Blog

Lecciones del plebiscito para la planificación urbana

Columna de opinión publicada en La Tercera el sábado 24 de Septiembre de 2022. Versión online disponible acá.

Advertisement

Autos eléctricos vs bicis eléctricas

A la izquierda el Renault Twizzy, probablemente el auto eléctrico con la batería más liviana. A la derecha la Juiced CrossCurrent X, una bici eléctrica con una de las baterías más pesadas para este tipo de vehículo.

Un cálculo hecho muy a la rápida con fuentes encontradas de manera ídem (pero al parecer confiables) permite hacernos una idea de lo (in)eficientes que son distintas alternativas de electromovilidad. Esto, por supuesto, ignorando otros aspectos como el precio, rango, capacidad de carga, externalidades negativas y eficiencia en uso de espacio de las alternativas comparadas (probablemente el tema da para una tesis doctoral, mínimo de magíster)

Las baterías de los autos eléctricos pesan entre 600 y 2200 kg (sin contar a los Tesla o Hummer EV que, como buenos autos-trofeo que sirven para compensar falencias en otras dimensiones, se escapan del rango). Las baterías de las bicis eléctricas pesan entre 1.5 y 5.7 kg.

Luego, en el mejor de los casos, las baterías de los autos eléctricos pesan 105 veces más que las baterías de las bicis eléctricas. En el peor de los casos pesan 1466 veces más. Esto nos debería dar luces respecto a la eficiencia energética de cada tipo de vehículo (a mayor masa, mayor la energía requerida), pero también del impacto ambiental asociado a la extracción de los minerales para la fabricación de estas baterías (algo particularmente relevante para Chile).

Dije que este análisis iba a ser sencillo y cumpliré, pero creo conveniente comparar precio y autonomía de los vehículos en los extremos de peso de cada categoría: el auto eléctrico con la batería más liviana vs la bici eléctrica con la batería más pesada (ambos en la foto al principio de este post). El Renault Twizzy cuesta un poco más de 12000 Euros en España (unos 11 millones de pesos Chilenos) y tiene una autonomía de 100 km. La Juiced CrosCurrent X cuesta 2200 dólares en EEUU (unos dos millones de pesos) y tiene una autonomía de 120 kms. Es decir, el costo por kilómetro de autonomía del Twizzy es de $110000 CLP mientras que el de la CrossCurrent es de $16666 CLP. El costo por km de autonomía es casi 7 veces mayor en el auto eléctrico, comparado con la bici eléctrica, en el mejor de los casos.

Si a lo anterior sumamos la superficie que utiliza cada uno para desplazarse y estacionarse, se vuelve bastante evidente hacía qué tipo de vehículo deberíamos dirigir nuestros esfuerzos en políticas públicas e incentivos (subsidios?) para incentivar la adopción de electromovilidad. Más aún si consideramos que la mayoría de los autos eléctricos son más grandes que el Twizzy, al mismo tiempo que la mayoría de las bicis (eléctricas o no) tienen tamaños similares.

Algunos dirán que la verdadera diferencia viene por la capacidad de transportar cosas/niños, pero eso es más un problema cultural que práctico.

La Tern GSD una bici “mini-cargo” eléctrica

Nuestra Yuba Kombi que, a pesar de no ser eléctrica, nos ha abierto un mundo de posibilidades de movilidad sostenible, cómoda y eficiente. Reemplaza fácilmente al auto en un 80% de los casos, para viajes de menos de 7km (Update: poco tiempo después de escribir este artículo la convertimos en e-bike y ahora es la mejor alternativa en viajes de cualquier largo o pendiente)

Una deuda no saldada

Recorrí la ciclovía de Américo Vespucio Oriente (AVO) de principio a fin, desde la altura de Las Luciérnagas (La Reina) hasta Padre Román (Vitacura). Sirve, pero no compensa el costo social y ambiental que implica la autopista por abajo (es algo minúsculo, además, en comparación la capacidad adicional que se entrega al auto en ese eje). Por otro lado, se desperdician varias oportunidades de tener infraestructura cicloinclusiva realmente de calidad, cosa que trataré explicar en este texto. Pero antes, el video que resume el recorrido (a 8x de velocidad):

Más allá de lo sinuosa que es (algo evitable, pero no me voy a poner exquisito), fueron 5.49 km de recorrido bastante expeditos (en ~18.5min, ni muy rápido ni muy lento). Mi primera impresión es lo ridículo de no haber tenido antes ciclovía por acá. Obviamente era necesaria. Ahora la pregunta importante es: ¿tiene el mejor diseño que podría tener?

Antes de que empezaran las obras se discutió mucho sobre esto. Originalmente el diseño consideraba un corredor de transporte público (aún más necesario) que podría haber ido acompañado de ciclovías unidireccionales en cada calzada. Pero los promotores de las autopistas se opusieron a las pistas de buses y a las ciclovías “por los árboles”.

Finalmente vimos que no era el corredor de buses ni la ciclovía lo que forzaba a sacar los árboles, los que fueron mayoritariamente eliminados de todas formas (al respecto, recomiendo esta columna del actual Subsecretario de Transporte). Nos quedamos con un eje clave de nuestra ciudad sin transporte público eficiente (ni de superficie ni subterráneo, porque con la autopista ahora no podrá pasar Metro), sin árboles y sin ciclovía por la calzada.

