asociadas a la con las


caracterı́sticas de tipologı́a de calzada. Con un aumento de la velocidad máxima para la
totalidad de arcos. En el caso particular de arcos de un carril y sentido, también se ha
realizado un aumento del IM Dij máximo. Para permitir con mayor facilidad la implan-
8.4. Validación del modelo de optimización 231

Tipologı́a Anchura mı́nima


Acera bici 3 metros
Acera bici protegida 3 metros
Calzada bici 3.5 metros
Calzada bici segregada 3.5 metros
Ciclovı́a 3.5 metros
Carril bici por Aparcamiento 2.5 / 5 metros

Tabla 8.25: Anchura para implantacion de CB.

tación de los diferentes tipos de carriles para bicicleta en calzada, se han considerado los
siguientes coeficientes:

1 carril: IM Dij ≤ 3 y Vij ≤ 40

2 carriles:

❼ 1 sentido: IM Dij ≤ 4 y Vij ≤ 50

❼ 2 sentidos: IM Dij ≤ 4 y Vij ≤ 50

3 carriles:

❼ 1 sentido: IM Dij ≤ 3 y Vij ≤ 50

❼ 2 sentidos: IM Dij ≤ 3 y Vij ≤ 50

4 carriles:

❼ 1 sentido: IM Dij ≤ 3 y Vij ≤ 50

❼ 2 sentidos: IM Dij ≤ 3 y Vij ≤ 50

La configuración para la seguridad de la tipologı́a de “carril bici” se ha cambiado con


respecto al inicial. De este modo se ha otorgado una mayor seguridad a las tipologı́as
cuyo lugar es la acera frente a las que transitan la calzada. El valor de seguridad otorgado
a cada una de las clases se corresponden con:
La seguridad mı́nima se ha mantenido para el caso genérico de un usuario ocasional.
Con el valor de P u = 10, se pretende obtener un diseño de red con atractivo para los
232 8. Aplicación del caso práctico

Tipologı́a de Carril Bici Seguridad


Acera Bici 15
Acera Bici Segregada 20
Calzada Bici 5
Calzada Bici Protegida 8
Ciclovı́a 8

Tabla 8.26: Seguridad asociada a la Tipologı́a de Carril Bici.

diferentes usuarios del municipio de Málaga relacionado con la seguridad.

El resultado de los diferentes corredores se desglosa en la tabla 8.27. En comparación


con el primer caso práctico analizado, se observan leves diferencias en cuanto a la
longitud y recorridos de los 54 corredores analizados para el municipio de Málaga.
Destacando una disminución del recorrido para los corredores C3, C4 C22 y C25.
Obteniéndose corredores más con una mayor seguridad, al tener una configuración de
seguridad para usuario ocasional.

Corredor Distancia Recorrido (Path)


C1 1035 [11, 7, 4, 3]
C2 1781 [89, 149, 88, 664, 9, 4, 3]
C3 2962.0 [128, 125, 124, 119, 120, 123, 131, 130, 132, 141, 155, 890, 702, 160, 162, 164,
167, 166, 165, 170, 2, 3]
C4 1017.0 [260, 262, 254, 167, 166, 165, 170, 2, 3]
C5 2123. [407, 322, 317, 176, 8, 177, 6, 5, 3]
C6 1458. [89, 149, 88, 664, 9, 4, 7, 11]
C7 1035.0 [13, 663, 662, 11]
C8 3034.0 [23, 991, 20, 990, 22, 21, 989, 24, 56, 35, 38, 39, 791, 792, 28, 26, 869, 25]
C9 1241.0 [128, 98, 99, 95, 146, 91, 89]
C 10 2275.0 [698, 180, 686, 199, 202, 684, 206, 896, 208, 210, 116, 681, 114, 121, 119, 124,
125, 128]
C 11 784.0 [725, 723, 310, 131, 130, 129, 128]
C 12 1580.0 [239, 234, 837, 237, 1088, 155, 154, 669, 142, 144, 143, 138, 137, 128]
C 13 2076.0 [725, 311, 226, 720, 225, 219, 1097, 887, 888, 218, 889, 722, 216, 697, 179, 698]
C 14 1075.0 [239, 234, 837, 237, 236, 312, 724, 725]
C 15 1512.0 [278, 840, 231, 232, 230, 235, 724, 725]
C 16 1563.0 [260, 262, 254, 253, 251, 250, 241, 809, 1088, 1071, 239]
8.4. Validación del modelo de optimización 233

Corredor Distancia Recorrido (Path)


C 17 1357.0 [278, 277, 244, 240, 234, 837, 237, 239]
C 18 1681.0 [268, 267, 247, 849, 246, 242, 240, 234, 837, 237, 239]
C 19 1973.0 [407, 322, 317, 726, 315, 264, 263, 262, 260]
C 20 1345.0 [268, 267, 247, 266, 265, 1000, 257, 256, 258, 260]
C 21 1091.0 [709, 297, 266, 265, 1000, 257, 256, 258, 260]
C 22 1358.0 [381, 813, 309, 307, 319, 261, 259, 260]
C 23 2247.0 [381, 815, 380, 883, 632, 379, 633, 634, 334, 332, 325, 324, 407]
C 24 1595.0 [632, 379, 633, 634, 334, 332, 325, 324, 407]
C 25 1220.0 [338, 337, 328, 323, 407]
C 26 1425.0 [268, 1075, 273, 284, 286, 285, 278]
C 27 786.0 [288, 851, 850, 287, 272, 268]
C 28 795.0 [709, 297, 1076, 269, 272, 268]
C 29 2777.0 [593, 926, 592, 767, 553, 547, 403, 399, 296, 295, 288]
C 30 1341.0 [709, 271, 601, 397, 884, 289, 288]
C 31 873.0 [398, 397, 884, 289, 288]
C 32 2488.0 [593, 559, 551, 544, 556, 557, 538, 539, 769]
C 33 2143.0 [398, 535, 533, 532, 873, 531, 774, 1087, 563, 573, 769]
C 34 3162.0 [500, 900, 496, 898, 493, 759, 491, 573, 769]
C 35 2533.0 [581, 580, 576, 574, 775, 575, 780, 573, 769]
C 36 2848.0 [398, 535, 1089, 549, 762, 552, 553, 767, 592, 926, 593]
C 37 1434.0 [398, 397, 601, 271, 709]
C 38 1273.0 [381, 387, 304, 300, 710, 297, 709]
C 39 1793.0 [381, 387, 603, 875, 602, 730, 601, 397, 398]
C 40 1053.0 [386, 385, 1002, 1001, 398]
C 41 959.0 [386, 384, 380, 815, 381]
C 42 436.0 [632, 921, 381]
C 43 2185.0 [335, 805, 333, 411, 922, 632, 921, 381]
C 44 711.0 [632, 883, 380, 384, 386]
C 45 3848.0 [500, 900, 496, 492, 482, 897, 478, 476, 378, 816, 386]
C 46 4559.0 [500, 900, 496, 492, 482, 897, 478, 476, 378, 816, 386, 384, 380, 883, 632]
C 47 1749.0 [335, 805, 333, 411, 922, 632]
C 48 1646.0 [505, 504, 502, 501, 500]
C 49 1292.0 [338, 337, 408, 336, 367, 335]
C 50 3543.0 [734, 349, 735, 342, 345, 784, 783, 879, 340, 880, 881, 336, 367, 335]
C 51 4536.0 [505, 507, 506, 430, 628, 753, 629, 429, 373, 370, 368, 369, 335]
C 52 2689.0 [734, 349, 735, 342, 737, 410, 339, 337, 338]
C 53 2258.0 [465, 464, 458, 457, 452, 451, 450, 447]
C 54 4169.0 [23, 991, 20, 17, 790, 16, 15, 14, 789, 87, 649, 12, 788, 660, 659, 661, 662,
234 8. Aplicación del caso práctico

Corredor Distancia Recorrido (Path)


663, 13]

Tabla 8.27: Corredores Caso Práctico 3.


8.4. Validación del modelo de optimización 235

Figura 8.14: Ejemplo Red Caso Práctico 3

El mapa de la red ciclista urbana para el caso de estudio del ejemplo 3, es la represen-
tada por la figura 8.14. Se puede observar como el conjunto de la red ocupa gran parte
del entramado urbano del municipio de Málaga. De este modo se asegura una infraes-
tructura capaz de abastecer a un mayor número de usuarios reales y potenciales.

Para un mejor análisis de la metodologı́a empleada para el caso particular 3, se


realiza un estudio asociado a las tipologı́as de “carriles bici” asignados a los corredores
1 y 4, tal y como se llevó a cabo en el caso práctico inicial. De este modo se puede
comprobar las diferencias en el diseño optado por el software dependiendo de los
diferentes pesos e importancia otorgados a las variables de estudio.

En este caso en particular, para el corredor 1 (color morado) no ha habido variaciones


con respecto al recorrido realizado para los dos casos. Si hay que diferenciar, para el
ejemplo inicial la tipologı́a de carril bici es idéntica para los tres arcos que forman el
corredor, Calzada-Bici. Para el nuevo ejemplo, se han variado los requisitos de anchura
mı́nima, las restricciones con respecto a la infraestructura de calzada y asignar una
236 8. Aplicación del caso práctico

Figura 8.15: Ejemplo Corredores 1 y 4.

(a) Corredor 1 (b) Corredor 4

Figura 8.16: CB Corredores 1 y 4.

seguridad de usuario mı́nima de 10. Obteniéndose para el corredor Centro - Malagueta


una tipologı́a para cada ai,j de Acera bici, Calzada bici y Acera bici, tal y como se puede
apreciar en la figura 8.16 (a).

Es en el corredor 4 (Centro - Prolongación Alameda), dónde se pueden observar


una mayor importancia de la aplicación de la metodologı́a con la configuración corres-
8.4. Validación del modelo de optimización 237

pondiente para cada variable. El resultado es un corredor con una distancia total de
recorrido menor, facilitado por unas menores restricciones para la implantación de este
tipo de infraestructuras en aceras. Se puede observar como la influencia del P u = 10
ha condicionado para que los arcos no transiten la zona de la Alameda Principal de
Málaga14 debido a la alta concentración de tráfico que sufre habitualmente.

8.4.4. Aplicación caso práctico 4


A continuación se va a exponer el último ejemplo de aplicación para el caso práctico
del municipio de Málaga. Con respecto al ejemplo inicial planteado, se han modificado las
restricciones con respecto al espacio fı́sico disponible para cada tipo de infraestructura.
En este sentido, destaca un aumento para la posibilidad de ejecutar el “carril bici” por
la acera hasta los 5 metros. Del lado contrario, se ha disminuido la restricción de espacio
mı́nimo para la implantación en calzada. Se resumen en la siguiente tabla:

Tipologı́a Anchura mı́nima


Acera bici 5 metros
Acera bici protegida 5 metros
Calzada bici 3 metros
Calzada bici segregada 3 metros
Ciclovı́a 3.5 metros
Carril bici por Aparcamiento 2.5 / 5 metros

Tabla 8.28: Anchura para implantacion de CB.

