TFM Sofia Fontan

ÍNDICE DE CAMINABILIDAD
Aplicado en la Almendra Central de Madrid

Sofía Fontán Suárez
Dirigido por: Dr. Javier Gutiérrez Puebla
MASTER EN TECNOLOGÍAS DE LA INFORMACIÓN GEOGRÁFICA

2011/2012
UNIVERSIDAD COMPLUTENSE DE MADRID

Sofía Fontán Suárez Indice de Caminabilidad
INDICE
1. Introducción. ……………………………………………………………………. 4
1.1. Interés del tema. ………………………………………………………….. 4

1.2. Objetivos. ………………………………………………………………… 6
1.3. Estructura del trabajo. ……………………………………………………. 6
2. Marco teórico-metodológico. …………………………………………………... 7
3. Fuentes y Metodología. …………………………………………………….….. 14
3.1. Datos de partida. ………………………………………………………... 15
3.2. Variables. ……………………………………………………………….. 16
3.2.1. Indicador de arbolado. ……………………………………………. 17

3.2.2. Aceras. ……………………………………………………………. 20
3.2.3. Pendiente. ………………………………………………………… 22
3.2.4. Seguridad. ………………………………………………………… 24
3.2.5. Comercio. ………………………………………………………… 26
3.2.6. Variedad de usos del suelo. ………………………………………. 29
3.2.7. Conectividad / Sinuosidad. ………………………………………. 33
3.3. Creación del Indicador de “Caminabilidad”. …………………………… 34
3.3.1. Normalización de las variables. ………………………………….. 34

3.3.2. Método basado en la media aritmética. ………………………….. 38
3.3.3. Método basado en la media ponderada. …………………………. 38
4. Resultados. …………………………………………………………………….. 41
5. Conclusiones. ………………………………………………………………….. 46
6. Referencias. ……………………………………………………………………. 47
Agradecimientos
1
INDICE DE TABLAS Y MAPAS
Tabla 1. Características y las principales conclusiones de los estudios que examinan

las relaciones de los atributos ambientales con un resultado principal de la
“caminabilidad” ……………………………………………………………………... 11
Mapa 1. Área de estudio en referencia a la distribución de los distritos de la ciudad de

Madrid. …………………………………………………………………………….... 14
Mapa 2. Situación de los árboles con respecto a la capa Eje Vial. Detalle del entorno
del Paseo de las Delicias. ………………………………………………………..….. 17
Mapa 3. Indicador de arbolado para cada una de las calles de la Almendra Central.
……………………………………………………………………………………..… 18
Mapa 4. Ejemplos de bajo, bajo-medio, medio y alto Indicador de Arbolado. …..….. 19
Mapa 5 y 6. Detalle del entorno de un tramo de la calle Alcalá, próximo al Parque de
El Retiro: situación de las aceras con respecto a los ejes viales; y detalle de la zona de
Fuencarral: situación de los portales con respecto a los ejes viales. ……..………… 20
Mapa 7. Resultado final de hallar el ancho de las aceras para cada una de las calles de
la Almendra Central de Madrid. …………………………………………………….. 21
Mapa 8. Pendientes correspondientes a cada una de las calles de nuestra área de
estudio. ………………………………………………………………………..….…. 23
Mapa 10. Resultados de determinar cuántos incidentes se han producido en cada una
de las calles. …………………………………………………………………….…… 25
Tabla 2. Ramas de actividad del CNAE 93. …………………………………….….. 26
Mapa 11. Situación de los comercios con respecto a los ejes viales. Detalle del
entorno de Bravo Murillo. ……………………………………………………….….. 27
Mapa 12. Número de establecimientos en cada una de las calles. ……………….… 28
Mapa 13. Usos del suelo por distritos. ……………………………………………... 30
Tabla 3. Resultado por distritos de la fórmula de entropía para los usos del suelo.
……………………………………………………………………………………….. 31
Mapa 14. Resultados de realizar la fórmula de entropía. ………………………...… 32
Mapa 15. Resultado de normalizar los datos del campo “comercio”. ……………… 35
Mapa 16. Resultado de normalizar el campo que contiene las pendientes de cada una
de las calles de la Almendra Central de Madrid. …………………………….…..….. 36
Tabla 4. Pesos asignados a cada una de las variables utilizadas en el Índice de

