HOME | ÍNDICE POR TÍTULO | NORMAS PUBLICACIÓN Espacios. Vol. 37 (Nº 22) Año 2016. Pág. 10
Diego Alexander ESCOBAR 1; Gustavo Adolfo ARTEAGA 2; Juan David ZULUAGA 3
Recibido: 01/04/16 • Aprobado: 23/04/2016
3. Metodología de investigación
RESUMEN: En esta investigación se aplica un análisis de accesibilidad territorial con el fin de conocer la relación existente entre la ubicación geográfica de las "Estaciones De Servicio - EDS" y las características operativas de la red de transporte de la ciudad de Manizales. La investigación se soporta en información primaria tomada con GPS por un período mayor a un año. Se calculan los tiempos de desplazamiento que deben ser invertidos para alcanzar las EDS, proponiéndose una metodología pata obtener un Índice de Cobertura Espacial, el cual permite hacer comparaciones cuantitativas. Se identifican los sectores de la ciudad que presentan deficiencia respecto a la cobertura de este servicio. |
ABSTRACT: In this research, a territorial accessibility analysis is applied, to get an understanding of the relation between the geographic location of the Service Stations and the operational features of Manizales' transport network. The research is based in primary information, collected by GPS for more than one year. The travel time spent to arrive at a Service Station is calculated, developing a methodology to obtain a Spatial Coverage Index, which allows making a quantitative comparison. The sectors of the city, with deficient coverage to service stations are identified. |
La ciudad de Manizales se ubica en la región centro occidente de Colombia (5.4º de latitud norte, 75.3º de longitud occidente), sobre la prolongación de la cordillera central a 2150 m.s.n.m.. En esta investigación se hizo uso de un Sistema de Información Geográfica (SIG) que recoge la información de los diferentes nodos de actividad identificados como EDS en la zona urbana de la ciudad de Manizales, en donde, relacionados con las características operativas de la red de infraestructuras del transporte y con información sociodemográfica, permitió un manejo integral de la información para los análisis del índice de cobertura espacial, proporcionando valores más aproximados y realistas sobre la cobertura que la red de infraestructuras de transporte ofrece a la comunidad dada la posición geográfica de las EDS en relación con las variables área, población y número de viviendas.
La accesibilidad ha sido una medida poco usada en el medio colombiano, pero es tan representativa que se debe entender como una necesidad secundaria no percibida (HALDEN, 2011), la cual no es un fin sino un medio para llegar a eventos prioritarios para intereses de los pobladores (atención en salud, educación, empleo, etc.). De forma general, la accesibilidad es considerada como un importante factor de competitividad de las diferentes regiones (BIEHL, 1991), encontrando que las poblaciones más accesibles son las que han referido a través del tiempo un mayor éxito económico, es por ello que el mejoramiento de las infraestructuras de transporte se convierte en un elemento clave de desarrollo económico (HOLL, 2007).
Actualmente, el combustible puede ser considerado un artículo de primera necesidad y por lo tanto debe ser accesible y asequible. Las metas en transporte para una gran cantidad de países, buscan eliminar las diferencias de clases, por medio de mayor acceso a servicios y artículos de primera necesidad (JONES, 2011).
Luego de la introducción, en la sección 2 se aborda el marco Conceptual en la Sección 3 se presenta la metodología aplicada para los cálculos de accesibilidad e índices de cobertura espacial, en la cual se describe la construcción de la base de datos utilizada; en la sección 4 se muestran los principales resultados obtenidos y finalmente, en la sección 5 se plantean las conclusiones.
Durante los últimos 50 años se ha dado bastante importancia al concepto de accesibilidad en la planeación territorial (regional y urbana), sus orígenes se remontan a los años 20' cuando se abordó en áreas como la teoría de la localización y el planeamiento económico regional (BATTY, 2009). La accesibilidad la han definido como una medida de la facilidad de comunicación entre asentamientos humanos o actividades, usando un determinado modo de transporte (MORRIS et al., 1978), no obstante, existen diferentes definiciones del término (PIRIE, 1979; JONES, 1981; MARTELLANO et al., 1995), siendo la más clásica la aportada por HANSEN (1959, 73) "… the potencial of opportunities for interaction.".
El análisis de accesibilidad de un territorio se realiza mediante el empleo de la teoría de grafos (PETRUS i SEGUI, 1991), la cual utiliza el estudio morfométrico de redes (análisis explicativo) para conocer, con base en datos parciales, qué aspecto tiene la estructura completa de la red; lo anterior permite identificar zonas que presenten menores posibilidades de accesibilidad en relación con la ubicación de uno o varios nodos de actividad en particular. Este tipo de análisis está siendo cada vez más involucrado en la evaluación de planes y proyectos de infraestructura (GUTIÉRREZ et al., 2010), encontrándose que la mejora en los niveles de accesibilidad es en muchos casos uno de los criterios usados en dichas evaluaciones. Este tipo de estudios y evaluaciones han venido en un crecimiento constante, en los cuales con la búsqueda de la correlación entre usos del suelo, estrategias de transporte y desarrollo (GEURS et al., 2009) han permitido el desarrollo de modelos cada vez más complejos.