En relación con las restricciones de infraestructura para la calzada, en términos ge-


nerales, se ha sido más permisivo. se destaca la restricción de velocidad. Tal y como
aparece en el siguiente desglose, las restricciones relacionadas con el número de carriles
en calzada serı́a de:

1 carril: IM Dij ≤ 3 y Vij ≤ 50

2 carriles:
14
Alameda Principal de Málaga se trata de una de las principales avenidas del centro de la ciudad.
Formando parte del eje de conexión con la zona este de la ciudad. Además tiene una funcionalidad de
intercambiador entre las lı́neas de autobús urbano de la Empresa Malagueña de Transporte (EMTSAM).
238 8. Aplicación del caso práctico

❼ 1 sentido: IM Dij ≤ 3 y Vij ≤ 50


❼ 2 sentidos: IM Dij ≤ 3 y Vij ≤ 50

3 carriles:

❼ 1 sentido: IM Dij ≤ 3 y Vij ≤ 60


❼ 2 sentidos: IM Dij ≤ 3 y Vij ≤ 60

4 carriles:

❼ 1 sentido: IM Dij ≤ 3 y Vij ≤ 60


❼ 2 sentidos: IM Dij ≤ 3 y Vij ≤ 60

Los valores concedidos a las diferentes tipologias de infraestructura para la bicicleta


se caracterizan por el fomento de “carriles bici” que circulen por la calzada. Tal y como
se puede apreciar en la tabla 8.29. Los valores con los que se ha configurado el algoritmo
para la aplicación del siguiente ejemplo tiene la clara intención de ser un activo a la hora
de reducir el tráfico rodado para el municipio de Málaga. En este sentido, se pretende
potenciar las diferentes tipologı́as ejecutadas por calzada, siempre y cuando cumplan
con los mı́nimos de seguridad establecidos por P u.

Tipologı́a de Carril Bici Seguridad


Acera Bici 1
Acera Bici Segregada 2
Calzada Bici 30
Calzada Bici Protegida 40
Ciclovı́a 50

Tabla 8.29: Seguridad asociada a la Tipologı́a de Carril Bici.

Para obtener una mayor seguridad de la red ciclista en el término municipal de


Málaga, se ha asignado un coeficiente de seguridad para el P u de 15. Con respecto a
los perfiles de usuarios establecidos en el modelo, para este ejemplo se ha empleado un
perfil de usuario de Inexperto. De este modo, se puede garantizar a la hora de asignar
un arco como óptimo para tenerlo en cuanto como arco posible para implantar algún
8.4. Validación del modelo de optimización 239

tipo de infraestructura para la bicicleta.

Tras la optimización de los recorridos, se ha obtenido el listado de los corredores


correspondientes para el ejemplo del caso práctico 4. El resultado de los 54 corredores
se presentan a continuación.

Corredor Distancia Recorrido (Path)


C1 1035 [11, 7, 4, 3]
C2 1781 [89, 149, 88, 664, 9, 4, 3]
C3 2372.0 [128, 137, 136, 134, 133, 670, 132, 141, 155, 890, 702, 160, 162, 164, 165, 169,
170, 2, 3]
C4 1002.0 [260, 262, 254, 167, 166, 165, 169, 170, 2, 3]
C5 2123. [407, 322, 317, 176, 8, 177, 6, 5, 3]
C6 1458. [89, 149, 88, 664, 9, 4, 7, 11]
C7 1035.0 [13, 663, 662, 11]
C8 3034.0 [23, 991, 20, 990, 22, 21, 989, 24, 56, 35, 38, 39, 791, 792, 28, 26, 869, 25]
C9 1241.0 [128, 98, 99, 95, 146, 91, 89]
C 10 2275.0 [698, 180, 686, 199, 202, 684, 206, 896, 208, 210, 116, 681, 114, 121, 119, 124,
125, 128]
C 11 784.0 [725, 723, 310, 131, 130, 129, 128]
C 12 1561.0 [239, 234, 837, 237, 1088, 155, 154, 669, 142, 133, 670, 132, 135, 129, 128]
C 13 2076.0 [725, 311, 226, 720, 225, 219, 1097, 887, 888, 218, 889, 722, 216, 697, 179, 698]
C 14 1075.0 [239, 234, 837, 237, 236, 312, 724, 725]
C 15 1512.0 [278, 840, 231, 232, 230, 235, 724, 725]
C 16 1563.0 [260, 262, 254, 253, 251, 250, 241, 809, 1088, 1071, 239]
C 17 1357.0 [278, 277, 244, 240, 234, 837, 237, 239]
C 18 1681.0 [268, 267, 247, 849, 246, 242, 240, 234, 837, 237, 239]
C 19 1973.0 [407, 322, 317, 726, 315, 264, 263, 262, 260]
C 20 1345.0 [268, 267, 247, 266, 265, 1000, 257, 256, 258, 260]
C 21 913.0 [709, 708, 301, 298, 259, 260]
C 22 1358.0 [381, 813, 309, 307, 319, 261, 259, 260]
C 23 2247.0 [381, 815, 380, 883, 632, 379, 633, 634, 334, 332, 325, 324, 407]
C 24 1595.0 [632, 379, 633, 634, 334, 332, 325, 324, 407]
C 25 1220.0 [338, 337, 328, 323, 407]
C 26 1425.0 [268, 1075, 273, 284, 286, 285, 278]
C 27 786.0 [288, 851, 850, 287, 272, 268]
C 28 795.0 [709, 297, 1076, 269, 272, 268]
C 29 2777.0 [593, 926, 592, 767, 553, 547, 403, 399, 296, 295, 288]
240 8. Aplicación del caso práctico

Corredor Distancia Recorrido (Path)


C 30 1341.0 [709, 271, 601, 397, 884, 289, 288]
C 31 873.0 [398, 397, 884, 289, 288]
C 32 2488.0 [593, 559, 551, 544, 556, 557, 538, 539, 769]
C 33 2143.0 [398, 535, 533, 532, 873, 531, 774, 1087, 563, 573, 769]
C 34 2947.0 [500, 900, 496, 497, 498, 491, 573, 769]
C 35 2533.0 [581, 580, 576, 574, 775, 575, 780, 573, 769]
C 36 2848.0 [398, 535, 1089, 549, 762, 552, 553, 767, 592, 926, 593]
C 37 1434.0 [398, 397, 601, 271, 709]
C 38 1273.0 [381, 387, 304, 300, 710, 297, 709]
C 39 1793.0 [381, 387, 603, 875, 602, 730, 601, 397, 398]
C 40 1053.0 [386, 385, 1002, 1001, 398]
C 41 959.0 [386, 384, 380, 815, 381]
C 42 436.0 [632, 921, 381]
C 43 2185.0 [335, 805, 333, 411, 922, 632, 921, 381]
C 44 711.0 [632, 883, 380, 384, 386]
C 45 3848.0 [500, 900, 496, 492, 482, 897, 478, 476, 378, 816, 386]
C 46 4559.0 [500, 900, 496, 492, 482, 897, 478, 476, 378, 816, 386, 384, 380, 883, 632]
C 47 1749.0 [335, 805, 333, 411, 922, 632]
C 48 1646.0 [505, 504, 502, 501, 500]
C 49 1292.0 [338, 337, 408, 336, 367, 335]
C 50 3543.0 [734, 349, 735, 342, 345, 784, 783, 879, 340, 880, 881, 336, 367, 335]
C 51 4536.0 [505, 507, 506, 430, 628, 753, 629, 429, 373, 370, 368, 369, 335]
C 52 2689.0 [734, 349, 735, 342, 737, 410, 339, 337, 338]
C 53 2258.0 [465, 464, 458, 457, 452, 451, 450, 447]
C 54 4169.0 [23, 991, 20, 17, 790, 16, 15, 14, 789, 87, 649, 12, 788, 660, 659, 661, 662,
663, 13]

Tabla 8.30: Corredores Caso Práctico 4.

En comparación con el primer caso de estudio, existe leves diferencias en cuanto a la


distancia total de los corredores. Es cierto, al igual que lo demostrado para los diferentes
ejemplos expuestos de los corredores 1 y 2, Centro - Malagueta y Centro Prolongación
Alameda respectivamente, es necesario analizar que tipologı́a se ha diseñado para cada
uno de los arcos que forman los correspondientes corredores. Se destaca la diferencia una
menor distancia de los recorridos para los corredores C3, C4, C12, C21, C22 y C25.
Para finalizar el último caso práctico a exponer, se adjunto la resolución del mapa
creado por el software para la red ciclista urbana aplicada al municipio de Málaga. Al
8.4. Validación del modelo de optimización 241

Figura 8.17: Ejemplo Red Caso Práctico 4

igual que en los anteriores casos estudiados, se obtiene una red global que cubre gran parte
de la superficie del municipio. De este modo, se permite implantar una infraestructura
destinada al uso de la bicicleta a partir de las variables que condicionan los diferentes
parámetros planteados en la metodologı́a.

8.4.5. Resumen de los casos prácticos presentados


Para una mayor comparativa relacionada con los casos prácticos expuestos ante-
riormente, se presenta una tabla resumen para cada uno de los 54 corredores en los
diferentes ejemplos llevados a cabo en la validación del caso práctico.

Corredor Caso 1 Caso 2 Caso 3 Caso 4


C 1 1035 -1 1035 1035
C 2 1781 -1 1781 1781
C 3 3022 -1 2962 2372
C 4 1758 -1 1017 1002
242 8. Aplicación del caso práctico

Corredor Caso Práctico 1 Caso Práctico 2 Caso Práctico 3 Caso Práctico 4


C5 2123 -1 2123 2123
C6 1458 3165 1458 1458
C7 1035 1035 1035 1035
C8 3034 3034 3034 3034
C9 1241 1241 1241 1241
C 10 2275 2275 2275 2275
C 11 784 -1 784 784
C 12 1580 1580 1580 1561
C 13 2076 -1 2076 2076
C 14 1075 -1 1075 1075
C 15 1512 -1 1512 1512
C 16 1563 1771 1563 1563
C 17 1357 1357 1357 1357
C 18 1681 1681 1681 1681
C 19 1973 1973 1973 1973
C 20 1345 1345 1345 1345
C 21 1091 1091 1091 913
C 22 1720 1733 1358 1358
C 23 2247 2247 2247 2247
C 24 1595 1595 1595 1595
C 25 1246 1253 1220 1220
C 26 1425 1425 1425 1425
C 27 786 -1 786 786
C 28 795 795 795 795
C 29 2777 -1 2777 2777
C 30 1341 -1 1341 1341
C 31 873 -1 873 873
C 32 2488 2488 2488 2488
C 33 2143 3966 2143 2143
C 34 2947 3162 3162 2947
C 35 2533 2533 2533 2533
C 36 2848 6454 2848 2848
C 37 1434 1434 1434 1434
C 38 1273 1761 1273 1273
C 39 1793 1793 1793 1793
C 40 1053 1053 1053 1053
C 41 959 959 959 959
C 42 436 436 436 436
8.4. Validación del modelo de optimización 243

Corredor Caso Práctico 1 Caso Práctico 2 Caso Práctico 3 Caso Práctico 4


C 43 2185 2185 2185 2185
C 44 711 711 711 711
C 45 3848 3858 3848 3848
C 46 4559 4569 4559 4559
C 47 1749 1749 1749 1749
C 48 1646 13721 1646 1646
C 49 1292 1292 1292 1292
C 50 3543 3543 3543 3543
C 51 4536 6050 4536 4536
C 52 2689 2710 2689 2689
C 53 2258 -1 2258 2258
C 54 4169 4169 4169 4169
Total km. 102,70 101,19 101,72 100,71

Tabla 8.31: Resumen distancias de Corredores (Ejemplos).


244 8. Aplicación del caso práctico
9

Conclusiones y lı́neas de
investigación futuras

245
246 9. Conclusiones y lı́neas de investigación futuras
9.1. Conclusiones 247

9.1. Conclusiones
En la presente tesis se ha desarrollado una serie de modelos para la planificación,
análisis y diseño de las infraestructuras destinadas al uso de la bicicleta en ámbito
urbano. Para lograr dicho objetivo se ha hecho uso de diferentes herramientas matemáti-
cas que han permitido optimizar, dentro del entramado urbano actual, una nueva red
ciclista adaptada a cada uno de los casos de estudio. Esta metodologı́a se ha aplicado al
estudio de ”carriles bici” en el municipio de Málaga, obteniéndose importantes resultados.