“Caminabilidad”, en función de su importancia. ………………………….………... 39
2
Mapa 17. Resultado de realizar la media aritmética del conjunto de variables

utilizadas para nuestra área de estudio. ………………………………………….….. 41
.
Mapa 18. Resultado de realizar la media ponderada con los pesos de Tipo 1 para el
conjunto de variables de la Almendra Central de Madrid. …………………..…..….. 42
Mapa 19. Resultado de realizar la media ponderada con los pesos de Tipo 2, para el
conjunto de variables utilizadas. ……………..……………………………….…….. 43
3
1. INTRODUCCIÓN.
Desde hace unos años hasta la actualidad, tanto a nivel europeo como mundial, es
notable el interés que tienen las distintas instituciones por mejorar el ambiente urbano
de las ciudades, con la finalidad de que este sea un medio más sostenible, donde la
calidad de vida de sus habitantes se acreciente.
En el caso de la Unión Europea, principalmente desde el 2004, se está trabajando en
una estrategia donde se fijan medidas de cooperación y orientaciones para renovar el
medioambiente urbano, centrándose fundamentalmente en que las ciudades
intercambien experiencias, con el fin de mejorar las prácticas llevadas a cabo por las
administraciones locales, de tal forma que la legislación sea eficaz en lo que concierne a
este tema (Comisión Europea, 2004).
Uno de los aspectos que se intenta mejorar y reducir es el impacto del transporte
motorizado, sobre todo su relación con el medioambiente y la salud de la población, ya
que el tráfico es una de las principales fuentes de agentes atmosféricos contaminantes.
Para ello se intenta fomentar los viajes no motorizados, como son la bicicleta o los
viajes a pie, ya que contribuyen a que se reduzcan los atascos en las ciudades, que
disminuya el consumo del combustible y que, por lo tanto, aumente la calidad del aire
en estos entornos y la población mejore su calidad de vida al aumentar la actividad
física, además de beneficios sociales, como la integración social.
Entonces, como podemos observar y deducir, son varios los beneficios de la
reducción en la utilización de los vehículos en las ciudades, por lo que incluir en la
planificación urbana, análisis sobre como promocionar e introducir tanto la utilización
de la bicicleta como de entornos más peatonales, es un hecho importante a la hora le
lograr un entorno urbano más sostenible.
En lo que se refiere al tema de nuestro trabajo, es fundamental diseñar las ciudades
con el objetivo de aumentar los recorridos a pie, es decir, que tengan un alto índice de
“caminabilidad”, logrando que cada zona sea propicia para este tipo de
desplazamientos, consiguiendo una ciudad más caminable o “paseable” (Pozueta 2000)
1.1. Interés del tema.
En lo concerniente a la “caminabilidad” de los entornos urbanos, principalmente

nos interesa lo relacionado con aquellos atributos que hacen que un entorno sea más
agradable o atrayente para el caminante. Pues, como veremos, las características del
entorno tienen un peso muy importante en la elección de una ruta u otra por parte de la
población.
¿Y por qué es importante analizar y desarrollar trabajos sobre “caminabilidad” en
las ciudades? Porque, como hemos mencionado al principio, unido al uso de la bicicleta,
ambos suponen uno de los elementos claves en la recuperación de los entornos urbanos
modernos, así como notables mejoras en la salud de sus habitantes y, por lo tanto, que
se pueda conseguir que la ciudad sea sinónimo de sostenibilidad ambiental.
4
Si concretamos, en lo referente a la recuperación y mejoras en el entorno urbano, el