En vez de la(s) ciclovía(s), AVO anunció que implementaría un “ciclopaseo” (para ahorrarse la molestia de cumplir con normativas de una ciclovía).

OK, un ciclopaseo igual sirve, peor es nada.

A diferencia del auto, la bici no es solo un modo de transporte, es además una actividad deportiva y recreativa. Pero, si vamos a hacer infra con el fin principal de ser recreacional (y teniendo en cuenta el espacio disponible que había), llama mucho la atención que se haga con el ancho “justo”.

Los y las ciclistas que pasean tienden a querer andar de a dos de fondo, lo que no es fácil con este ancho. Además, cuando el flujo es alto (cosa que creo será la norma), tampoco es fácil adelantar. Como es además el único espacio pavimentado, atrae a peatones y otros usos (ver ejemplos en el video de abajo). Todo esto sería menos complejo con una ciclovía ligeramente más ancha. Pero no.

El manual de recomendaciones para el diseño de ciclovías del MINVU (disponible acá) propone 2.4 metros como mínimo y ese mínimo (aproximadamente) es el que se implementó. Para este uso y espacio disponible tenía sentido hacer 1.8m por lado (3.6m de ancho total) o, al menos, una ciclovía de unos tres metros de ancho que permitiera tres bicicletas al mismo tiempo en su ancho (dos de fondo y uno en sentido contrario, o adelantar sin tener que esperar).

Extracto del manual de recomendaciones de diseño del MINVU
Ciclovía de algo más de tres metros de ancho, en algún lugar del primer mundo (probablemente Países Bajos)

A mi, en lo personal, me molesta que se haya optado por el mínimo, lo considero casi ofensivo tomando en cuenta los costos sociales y ambientales de la autopista. No olvidemos que, además de la pérdida de árboles, el estado subsidió a AVO con más de 10 millones de UF (casi 350 mil millones de pesos, suficiente para construir 4 kilómetros de metro subterráneo “llave en mano”), lo mínimo que deberían haber entregado era una ciclovía espectacular… y esta está OK, pero está lejos de ser espectacular. Considerando además los costos sociales del auto (cuyo uso se incentiva a niveles no sostenibles por este tipo de infraestructura), lo mínimo también era proveer de infra de transporte público de superficie de alta calidad, pero tampoco se hizo.

El tráfico inducido (así como el cambio climático) es algo real. No lo podemos seguir negando. Ya es hora de que infraestructura de transporte esté a la altura del desafío que enfrentamos. Me quedo con la esperanza de que no hagamos más autopistas urbanas (que no solo son insostenibles en lo ambiental, sino además regresivas) y que, si es que las hacemos, paremos con la tontera anti-árbol, anti-transporte público y anti-movilidad sostenible que hemos visto en los últimos años.

(acá había árboles)

Dataset: heterogeneous perception of urban space as a function of image attributes

The dataset contains results from an online survey where pairs of images depicting public places were presented to respondents. Respondents were asked to choose the image that best suited a randomly assigned qualitative attribute describing the place (safe, walkable, livable, beautiful, and wealthy). The survey was available in Spanish and English and also collected some sociodemographic characteristics of the respondent such as gender, age, nationality, current country of residence, educational level and main transportation mode.

wekun-survey-enencuesta_1

Respondents were allowed to answer as many choice experiments as they wanted. The dataset contains 27311 choices from 1536 respondents. The dataset also contains attributes for all presented images, extracted with machine learning algorithms (semantic segmentation and object detection) as described by Rossetti et al. (2019) and Ramirez et al. (2020).

The dataset was used to estimate discrete choice models to forecast the probability of an image being labeled as safe, walkable, livable, beautiful, and wealthy. This model was then applied to approximately 120000 images of Santiago, Chile, obtaining an estimation of the “score” each place gets for each qualitative attribute. This data is also available in the dataset

safety
Modeled perception of safety in the city of Santiago (left) and spatial distribution of per-capita income (right) according to the latest travel survey (EOD2012)

Since the data includes respondents characteristics, and the model accounts for individual heterogeneity, the scores were also calculated for males, females and different main transport modes.

gender_diff
Map of differences in perception of safety based on gender. Places with a larger difference in perception between genders are displayed in darker red and imply a lower perception of safety for women in that place

The dataset is free to use for non-profit and research. We ask to cite the following paper when using it:

Ramirez, T.,  Hurtubia, R., Lobel, H. and Rossetti, T. (2021). Measuring heterogeneous perception of urban space with massive data and machine learning: An application to safety. Landscape and Urban Planning,  208, 104002  https://doi.org/10.1016/j.landurbplan.2020.104002

However, if you use this dataset, it is probably a good idea to also cite the work by Rossetti et al. (2019), where a large part of the included data was generated.

Rossetti, T., Lobel, H., Rocco, V. and Hurtubia, R. (2019) Explaining subjective perceptions of public spaces as a function of the built environment: A massive data approach. Landscape and Urban Planning, 181, 169-178. https://doi.org/10.1016/j.landurbplan.2018.09.020

The dataset is available here. If you have questions please contact Hans Lobel (halobel[at]ing.puc.cl) or Ricardo Hurtubia (rhg[at]ing.puc.cl)

object_detection

segmentation
Example of detection of relevant objects (top) and semantic segmentation (bottom) of the images