Las soluciones a los diferentes objetivos propuestos durante la parte inicial de la


investigación se han expuesto en cada uno de los capı́tulos presentados. A la hora de
identificar los diferentes parámetros con los métodos y técnicas para el fomento de la
bicicleta en áreas urbanas, se tomó la decisión de clasificar cada una de las variables
relacionadas con la infraestructura vial y el entramado urbano existente, con las
tipologı́as de infraestrucutras destinadas al uso de la bicicleta y las variables que afectan
a la movilidad de los usuarios. En este sentido, se identifican las variables latentes que
influyen en las percepciones de seguridad de los diferentes usuarios. Este conjunto de
parámetros, junto con los observables y objetivos, han servido para la interpretación del
comportamiento de la movilidad ciclista, en especial, para el caso aplicado del municipio
de Málaga.

La encuesta de movilidad realizada sobre las preferencias de uso, respecto a la


movilidad sostenible, ha facilitado la configuración de los patrones de conducta y, en
definitiva, el peso de las variables que influyen en la toma de decisiones a la hora de
seleccionar la bicicleta como modo de transporte habitual para un usuario de Málaga.

El tratamiento de datos, a la hora de realizar modelos de transportes, adquiere vital


importancia. Para el caso particular de la presente tesis, se tuvo que realizar la creación
del modelo de red debido a su inexistencia. Todos y cada uno de los procesos llevados
a cabo han sido únicos para el caso aplicado. Con la finalidad de conseguir una mayor
versatilidad para la futura aplicación de la metodologı́a creada a otros casos de estudio,
se clasifican los diferentes datos necesarios, y su formato, para obtener un resultado
satisfactorio al elaborar el modelo de optimización planteado.
248 9. Conclusiones y lı́neas de investigación futuras

Un aspecto importante a destacar es la creación del software especı́fico. Además de


ser capaz de resolver problemas de optimización de movilidad urbana, particularmente
para las diferentes redes ciclistas urbanas existentes en el caso de estudio presentado,
tiene la capacidad de construir el modelo visual resultante de las infraestructuras
ciclistas y de representarlo mediante mapas con sistemas de información geográfica.
Este software aporta una gran flexibilidad de aplicación a los diferentes casos de estudio
y facilita su uso sobre diferentes modelos de ciudad a la hora de optimizar las redes
ciclistas urbanas.

Tras la aplicación del software se presentan algunas de las conclusiones obtenidas en


el desarrollo de la presente tesis, basadas en la resolución de los diferentes casos que
se han ido presentados en la elaboración de cada uno de los capı́tulos existentes. El
conjunto de conclusiones fundamentan la elaboración del algoritmo matemático creado
y su implementación en software.

La búsqueda del camino mı́nimo para rutas está directamente influenciado por
las caracterı́sticas del entramado urbano existente. No se puede considerar una buena
planificación de red ciclista sin tener en cuenta el problema del tráfico actual y
futuro. Las restricciones presentes para este tipo de problemas se centran principal-
mente en la disponibilidad de espacio fı́sico en cada uno de los arcos que forman la
red vial creada. La posibilidad del algoritmo de modificar fácilmente las anchuras
mı́nimas de aceras, calzadas y aparcamientos a tener en cuenta, para implantar las
diferentes tipologı́as de infraestructura ciclista, ofrece multitud de alternativas de diseño.

En relación con la seguridad, se han obtenido conclusiones que describen y analizan


el comportamiento y las preferencias sobre el uso de la bicicleta en la ciudad de Málaga.
Los no usuarios de la bicicleta otorgan una mayor importancia a la seguridad, debido
fundamentalmente a la falta de hábito en su uso, lo que justifica lo expuesto en la
revisión de la literatura cientı́fica por Harkey 56 . Y la influencia existente de los vehı́culos
a motor protagoniza una disminución de la seguridad y comodidad de los usuarios
encuestados. Por ello, el volumen del tráfico es un factor disuasorio de la bicicleta 116
que se hace patente en el municipio de Málaga. La posibilidad de aumento de la
9.1. Conclusiones 249

percepción de seguridad de los usuarios, a la hora de usar la bicicleta, tiene relación con
la existencia de una red completa y mayor número de infraestructuras para la bicicleta 34 .

La configuración de la ciudad, definida por sus caracterı́sticas geométricas y


operativas, es el primer condicionante para la implantación de la red ciclista urbana.
En lo referido a los tipos de carriles para bicicletas, el 42 % de los encuestados usarı́a
diariamente la bicicleta como modo de transporte habitual dentro del municipio de
Málaga. Demostrándose la correlación entre una mayor frecuencia de uso de la bicicleta
cuando existen ”carriles bici” cómodos, seguros y, por tanto, atractivos a un mayor
número de usuarios.

En el caso particular de Málaga, existe una predilección por las acera bici protegidas
y calzada bici protegidas. La separación de espacios fı́sicos con el resto de actores
de la vı́a pública condicionan la prioridad de estas tipologı́as. Se destaca un mayor
cambio de conducta en los usuarios no habituales de la bicicleta en esas condiciones
y se determina que la percepción de seguridad está directamente relacionada con la
experiencia de uso de la bicicleta. Por ello se ha observado, en los usuarios con más expe-
riencia en el uso de la bicicleta, una sensación de seguridad mayor en sus desplazamientos.

Para el desarrollo de los modelos de optimización, existe la dificultad de encontrar


una solución que satisfaga a todos los condicionantes del problema cuando se trata de
optimización multiobjetivo. Este problema tiene solución dentro de la programación
matemática del algoritmo con el empleo de herramientas capaces de maximizar la mejor
solución para cada uno de los casos. A la hora de elegir los arcos ”aptos” y las diferentes
tipologı́as de ”carril bici” que pueden implantarse, siempre se selecciona la que ofrece
una mayor seguridad, facilitando de este modo un mejor resultado de red ciclista.

Al haberse utilizado en esta tesis una zonificación basada en los diseños de las
diferentes administraciones públicas locales, en este caso las de la ciudad de Málaga,
se logra una mayor facilidad de uso por parte de las mismas. En este sentido, se ha
tenido en consideración que futuros técnicos municipales sean capaces de implementar
el software para desarrollar sus propias propuestas de redes ciclistas urbanas. Además,
se ofrece una rápida actualización de las diferentes bases de datos con respecto a las
250 9. Conclusiones y lı́neas de investigación futuras

futuras modificaciones que puedan sucederse.

La segmentación, con la que se ha caracterizado a los diferentes perfiles de usuarios


genéricos, son una representación real y adaptaba a múltiples modelos de aplicación.
En este sentido, se han desarrollado 4 perfiles diferenciados por los múltiples hábitos
respecto a la frecuencia de uso de la bicicleta y, por tanto, con relación directa sobre
la percepción de seguridad de cada usuario. Se obtiene de este modo una configuración
que se contrapone a la seguridad mı́nima global del total de la red.

Al existir diferencias en los hábitos de movilidad, motivos de los desplazamientos y


percepciones con respecto a la seguridad, se obtiene una solución adecuada a partir de
los perfiles zonales de seguridad y caracterizada para cada una de dichas zonas en las
que se ha distribuido el municipio de Málaga. Las agrupaciones del total de variables
influyen en la optimización final, obteniendo la tipologı́a de ”carril bici” con mayor nivel
de seguridad. La influencia positiva o negativa con respecto a la seguridad, para las
agrupaciones de población, vivienda y usos del suelo, garantizan la mejor planificación
y diseño de las infraestructuras para bicicletas más seguras.

El caso práctico presentado en este trabajo corresponde al municipio de Málaga.


Se trata de una aplicación del algoritmo a una red de tamaño real con unos tiempos
de cálculo ligeros. De este modo, se ha conseguido una convergencia muy rápida para
analizar diferentes situaciones de estudio, lo cual aumenta el atractivo del software
creado para su uso práctico a diferentes casos reales.

Para finalizar, parte de las investigaciones desarrollas durante el transcurso de la


tesis doctoral han sido presentadas y publicadas en diferentes congresos y revistas
internacionales. Se exponen dichos trabajos:

Liñán, R.J., Gaspar, I., Bordagaray, M., Moura, J.L., Ibeas, A. (2014). Optimi-
zation of cycle paths with mathematical programming. Transportation Research
Procedia 3(2014) 848-855. Elservier.
9.2. Lı́neas de investigación futuras 251

Liñán, R.J., Pérez, J., Cabrera, V. Mathematical optimization for planning and
design of cycle paths. Transport Policy. En revisión desde abril 2016.

Liñán, R.J., Merino, S., Martı́nez, J.(20143). Optimization and design of bycicle
lines. Proceedings of Applications of Computer Algebra ACA (2013) 303-307.

9.2. Lı́neas de investigación futuras


A partir de los trabajos realizados y resultados alcanzados en la presente tesis, quedan
abiertas diferentes lı́neas de investigación que se detallan a continuación:

Aumentar el campo de búsqueda relacionado con las variables que influyen en el


comportamiento ciclista y en sus preferencias de uso. Los resultados obtenidos para
el caso particular de la ciudad de Málaga pueden ser un punto de partida interesante
para la aplicación práctica de la metodologı́a realizada a diferentes casos reales.

Implementar el software creado sobre el modelo de transporte de Málaga, con el


objetivo de relacionar el total de infraestructuras de la red vial para todos los modos
de transportes y ver el efecto producido en el reparto modal real de la ciudad. Se
obtendrı́a un modelo para la gestión de la demanda ciclista y del resto de modos
que actúan en el entramado urbano.

Servir como metodologı́a para el análisis de las diferentes infraestructuras para bi-
cicletas ya diseñadas, con la obtención de mejoras técnicas de diseño y planificación
con el objetivo de fomentar su uso en áreas urbanas.

Buscar los algoritmos más eficientes para la resolución del modelo de optimiza-
ción multiobjetivo desarrollado para al cálculo de la ruta óptima de la red urbana
ciclista.

Regular el marco legal y normativo en materia de planificación del tráfico y circula-


ción urbana aplicado a la movilidad ciclista. Esto serı́a una herramienta necesaria a
la hora de realizar los diferentes Planes Generales de Ordenación Urbana (PGOU),
252 9. Conclusiones y lı́neas de investigación futuras

además de ser una herramienta de planificación y de regulación para la circulación


en bicicleta.

Crear un modelo común de estrategias ciclistas capaz de ser adaptado a todas las
ciudades a partir de la versatilidad ofrecida por la programación del algoritmo.

Concluir un proceso para el cálculo de la evaluación ambiental y energética de los


diferentes casos prácticos aplicados.

Incluir el análisis de los costes operacionales relacionados con la implantación de


los diferentes corredores que puedan formar parte de la red ciclista.

Relacionar nuevas variables del trazado para la resolución de la optimización de la


red ciclista, tales como la ubicación del servicio de bicicleta pública.

Adaptar los diferentes sistemas de transporte público y sentar las bases para pla-
nificar nuevas infraestructuras de uso exclusivo para modos de transportes más
sostenibles dentro del entramado urbano.
Bibliografı́a

[1] Diego Sanz Abella, Raúl Rúa Cerveró, Francisco Selma Mendoza, and Miguel Ángel Ca-
rrera Hueso. Tipologı́a y secciones transversales de vı́as ciclistas en españa. Carreteras:
Revista técnica de la Asociación Española de la Carretera, (172):6–26, 2010.

[2] Icek Ajzen. From intentions to actions: A theory of planned behavior. Springer, 1985.

[3] Icek Ajzen. The theory of planned behavior. Organizational behavior and human decision
processes, 50(2):179–211, 1991.

[4] Gulsah Akar and Kelly J Clifton. Influence of individual perceptions and bicycle infras-
tructure on decision to bike. Transportation Research Record: Journal of the Transpor-
tation Research Board, 2140(1):165–172, 2009.

[5] Lisa Aultman-Hall, Fred L Hall, and Brian B Baetz. Analysis of bicycle commuter routes
using geographic information systems: implications for bicycle planning. Transportation
Research Record: Journal of the Transportation Research Board, 1578(1):102–110, 1997.

