Estudio y Optimizaci On de Las Infraestructuras de Los Carriles para Bicicletas
Estudio y Optimizaci On de Las Infraestructuras de Los Carriles para Bicicletas
Estudio y Optimizaci On 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
Córdoba, 2016
TITULO: Estudio y optimización de las infraestructuras de los carriles para
bicicletas
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
INFORMAN:
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
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
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.
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.
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.
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.
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
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
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
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
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.
1.3. Metodologı́a
La metodologı́a basada para la consecución de los anteriores objetivos se ha estruc-
turado en distintos bloques.
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.
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.
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 .
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.
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.
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
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 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
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
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.
cambio.
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.
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 .
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.
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 .
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.
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 .
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.
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.
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
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
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.
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.
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.
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
3.1.1. 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:
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.
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 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 .
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.
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.
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.
del algoritmo de Bellman-Ford, es necesario que los pesos asociados a cada uno de
los nodos sean positivos.
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 .
función objetivo.
min/max f (x)
sujeto a x∈C
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 :
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 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:
Definiciones
1. x1 no es peor que x2 en todos los objetivos, es decir fj (x1 ) ⊲ fj (x2 ) para todo
j ∈ [1, ..., N ].
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 .
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
sujeto a x∈C
Recorrido simulado 82 .
Búsqueda tabú 62 .
Métricas de performance
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.
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.
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.
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.
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.
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 %
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:
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
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
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.
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
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.
diferentes, con caracterı́sticas genéricas propias para cada tipo. Las clases de vı́as
se corresponden con:
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.
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.
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.
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.
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
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.
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.
Definir los diferentes perfiles de usuarios de cada uno de los modos de transporte,
en especial el de la bicicleta.
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
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.
Diseño de la encuesta
En esta sección se van a exponer todas las partes que forman el cuestionario final. Se
desglosa en:
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.
Escenario 2: limitación del volumen y velocidad del tráfico (en corredores y zonas
de interés).
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.
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.
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.
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.
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
los jóvenes, menores de 30 años, es bastante más elevado en comparación con el grupo
de adultos.
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
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.
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.
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
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.
(a) Frecuencia de actividad deportiva (b) Percepción del estado fı́sico personal
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.
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.
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
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.
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.
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.
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.
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.
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.
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.)
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.
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
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.
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
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.
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
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
Los factores analizados como disuasorios de la movilidad ciclista son los siguientes:
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
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.
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
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.
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
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
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
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.
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
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.
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.
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
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.
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.
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.
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
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).
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
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.
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 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.
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
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 ]
R⊆Ω
donde:
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.
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.
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
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
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.
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
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.
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.
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:
Tipo de vı́a
Longitud
Número de carriles
Anchura de carril
Capacidad
Velocidad
Aparcamiento
Anchura de aparcamiento
Acera
Anchura de acera
Carril bici
IMD
Zona
142 6. Modelo de optimización propuesto
usuarios y sea capaz de considerar las diferentes percepciones de los ciclistas, asegurando
una infraestructura completa y comprensiva.
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:
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
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.
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.
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.
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.
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.
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
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
Capacidad Seguridad
500 5
700 4
800 3
1000 2
1100 1
Tabla 6.5: Seguridad asociada al Tipo de Vı́a de la red vial. 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:
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
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.
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 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
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
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.
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
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:
Tabla 6.8: Seguridad asociada al Perfil del usuario genérico. Elaboración propia.
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.
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.
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:
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.
para la bicicleta.
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.
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”.
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:
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.
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.
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.
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 .
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 .
Agrupaciones.
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 .
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 .
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
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
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 ]
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
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.
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.
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 ) ;
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 ( ) ;
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 ” ) ;
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.
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.
pantalla
SimpleMarkerSymbol nodeMarker = new SimpleMarkerSymbol
SimpleMarkerSymbol ( c o l o r , 1 3 , S t y l e . CIRCLE ) ;
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.
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
Datos de Población
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
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.
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
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
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
Datos de Zonificación
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
1. Nodo origen y destino: cada arco está definido por la conexión de nodos existente,
representados por el inicio y final del propio arco.
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
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.
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
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
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.
número de carriles existentes en cada arco. Estas restricciones son las plasmadas en el
Modelo de Optimización Propuesto de la presente tesis.
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.
Seguridad
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
IMD Seguridad
1 5
2 4
3 3
4 1
5 0
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
Capacidad Seguridad
500 5
700 4
800 3
1000 2
1100 1
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:
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
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)
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
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
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.
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.
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
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.
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
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:
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.
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:
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
Tabla 8.14: Seguridad zonal para la variable número vehı́culo medio por hogar.
Tabla 8.15: Seguridad zonal para la variable número hogares con vehı́culos.
avanzada o 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
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:
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 .
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.
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.
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.
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.
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.
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
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.
2 carriles:
3 carriles:
4 carriles:
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.
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.
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.
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.
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”.
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
primer ejemplo se pueden apreciar grandes diferentes relacionas con las distancias de los
diferentes recorridos de los corredores.
tación de los diferentes tipos de carriles para bicicleta en calzada, se han considerado los
siguientes coeficientes:
2 carriles:
3 carriles:
4 carriles:
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.
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.
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
3 carriles:
4 carriles:
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.
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.
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.
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 .
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.
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
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.
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.
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.
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.
[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.
[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.
[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.
[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.
[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.
[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.
[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.
[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.
[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.
[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
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 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
</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 >
<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.
</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
<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 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
</ 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
<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