Please ensure Javascript is enabled for purposes of website accessibility
Vol. 39 Núm. 3 (2024): 117
Artículos de investigación

La concentración de la intermediación y la congestión vehicular en zonas metropolitanas de México

Juan Antonio Pichardo Corpus
image/svg+xml El Colegio de la Frontera Norte, Departamento de Estudios Urbanos y del Medio Ambiente

Publicado 2024-08-20

Palabras clave

  • medidas de centralidad,
  • redes de calles,
  • intermediación de aristas,
  • redes de intermediación concentrada

Cómo citar

Pichardo Corpus, J. A. (2024). La concentración de la intermediación y la congestión vehicular en zonas metropolitanas de México. Estudios Demográficos Y Urbanos, 39(3), 1–27. https://doi.org/10.24201/edu.v39i3.2235
Métricas
Vistas/Descargas
  • Resumen
    981
  • PDF (español)
    352
  • En línea (español)
    85
  • EPUB (español)
    16
  • Kindle (español)
    24
  • Audio (español)
    7

Descargas

Métrica

Resumen

Este artículo presenta un análisis de la concentración de la intermediación en las redes de vialidades de las zonas metropolitanas de México y su impacto en la congestión vehicular. Se muestra que el tamaño de la red y su casi planaridad determinan la proporción de aristas (calles) que concentran la mayor parte de la intermediación de la red. Esta proporción explica entre el 50 y el 70% de la varianza en la cantidad de horas perdidas debido a la congestión. Los resultados indican que es casi imposible disminuir significativamente los niveles de congestión modificando la conectividad localmente, como la creación de puentes o pasos a desnivel. Esto fortalece las propuestas de invertir en transporte público masivo y en infraestructura para la movilidad activa, así como en el desarrollo de ciudades con mezclas de usos de suelo que eviten los desplazamientos largos.