[6] M. Hadi Baaj and Hani S. Mahmassani. An ai-based approach for transit route system
planning and design. Journal of Advanced Transportation, 25(2):187–209, 1991.

[7] Albert Bandura. Social cognitive theory of self-regulation. Organizational behavior and
human decision processes, 50(2):248–287, 1991.

[8] Miguel Bea Alonso, Joan Pasqual i Rocabert, et al. Los sistemas de bicicletas públicas
urbanas. 2009.

[9] Richard Bellman. Mathematical aspects of scheduling theory. Journal of the Society for
Industrial & Applied Mathematics, 4(3):168–205, 1956.

[10] Gerd Bohner and Michaela Wänke. Attitudes and attitude change. Psychology Press,
2002.

[11] Gilles Brassard and Paul Bratley. Fundamentals of algorithmics, volume 133350681.
Prentice Hall Englewood Cliffs, 1996.

253
254 Bibliografı́a

[12] Daniel L Carter, William W Hunter, Charles V Zegeer, J Richard Stewart, and Herman F
Huang. Pedestrian and bicyclist intersection safety indices: final report. Technical report,
2006.

[13] Robert Cervero and Michael Duncan. Walking, bicycling, and urban landscapes: evidence
from the san francisco bay area. American journal of public health, 93(9):1478–1483, 2003.

[14] Robert Cervero and Kara Kockelman. Travel demand and the 3ds: density, diversity,
and design. Transportation Research Part D: Transport and Environment, 2(3):199–219,
1997.

[15] Robert Cervero, Olga L Sarmiento, Enrique Jacoby, Luis Fernando Gomez, and Andrea
Neiman. Influences of built environments on walking and cycling: lessons from bogotá.
International Journal of Sustainable Transportation, 3(4):203–226, 2009.

[16] Partha Chakroborty. Genetic algorithms for optimal urban transit network design.
Computer-Aided Civil and Infrastructure Engineering, 18(3):184–200, 2003.

[17] Boris V Cherkassky, Andrew V Goldberg, and Tomasz Radzik. Shortest paths algorithms:
Theory and experimental evaluation. Mathematical programming, 73(2):129–174, 1996.

[18] Carey Curtis, John L Renne, and Luca Bertolini. Transit oriented development: making
it happen. Ashgate Publishing, Ltd., 2009.

[19] Carta de Aalborg. Carta de las ciudades europeas hacia la sostenibilidad. In Conferencia
europea sobre Ciudades Sostenibles, volume 27, 1994.

[20] Juan de Dios Ortúzar. Modelos de demanda de transporte. Alfaomega; Universidad


católica de Chile, 2000.

[21] Juan de Dios Ortuzar, Andres Iacobelli, and Claudio Valeze. Estimating demand for a
cycle-way network. Transportation Research Part A: Policy and Practice, 34(5):353–373,
2000.

[22] Comisión de las comunidades europeas. Bruselas. Libro blanco: la polÃtica europea de
transporte cara al 2010: La hora de la verdad. 2001.

[23] Comisión de las comunidades europeas. Bruselas. Libro verde: hacia una nueva cultura
de la movilidad urbana. 2007.

[24] Delegación de movilidad. Área de tráfico y transporte público. Plan municipal de movi-
lidad sostenible de málaga (pmms). Technical report, Ayuntamiento de Málaga, 2008.

[25] Delegación de movilidad. Área de tráfico y transporte público. Consultrans. Propues-


ta para la mejora de la movilidad urbana de la ciudad de málaga. Technical report,
Ayuntamiento de Málaga, 2005.
Bibliografı́a 255

[26] Delegación de movilidad. Área de tráfico y transporte público. Estudio 7. Campaña de


encuestas de movilidad sobre el sistema público de bicicletas de málaga. Technical report,
Ayuntamiento de Málaga, 2013.

[27] Delegación de movilidad. Área de tráfico y transporte público. Tema Consultores y Pe-
reda 4. Estudio sobre la movilidad y modelización de la demanda de transporte en la
ciudad de málaga. Technical report, Ayuntamiento de Málaga, 2001.

[28] Delegación de movilidad.Área de tráfico y transporte público. Estudio 7. Análisis de la


movilidad en la ciudad de málaga. Technical report, Ayuntamiento de Málaga, 2008.

[29] Delegación de movilidad.Área de tráfico y transporte público. Estudio 7. Estudio de


demanda de movilidad en la ciudad de málaga. Technical report, Ayuntamiento de
Málaga, 2014.

[30] Kalyanmoy Deb. Multi-objective optimization using evolutionary algorithms, volume 16.
John Wiley & Sons, 2001.

[31] Paul DeMaio. Bike-sharing: History, impacts, models of provision, and future. Journal
of Public Transportation, 12(4):41–56, 2009.

[32] Edsger W Dijkstra. A note on two problems in connexion with graphs. Numerische
mathematik, 1(1):269–271, 1959.

[33] Jennifer Dill. Travel behavior and attitudes: New urbanist vs. traditional suburban neigh-
borhoods. In Annual Meeting of the Transportation Research Board, Washington, DC,
2003.

[34] Jennifer Dill and Theresa Carr. Bicycle commuting and facilities in major us cities: if
you build them, commuters will use them. Transportation Research Record: Journal of
the Transportation Research Board, 1828(1):116–123, 2003.

[35] Jennifer Dill and John Gliebe. Understanding and measuring bicycling behavior: A focus
on travel time and route choice. 2008.

[36] Linda B Dixon. Bicycle and pedestrian level-of-service performance measures and stan-
dards for congestion management systems. Transportation Research Record: Journal of
the Transportation Research Board, 1538(1):1–9, 1996.

[37] Richard Dowling, Aimee Flannery, Bruce Landis, Theo Petritsch, Nagui Rouphail, and
Paul Ryus. Multimodal level of service for urban streets. Transportation Research Record:
Journal of the Transportation Research Board, 2071(1):1–7, 2008.

[38] Matthias Ehrgott and Xavier Gandibleux. A survey and annotated bibliography of mul-
tiobjective combinatorial optimization. OR-Spektrum, 22(4):425–460, 2000.
256 Bibliografı́a

[39] Matthias Ehrgott and Xavier Gandibleux. Approximative solution methods for multiob-
jective combinatorial optimization. Top, 12(1):1–63, 2004.

[40] Catherine R Emond, Wei Tang, and Susan L Handy. Explaining gender difference in bicy-
cling behavior. Transportation Research Record: Journal of the Transportation Research
Board, 2125(1):16–25, 2009.

[41] Wei Fan and Randy B Machemehl. Optimal transit route network design problem: Al-
gorithms, implementations, and numerical results. Technical report, 2004.

[42] Robert W Floyd. Algorithm 97: shortest path. Communications of the ACM, 5(6):345,
1962.

[43] John Forester. The bicycle transportation controversy. Transportation Quarterly, 55(2),
2001.

[44] Peter G Furth and Maaza C Mekuria. Network connectivity and low-stress bicycling. In
Transportation Research Board 92nd Annual Meeting, number 13-0427, 2013.

[45] Antonio Miguel Mora Garcıa. Resolución del Problema Militar de Búsqueda de Camino
Optimo Multiobjetivo Mediante el Uso de Algoritmos de Optimización Basados en Colo-
nias de Hormigas. PhD thesis, PhD thesis, Departamento de Arquitectura y Tecnologıa
de Computadores, Universidad de Granada, Spain, 2009.

[46] Juan Carlos Garcı́a Palomares. Incidencia en la movilidad de los principales factores de
un modelo metropolitano cambiante. EURE (Santiago), 34(101):5–24, 2008.

[47] Jan Garrard, Geoffrey Rose, and Sing Kai Lo. Promoting transportation cycling for
women: the role of bicycle infrastructure. Preventive medicine, 46(1):55–59, 2008.

[48] Frank W Geels. Technological transitions as evolutionary reconfiguration processes: a


multi-level perspective and a case-study. Research policy, 31(8):1257–1274, 2002.

[49] Frank W Geels. The dynamics of transitions in socio-technical systems: a multi-level


analysis of the transition pathway from horse-drawn carriages to automobiles (1860–
1930). Technology Analysis & Strategic Management, 17(4):445–476, 2005.

[50] John Paul Gliebe, Joseph Broach, and Jennifer Dill. Development of a multi-class bicyclist
route choice model using revealed preference data. In The 12th International Conference
on Travel Behaviour Research. Retrieved March, volume 26, page 2010, 2009.

[51] Mulley C. Nelson J. Smith M. Sammer G. Klementschitz R. Roider O. GÃ➻ller, P. Socio-


economic impact assessment; urban transport and socio-economic development (transe-
con), deliverable 5. Technical report, University of Newcastle, 2003.

[52] Fred Glover. Future paths for integer programming and links to artificial intelligence.
Computers & operations research, 13(5):533–549, 1986.
Bibliografı́a 257

[53] Valérie Guihaire and Jin-Kao Hao. Transit network design and scheduling: A global
review. Transportation Research Part A: Policy and Practice, 42(10):1251–1273, 2008.

[54] Martin Guttenplan, Bruce W Landis, Linda Crider, and Douglas S McLeod. Multimodal
level-of-service analysis at planning level. Transportation Research Record: Journal of the
Transportation Research Board, 1776(1):151–158, 2001.

[55] Susan L. Handy and Yan Xing. Factors correlated with bicycle commuting: A study in
six small u.s. cities. International Journal of Sustainable Transportation, 5(2):91–110,
2011.

[56] David L Harkey, Donald W Reinfurt, and Matthew Knuiman. Development of the bicy-
cle compatibility index. Transportation Research Record: Journal of the Transportation
Research Board, 1636(1):13–20, 1998.

[57] Sylvia Harms. From routine choice to rational decision making between mobility al-
ternatives. In Paper delivered at 3rd Swiss Transport Research Conference, Monte Ve-
rità/Ascona, Switzerland. Citeseer, 2003.

[58] Christine R Harris, Michael Jenkins, and Dale Glaser. Gender differences in risk as-
sessment: Why do women take fewer risks than men. Judgment and Decision Making,
1(1):48–63, 2006.

[59] Peter E Hart, Nils J Nilsson, and Bertram Raphael. A formal basis for the heuristic deter-
mination of minimum cost paths. Systems Science and Cybernetics, IEEE Transactions
on, 4(2):100–107, 1968.

[60] Eva Heinen, Kees Maat, and Bert Van Wee. The role of attitudes toward characteristics of
bicycle commuting on the choice to cycle to work over various distances. Transportation
research part D: transport and environment, 16(2):102–109, 2011.

[61] Eva Heinen, Bert Van Wee, and Kees Maat. Impact of work-related factors on levels of
bicycle commuting. In 88th Meeting of the Transportation Research Board, pages 11–15,
2009.

[62] Darrall Henderson, Sheldon H Jacobson, and Alan W Johnson. The theory and practice
of simulated annealing. In Handbook of metaheuristics, pages 287–319. Springer, 2003.

[63] David A Hensher. Stated preference analysis of travel choices: the state of practice.
Transportation, 21(2):107–133, 1994.

[64] Hartwig Hochmair. Decision support for bicycle route planning in urban environments.
In Proceedings of the 7th AGILE Conference on Geographic Information Science, pages
697–706, 2004.

[65] P Hopkinson and M Wardman. Evaluating the demand for new cycle facilities. Transport
Policy, 3(4):241–249, 1996.
258 Bibliografı́a

[66] John Douglas Hunt and JE Abraham. Influences on bicycle use. Transportation,
34(4):453–470, 2007.

[67] Tetsuro Hyodo, Norikazu Suzuki, and Katsumi Takahashi. Modeling of bicycle route
and destination choice behavior for bicycle road network plan. Transportation Research
Record: Journal of the Transportation Research Board, 1705(1):70–76, 2000.

[68] A. et al. Ibeas Portilla. Manual de encuestas de movilidad (preferencias reveladas).