Es posible encontrar diferentes tipos de análisis de accesibilidad, realizados en variadas épocas, los cuales han sido estudiados bajo la óptica de la planificación territorial regional y urbana y que han permitido abordar criterios relacionados con: desarrollo económico (RIETVELD i NIJKAMP, 1993; VICKERMAN et al., 1999; MACKINNON et al., 2008; RIETVELD i BRUINSMA, 2012); distribución espacial de las actividades económicas (KRUGMAN, 1991; FUJITA et al., 1999), accesibilidad a cuidados de salud (LUO i WANG, 2003), plusvalía de la tierra y densidad poblacional (ALONSO, 1964; KOTAVAARA et al., 2011), sostenibilidad (CHENG et al., 2007; VEGA, 2011; ESCOBAR et al., 2013), operatividad de modos de transporte (GEURS i VAN WEE, 2004; ESCOBAR et al., 2015), cohesión social (SCHÜRMAN et al., 1999; LÓPEZ et al., 2008), exclusión social (PRESTON i RAJÉ, 2007); equidad y eficiencia en los servicios de salud tanto urbano como regional (MEYHEW i LEONARDI, 1982); marketing (GEURS i RITSEMA, 2001), turismo (KASTENHOLZ et al., 2012), redes sociales (SAILER et al., 2012), por citar algunos ejemplos.
En las últimas décadas se han desarrollado potentes herramientas informáticas que permiten generar análisis espaciales mediante la relación de bases de datos geográficas (ZHU i LIU, 2004). Dichas herramientas han impactado positivamente las capacidades analíticas de los investigadores, siendo posible la integración de información geográfica de los nodos de actividad con información referida con las infraestructuras de transporte, información demográfica, socioeconómica, geoespacial, etc.
Utilizando las capacidades de visualización geoespacial del SIG se produjeron mapas de la distribución geográfica de las EDS que permitieron la realización de los estudios del índice de cobertura geoespacial. Existen variados ejemplos de análisis de cobertura geoespacial, los cuales han sido desarrollados mediante diferentes desarrollos informáticos y aplicados en amplias áreas del conocimiento, como por ejemplo en el área de estudios de localización y prestación de servicios (CALCUTTAWALA, 2006; HIGGS et al., 2012; PARK , 2012), área de la agricultura y recursos naturales (GELLRICH i ZIMMERMANN, 2007; TASSINARI et al., 2008; ARCIDIACONO, 2010); área demográfica y de crecimiento urbano (HUIPING i QIMING, 2010); área de estudios regionales (STRAATEMEIER, 2008); área de la salud (HERNÁNDEZ et al., 2002); entre otras.
La metodología abordada en esta investigación está compuesta por cinco etapas.
3.1. Adquisición de la información.
Se realizó un minucioso trabajo de campo para la identificación de todas las Estaciones de Combustible establecidas en la zona urbana de la ciudad de Manizales, categorizándolas según el tipo de combustible que distribuyen y verificando su correcta localización geoespacial mediante equipos GPS.
3.2. Actualización de la red georeferenciada.
Se analizó la red vial proporcionada por la Administración Municipal y se complementó con los datos suministrados por el trabajo de campo realizado con los equipos GPS, lo que permitió corregir y validar la información geográfica. La ciudad de Manizales tiene una red conformada por más de 10000 arcos y alrededor de 8000 nodos.
3.3. Cálculo de velocidades de operación y velocidad instantánea.
Se instalaron equipos GPS en diferentes tipos de vehículos (Auto, taxi, Motocicleta, Camión y Transporte Público Urbano), con el fin de almacenar datos de posicionamiento satelital, recopilándose información base para el cálculo de la velocidad media de operación sobre cada arco del sistema. Las velocidades de operación son calculadas a partir de datos reales de monitoreo y muestran las verdaderas características operacionales de los arcos que componen la red, lo cual se resalta ya que generalmente, en este tipo de estudios, se asumen las velocidades de operación según la categoría de la vía (BURNS i INGLIS, 2007); sin embargo, existen investigaciones que se han basado en las velocidades reales de los automotores (LI et al., 2011). El procesamiento de la información requirió de la aplicación de diferentes algoritmos de cálculo de acuerdo al desarrollo del proyecto. La velocidad de operación por intervalo de tiempo entre dos puntos (Ec.1) es un parámetro es útil para establecer las variaciones de la velocidad sobre un arco y para determinar el número de paradas.