análisis de los atributos de este en relación con la “caminabilidad”, pueden ayudar a que
la planificación de determinadas zonas o barrios se lleve a cabo de la forma más
adecuada, sin caer en los excesos ni en la escasez, tanto en lo referente a las mejoras
realizadas en el barrio como del presupuesto del proyecto. Por ejemplo: nos puede
ayudar a establecer donde concentrar las inversiones o donde existen oportunidades para
aumentar la actividad física, así como aspectos más concretos, como es el caso de la
detección de aquellos lugares que tienen una buena conectividad y se caracterizan por
unos niveles elevados de usos mixtos o, por el contrario, zonas que son compactas y
tienen usos mixtos pero su conectividad es menor, para llevar a cabo los cambios
necesarios para cada uno de los casos. En definitiva, el desafío radica en identificar las
correlaciones más destacadas de la “caminabilidad” para guiar la creación de entornos
peatonales (Leslie et al. 2007) y que este tipo de movilidad se integre en la elaboración
y seguimiento de las política de movilidad urbana (Secretaria de Estado de Transporte,
2010).
Estos entornos peatonales suelen identificarse con la presencia de aceras, pero son
muchos otros elementos los que hacen que una zona sea calificable como peatonal y
que, por lo tanto, no exista una forma precisa de describirlos. Algunos de ellos, y que,
como veremos en siguientes apartados, fueron utilizados por distintos autores para
abordar este tema y que, además, nosotros mismos vamos a utilizar integrándolos en un
SIG, son: la accesibilidad, la estética y la seguridad; o, de una forma más concreta:
conexiones al destino, acceso a instalaciones de recreo, cobertura arbórea, densidad
residencial, variedad de usos del suelo, etc. (Shay et al. 2003).
Otra de las razones por las cuales este tipo de estudios se deberían de llevar a cabo,
es por la relación existente entre “caminabilidad” y salud. Como veremos más adelante,
analizar esos parámetros o características del entorno urbano pueden ayudarnos a
identificar qué factores son los que influyen en que una persona sea físicamente activa y
que, por lo tanto, determinadas enfermedades relacionadas con la inactividad física se
puedan reducir. Podemos decir, que estos análisis pueden suponer una contribución más
que destacada en las políticas de salud pública (Leslie et al. 2007), contribuyendo a que
la población adquiera unos hábitos más saludables.
En general, podemos decir que investigar y realizar un índice de “caminabilidad”
para una determinada ciudad o zona, va a ser muy beneficioso, tanto para el entorno
como la población que reside y camina en él. Y si estos estudios los introducimos y
combinamos con otros, como pueden ser los planes de movilidad urbana, el objetivo de
una ciudad sostenible estará más cerca que nunca.
5
1.2. Objetivos.
En general lo que pretendemos, es desarrollar una metodología de análisis que nos

ayude a determinar qué zonas de la Almendra Central de Madrid son las más adecuadas
para caminar y cuáles son las que necesitan que se mejoren. Este dato lo podemos
obtener a partir del Índice de “Caminabilidad”, el cual está formado por un determinado
conjunto de variables que nos van a permitir analizar dicho parámetro, el cual es el
principal objetivo de nuestro trabajo.
Entonces, como veremos, el primer paso de este estudio será seleccionar aquellas
variables que pensemos que pueden tener una influencia destacada en nuestro entorno.
Y esto lo haremos, tras examinar determinados trabajos que están relacionados con la
“caminabilidad”, independientemente de sus objetivos. Este paso es primordial, ya que
la selección de una u otra variable dependerán del área de estudio y de sus
características.
Todo ello, lo efectuaremos a través de los Sistemas de Información Geográfica,
porque nos proporciona todas las herramientas necesarias para lograr un buen desarrollo
de nuestro trabajo.
1.3. Estructura del trabajo.
Tras explicar cuáles son los objetivos y a donde queremos llegar con este trabajo,
vamos a proceder a realizar una revisión de la bibliografía, examinando como los
distintos autores han abordado este tema, que líneas de investigación han seguido o en
qué aspectos se ha centrado.
A continuación, explicaremos de una forma concisa las principales características
del área de estudio, para posteriormente exponer los datos de partida y la metodología
que se ha empleado, centrándonos, primero, en las variables seleccionadas y, en
segundo lugar, en la elaboración del Índice de “Caminabilidad”. Seguidamente,
mostraremos los resultados obtenidos y, por último, unas conclusiones finales sobre el
trabajo.
6
2. MARCO TEÓRICO-METODOLÓGICO.
La “caminabilidad” de una comunidad podemos definirla como la medida en que