Technical report, Escuela tecnica Superior de Ingenieros de Caminos, Canales y Puertos
de Santander, 2007.

[69] Ivan Illich. Energı́a y equidad. Posada. Barcelona, page 42, 1978.

[70] Andrzej Jaszkiewicz. Multiple objective metaheuristic algorithms for combinatorial opti-
mization. Citeseer, 2001.

[71] Søren Jensen. Pedestrian and bicyclist level of service on roadway segments. Trans-
portation Research Record: Journal of the Transportation Research Board, (2031):43–51,
2007.

[72] Søren Underlien Jensen, Claus Rosenkilde, and Niels Jensen. Road safety and percei-
ved risk of cycle facilities in copenhagen. Presentation to AGM of European Cyclists
Federation, 2007.

[73] Ignacy Kaliszewski. Out of the mist—-towards decision-maker-friendly multiple criteria


decision making support. European Journal of Operational Research, 158(2):293–307,
2004.

[74] Astrid Kemperman and Harry Timmerman. Influences of built environment on walking
and cycling by latent segments of aging population. Transportation Research Record:
Journal of the Transportation Research Board, 2134(1):1–9, 2009.

[75] Paul Krawczyk. Creating pedestrian and bicycle systemsin conjunction w˜ new develop-
ment. 1995.

[76] Kevin J KrizeK. Estimating the economic benefits of bicycling and bicycle facilities:
An interpretive review and proposed methods. In Essays on transport economics, pages
219–248. Springer, 2007.

[77] Kevin J Krizek, Ahmed El-Geneidy, and Kristin Thompson. A detailed analysis of how
an urban trail system affects cyclist’s travel. Transportation, 34(5):611–624, 2007.

[78] Joseph B Kruskal. On the shortest spanning subtree of a graph and the traveling salesman
problem. Proceedings of the American Mathematical society, 7(1):48–50, 1956.
Bibliografı́a 259

[79] Bruce W Landis, Venkat R Vattikuti, Russell M Ottenberg, Theodore A Petritsch, Martin
Guttenplan, and Linda B Crider. Intersection level of service for the bicycle through mo-
vement. Transportation Research Record: Journal of the Transportation Research Board,
1828(1):101–106, 2003.

[80] Roberto José Liñán Ruiz. Estudio y optimización del carril bici de la ciudad de málaga.
Master’s thesis, Escuela Politécnica Superior. Universidad de Málaga, 2012.

[81] Anne C Lusk, Peter G Furth, Patrick Morency, Luis F Miranda-Moreno, Walter C Willett,
and Jack T Dennerlein. Risk of injury for bicycling on cycle tracks versus in the street.
Injury Prevention, 17(2):131–135, 2011.

[82] Christoph E Mandl. Evaluation and optimization of urban public transportation net-
works. European Journal of Operational Research, 5(6):396–404, 1980.

[83] Chris McCahil and Norman W Garrick. The applicability of space syntax to bicycle
facility planning. Transportation Research Record: Journal of the Transportation Research
Board, 2074(1):46–51, 2008.

[84] Hugh McClintock and Johanna Cleary. Cycle facilities and cyclist’s safety: Experien-
ce from greater nottingham and lessons for future cycling provision. Transport Policy,
3(1):67–77, 1996.

[85] John A Molino, Jason F Kennedy, Patches L Johnson, Pascal A Beuse, Amanda K Emo,
and Ann Do. Pedestrian and bicyclist exposure to risk: Methodology for estimation in
an urban environment. Transportation Research Record: Journal of the Transportation
Research Board, 2140(1):145–156, 2009.

[86] A Monzón and G Rondinella. Probici-guia de la movilidad ciclista-métodos y técnicas


para el fomento de la bicicleta en áreas urbanas. Instituto para la diversificación y ahorro
de la energı́a (IDAE)-Colegio ICCyP–Transyt. Madrid, 2010.

[87] Anne Vernez Moudon, Chanam Lee, Allen D Cheadle, Cheza W Collier, Donna Johnson,
Thomas L Schmid, and Robert D Weather. Cycling and the built environment, a us
perspective. Transportation Research Part D: Transport and Environment, 10(3):245–
261, 2005.

[88] Shankar Natarajan and Michael J Demetsky. Selection and evaluation of bicycle and
pedestrian safety projects. In Transportation Research Board 88st Annual Meeting, Wa-
shington DC, 2009.

[89] Arthur C Nelson and David Allen. If you build them, commuters will use them: associa-
tion between bicycle facilities and bicycle commuting. Transportation Research Record:
Journal of the Transportation Research Board, 1578(1):79–83, 1997.
260 Bibliografı́a

[90] Nathalie Noël, Carole Leclerc, and Martin Lee-Gosselin. Crc index: compatibility of roads
for cyclists in rural and urban fringe areas. In Proceedings of the 82nd Annual Meeting
of the Transportation Research Board, 2003.

[91] Robert B Noland, Devajyoti Deka, and Ranjit Walia. A statewide analysis of bicycling
in new jersey. International journal of sustainable transportation, 5(5):251–269, 2011.

[92] San Francisco Department of Public Health. Bicycle environmental quality index (beqi),
draft report. Technical report, San Francisco Department of Public Health, 2009.

[93] Andrzej Osyczka. Multicriteria optimization for engineering design. Design optimization,
1:193–227, 1985.

[94] Christos H Papadimitriou and Kenneth Steiglitz. Combinatorial optimization: algorithms


and complexity. Courier Corporation, 1998.

[95] John Parkin and Jonathon Rotheram. Design speeds and acceleration characteristics of
bicycle traffic for use in planning, design and appraisal. Transport Policy, 17(5):335–341,
2010.

[96] John Parkin, Mark Wardman, and Matthew Page. Models of perceived cycling risk and
route acceptability. Accident Analysis & Prevention, 39(2):364–371, 2007.

[97] TA Petritsch, BW Landis, PS McLeod, HF Huang, and D Scott. Energy savings resulting
from the provision of bicycle facilities. In TRB 87th Annual Meeting Compendium of
Papers DVD, pages 13–17, 2008.

[98] Theodore A Petritsch, Bruce W Landis, Herman F Huang, Peyton S McLeod, Da-
niel Lamb, Waddah Farah, and Martin Guttenplan. Bicycle level of service for arte-
rials. Transportation Research Record: Journal of the Transportation Research Board,
2031(1):34–42, 2007.

[99] Abdul Rawoof Pinjari, Naveen Eluru, Chandra R Bhat, Ram M Pendyala, and Erika
Spissu. Joint model of choice of residential neighborhood and bicycle ownership: accoun-
ting for self-selection and unobserved heterogeneity. Transportation Research Record:
Journal of the Transportation Research Board, 2082(1):17–26, 2008.

[100] Robert Clay Prim. Shortest connection networks and some generalizations. Bell system
technical journal, 36(6):1389–1401, 1957.

[101] John Pucher and Ralph Buehler. Cycling for everyone: lessons from europe. Trans-
portation Research Record: Journal of the transportation research board, 2074(1):58–65,
2008.

[102] John Pucher and Ralph Buehler. Making cycling irresistible: lessons from the netherlands,
denmark and germany. Transport Reviews, 28(4):495–528, 2008.
Bibliografı́a 261

[103] Samuel Raff. Routing and scheduling of vehicles and crews: The state of the art. Com-
puters & Operations Research, 10(2):63–211, 1983.

[104] Andrea Raith and Matthias Ehrgott. A comparison of solution strategies for biobjective
shortest path problems. Computers & Operations Research, 36(4):1299–1331, 2009.

[105] Michael Replogle and Environmental Defense Fund. Integrating Pedestrian and Bicyle
Factors Into Regional Transportation Planning Models: Summary of the State-of-the-art
and Suggested Steps Forward. Environmental Defense Fund Washington, DC, 1995.

[106] Piet Rietveld. Non-motorised modes in transport systems: a multimodal chain perspec-
tive for the netherlands. Transportation Research Part D: Transport and Environment,
5(1):31–36, 2000.

[107] Piet Rietveld and Vanessa Daniel. Determinants of bicycle use: do municipal policies
matter? Transportation Research Part A: Policy and Practice, 38(7):531–550, 2004.

[108] Juan P. Romero, Angel Ibeas, Jose L. Moura, Juan Benavente, and Borja Alonso. A
simulation-optimization approach to design efficient systems of bike-sharing. Procedia -
Social and Behavioral Sciences, 54(0):646 – 655, 2012. Proceedings of {EWGT2012} -
15th Meeting of the {EURO} Working Group on Transportation, September 2012, Paris.

[109] Juan Pablo Romero Junquera. Modelos de optimización para planificación y gestión
operativa de sistemas de bicicleta pública. 2013.

[110] Gianni Rondinella and Andrés Monzón de Cáceres. ¿ cómo fomentar el uso de la bicicleta
como modo de transporte? 2012.

[111] Kjartan Sælensminde. Cost–benefit analyses of walking and cycling track networks taking
into account insecurity, health effects and external costs of motorized traffic. Transpor-
tation Research Part A: Policy and Practice, 38(8):593–606, 2004.

[112] Ipek N Sener, Naveen Eluru, and Chandra R Bhat. An analysis of bicycle route choice
preferences in texas, us. Transportation, 36(5):511–539, 2009.

[113] A Sorton and T Walsh. Bicycle stress level as a tool to evaluate urban and suburban bicy-
cle compatibility. in transportation research record 1438, trb, national research council,
washington, d. c., 1994, pp. 17-24.

[114] Bradley S Stewart and Chelsea C White III. Multiobjective a*. Journal of the ACM
(JACM), 38(4):775–814, 1991.

[115] Monique A Stinson and Chandra R Bhat. Commuter bicyclist route choice: analysis using
a stated preference survey. Transportation Research Record: Journal of the Transportation
Research Board, 1828(1):107–115, 2003.
262 Bibliografı́a

[116] Nebiyou Y Tilahun, David M Levinson, and Kevin J Krizek. Trails, lanes, or traffic: Va-
luing bicycle facilities with an adaptive stated preference survey. Transportation Research
Part A: Policy and Practice, 41(4):287–301, 2007.

[117] Geetam Tiwari. Planning for bicycles and other non motorised modes: The critical ele-
ment in city transport system. In ADB International Workshop on Transport Planning,
Demand Management and Air Quality, 2002.

[118] R. Tolley. Sustainable Transport. Woodhead Publishing in environmental management.


Elsevier Science, 2003.

[119] Kazuyoshi Wakuta. A multi-objective shortest path problem. Mathematical methods of


operations research, 54(3):445–454, 2001.

[120] Mark Wardman, Miles Tight, and Matthew Page. Factors influencing the propensity to
cycle to work. Transportation Research Part A: Policy and Practice, 41(4):339–350, 2007.

[121] Meghan Winters, Gavin Davidson, Diana Kao, and Kay Teschke. Motivators and dete-
rrents of bicycling: comparing influences on decisions to ride. Transportation, 38(1):153–
168, 2011.

[122] Sammy Zahran, Samuel D Brody, Praveen Maghelal, Andrew Prelog, and Michael Lacy.
Cycling and walking: Explaining the spatial distribution of healthy modes of transpor-
tation in the united states. Transportation research part D: transport and environment,
13(7):462–470, 2008.
Anexo I

Programación de las variables para


los Casos Prácticos.

263
264 Anexo I. Programación de las variables para los Casos Prácticos.

Se exponen el valor dado a las diferentes variables que condicionan el resultado para
cada uno de los 4 casos prácticos expuestos.

