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

xml

PDF (Español)
xml

En línea (Español)
SV2MP4

EPUB (Español)
SV3MP4

Kindle (Español)
SV1MP4

Audio (Español)
  • Juan Antonio Pichardo Corpus
Juan Antonio Pichardo Corpus
image/svg+xml El Colegio de la Frontera Norte, Departamento de Estudios Urbanos y del Medio Ambiente
DOI: https://doi.org/10.24201/edu.v39i3.2235

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
    1009
  • PDF (español)
    367
  • En línea (español)
    86
  • EPUB (español)
    17
  • Kindle (español)
    25
  • Audio (español)
    7

Descargas

Derechos de autor 2024 Estudios Demográficos y Urbanos

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Métrica

Article has an altmetric score of 5
Plum Print visual indicator of research metrics
Captures
  • Readers: 3

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.

xml

PDF (Español)
xml

En línea (Español)
SV2MP4

EPUB (Español)
SV3MP4

Kindle (Español)
SV1MP4

Audio (Español)

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

Artículos similares

<< < 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.