las características el entorno construido y el uso del suelo pueden o no ser propicias para
movimientos de a pie para los residentes de una determinada zona, ya sea para
desarrollar actividades de ocio, ejercicio o la recreación, o para acceder a los servicios,
viajar o trabajar (Leslie et al. 2007). Como veremos, son las propias características del
entorno, las que van a posibilitar que una determinada persona o grupo de personas
decidan caminar por una calle en concreto y no por otras. Por lo que es muy importante
e interesante analizarlas, con el fin de observar en qué grado influyen y como lo hacen
en los distintos aspectos de nuestra vida cotidiana.
Son muchos los autores que han abordado este tema desde diferentes perspectivas,
haciendo un análisis práctico o simplemente teórico, exponiendo que ideas o aspectos se
deberían tener en cuenta y cuáles serían los principales objetivos a seguir.
Uno de los análisis más recurrentes y, del cual existe una extensa bibliografía sobre
ello, es la relación existente entre la “caminabilidad” y la salud de la población. Las
investigaciones se centran en explicar cuáles son los aspectos a mejorar en el entorno de
una determinar ciudad, con el fin de lograr que la población adquiera hábitos más
saludables y ayudar en la prevención de enfermedades crónicas. Por ejemplo, en los
últimos años la falta de actividad física y la obesidad son dos de los problemas que más
están preocupando a los expertos estadounidenses. Relacionado con ello, Zhu et al.
(2008) utiliza los Sistemas de Información Geográfica para medir la seguridad y la
“caminabilidad” a nivel de barrio y de calle, con la finalidad de averiguar qué aspectos
son los que se deben de mejorar en el entorno de Austin (Texas), principalmente en
aquellas zonas donde los ingresos son bajos y existen minorías étnicas, para lograr que
la población aumente su actividad física.
Otros se centraron en el análisis de la relación existente entre el entorno y el Índice
de Masa Corporal (IMC) y la obesidad, en un determinado número de adultos residentes
en la ciudad de Nueva York (Rundle et al. 2009). En cambio, Rosenberg et al. (2009)
examinaron las propiedades psicométricas de la población joven, en cómo estas influyen
en que decidan caminar en un barrio y qué relación pueden llegar a tener con la
actividad física. Este análisis lo llevaron a cabo realizando encuestas sobre como ellos
perciben el entorno, es decir, como valoran la existencia de la mezcla de usos, la
disponibilidad de instalaciones de recreo, la seguridad, la estética, la conectividad de las
calles, la densidad residencial, entre otros muchos aspectos.
También, es interesante el artículo de Greenberg y Renne (2005), que realizan una
encuesta a tan solo 340 personas, para vincular la “caminabilidad” de un determinado
barrio de New Jersey con la inactividad física y las enfermedades que ello conlleva. Al
final del artículo, los autores piden a todos los ciudadanos que colaboren para que los
resultados de las encuestas sean más acertados, de forma que los cambios que se puedan
llevar a cabo en ese barrio sean lo más adecuado posible.
Otros, como Frank et al. (2007), se centran en analizar qué patrones de los usos del
suelo pueden afectar negativamente a la salud; llegando a la conclusión de que si el
7
entorno estimula la utilización de los vehículos, esto provoca el aumento de emisiones

