¿Cómo clasificar el estrés de las vías en Bogotá?

Vía de Bogotá con usuarios en bibicleta
08/07/2020
  • facebook
  • twitter
  • linkedin
Investigadores de la Universidad de los Andes, la Fundación Despacio y el proyecto SALURBAL, implementaron un modelo que clasifica las vías según su infraestructura y funcionalidad en la ciudad de Bogotá. Este estudio está basado en el modelo “Level of Traffic Stress (LTS)” y servirá de insumo para mejorar la planificación de la red de ciclorutas. 

Es fundamental que las ciudades tengan una infraestructura adecuada que promueva el uso de la bicicleta como un modo de transporte sostenible. Esto disminuye la contaminación del aire, lo que genera efectos positivos en la salud respiratoria y cardiovascular de los usuarios. 

Bogotá tiene la red de ciclorutas más extensa de Latinoamérica y es líder en la promoción de la bicicleta como medio de transporte. Sin embargo, las condiciones físicas y funcionales de dicha red varía significativamente en toda la ciudad. Algunos tramos de ciclorutas están desconectados o necesitan reparación, lo que afecta la seguridad de los usuarios y la percepción del estrés.

Por esta razón, algunos ciclistas prefieren no utilizarlas, sino transitar por las avenidas principales, exponiéndose a vías más congestionadas y que tienen mayor peligro de accidentalidad.

La investigación titulada Level of traffic stress-based classification: A clustering approach for Bogotá, Colombia, es una propuesta para mejorar los procesos de planificación de las vías de la ciudad, mejorando las condiciones de seguridad de los ciclistas, bajando su nivel de estrés e identificando las vías de alto y bajo nivel. De esta manera se podrá priorizar la inversión en infraestructura para maximizar el impacto, evitar gastos innecesarios e incentivar el uso de la bicicleta en la ciudad.

"En Bogotá, el 29% de los segmentos viales se clasificaron con un LTS extremadamente alto. Por ejemplo, en Ciudad Salitre, las vías con mayor nivel de estrés son la av. 68 y la av. de La Esperanza", señala el estudio.(ver imagen).

Clic aquí para ver el video: Clasificación de las vías según el LTS en Bogotá.

En ese contexto, los investigadores del proyecto realizaron una metodología de inteligencia analítica con modelos predictivos de aprendizaje computacional (machine learning) capaz de clasificar los casi 170.000 segmentos viales de Bogotá de acuerdo con el nivel del estrés (LTS, por sus siglas en inglés) de forma eficiente. El LTS indica el nivel de estrés que un ciclista podría experimentar dependiendo de las características de una vía, tanto físicas como funcionales.

Algunas de las variables utilizadas en el estudio de clasificación de las vías están asociadas a sus atributos físicos como el número de carriles, implementación de infraestructura segregada para bicicletas y el ancho de la vía; y a otros indicadores de funcionalidad como lo son la presencia de vehículos de transporte público o pesados, velocidad, congestión y densidad del tráfico.

El indicador LTS se ha utilizado en varias ciudades para identificar y priorizar intervenciones de infraestructura con el objetivo de crear una red interconectada de rutas de bajo estrés.

Es importante destacar que a mayor LTS en las vías, existe mayor cantidad de siniestros fatales y no fatales. Los investigadores pudieron validar así su clasificación de LTS contrastándola con los siniestros de ciclistas presentados en la ciudad. Bicycle safety in Bogotá: A seven-year analysis of bicyclists’ collisions and fatalities 

Reviva AQUÍ la charla: Tres miradas a la bici


Autores:
Jorge Huertas, Alejandro Palacio, Marcelo Botero, Germán Carvajal, Thomas van Laake, Diana Higuera, Sergio Cabrales, Luis Guzmán, Olga L. Sarmiento, Andrés Medaglia.
Instituciones participantes:
Grupo de Estudios en Sostenibilidad Urbana y Regional - SUR, Grupo de Epidemiología de la Universidad de los Andes - EPIANDES, Fundación Despacio, proyecto SALURBAL, Centro de Optimización y la Probabilidad Aplicada - COPA.

Noticias relacionadas

Compartir

  • Logo Facebook
  • Logo Twitter
  • Logo Linkedin