La velocidad de operación promedio de un viaje sobre el i-ésimo arco (Ec.2) se obtiene mediante la relación entre la longitud del arco y la diferencia de los tiempos de paso entre el nodo inicial y nodo final del mismo.
La velocidad promedio en el arco para un periodo de tiempo (Ec.3) fue usada para establecer las impedancias de la red y fueron el insumo para desarrollar el modelo de predicción de tiempos medios de viaje.
3.4. Etapa 4. Cálculo de la Accesibilidad.
Ésta se analiza a partir del vector de tiempo medio de viaje (Tvi), el cual representa el tiempo promedio de viaje desde un determinado conjunto de nodos hasta los demás nodos de la red vial. Para la obtención del vector de tiempo medio de viaje, se debe calcular la matriz unimodal de distancias. Luego, conociendo la velocidad de operación promedio de cada arco, se elabora la matriz de tiempos promedios mínimos de viaje, en la que se minimiza el tiempo medio de viaje entre el conjunto de nodos y todos los nodos que conforman la red en estudio.
El vector de tiempo medio de viaje obtenido (nx1) se relaciona con las coordenadas geográficas (longitud y latitud) de cada uno de los nodos, obteniéndose una matriz de orden (nx3) con la que se generan las curvas isócronas de tiempo promedio de viaje. Se analizaron cuatro contextos: a) Contexto 1; toma en cuenta todas las Estaciones de Combustible sin clasificar el tipo de combustible; b) Contexto 2; toma en cuenta sólo las Estaciones de Combustible donde se distribuye gasolina corriente y Diesel; c) Contexto 3; toma en cuenta sólo las Estaciones de Combustible donde se distribuye gasolina extra; d) Contexto 4; toma en cuenta sólo las Estaciones de Combustible donde se distribuye Gas Natural Vehicular.
3.5. Etapa 5. Formulación del modelo de análisis de cobertura.
El área urbana de la ciudad de Manizales asciende a 39,3 Km2, su población es de 404.805 habitantes y el número de viviendas es de 95.361 unidades, distribuidas en 125 barrios, esta información se relacionó, mediante el uso del GIS, con las curvas de tiempos medios de viaje obtenidas para cada uno de los contextos mencionados. El Índice de Cobertura Espacial viene definido por la ecuación (4), y es desarrollado a través de las ecuaciones (5) y (6):
En este índice se involucran las variables área, población y número de viviendas, las cuales tendrán un mayor impacto mientras mayor cobertura refiera para cada curva de tiempo medio de viaje. El Índice de Cobertura varía de 0 a 1, siendo 1 la mayor cobertura espacial. Lo anterior, permitió realizar estimaciones de qué porcentaje de la población, del área y del número de viviendas, se encuentra cubierto por una determinada curva isócrona, lo que define los valores del índice de cobertura para determinadas curvas de tiempos medios de viaje.
En Manizales existen un total de 31 EDS (Ver Figura 1). Los resultados en cada uno de los contextos estudiados, permiten ilustrar de forma general la relación entre la ubicación de las EDS y las características operativas de la red vial.
Figura 1 . Ubicación de las EDS en la ciudad de Manizales. Fuente: Elaboración propia.
4.1. Contexto 1. EDS sin clasificar el tipo de combustible
Para este contexto, se estudió la ubicación geográfica de todas las EDS en conjunto, sin clasificar según el tipo de combustible que distribuyen. La zona que reporta mayor accesibilidad refiere un tiempo medio de viaje de 4 minutos (Ver Fig.2a), abarcando un amplio sector céntrico de la ciudad y expandiéndose a lado y lado de vías principales. Analizando la zona urbana en su totalidad, se encuentra que es posible alcanzar una EDS si se invierten tiempos medios de viaje de entre 4 y 22 min. Aproximadamente.
En la Fig.2b se presenta el porcentaje acumulado de área, población y número de viviendas que es cubierto por las curvas isócronas; las tres variables presentan comportamientos semejantes; los análisis de cobertura respecto a la curva de tiempo, proporcionan un mejor diagnóstico de la ubicación geoespacial de las EDS, para las variables área y número de viviendas, es la curva de 6 minutos la que mayor porcentaje cubre respectivamente, caso diferente en la variable población, en la cual se tiene que la mayor cantidad de personas se encuentra cubierta por la curva de 10 minutos.
Es posible concluir que el 50% de la población alcanzaría una Estación de Gasolina si se invierten 7.7 minutos de tiempo medio de viaje, valor que disminuye a 7.4 minutos para la variable número de viviendas. Los sectores noroccidente, nororiente y sur, muestran los mayores tiempos de cobertura, lo que les convierte en zonas desde las cuales es más difícil alcanzar una EDS.