contaminantes, teniendo como consecuencia la disminución de la calidad del aire, y,
además, tiende a reducir la actividad física, contribuyendo al aumento de la obesidad y
del riesgo de enfermedades crónicas.
Y por último, cabría mencionar a autores como Giles-Corte y Donovan (2003), que
llevan a cabo un análisis con una finalidad diferente a los anteriores, aunque en el fondo
sus objetivos son similares. Este no es otro que intentar averiguar y concretar la relación
existente entre “caminabilidad” y salud, si la primera es en verdad beneficiosa para la
segunda. El método que utilizan es, igual que otros casos, el análisis de encuestas, que
fueron geocodificadas en un SIG, y en ellas se tienen en cuentan aspectos como el
acceso espacial a las instalaciones recreativas, ya sean construidas o naturales, las
características del medioambiente funcional (por ejemplo: existencia de sendas
peatonales, tipo de calles, tiendas, etc.) o la cobertura arbórea.
Otro de los análisis más frecuentes y que más interés despierta para nuestro trabajo,
son aquellos que se centran en explicar las razones por las cuales unas zonas tienen un
índice de “caminabilidad” más alto que otras, principalmente en lo referente a las
características del entorno. En general, y como veremos a continuación, hay unos
determinados atributos que son comunes en los artículos, ya que pueden tener una
influencia más directa en el índice de “caminabilidad.
Por ejemplo, Owen et al. (2007) realizaron un análisis SIG para crear dicho índice e
identificar las variaciones existentes entre los barrios seleccionados para el estudio en la
ciudad de Adelaida (Australia). El índice se calculó a nivel de distrito, utilizando como
atributos ambientales: la densidad de vivienda, la conectividad de la calle, la mezcla de
los usos del suelo y la zona comercial neta. Pero no tienen en cuenta aspectos como el
acceso a zonas recreativas o la calidad del medioambiente peatonal (por ejemplo:
mantenimiento de la acera o la estética). Los resultados obtenidos sugieren que la
población que vive en ambientes que son calificados como más transitables, podrían
tender a realizar más viajes a destinos cercanos, lo que podría tener como consecuencia
la reducción de los viajes de vehículos de motor.
Mientras, Saelens et al. (2003) utilizan principalmente 2 conceptos en el índice,
similares al anterior estudio: la proximidad o distancia, que está determinada por la
densidad de los usos del suelo y su mezcla, y la conectividad entre el punto de partida y
el de destino, que mide la inmediatez de la vía entre calles, tiendas y lugares de trabajo.
Por ejemplo, con respecto a este último atributo, cuando hay muchas calles con muchas
interconexiones, con un patrón establecido de cuadrícula regular, se facilita el caminar.
Con ello, llega a la conclusión de que cuanto más compacta sea la zona y más variedad
de usos hay, más corta será la distancia entre el inicio y destino de un determinado
trayecto.
Humpel et al. (2004) a través de encuestas telefónicas llegaron a la conclusión de
que vivir en una zona costera está asociado a la existencia de una mayor probabilidad de
caminar. Los atributos que utilizaron para su análisis, fueron la estética del barrio, el
tráfico, la comodidad de las instalaciones y el acceso a los servicios. Principalmente,
8
determinan que una mejora en la comodidad percibida del entorno de vecindad puede
estar asociada al aumento del tiempo del trayecto que se hace caminando.
Otro caso de integración de atributos en un SIG es el realizado por Leslie et al.
(2007). La diferencia principal con respecto a los casos anteriores es que añade datos
del censo para cada uno de los distritos de Adelaida (Australia), para que el índice que
se cree a este nivel. Los otros atributos que utilizan son comunes a los otros, como por
ejemplo: la densidad de la vivienda, la conectividad, los usos del suelo, su zonificación
o la superficie comercial. Con respecto a los resultados, hay que mencionar que el
índice elaborado por Eva Leslie y sus compañeros no capta la presencia de aceras y
otras infraestructuras críticas, como consecuencia de la falta de datos. Además, no
incluyen atributos como la presencia de parques o centros recreativos; presencia,
condición y continuidad de los caminos; las distancias existentes a las instalaciones; la
accesibilidad de tránsito; factores relacionados con las características naturales, como la
topografía o barreras físicas; y otros aspectos del diseño urbano, como el diseño de
edificios y su orientación, el alumbrado, etc.
Otro aspecto destacado, es la medición que hacen de la conectividad. Esta se basa
en el número de conexiones únicas en cada intersección o las posibles rutas que hay
disponibles en cada una; se mide en función del número de intersecciones por km²
dentro de cada distrito. En cuanto a la medición de los atributos del uso de la tierra, lo
explicaremos en siguientes apartados, ya que la vamos a utilizar con el fin de determinar
si existe variedad de usos o, por el contrario, hay predominancia de un solo tipo. Esto,
añadido a los restantes atributos, nos puede ayudar a comprender las diferencias en la
“caminabilidad” entre distintas zonas de nuestra área de estudio.
Tras realizar la validación de campo en la ciudad de Adelaida, con la finalidad de
comprobar el rendimiento del índice de “caminabilidad”, los resultados muestran
algunas contradicciones como, por ejemplo, que calles anchas que están bordeadas por
árboles, con acceso a pie a las tiendas y zonas de recreación, tengan un índice bajo. Los
autores señalan que se puede deber a que el índice está sesgado por la densidad de la
intersección y la mezcla de usos bajos en el barrio de Dulwich.
En este mismo trabajo, me parece significativo que nos indiquen que atributos
deberíamos tener en cuenta en el índice de “caminabilidad”, para que este nos ayude a
explicar mejor porque un individuo se decanta a caminar por una zona y no por otra.
Algunos de esos atributos que deberíamos añadir serían: la distribución de servicios
como las tiendas locales, oficinas de correos, el transporte público o parques; la
presencia de rutas de senderismo /ciclismo; la seguridad del entorno, tanto en lo
referente a la densidad de tráfico motorizado como el riesgo de crimen; el acceso a
determinadas área como son los playas, destinos recreativos que no están atravesados
por carreteras, entre otros; y que exista una continuidad en la red de calles o caminos.
Antes de finalizar este apartado, me gustaría mencionar la clasificación que Julio