I.a. Caso Práctico 1

Listing I.1: Código Parámetros Ejemplo 1


<p e r f i l >
<n u m c a r r i l e s v a l u e =”2619” />
<a l p h a s >
<a l p h a 1 v a l u e =”1” />
<a l p h a 2 v a l u e =”1” />
<a l p h a 3 v a l u e =”1” />
</a l p h a s >
<i n f r a e s t r u c t u r a >
<a c e r a b i c i >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”4.5” />
</ a c e r a b i c i >
<a c e r a b i c i p r o t e g i d a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”5” />
</ a c e r a b i c i p r o t e g i d a >
<c a l z a d a b i c i >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3.5” />
</ c a l z a d a b i c i >
<c a l z a d a b i c i p r o t e g i d a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3.5” />
</ c a l z a d a b i c i p r o t e g i d a >
<c i c l o v i a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”4” />
</ c i c l o v i a >
<c a r r i l b i c i a p a r c a m i e n t o >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”2.5” />
</ c a r r i l b i c i a p a r c a m i e n t o >
<c a r r i l b i c i m a s a p a r c a m i e n t o >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”5” />
</ c a r r i l b i c i m a s a p a r c a m i e n t o >
<i n f r a e s t r u c t u r a c a l z a d a >
<c o n d i t i o n s >
<c o n d i t i o n o p e r a t o r =”MENOR IGUAL” v a l u e =”2” />
I.a. Caso Práctico 1 265

<c o n d i t i o n o p e r a t o r =”MENOR IGUAL” v a l u e =”30” />


</ c o n d i t i o n s >
</ i n f r a e s t r u c t u r a c a l z a d a >
<d o s c a r r i l e s 1 s e n t i d o >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ d o s c a r r i l e s 1 s e n t i d o >
<d o s c a r r i l e s 2 s e n t i d o s >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ d o s c a r r i l e s 2 s e n t i d o s >
<c o m p r o b a c i o n 3 c a r r i l e s a >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”40” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s a >
<c o m p r o b a c i o n 3 c a r r i l e s b >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”2” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”40” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s b >
<c o m p r o b a c i o n 3 c a r r i l e s c >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”40” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s c >
<c o m p r o b a c i o n 3 c a r r i l e s d >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”40” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s d >
266 Anexo I. Programación de las variables para los Casos Prácticos.

</ i n f r a e s t r u c t u r a >
<s e g u r i d a d >
<imd>
<c a s e s >
<c a s e c o n d i t i o n =”1” v a l u e =”5” />
<c a s e c o n d i t i o n =”2” v a l u e =”4” />
<c a s e c o n d i t i o n =”3” v a l u e =”3” />
<c a s e c o n d i t i o n =”4” v a l u e =”1” />
<c a s e c o n d i t i o n =”5” v a l u e =”0” />
</c a s e s >
</imd>
<v e l o c i d a d >
<r a n g o s type=” v a l o r e s ”>
<rango c o n d i t i o n =”30” v a l u e =”5” />
<rango c o n d i t i o n =”40” v a l u e =”4” />
<rango c o n d i t i o n =”50” v a l u e =”3” />
<rango c o n d i t i o n =”60” v a l u e =”2” l a s t v a l u e =”1” />
</rangos >
</v e l o c i d a d >
<capacidad >
<c a s e s >
<c a s e c o n d i t i o n =”500” v a l u e =”5” />
<c a s e c o n d i t i o n =”700” v a l u e =”4” />
<c a s e c o n d i t i o n =”800” v a l u e =”3” />
<c a s e c o n d i t i o n =”1000” v a l u e =”2” />
<c a s e c o n d i t i o n =”1100” v a l u e =”1” />
</c a s e s >
</capacidad >
<t i p o v i a >
<c a s e s >
<c a s e c o n d i t i o n =”0” v a l u e =”2” />
<c a s e c o n d i t i o n =”1” v a l u e =”1” />
<c a s e c o n d i t i o n =”2” v a l u e =”0.5” />
<c a s e c o n d i t i o n =”3” v a l u e =”0” />
<c a s e c o n d i t i o n =”4” v a l u e =”0” />
</c a s e s >
</ t i p o v i a >
<n u m e r o c a r r i l e s >
<c a s e s u n s e n t i d o >
I.a. Caso Práctico 1 267

<c a s e c o n d i t i o n =”1” v a l u e =”0” />


<c a s e c o n d i t i o n =”2” v a l u e =”1” />
<c a s e c o n d i t i o n =”3” v a l u e =”2” />
<c a s e c o n d i t i o n =”4” v a l u e =”3” />
</ c a s e s u n s e n t i d o >
<c a s e s d o b l e s e n t i d o >
<c a s e c o n d i t i o n =”2” v a l u e =”0.2” />
<c a s e c o n d i t i o n =”3” v a l u e =”0.5” />
<c a s e c o n d i t i o n =”4” v a l u e =”0.8” />
</ c a s e s d o b l e s e n t i d o >
</ n u m e r o c a r r i l e s >
<t i p o l o g i a c a r r i l b i c i >
<n i v e l s e g u r i d a d >
<n i v e l v a l u e =”1” />
<n i v e l v a l u e =”2” />
<n i v e l v a l u e =”3” />
<n i v e l v a l u e =”4” />
<n i v e l v a l u e =”5” /
</ n i v e l s e g u r i d a d >
</ t i p o l o g i a c a r r i l b i c i >
<seguridad maxima>
<u m b r a l s e g u r i d a d u s u a r i o g e n e r i c o v a l u e =”1” />
</seguridad maxima>
</s e g u r i d a d >
<p e r f i l s e g u r i d a d >
<sexo>
<hombres v a l u e =” −0.075” />
<m u j e r e s v a l u e =”+0.1” />
</sexo>
<edades>
<edad1 v a l u e =”+0.01” />
<edad2 v a l u e =”+0.075” />
<edad3 v a l u e =”+0.02” />
<edad4 v a l u e =”+0” />
</edades>
<h o g a r e s >
<rangos >
<rango c o n d i t i o n =”4000” v a l u e =”+0.01” />
<rango c o n d i t i o n =”8000” v a l u e =”+0.02” l a s t v a l u e =”+0.01” />
268 Anexo I. Programación de las variables para los Casos Prácticos.

</rangos >
</h o g a r e s >
<tamanyo medio hogar>
<rangos >
<rango c o n d i t i o n =”2.5” v a l u e =”+0.01” />
<rango c o n d i t i o n =”3” v a l u e =”+0.02” l a s t v a l u e =”+0.03” />
</rangos >
</tamanyo medio hogar>
<n u m e r o v e h i c u l o s m e d i a >
<rangos >
<rango c o n d i t i o n =”0.85” v a l u e =”+0.02” />
<rango c o n d i t i o n =”1” v a l u e =”+0.04” />
<rango c o n d i t i o n =”1.25” v a l u e =”+0.05” l a s t v a l u e =”+0.06” />
</rangos >
</n u m e r o v e h i c u l o s m e d i a >
<n u m e r o v e h i c u l o s h o g a r >
<rangos >
<rango c o n d i t i o n =”500” v a l u e =”+0.099” />
<rango c o n d i t i o n =”1500” v a l u e =”+0.099” />
<rango c o n d i t i o n =”3000” v a l u e =”+0.099” l a s t v a l u e =”+0.099” />
</rangos >
</n u m e r o v e h i c u l o s h o g a r >
<e s t u d i a n t e s >
<rangos >
<rango c o n d i t i o n =”75” v a l u e =”+0” />
<rango c o n d i t i o n =”150” v a l u e =”+0.01” l a s t v a l u e =”+0.05” />
</rangos >
</ e s t u d i a n t e s >
<ocupados>
<rangos >
<rango c o n d i t i o n =”5000” v a l u e =”+0” />
<rango c o n d i t i o n =”10000” v a l u e =”+0.01” l a s t v a l u e =”+0.05” />
</rangos >
</ocupados>
<equipamiento >
<rangos >
<rango c o n d i t i o n =”1000” v a l u e =”+0.005” />
<rango c o n d i t i o n =”2000” v a l u e =”+0.007” l a s t v a l u e =”+0.1” />
</rangos >
I.b. Caso Práctico 2 269

</equipamiento >
<v i a j e s >
<rangos >
<rango c o n d i t i o n =”250” v a l u e =”+0.05” />
<rango c o n d i t i o n =”500” v a l u e =”+0.07” l a s t v a l u e =”+0.1” />
</rangos >
</ v i a j e s >
<v i a j e s 2 >
<rangos >
<rango c o n d i t i o n =”400” v a l u e =”+0.05” />
<rango c o n d i t i o n =”800” v a l u e =”+0.07” l a s t v a l u e =”+0.1” />
</rangos >
</ v i a j e s 2 >
< l i m i t e s e g u r i d a d z o n i f i c a c i o n v a l u e =”1” />
</ p e r f i l s e g u r i d a d >
</ p e r f i l >

I.b. Caso Práctico 2

Listing I.2: Código Parámetros Ejemplo 2


<p e r f i l >
<n u m c a r r i l e s v a l u e =”2619” />
<a l p h a s >
<a l p h a 1 v a l u e =”1” />
<a l p h a 2 v a l u e =”1” />
<a l p h a 3 v a l u e =”1” />
</a l p h a s >
<i n f r a e s t r u c t u r a >
<a c e r a b i c i >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”4.5” />
</ a c e r a b i c i >
<a c e r a b i c i p r o t e g i d a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”5” />
</ a c e r a b i c i p r o t e g i d a >
270 Anexo I. Programación de las variables para los Casos Prácticos.

<c a l z a d a b i c i >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3.5” />
</ c a l z a d a b i c i >
<c a l z a d a b i c i p r o t e g i d a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3.5” />
</ c a l z a d a b i c i p r o t e g i d a >
<c i c l o v i a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”4” />
</ c i c l o v i a >
<c a r r i l b i c i a p a r c a m i e n t o >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”2.5” />
</ c a r r i l b i c i a p a r c a m i e n t o >
<c a r r i l b i c i m a s a p a r c a m i e n t o >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”5” />
</ c a r r i l b i c i m a s a p a r c a m i e n t o >
<i n f r a e s t r u c t u r a c a l z a d a >
<c o n d i t i o n s >
<c o n d i t i o n o p e r a t o r =”MENOR IGUAL” v a l u e =”2” />
<c o n d i t i o n o p e r a t o r =”MENOR IGUAL” v a l u e =”30” />
</ c o n d i t i o n s >
</ i n f r a e s t r u c t u r a c a l z a d a >
<d o s c a r r i l e s 1 s e n t i d o >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ d o s c a r r i l e s 1 s e n t i d o >
<d o s c a r r i l e s 2 s e n t i d o s >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ d o s c a r r i l e s 2 s e n t i d o s >
<c o m p r o b a c i o n 3 c a r r i l e s a >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”40” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s a >
I.b. Caso Práctico 2 271

<c o m p r o b a c i o n 3 c a r r i l e s b >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”40” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s b >
<c o m p r o b a c i o n 3 c a r r i l e s c >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”40” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s c >
<c o m p r o b a c i o n 3 c a r r i l e s d >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”40” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s d >
</ i n f r a e s t r u c t u r a >
<s e g u r i d a d >
<imd>
<c a s e s >
<c a s e c o n d i t i o n =”1” v a l u e =”5” />
<c a s e c o n d i t i o n =”2” v a l u e =”4” />
<c a s e c o n d i t i o n =”3” v a l u e =”3” />
<c a s e c o n d i t i o n =”4” v a l u e =”1” />
<c a s e c o n d i t i o n =”5” v a l u e =”0” />
</c a s e s >
</imd>
<v e l o c i d a d >
<r a n g o s type=” v a l o r e s ”>
<rango c o n d i t i o n =”30” v a l u e =”5” />
<rango c o n d i t i o n =”40” v a l u e =”4” />
<rango c o n d i t i o n =”50” v a l u e =”3” />
<rango c o n d i t i o n =”60” v a l u e =”2” l a s t v a l u e =”1” />
</rangos >
</v e l o c i d a d >
<capacidad >
<c a s e s >
272 Anexo I. Programación de las variables para los Casos Prácticos.