Fig. 2. (a) Curva de menor tiempo medio de viaje, contexto 1;
(b) Porcentaje acumulado Vs Curva isócrona. Contexto 1. Fuente: Elaboración Propia.
4.2. Contexto 2. EDS donde se distribuye gasolina corriente y Diesel.
De las 31 Estaciones de Combustible, 30 distribuyen gasolina corriente y 29 distribuyen Diesel. Los resultados obtenidos son semejantes a los obtenidos en el contexto 1, encontrando sólo algunas diferencias en los porcentajes de cobertura de algunas curvas de tiempo medio de viaje. Se concluye entonces que para el escenario 2, el 50% de la población alcanzaría una EDS si se invierten 7.7 minutos de tiempo medio de viaje, valor que disminuye a 7.5 minutos para la variable número de viviendas. Al igual que en el escenario 1, los sectores noroccidente, nororiente y sur, muestran los mayores tiempos de cobertura, lo que les convierte en zonas desde las cuales es más difícil alcanzar una EDS que distribuya gasolina corriente o Diesel.
4.3. Contexto 3. EDS donde se distribuye gasolina extra.
El 58% (18) de la EDS de la ciudad distribuyen Gasolina Extra o Premium. El menor tiempo medio de viaje que se debe invertir para alcanzar una estación de esta clase es de 4 minutos (Ver Fig.3a). Para este contexto, se obtuvo que la ciudad se cubre con curvas de tiempo medio de viaje de entre 4 y 34 minutos (Ver Fig.3b); la curva de 10 minutos es la que mayor porcentaje refiere para las tres variables (área, población y número de viviendas).
Fig. 3. (a) Curva de menor tiempo medio de viaje, contexto 3;
(b) Porcentaje acumulado Vs Curva isócrona. Contexto 3. Fuente: Elaboración Propia.
Comparando los resultados obtenidos en el contexto 3 y el contexto 1, y analizando la variable población, se observa que para el contexto 1 el 100% de ésta se cubre con 18 min. de tiempo medio de viaje, mientras que en el contexto 3, el 98% de la población se cubre con la misma curva de tiempo, una diferencia de aproximadamente unos 7950 habitantes cubiertos. No obstante, analizando la curva de 4 min., el contexto 3 refiere una diferencia de cobertura respecto al contexto 1 de 23150 habitantes. Se tiene entonces que el 50% de la población alcanzaría una Estación de Gasolina si se invierten 8.6 minutos de tiempo medio de viaje, valor que disminuye a 8.3 minutos para la variable número de viviendas.
Lo anterior indica que se debe invertir más tiempo para encontrar una EDS que distribuya gasolina extra, comparado con el contexto 1. Los sectores centro y occidente de la ciudad presentan mayores limitaciones operativas para alcanzar una estación en la que distribuyan gasolina extra, situación que no se presenta en el sector oriente. En el sector oriente de la ciudad se asienta un gran porcentaje de viviendas de estratos altos.
4.4. Contexto 4. EDS donde se distribuye Gas Natural Vehicular – GNV.
El 39% (12) de las EDS distribuyen GNV. La curva de menor tiempo medio de viaje es de 4 minutos, la expansión de dicha curva se presenta a lo largo de un corredor principal en el sector oriente y hacia el CBD de la ciudad (Ver Fig.4a). En este contexto, la ciudad se cubre con curvas de tiempo medio de viaje de entre 4 y 40 minutos, es decir, para alcanzar un sitio donde se pueda obtener GNV, lo máximo que se puede tardar son aproximadamente 40 minutos. La curva de 8 minutos es la que mayor porcentaje de cobertura refiere para las variables población y número de viviendas, así mismo, se obtuvo que un 90% de la población alcanzaría una EDS donde distribuyan GNV si invierte un máximo de 16 minutos de tiempo medio de viaje (Ver Fig.4b).
Fig. 4. (a) Curva de menor tiempo medio de viaje, contexto 4;
(b) Porcentaje acumulado Vs Curva isócrona. Contexto 4. Fuente: Elaboración Propia.
Comparando estos resultados con los obtenidos en los anteriores contextos, y analizando la variable población, se observa que para los contextos 1 y 2 el 100% de la población se cubre con 18 minutos de tiempo medio de viaje, para el contexto 3, la misma curva de tiempo alcanza a cubrir el 98% de la población, mientras que para el contexto 4 se llega a cubrir el 93% de la misma. Para el contexto 4, se concluye que el 50% de la población alcanzaría una EDS si se invierten 8.9 minutos de tiempo medio de viaje, valor que disminuye a 8.6 minutos para la variable número de viviendas.