Pozueta (2000) hace sobre los tipos de zonas que puede haber en una ciudad “paseable”.
Diferencia 4 tipos: los funcionales, que son zonas que conectan los principales focos de
generación/atracción de viajes (Ejemplos: escuelas, comercio, centros de empleo, etc.),
9
que no obligan a realizar rodeos; las calificados como seguros, que se refieren tanto a lo
relacionado con los problemas generados por los vehículos, como la criminalidad; los
confortables, que son los que están bien equipados, es decir, aquellas zonas que son
amplias, que hay zonas de sombras, entre otros; y los atractivos, que lo son por las
características propias del entorno, como las vistas o los monumentos.
Y por último, quiero mostrar la siguiente tabla que se encuentra en uno de los
artículos de Owen et al. (2004), donde realiza una revisión y recopilación de algunos de
los artículos que han tratado la “caminabilidad”. Lo importante de esta tabla es que nos
muestra qué atributos ambientales ha utilizado cada autor/es en sus respectivos trabajos
y si fueron significativos para el estudio o no.
10
Tabla 1: Características y las principales conclusiones de los estudios que examinan las relaciones de los atributos ambientales con un resultado principal de
caminar. (Owen et al. 2004)
AUTOR (AÑO) NÚMERO, RESULTADOS DE ATRIBUTOS ASOCIACIÓN CON LOS AJUSTE