Referencias

  1. Barthelemy, M. (2022). Spatial networks. A complete introduction: From graph theory and statistical physics to real-world applications. Cham: Springer. https://doi.org/10.1007/978-3-030-94106-2 DOI: https://doi.org/10.1007/978-3-030-94106-2
  2. Barthelemy, M., Bordin, P., Berestycki, H. y Gribaudi, M. (2013). Self-organization versus top-down planning in the evolution of a city. Scientific Reports, 3(1), 1-8. https://doi.org/10.1038/srep02153 DOI: https://doi.org/10.1038/srep02153
  3. Bedoya-Maya, F., Calatayud, A. y Gonzalez-Mejia, V. (2022). Estimating the effect of urban road congestion on air quality in Latin America. IDB. https://doi.org/10.18235/0004512 DOI: https://doi.org/10.18235/0004512
  4. Boeing, G. (2017). OSMnx: New methods for acquiring, constructing, analyzing, and visualizing complex street networks. Computers, Environment and Urban Systems, 65, 126-139. https://doi.org/https://doi.org/10.1016/j.compenvurbsys.2017.05.004 DOI: https://doi.org/10.1016/j.compenvurbsys.2017.05.004
  5. Choi, D. y Ewing, R. (2021). Effect of street network design on traffic congestion and traffic safety. Journal of Transport Geography, 96, e103200. https://doi.org/https://doi.org/10.1016/j.jtrangeo.2021.103200 DOI: https://doi.org/10.1016/j.jtrangeo.2021.103200
  6. Çolak, S., Lima, A. y González, M. C. (2016). Understanding congested travel in urban areas. Nature Communications, 7(1), 1-8. https://doi.org/10.1038/ncomms10793 DOI: https://doi.org/10.1038/ncomms10793
  7. Cordero, D. y Rodriguez, G. (2022). Merger of network graph indicators to estimate resilience in Latin American cities. IEEE Access, 10, 81071-81093. https://doi.org/10.1109/ACCESS.2022.3195894 DOI: https://doi.org/10.1109/ACCESS.2022.3195894
  8. Crucitti, P., Latora, V. y Porta, S. (2006). Centrality in networks of urban streets. Chaos, 16(1), e015113. https://doi.org/10.1063/1.2150162 DOI: https://doi.org/10.1063/1.2150162
  9. Csardi, G. y Nepusz, T. (2006). The igraph software package for complex network research. InterJournal, Complex Systems, 1695. https://igraph.org
  10. Daude, C., Fajardo, G., Brassiolo, P., Estrada, R., Goytia, C., Sanguinetti, P., Álvarez, F. y Vargas, J. (2017). RED 2017. Crecimiento urbano y acceso a oportunidades: un desafío para América Latina. CAF. https://scioteca.caf.com/handle/123456789/1090
  11. Diestel, R. (2017). Graph theory. Springer. DOI: https://doi.org/10.1007/978-3-662-53622-3
  12. Freeman, L. C. (1977). A set of measures of centrality based on betweenness. Sociometry, 40(1), 35. https://doi.org/10.2307/3033543 DOI: https://doi.org/10.2307/3033543
  13. Gao, S., Wang, Y., Gao, Y. y Liu, Y. (2013). Understanding urban traffic-flow characteristics: A rethinking of betweenness centrality. Environment and Planning B: Planning and Design, 40(1), 135-153. https://doi.org/10.1068/b38141 DOI: https://doi.org/10.1068/b38141
  14. Gil, J. (2017). Street network analysis “edge effects”: Examining the sensitivity of centrality measures to boundary conditions. Environment and Planning B: Urban Analytics and City Science, 44(5), 819-836. https://doi.org/10.1177/0265813516650678 DOI: https://doi.org/10.1177/0265813516650678
  15. Girvan, M. y Newman, M. E. J. (2002). Community structure in social and biological networks. Proceedings of the National Academy of Sciences, 99(12), 7821-7826. https://doi.org/10.1073/pnas.122653799 DOI: https://doi.org/10.1073/pnas.122653799
  16. Hernández Cerda, C. N., Ávila Galarza, A., Aguilar Robledo, M. y Vázquez Solís, V. (2023). Análisis espacial de las dinámicas de movilidad en la Zona Metropolitana de San Luis Potosí. Estudios Demográficos y Urbanos, 38(2), 581-618. https://estudiosdemograficosyurbanos.colmex.mx/index.php/edu/article/view/2123 DOI: https://doi.org/10.24201/edu.v38i2.2123
  17. Hillier, B. (2002). A theory of the city as object: or, how spatial laws mediate the social construction of urban space. Urban Design International, 7, 153-179. https://doi.org/10.1057/palgrave.udi.9000082 DOI: https://doi.org/10.1057/palgrave.udi.9000082
  18. Imco. (2019). El costo de la congestión: vida y recursos perdidos. Instituto Mexicano para la Competitividad. https://imco.org.mx/costo-la-congestion-vida-recursos-perdidos/
  19. INEGI. (2022). Parque vehicular. Instituto Nacional de Estadística y Geografía. https://www.inegi.org.mx/temas/vehiculos/
  20. INRIX. (2021). 2021 INRIX global traffic scorecard. https://inrix.com/scorecard/
  21. ITDP. (2017). Invertir para movernos. Diagnóstico de inversión en movilidad en las zonas metropolitanas de México, 2011-2017. Instituto de Políticas para el Transporte y Desarrollo. https://invertirparamovernos.itdp.org/#/