Lo anterior indica que se debe invertir más tiempo para encontrar una EDS que distribuya GNV a una que distribuya gasolina extra o Premium. Así mismo, se resalta que la mayoría de las EDS que distribuyen GNV se encuentran ubicadas a lo largo del corredor vehicular principal en sentido occidente – oriente y viceversa, brillando por su ausencia una estación qué se ubique en un corredor que provea movilidad en sentido sur – norte y viceversa.
4.5. Índice de Cobertura espacial - ICE
Se calcularon los porcentajes de cobertura de las variables área, población y número de viviendas desde cada una de las EDS de la ciudad. Lo anterior, con el fin de determinar cuáles EDS reportan una mayor cobertura y por lo tanto refieren una mejor relación entre su ubicación geoespacial y las características operativas de la red vial de la ciudad.
En la Figura 5 se resalta la ubicación geográfica de las EDS que refieren una mayor cobertura de la curva isócrona de 5 minutos, para las variables estudiadas. Se encontró que respecto al área cubierta, las EDS de mayor cobertura se encuentran ubicadas hacia el sector oriente de la ciudad (relleno verde) con un valor del 3,5% del área urbana cubierta. Respecto a la población (relleno rojo), las EDS de mayor cobertura se encuentran ubicadas en el sector centro de la ciudad, con un 4,5% de la población urbana. Respecto al número de viviendas (relleno naranja), la ubicada más al occidente también se encuentra dentro de las de mayor cobertura de área (EDS Laureles), mientras que la ubicada más al occidente coincide con una de las de mayor cobertura de población (EDS Carrera 18), la tercera EDS de mayor cobertura de número de viviendas se encuentra entre las anteriormente mencionadas sobre la Avenida Kevin Ángel (EDS La Carola).
Figure 5. Ubicación de EDS de mayor cobertura geoespacial.
Curva isócrona de 5 min. Fuente: Elaboración Propia.
En la Figura 6 se resalta la ubicación geográfica de las EDS que refieren una mayor cobertura de la curva isócrona de 15 minutos. Respecto a las variables población y número de viviendas, las tres EDS de mayor cobertura coinciden, se encuentran hacia el sector centro, dos sobre la Avenida Santander (EDS Cervantes y EDS Caldas) y una se sobre la Avenida Kevin Ángel (EDS Los Cedros); desde estas EDS y con 15 minutos de tiempo medio de viaje se alcanza a cubrir un 46% de la población y un 47% del número de viviendas. Respecto a la variable área, las EDS de mayor porcentaje de cobertura para la curva de 15 minutos se ubican hacia el oriente.
Figure 6. Ubicación de EDS de mayor cobertura geoespacial.
Curva isócrona de 15 min. Fuente: Elaboración Propia.
Para el cálculo del Índice de Cobertura Espacial (ICE) de cada EDS, se tomaron los porcentajes de cobertura obtenidos en el Contexto 1, para las tres variables de análisis (área, población y número de viviendas). Aplicando la metodología descrita con anterioridad, se encontró que los índices de cobertura varían de 0.06 a 0.85. En la Fig. 7 se observa la ubicación espacial de todas las estaciones de combustible analizadas en esta investigación, diferenciando entre las que obtuvieron un alto Índice de Cobertura Espacial (ICE > 0.75; Rombos) y las que obtuvieron un muy bajo ICE (ICE < 0.1; Estrellas).
De forma general se obtuvo que tanto las EDS con mayor y menor ICE se encuentran ubicadas a lo largo de un corredor vehicular principal; así mismo, se encontró que cuatro estaciones de combustible presentaban un alto ICE, mientras que tres un bajo ICE. Habiéndose dividió la ciudad en cuadrantes, se es posible resaltar los siguientes puntos:
Fig. 7. Ubicación espacial de las EDS. Alto Índice de Cobertura (Rombos),
bajo Índice de Cobertura (Estrellas); Fuente: Elaboración propia.
En la ciudad de Manizales es posible encontrar una EDS si se invierten entre 4 y 22 minutos de tiempo medio de viaje. El peor escenario se presenta si se busca una estación de GNV, dado que se debe invertir entre 4 y 40 min en promedio. La importancia de la localización de nodos de actividad ha sido reconocida por años como uno de los factores de influencia en el desarrollo económico de un país, región o ciudad, lo cual es aplicable tanto para nivel regional como urbano (ZHU et al., 2012).
A partir del análisis de los Índices de Cobertura Espacial, es posible concluir que hay dos sectores en la ciudad donde sería factible la ubicación de una nueva estación de combustible, el sector suroccidente y el sector nororiente. Se concluye también que las EDS que reportan una mayor cobertura y por lo tanto refieren una mejor relación entre su ubicación geoespacial y las características operativas de la red vial de la ciudad se encuentran ubicadas en el sector oriente y centro.