<c a s e c o n d i t i o n =”500” v a l u e =”5” />


<c a s e c o n d i t i o n =”700” v a l u e =”4” />
<c a s e c o n d i t i o n =”800” v a l u e =”3” />
<c a s e c o n d i t i o n =”1000” v a l u e =”2” />
<c a s e c o n d i t i o n =”1100” v a l u e =”1” />
</c a s e s >
</capacidad >
<t i p o v i a >
<c a s e s >
<c a s e c o n d i t i o n =”0” v a l u e =”2” />
<c a s e c o n d i t i o n =”1” v a l u e =”1” />
<c a s e c o n d i t i o n =”2” v a l u e =”0.5” />
<c a s e c o n d i t i o n =”3” v a l u e =”0” />
<c a s e c o n d i t i o n =”4” v a l u e =”0” />
</c a s e s >
</ t i p o v i a >
<n u m e r o c a r r i l e s >
<c a s e s u n s e n t i d o >
<c a s e c o n d i t i o n =”1” v a l u e =”0” />
<c a s e c o n d i t i o n =”2” v a l u e =”1” />
<c a s e c o n d i t i o n =”3” v a l u e =”2” />
<c a s e c o n d i t i o n =”4” v a l u e =”3” />
</ c a s e s u n s e n t i d o >
<c a s e s d o b l e s e n t i d o >
<c a s e c o n d i t i o n =”2” v a l u e =”0.2” />
<c a s e c o n d i t i o n =”3” v a l u e =”0.5” />
<c a s e c o n d i t i o n =”4” v a l u e =”0.8” />
</ c a s e s d o b l e s e n t i d o >
</ n u m e r o c a r r i l e s >
<t i p o l o g i a c a r r i l b i c i >
<n i v e l s e g u r i d a d >
<n i v e l v a l u e =”1” />
<n i v e l v a l u e =”2” />
<n i v e l v a l u e =”3” />
<n i v e l v a l u e =”4” />
<n i v e l v a l u e =”5” /
</ n i v e l s e g u r i d a d >
</ t i p o l o g i a c a r r i l b i c i >
<seguridad maxima>
I.b. Caso Práctico 2 273

<u m b r a l s e g u r i d a d u s u a r i o g e n e r i c o v a l u e =”10” />


</seguridad maxima>
</s e g u r i d a d >
<p e r f i l s e g u r i d a d >
<sexo>
<hombres v a l u e =” −0.075” />
<m u j e r e s v a l u e =”+0.1” />
</sexo>
<edades>
<edad1 v a l u e =”+0.01” />
<edad2 v a l u e =”+0.075” />
<edad3 v a l u e =”+0.02” />
<edad4 v a l u e =”+0” />
</edades>
<h o g a r e s >
<rangos >
<rango c o n d i t i o n =”4000” v a l u e =”+0.01” />
<rango c o n d i t i o n =”8000” v a l u e =”+0.02” l a s t v a l u e =”+0.01” />
</rangos >
</h o g a r e s >
<tamanyo medio hogar>
<rangos >
<rango c o n d i t i o n =”2.5” v a l u e =”+0.01” />
<rango c o n d i t i o n =”3” v a l u e =”+0.02” l a s t v a l u e =”+0.03” />
</rangos >
</tamanyo medio hogar>
<n u m e r o v e h i c u l o s m e d i a >
<rangos >
<rango c o n d i t i o n =”0.85” v a l u e =”+0.02” />
<rango c o n d i t i o n =”1” v a l u e =”+0.04” />
<rango c o n d i t i o n =”1.25” v a l u e =”+0.05” l a s t v a l u e =”+0.06” />
</rangos >
</n u m e r o v e h i c u l o s m e d i a >
<n u m e r o v e h i c u l o s h o g a r >
<rangos >
<rango c o n d i t i o n =”500” v a l u e =”+0.099” />
<rango c o n d i t i o n =”1500” v a l u e =”+0.099” />
<rango c o n d i t i o n =”3000” v a l u e =”+0.099” l a s t v a l u e =”+0.099” />
</rangos >
274 Anexo I. Programación de las variables para los Casos Prácticos.

</n u m e r o v e h i c u l o s h o g a r >
<e s t u d i a n t e s >
<rangos >
<rango c o n d i t i o n =”75” v a l u e =”+0” />
<rango c o n d i t i o n =”150” v a l u e =”+0.01” l a s t v a l u e =”+0.05” />
</rangos >
</ e s t u d i a n t e s >
<ocupados>
<rangos >
<rango c o n d i t i o n =”5000” v a l u e =”+0” />
<rango c o n d i t i o n =”10000” v a l u e =”+0.01” l a s t v a l u e =”+0.05” />
</rangos >
</ocupados>
<equipamiento >
<rangos >
<rango c o n d i t i o n =”1000” v a l u e =”+0.005” />
<rango c o n d i t i o n =”2000” v a l u e =”+0.007” l a s t v a l u e =”+0.1” />
</rangos >
</equipamiento >
<v i a j e s >
<rangos >
<rango c o n d i t i o n =”250” v a l u e =”+0.05” />
<rango c o n d i t i o n =”500” v a l u e =”+0.07” l a s t v a l u e =”+0.1” />
</rangos >
</ v i a j e s >
<v i a j e s 2 >
<rangos >
<rango c o n d i t i o n =”400” v a l u e =”+0.05” />
<rango c o n d i t i o n =”800” v a l u e =”+0.07” l a s t v a l u e =”+0.1” />
</rangos >
</ v i a j e s 2 >
< l i m i t e s e g u r i d a d z o n i f i c a c i o n v a l u e =”10” />
</ p e r f i l s e g u r i d a d >
</ p e r f i l >
I.c. Caso Práctico 3 275

I.c. Caso Práctico 3

Listing I.3: Código Parámetros Ejemplo 3


<p e r f i l >
<n u m c a r r i l e s v a l u e =”2619” />
<a l p h a s >
<a l p h a 1 v a l u e =”1” />
<a l p h a 2 v a l u e =”1” />
<a l p h a 3 v a l u e =”1” />
</a l p h a s >
<i n f r a e s t r u c t u r a >
<a c e r a b i c i >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3” />
</ a c e r a b i c i >
<a c e r a b i c i p r o t e g i d a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3.5” />
</ a c e r a b i c i p r o t e g i d a >
<c a l z a d a b i c i >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3.5” />
</ c a l z a d a b i c i >
<c a l z a d a b i c i p r o t e g i d a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3.5” />
</ c a l z a d a b i c i p r o t e g i d a >
<c i c l o v i a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”4” />
</ c i c l o v i a >
<c a r r i l b i c i a p a r c a m i e n t o >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”2.5” />
</ c a r r i l b i c i a p a r c a m i e n t o >
<c a r r i l b i c i m a s a p a r c a m i e n t o >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”5” />
</ c a r r i l b i c i m a s a p a r c a m i e n t o >
<i n f r a e s t r u c t u r a c a l z a d a >
<c o n d i t i o n s >
<c o n d i t i o n o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n o p e r a t o r =”MENOR IGUAL” v a l u e =”40” />
</ c o n d i t i o n s >
</ i n f r a e s t r u c t u r a c a l z a d a >
<d o s c a r r i l e s 1 s e n t i d o >
276 Anexo I. Programación de las variables para los Casos Prácticos.

<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”4” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ d o s c a r r i l e s 1 s e n t i d o >
<d o s c a r r i l e s 2 s e n t i d o s >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ d o s c a r r i l e s 2 s e n t i d o s >
<c o m p r o b a c i o n 3 c a r r i l e s a >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s a >
<c o m p r o b a c i o n 3 c a r r i l e s b >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s b >
<c o m p r o b a c i o n 3 c a r r i l e s c >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s c >
<c o m p r o b a c i o n 3 c a r r i l e s d >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s d >
</ i n f r a e s t r u c t u r a >
<s e g u r i d a d >
<imd>
<c a s e s >
I.c. Caso Práctico 3 277

<c a s e c o n d i t i o n =”1” v a l u e =”5” />


<c a s e c o n d i t i o n =”2” v a l u e =”4” />
<c a s e c o n d i t i o n =”3” v a l u e =”3” />
<c a s e c o n d i t i o n =”4” v a l u e =”1” />
<c a s e c o n d i t i o n =”5” v a l u e =”0” />
</c a s e s >
</imd>
<v e l o c i d a d >
<r a n g o s type=” v a l o r e s ”>
<rango c o n d i t i o n =”30” v a l u e =”5” />
<rango c o n d i t i o n =”40” v a l u e =”4” />
<rango c o n d i t i o n =”50” v a l u e =”3” />
<rango c o n d i t i o n =”60” v a l u e =”2” l a s t v a l u e =”1” />
</rangos >
</v e l o c i d a d >
<capacidad >
<c a s e s >
<c a s e c o n d i t i o n =”500” v a l u e =”5” />
<c a s e c o n d i t i o n =”700” v a l u e =”4” />
<c a s e c o n d i t i o n =”800” v a l u e =”3” />
<c a s e c o n d i t i o n =”1000” v a l u e =”2” />
<c a s e c o n d i t i o n =”1100” v a l u e =”1” />
</c a s e s >
</capacidad >
<t i p o v i a >
<c a s e s >
<c a s e c o n d i t i o n =”0” v a l u e =”2” />
<c a s e c o n d i t i o n =”1” v a l u e =”1” />
<c a s e c o n d i t i o n =”2” v a l u e =”0.5” />
<c a s e c o n d i t i o n =”3” v a l u e =”0” />
<c a s e c o n d i t i o n =”4” v a l u e =”0” />
</c a s e s >
</ t i p o v i a >
<n u m e r o c a r r i l e s >
<c a s e s u n s e n t i d o >
<c a s e c o n d i t i o n =”1” v a l u e =”0” />
<c a s e c o n d i t i o n =”2” v a l u e =”1” />
<c a s e c o n d i t i o n =”3” v a l u e =”2” />
<c a s e c o n d i t i o n =”4” v a l u e =”3” />
278 Anexo I. Programación de las variables para los Casos Prácticos.

</ c a s e s u n s e n t i d o >
<c a s e s d o b l e s e n t i d o >
<c a s e c o n d i t i o n =”2” v a l u e =”0.2” />
<c a s e c o n d i t i o n =”3” v a l u e =”0.5” />
<c a s e c o n d i t i o n =”4” v a l u e =”0.8” />
</ c a s e s d o b l e s e n t i d o >
</ n u m e r o c a r r i l e s >
<t i p o l o g i a c a r r i l b i c i >
<n i v e l s e g u r i d a d >
<n i v e l v a l u e =”15” />
<n i v e l v a l u e =”20” />
<n i v e l v a l u e =”5” />
<n i v e l v a l u e =”8” />
<n i v e l v a l u e =”8” /
</ n i v e l s e g u r i d a d >
</ t i p o l o g i a c a r r i l b i c i >
<seguridad maxima>
<u m b r a l s e g u r i d a d u s u a r i o g e n e r i c o v a l u e =”10” />
</seguridad maxima>
</s e g u r i d a d >
<p e r f i l s e g u r i d a d >
<sexo>
<hombres v a l u e =” −0.075” />
<m u j e r e s v a l u e =”+0.1” />
</sexo>
<edades>
<edad1 v a l u e =”+0.01” />
<edad2 v a l u e =”+0.075” />
<edad3 v a l u e =”+0.02” />
<edad4 v a l u e =”+0” />
</edades>
<h o g a r e s >
<rangos >
<rango c o n d i t i o n =”4000” v a l u e =”+0.01” />
<rango c o n d i t i o n =”8000” v a l u e =”+0.02” l a s t v a l u e =”+0.01” />
</rangos >
</h o g a r e s >
<tamanyo medio hogar>
<rangos >
I.c. Caso Práctico 3 279