  22. Kazerani, A. y Winter, S. (2009). Can betweenness centrality explain traffic flow. En J.-H. Haunert, B. Kieler y J. Milde (eds.), 12th AGILE International Conference on Geographic Information Science (pp. 1-9).
  23. Kirkley, A., Barbosa, H., Barthelemy, M. y Ghoshal, G. (2018). From the betweenness centrality in street networks to structural invariants in random planar graphs. Nature Communications, 9(1), 2501. https://doi.org/10.1038/s41467-018-04978-z DOI: https://doi.org/10.1038/s41467-018-04978-z
  24. Lämmer, S., Gehlsen, B. y Helbing, D. (2006). Scaling laws in the spatial structure of urban road networks. Physica A: Statistical Mechanics and its Applications, 363(1), 89-95. https://doi.org/https://doi.org/10.1016/j.physa.2006.01.051 DOI: https://doi.org/10.1016/j.physa.2006.01.051
  25. Lampo, A., Borge-Holthoefer, J., Gómez, S. y Solé-Ribalta, A. (2021). Multiple abrupt phase transitions in urban transport congestion. Physical Review Research, 3(1), 13267. https://doi.org/10.1103/PhysRevResearch.3.013267 DOI: https://doi.org/10.1103/PhysRevResearch.3.013267
  26. Lion, B. y Barthelemy, M. (2017). Central loops in random planar graphs. Physical Review E, 95(4), 42310. https://doi.org/10.1103/PhysRevE.95.042310 DOI: https://doi.org/10.1103/PhysRevE.95.042310
  27. Loder, A., Ambühl, L., Menendez, M. y Axhausen, K. W. (2019). Understanding traffic capacity of urban networks. Scientific Reports, 9, 1-10. https://doi.org/10.1038/s41598-019-51539-5 DOI: https://doi.org/10.1038/s41598-019-51539-5
  28. Louf, R. y Barthelemy, M. (2014). How congestion shapes cities: From mobility patterns to scaling. Scientific Reports, 4. https://doi.org/10.1038/srep05561 DOI: https://doi.org/10.1038/srep05561
  29. Orihuela Jurado, I. y Sobrino, J. (2023). Delimitación y trayectorias de las zonas metropolitanas en México, 1990-2020. Estudios Demográficos y Urbanos, 38(3), 867-917. https://doi.org/10.24201/edu.v38i3.2172 DOI: https://doi.org/10.24201/edu.v38i3.2172
  30. Pichardo-Corpus, J. A. (2023). The concentration of edge betweenness in the evolution of planar graphs and street networks. Journal of Complex Networks, 11(2). https://doi.org/10.1093/comnet/cnad004 DOI: https://doi.org/10.1093/comnet/cnad004
  31. Porta, S., Latora, V., Wang, F., Rueda, S., Strano, E., Scellato, S., Cardillo, A., Belli, E., Càrdenas, F., Cormenzana, B. y Latora, L. (2012). Street centrality and the location of economic activities in Barcelona. Urban Studies, 49(7), 1471-1488. https://doi.org/10.1177/0042098011422570 DOI: https://doi.org/10.1177/0042098011422570
  32. Porta, S., Strano, E., Iacoviello, V., Messora, R., Latora, V., Cardillo, A., Wang, F. y Scellato, S. (2009). Street centrality and densities of retail and services in Bologna, Italy. Environment and Planning B: Planning and Design, 36(3), 450-465. https://doi.org/10.1068/b34098 DOI: https://doi.org/10.1068/b34098
  33. Radke, J. y Flodmark, A. (1999). The use of spatial decompositions for constructing street centerlines. Geographic Information Sciences, 5(1), 15-23. https://doi.org/10.1080/10824009909480509 DOI: https://doi.org/10.1080/10824009909480509
  34. Sedatu. (2018). IDE Sedatu. Secretaría de Desarrollo Agrario, Territorial y Urbano. https://ide.sedatu.gob.mx/#/
  35. Sedatu, Conapo e INEGI. (2018). Delimitación de las zonas metropolitanas de México 2015. Secretaría de Desarrollo Agrario, Territorial y Urbano / Consejo Nacional de Población / Instituto Nacional de Estadística y Geografía. https://www.gob.mx/conapo/documentos/delimitacion-de-las-zonas-metropolitanas-de-mexico-2015
  36. Sedatu, Conapo e INEGI. (2023). Metrópolis de México 2020. Secretaría de Desarrollo Agrario, Territorial y Urbano / Consejo Nacional de Población / Instituto Nacional de Estadística y Geografía. https://ide.sedatu.gob.mx/
  37. Sevtsuk, A. y Davis, D. E. (2019). Future of streets. En L. D’Acci (ed.), The mathematics of urban morphology (pp. 537-546). https://doi.org/10.1007/978-3-030-12381-9_29 DOI: https://doi.org/10.1007/978-3-030-12381-9_29
  38. Suzuki, H., Cervero, R. e Iuchi, K. (2014). Transformando las ciudades con el transporte público: integración del transporte público y el uso del suelo para un desarrollo urbano sostenible. The World Bank. https://doi.org/10.1596/978-9-5869-5967-4 DOI: https://doi.org/10.1596/978-9-5869-5967-4
  39. Tapia-McClung, R., Montejano-Escamilla, J. A. y Caudillo-Cos, C. A. (2023). Defining city boundaries through percolation theory: The case of the Mexican urban system. Economía Sociedad y Territorio, 23(73), 753-778. https://doi.org/10.22136/est20232087 DOI: https://doi.org/10.22136/est20232087
  40. Zhang, K. y Batterman, S. (2013). Air pollution and health risks due to vehicle traffic. Science of the Total Environment, 450-451, 307-316. https://doi.org/10.1016/j.scitotenv.2013.01.074 DOI: https://doi.org/10.1016/j.scitotenv.2013.01.074