Desde el punto de vista social, se requiere que las personas tengan acceso a las actividades típicas de la sociedad, encontrándose que para que exista una mayor inclusión social se requiere de una mayor accesibilidad, lo cual implica proveer a la sociedad de una adecuada movilidad (FARRINGTON i FARRINGTON, 2005), por lo tanto, es necesario garantizar que un nodo de actividad se encuentre adecuadamente distribuido en un territorio para que éste sea accesible. Se observa que en el sector noroccidente existen subsectores cuya vocación preponderante es la de distribución de combustible, lo cual se debe a la actividad económica que en dicha zona se presenta, pero no obedece a una distribución de necesidad de prestación de un servicio.
Se observa que las estaciones de combustible que reportan un menor ICE se encuentran ubicadas en vías que son para tráfico de paso o salida de la ciudad, dado lo anterior, es importante que futuras investigaciones sobre este tema tengan en cuenta la inclusión de otras variables como el tráfico promedio diario que reportan las vías que llegan a las estaciones de combustible, así como los índices de tenencia vehicular en la ciudad, por ejemplo, las cuales son dos variables que proporcionarían un mayor espectro con el fin de conocer en una forma más puntual en donde realmente es necesario un nodo de actividad como estos.
Se propone que los investigadores propongan herramientas basadas en mapas que muestren los efectos concretos de los cambios de en la accesibilidad (CROZET, 2012), siendo posible conocer, a partir de prospectivas futuras de movilidad, hacia qué sector se generaría un mayor impacto desde el punto de vista de cobertura social.
Este tipo de análisis son de bastante utilidad para las actividades de planeación y expedición de permisos de intervención infraestructural en la ciudad, así mismo, se propone realizar a partir de la aplicación del índice de cobertura espacial aquí propuesto, un plan de intervención o expansión de nodos de actividad como éstos, encontrando que seguramente en un futuro no muy lejano sea necesario definir los mejores sitios de ubicación de estación de combustible que proporcionen energía eléctrica, para lo cual esta investigación podría ser aplicable en una primera instancia.
Los autores agradecen a al PROGRAMA NACIONAL DE SEMILLEROS DE INVESTIGACIÓN, CREACIÓN E INNOVACIÓN DE LA UNIVERSIDAD NACIONAL DE COLOMBIA - 2012, ya que gracias a éste fue posible financiar el proyecto con código 15738. Así mismo, se agradece la colaboración de los estudiantes pertenecientes al Semillero de Investigación en Movilidad Sostenible del Departamento de Ingeniería Civil.
ALONSO, W. (1964). Location and Land Use. Cambridge, MA: Harvard University Press.
ARCIDIACONO, C. (2010). A model to manage crop-shelter spatial development by multi-temporal coverage analysis and spatial indicators. Biosystems Engineering. Vol.107, 107-122.
BATTY, M. (2009). Accessibility: in search of a unified theory. Environment and Planning B: Planning and Design., Vol. 36, p. 191-194.
BIEHL, D. (1991). The role of infrastructure in regional development. (Pion, Ed.) Infrastructure and Regional Development , p. 9-35.
BURNS, C.M. and INGLIS, A.D. (2007). Measuring food access in Melbourne: Access to healthy and fast foods by car, bus and foot in an urban municipality in Melbourne. Health & Place 13, p. 877-885.
CALCUTTAWALA, Z. (2006). Landscapes of Information and Consumption: A Location Analysis of Public Libraries in Calcutta, in Edward D. Garten, Delmus E. Williams, James M. Nyce. Edition 24th. (Advances in Library Administration and Organization, Volume 24), Emerald Group Publishing Limited. p.319-388.
CHENG, J., BERTOLINI, L. & CLERCQ, F. (2007). Measuring Sustainable Accessibility. Transportation research Board: Journal of the Transportation Research Board. Vol. 2017, p. 16-25.
CROZET, Y. The Three Stages of Accessibility: The Coming Challenge of Urban Mobility, in Roger L. Mackett, Anthony D. May, Masanobu Kii, Haixiao Pan (ed.) Sustainable Transport for Chinese Cities (Transport and Sustainability, Volume 3), Emerald Group Publishing Limited. 2012, p.79-97.
ESCOBAR D.; GARCÍA F.; TOLOSA R. (2013); "Análisis de Accesibilidad Territorial a Nivel Regional". Universidad Nacional de Colombia. Facultad de Ingeniería y Arquitectura, 1.
ESCOBAR, D.; TAPASCO, O.; GIRALDO, J. Medición de Desempeño del Sistema de Transporte Cable Aéreo de la Ciudad de Manizales en Colombia, usando Tres Enfoques: Analítico, Simulado y de Accesibilidad Urbana. Información Tecnológica. [on line] 2015, vol. 26. n6 [citado 5 enero 2016], p. 199-210. Disponible en
< http://www.scielo.cl/. DOI: 10.4067/S0718-07642015000600020>
FARRINGTON, J. and FARRINGTON, C. (2005). Rural accessibility, social inclusion and social justice: towards conceptualisation. Journal of Transport Geography, Vol 13 (1), p. 1-12.