<rango c o n d i t i o n =”2.5” v a l u e =”+0.01” />


<rango c o n d i t i o n =”3” v a l u e =”+0.02” l a s t v a l u e =”+0.03” />
</rangos >
</tamanyo medio hogar>
<n u m e r o v e h i c u l o s m e d i a >
<rangos >
<rango c o n d i t i o n =”0.85” v a l u e =”+0.02” />
<rango c o n d i t i o n =”1” v a l u e =”+0.04” />
<rango c o n d i t i o n =”1.25” v a l u e =”+0.05” l a s t v a l u e =”+0.06” />
</rangos >
</n u m e r o v e h i c u l o s m e d i a >
<n u m e r o v e h i c u l o s h o g a r >
<rangos >
<rango c o n d i t i o n =”500” v a l u e =”+0.099” />
<rango c o n d i t i o n =”1500” v a l u e =”+0.099” />
<rango c o n d i t i o n =”3000” v a l u e =”+0.099” l a s t v a l u e =”+0.099” />
</rangos >
</n u m e r o v e h i c u l o s h o g a r >
<e s t u d i a n t e s >
<rangos >
<rango c o n d i t i o n =”75” v a l u e =”+0” />
<rango c o n d i t i o n =”150” v a l u e =”+0.01” l a s t v a l u e =”+0.05” />
</rangos >
</ e s t u d i a n t e s >
<ocupados>
<rangos >
<rango c o n d i t i o n =”5000” v a l u e =”+0” />
<rango c o n d i t i o n =”10000” v a l u e =”+0.01” l a s t v a l u e =”+0.05” />
</rangos >
</ocupados>
<equipamiento >
<rangos >
<rango c o n d i t i o n =”1000” v a l u e =”+0.005” />
<rango c o n d i t i o n =”2000” v a l u e =”+0.007” l a s t v a l u e =”+0.1” />
</rangos >
</equipamiento >
<v i a j e s >
<rangos >
<rango c o n d i t i o n =”250” v a l u e =”+0.05” />
280 Anexo I. Programación de las variables para los Casos Prácticos.

<rango c o n d i t i o n =”500” v a l u e =”+0.07” l a s t v a l u e =”+0.1” />


</rangos >
</ v i a j e s >
<v i a j e s 2 >
<rangos >
<rango c o n d i t i o n =”400” v a l u e =”+0.05” />
<rango c o n d i t i o n =”800” v a l u e =”+0.07” l a s t v a l u e =”+0.1” />
</rangos >
</ v i a j e s 2 >
< l i m i t e s e g u r i d a d z o n i f i c a c i o n v a l u e =”10” />
</ p e r f i l s e g u r i d a d >
</ p e r f i l >

I.d. Caso Práctico 4

Listing I.4: Código Parámetros Ejemplo 4


<p e r f i l >
<n u m c a r r i l e s v a l u e =”2619” />
<a l p h a s >
<a l p h a 1 v a l u e =”1” />
<a l p h a 2 v a l u e =”1” />
<a l p h a 3 v a l u e =”1” />
</a l p h a s >
<i n f r a e s t r u c t u r a >
<a c e r a b i c i >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”5” />
</ a c e r a b i c i >
<a c e r a b i c i p r o t e g i d a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”5” />
</ a c e r a b i c i p r o t e g i d a >
<c a l z a d a b i c i >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3” />
</ c a l z a d a b i c i >
<c a l z a d a b i c i p r o t e g i d a >
I.d. Caso Práctico 4 281

<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3” />


</ c a l z a d a b i c i p r o t e g i d a >
<c i c l o v i a >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”3” />
</ c i c l o v i a >
<c a r r i l b i c i a p a r c a m i e n t o >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”2.5” />
</ c a r r i l b i c i a p a r c a m i e n t o >
<c a r r i l b i c i m a s a p a r c a m i e n t o >
<c o n d i t i o n o p e r a t o r =”MAYOR IGUAL” v a l u e =”5” />
</ c a r r i l b i c i m a s a p a r c a m i e n t o >
<i n f r a e s t r u c t u r a c a l z a d a >
<c o n d i t i o n s >
<c o n d i t i o n o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n o p e r a t o r =”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ i n f r a e s t r u c t u r a c a l z a d a >
<d o s c a r r i l e s 1 s e n t i d o >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”50” />
</ c o n d i t i o n s >
</ d o s c a r r i l e s 1 s e n t i d o >
<d o s c a r r i l e s 2 s e n t i d o s >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”60” />
</ c o n d i t i o n s >
</ d o s c a r r i l e s 2 s e n t i d o s >
<c o m p r o b a c i o n 3 c a r r i l e s a >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”60” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s a >
<c o m p r o b a c i o n 3 c a r r i l e s b >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”60” />
282 Anexo I. Programación de las variables para los Casos Prácticos.

</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s b >
<c o m p r o b a c i o n 3 c a r r i l e s c >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”60” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s c >
<c o m p r o b a c i o n 3 c a r r i l e s d >
<c o n d i t i o n s >
<c o n d i t i o n p r o p e r t y=”imd” o p e r a t o r =”MENOR IGUAL” v a l u e =”3” />
<c o n d i t i o n p r o p e r t y=” v e l o c i d a d ” o p e r a t o r=”MENOR IGUAL” v a l u e =”60” />
</ c o n d i t i o n s >
</ c o m p r o b a c i o n 3 c a r r i l e s d >
</ i n f r a e s t r u c t u r a >
<s e g u r i d a d >
<imd>
<c a s e s >
<c a s e c o n d i t i o n =”1” v a l u e =”5” />
<c a s e c o n d i t i o n =”2” v a l u e =”4” />
<c a s e c o n d i t i o n =”3” v a l u e =”3” />
<c a s e c o n d i t i o n =”4” v a l u e =”1” />
<c a s e c o n d i t i o n =”5” v a l u e =”0” />
</c a s e s >
</imd>
<v e l o c i d a d >
<r a n g o s type=” v a l o r e s ”>
<rango c o n d i t i o n =”30” v a l u e =”5” />
<rango c o n d i t i o n =”40” v a l u e =”4” />
<rango c o n d i t i o n =”50” v a l u e =”3” />
<rango c o n d i t i o n =”60” v a l u e =”2” l a s t v a l u e =”1” />
</rangos >
</v e l o c i d a d >
<capacidad >
<c a s e s >
<c a s e c o n d i t i o n =”500” v a l u e =”5” />
<c a s e c o n d i t i o n =”700” v a l u e =”4” />
<c a s e c o n d i t i o n =”800” v a l u e =”3” />
<c a s e c o n d i t i o n =”1000” v a l u e =”2” />
I.d. Caso Práctico 4 283

<c a s e c o n d i t i o n =”1100” v a l u e =”1” />


</c a s e s >
</capacidad >
<t i p o v i a >
<c a s e s >
<c a s e c o n d i t i o n =”0” v a l u e =”2” />
<c a s e c o n d i t i o n =”1” v a l u e =”1” />
<c a s e c o n d i t i o n =”2” v a l u e =”0.5” />
<c a s e c o n d i t i o n =”3” v a l u e =”0” />
<c a s e c o n d i t i o n =”4” v a l u e =”0” />
</c a s e s >
</ t i p o v i a >
<n u m e r o c a r r i l e s >
<c a s e s u n s e n t i d o >
<c a s e c o n d i t i o n =”1” v a l u e =”0” />
<c a s e c o n d i t i o n =”2” v a l u e =”1” />
<c a s e c o n d i t i o n =”3” v a l u e =”2” />
<c a s e c o n d i t i o n =”4” v a l u e =”3” />
</ c a s e s u n s e n t i d o >
<c a s e s d o b l e s e n t i d o >
<c a s e c o n d i t i o n =”2” v a l u e =”0.2” />
<c a s e c o n d i t i o n =”3” v a l u e =”0.5” />
<c a s e c o n d i t i o n =”4” v a l u e =”0.8” />
</ c a s e s d o b l e s e n t i d o >
</ n u m e r o c a r r i l e s >
<t i p o l o g i a c a r r i l b i c i >
<n i v e l s e g u r i d a d >
<n i v e l v a l u e =”1” />
<n i v e l v a l u e =”2” />
<n i v e l v a l u e =”30” />
<n i v e l v a l u e =”40” />
<n i v e l v a l u e =”50” /
</ n i v e l s e g u r i d a d >
</ t i p o l o g i a c a r r i l b i c i >
<seguridad maxima>
<u m b r a l s e g u r i d a d u s u a r i o g e n e r i c o v a l u e =”15” />
</seguridad maxima>
</s e g u r i d a d >
<p e r f i l s e g u r i d a d >
284 Anexo I. Programación de las variables para los Casos Prácticos.

<sexo>
<hombres v a l u e =” −0.075” />
<m u j e r e s v a l u e =”+0.1” />
</sexo>
<edades>
<edad1 v a l u e =”+0.01” />
<edad2 v a l u e =”+0.075” />
<edad3 v a l u e =”+0.02” />
<edad4 v a l u e =”+0” />
</edades>
<h o g a r e s >
<rangos >
<rango c o n d i t i o n =”4000” v a l u e =”+0.01” />
<rango c o n d i t i o n =”8000” v a l u e =”+0.02” l a s t v a l u e =”+0.01” />
</rangos >
</h o g a r e s >
<tamanyo medio hogar>
<rangos >
<rango c o n d i t i o n =”2.5” v a l u e =”+0.01” />
<rango c o n d i t i o n =”3” v a l u e =”+0.02” l a s t v a l u e =”+0.03” />
</rangos >
</tamanyo medio hogar>
<n u m e r o v e h i c u l o s m e d i a >
<rangos >
<rango c o n d i t i o n =”0.85” v a l u e =”+0.02” />
<rango c o n d i t i o n =”1” v a l u e =”+0.04” />
<rango c o n d i t i o n =”1.25” v a l u e =”+0.05” l a s t v a l u e =”+0.06” />
</rangos >
</n u m e r o v e h i c u l o s m e d i a >
<n u m e r o v e h i c u l o s h o g a r >
<rangos >
<rango c o n d i t i o n =”500” v a l u e =”+0.099” />
<rango c o n d i t i o n =”1500” v a l u e =”+0.099” />
<rango c o n d i t i o n =”3000” v a l u e =”+0.099” l a s t v a l u e =”+0.099” />
</rangos >
</n u m e r o v e h i c u l o s h o g a r >
<e s t u d i a n t e s >
<rangos >
<rango c o n d i t i o n =”75” v a l u e =”+0” />
I.D. CASO PRÁCTICO 4 285

<rango c o n d i t i o n =”150” v a l u e =”+0.01” l a s t v a l u e =”+0.05” />


</rangos >
</ e s t u d i a n t e s >
<ocupados>
<rangos >
<rango c o n d i t i o n =”5000” v a l u e =”+0” />
<rango c o n d i t i o n =”10000” v a l u e =”+0.01” l a s t v a l u e =”+0.05” />
</rangos >
</ocupados>
<equipamiento >
<rangos >
<rango c o n d i t i o n =”1000” v a l u e =”+0.005” />
<rango c o n d i t i o n =”2000” v a l u e =”+0.007” l a s t v a l u e =”+0.1” />
</rangos >
</equipamiento >
<v i a j e s >
<rangos >
<rango c o n d i t i o n =”250” v a l u e =”+0.05” />
<rango c o n d i t i o n =”500” v a l u e =”+0.07” l a s t v a l u e =”+0.1” />
</rangos >
</ v i a j e s >
<v i a j e s 2 >
<rangos >
<rango c o n d i t i o n =”400” v a l u e =”+0.05” />
<rango c o n d i t i o n =”800” v a l u e =”+0.07” l a s t v a l u e =”+0.1” />
</rangos >
</ v i a j e s 2 >
< l i m i t e s e g u r i d a d z o n i f i c a c i o n v a l u e =”10” />
</ p e r f i l s e g u r i d a d >
</ p e r f i l >

También podría gustarte