FUJITA, M., KRUGMAN, P., & VENABLES, A.. (1999). The Spatial Economy. Cities, Regions and International Trade. Cambridge, MA: MIT Press.
GELLRICH, M. & ZIMMERMANN, N. (2007). Investigating the regional-scale pattern of agricultural land abandonment in the Swiss mountains: A spatial statistical modelling approach. Landscape and Urban Planning. Vol.79, p. 65-76.
GEURS, K.T.; BOON, W.; VAN WEE, B. Social impacts of transport: literature review and the state of the practice of transport appraisal in the Netherlands and the United Kingdom. Transport reviews [on line] 2009, vol. 29. n1 [citado 10 octubre 2015], p 69-90. Disponible en < http://www.tandfonline.com. DOI: 10.1080/01441640802130490>
GEURS, K., & RITSEMA VAN ECK, J. (2001). Accessibility Measures: Review and Applications. Evaluation of Accessibility Impacts of Land-use Transport Scenarios, and Related Social and Economic Impacts. [citado el 04 de 08 de 2011], de National Institute of Public Health and the Environment. Disponible en <http://www.rivm.nl/bibliotheek/rapporten/408505006.pdf>
GEURS, K., & VAN WEE, B. (2004). Accessibility evaluation of land-use and transport strategies: review and research directions. Journal of Transport Geography. Vol.12 (2), p. 127-140.
GUTIERREZ, J., CONDECO-MELHORADO, A. & MARTÍN, J. (2010). Using Accessibility indicators and GIS to assess spatial spillovers of transport infraestructure investment. Journal of Transport Geography. Vol.18, p. 141-152.
HANSEN, W. (1959). How accessibility shapes land use. Journal of the American Institute of Planners. Vol. 25 (2), p. 73-76.
HALDEN, D. The use and abuse of accessibility measures in UK passenger transport planning. Transportation Business & Management. 2011, Vol 2, p. 12-19.
HERNANDEZ, J., RODRIGUEZ, M., RODRIGUEZ, N., SANTOS, R., MORALES, E., CRUZ, C., y otros. (2002). Cobertura geográfica del sistema mexicano de salud y análisis espacial de la utilización de hospitales generales de la Secretaria de salud en 1998. Salud pública de México. Vol.44 (6), p. 519-532.
HIGGS, G., LANGFORD, M. & FRY, R. (2012). Investigating variations in the provision of digital services in public libraries using network-based GIS models. Library & Information Science Research. Available online 13 November 2012.
HOLL, A. (2007). Twenty years of accessibility improvements. The case of the Spanish motorway building programme. Journal of Transport Geography. Vol.15 (4), p. 286-297.
HUIPING, L. & QIMING, Z. (2010). Developing urban growth predictions from spatial indicators based on multi-temporal images. Computers, Environment and Urban Systems. Vol. 29, p. 580-594.
JONES, P. (2011). Developing and applying interactive visual tools to enhance stakeholder engagement in accessibility planning for mobility disadvantaged groups. Transportation Business & Management. Vol.2, p. 29-41.
JONES, S. (1981). Accesibility measures: a literature review. TRRL Report 967, Transport and Road Research Laboratory, Crowthorne, Berkshire.
KASTENHOLZ, E., EUSÉBIO, C., FIGUEIREDO, E. & LIMA, J. (2012). Accessibility as Competitive Advantage of a Tourism Destination: The Case of Lousã, in Field Guide to Case Study Research in Tourism, Hospitality and Leisure (Advances in Culture, Tourism and Hospitality Research, Volume 6, K.F. Hyde, C. Ryan and A.G. Woodside (ed.)), Emerald Group Publishing Limited. p.369-385.
KOTAVAARA, O., ANTIKAINEN, H., & RUSANEN, J. (2011). Population change and accessibility by road and rail networks: GIS and statistical approach to Finland 1970–2007. Journal of Transport Geography, Vol. 19(4), p. 926-935.
KRUGMAN, P. (1991). Increasing returns and economic geography. Journal of Political Economy, Vol.99(3), p. 483–499.
LÓPEZ, E.; GUTIÉRREZ, J.; GÓMEZ, G. Measuring regional cohesion effects of large-scale transport infrastructure investments: an accessibility approach. European Planning Studies [on line] 2008, vol. 16. n2 [citado 15 noviembre 2015], p. 277-301. Disponible en <http://www.tandfonline.com/. DOI: 10.1080/09654310701814629Z>
LI, Q., ZHANG, T., WANG, H. & ZENG, Z. (2011). Dynamic accessibility mapping using floating car data: a network-constrained density estimation approach. Journal of Transport Geography 19, p. 379-393.
LUO, W.; WANG, F. Measures of spatial accessibility to health care in a GIS environment: synthesis and a case study in the Chicago region. Environment and Planning B: Planning and Design [on line] 2003, vol. 30. n6 [citado 22 noviembre 2015], p. 865-884. Disponible en <http://epb.sagepub.com/. DOI: 10.1068/b29120>
MACKINNON, D., PIRIE, G., & GATHER, M. (2008). Transport and economic development. En R. Knowles, J. Shaw, & I. Docherty (Edits.), Transport Geographies: Mobilities, Flows and Spaces (págs. 10-28). Oxford: Blackwell Publishing.
MARTELLANO, D., NIJKAMP, P. & REGGIANI, A. (1995). Measurement and Measures of Network Accessibility. TI 5-95-207, Tinbergen Institute, Amsterdam.
MAYHEW, L.D.; LEONARDI, G. Equity, efficiency, and accessibility in urban and regional health-care systems. Environment and Planning A [on line] 1982, vol. 14. n11 [citado 2 octubre de 2015], p. 1479-1507. Disponible en <http://epn.sagepub.com/. DOI: 10.1068/a141479>
MORRIS, J., DUMBLE, P. & WIGAN, M. (1978). Accessibility indicators in transport planning. Transportation Research, A. Vol. 13, p. 91-109.
PARK, S. (2012). Measuring public library accessibility: a case study using GIS. Library & Information Science Research. Vol.34 (1), p. 13-21.
PETRUS, J. & SEGUI, J. (1991). Geografía de Redes y Sistemas de Transporte. Madrid. España.: Síntesis.
PIRIE, G. (1979). Measuring accesibility: a review and proposal. Environment and Planning A. Vol. 11, p. 299-312.
PRESTON, J.; RAJÉ, F. Accessibility, mobility and transport-related social exclusion. Journal of Transport Geography [on line] 2007, vol. 15 n3. [citado 11 septiembre 2015], p 151-160. Disponible en <http://www.sciencedirect.com. DOI: 10.1016/j.jtrangeo.2006.05.002>
RIETVELD, P.; BRUINSMA, F. (2012); "Is transport infrastructure effective?: transport infrastructure and accessibility: impacts on the space economy". Springer Science & Business Media.
RIETVELD P. & NIJKAMP P. (1993). Transport and regional development. In: J. Polak and A. Heertje, Editors, European Transport Economics, European Conference of Ministers of Transport (ECMT), Blackwell Publishers, Oxford.
SAILER, K., MARMOT A. & PENN, A. (2012). Spatial Configuration, Organisational Change and Academic Networks. ASNA 2012 – Conference for 'Applied Social Network Analysis', Zürich, Switzerland, p. 4-7.
SCHÜRMAN, C., SPIEKERMANN, K. & WEGENER, M. (1999). Accessibility indicators. Berichte aus dem Institut für Raumplanung, 39, IRPUD, Dortmund.
STRAATEMEIER, T. (2008). How to plan for regional accessibility?. Transport Policy. 127-137.
Tassinari, P., Carfagna, E., Benni, S. & Torreggiani, D. (2008). Wide-area spatial analysis: A firts methodological contribution for the study of changes in the rural built environment. Biosystems Engineering. Vol. 100, p. 435-447.
VEGA, A. (2011). A multi-modal approach to sustainable accessibility in Galway. Regional Insights. Vol.2(2), p. 15-17.
VICKERMAN, R., SPIEKERMANN, K. & WEGENER, M. (1999). Accessibility and economic development in Europe. Regional Studies, Vol. 33, p. 1-15.
ZHU, X. & LIU, S. (2004).Analysis of the impact of the MRT system on accessibility in Singapore using an integrated GIS tool. Journal of Transport Geography. Vol. 4(12), p. 89-101
ZHU, C., XIE,H., ZHOU, W. and ZHANG, S. (2012). Impact of Administrative Division Adjustment on Location and Accessibility of Heifei, China. Journal Applied Mechanics and Materials, Sustainable Development of Urban Infrastructurep. 253-255, p. 271-277.
1. Director Maestría en Infraestructuras y Sistemas de Transporte. Facultad de Ingeniería y Arquitectura, Universidad Nacional de Colombia Sede Manizales. Email: daescobarga@unal.edu.co
2. Magister en Construcción. Magister en Diseño Arquitectónico Avanzado. Docente Ocasional Departamento de Arquitectura y Urbanismo. Universidad Nacional de Colombia Sede Manizales. Email: gaarteagabo@unal.edu.co
3. Especialista en Vías y Transportes. Integrante del semillero de investigación en Movilidad Sostenible. Universidad Nacional de Colombia Sede Manizales. Email: jdzuluagaga@unal.edu.co