EDAD Y CAMINAR MEDIOAMBIENTALES RESULTADOS DE CAMINAR ESTADÍSTICO
GÉNERO
Ball (2001) 3.392 Por ejercicio Estéticamente agradable Significante (+) A, G, E
Adultos
Hombres 46% Ambientes convenientes Significante (+)
Berrigan (2002) 14.827 ≥20 veces por mes Edad de la casa Significante para las casas más A, G, E, Eth, I
≥20 años viejas (+)
Hombres 48%
Brownson (2000) 1.269 Aumento de caminar Longitud del carril peatonal Significativo para usuarios de No reportado
Adultos desde que se usa el largo recorrido (+)
Hombres 35% carril Pista de la superficie Significativo para usuarios de
carriles asfaltados (+)
Distancia al carril No significante
Carnegie (2002) 1.200 Total Ambiente estético Significante (+) A, G, E
40-60 años
Hombres 43% Ambiente práctico Significante (+)
Craig (2002) Censo canadiense De y desde el trabajo Puntuación del Significante (+) U, E, I, P
1.996 medioambiente compuesto
De Bourdeaud huij 521 Total de minutos en la 40 ítems de vecindad en 12 Disponibilidad de aceras, A, E, Em
(2003) Media= 44 años última semana categorías significante para los hombres (+)
Hombres 51,7% Mezcla de usos del suelo; la
41 ítems de recreación en 3 facilidad de ir a pie hasta el Otros no detallados
categorías transporte público es significante
para las mujeres (+)
Ewing (2003) Total 206.992 Minutos dedicados a Índice de expansión Expansión significativa (-) No reportado
18-75 años caminar en tiempo de metropolitana
ocio en el mes pasado Índice de expansión del Expansión significativa (-)
condado
Eyler (2003) 1.816 Total de semanas Sin aceras Significativo con los que nunca A, E, Eth
18-65+ diferenciando entre caminan: sin aceras (+); escenario
caminante regular, no agradable (+); no hay senderos
ocasional y que nunca a pie (+)
camina.
11
Tráfico pesado
Colinas
No hay alumbrado
Perros desantendidos
Aire viciado
No paisaje agradable
No hay senderos a pie
Delincuencia alta
Giles-Corti (2002) 1.803 Para el transporte 1. Acceso a espacios abiertos Significante ara 1 (+), 2 (-), 4 (+), A, G, E, I, C, W
18-59 años Para la recreación 5 (+), 6 (+)
Conociendo las 2. Acceso a la playa Significante para 2 (+), 3 (+)
directrices 3. Estética del barrio Significante para 1 (+), 3 (+)
4. Tráfico, carreteras más
transitadas
5. Aceras presentes
6. Distancia caminando a
tiendas
Giles-Corti (2003) 1.803 Conociendo las Puntuación compuesta del Significante para puntuaciones A, G, C, E, I
18-59 años directrices entorno físico altas (+)
Acceso a espacios abiertos Significante
Tráfico menor, algunos Significante
árboles
Aceras, tiendas No significante
Hovell (1989) 194 Por ejercicio Equipamiento del hogar No significante A, G
Adultos Entorno del barrio Significante (+)
Instalaciones cómodas No significante
Hovell (1992) 1.701 Cambios en el Entorno del barrio No significante A, G
Media= 48 años caminar con los años Instalaciones cómodas Significante (+)
Hombres 58%
Humpel (2004) 399 1. Vecindad Ubicación costera Significante para mujeres (+) A, E, y otras
Media= 60 años categorías de
Hombres 43% 2. Por ejercicio Estética Significante con 1, 2 para variables
hombres (+) medioambientales
3. Por placer Accesibilidad de las Significante con 1 para hombres (-
instalaciones para caminar ) y 3 para mujeres (+)
Significante con 3 para los
4. Para llegar a Seguridad (persona y tráfico) hombres (-)
12
lugares Tiempo Significante con 1, 2 para
hombres (+) y 1, 2 para mujeres
(+)
Humpel (2004) 800 Entorno donde se Ubicación costera Significante para hombres (+) A, G, E
18-71 años camina Estética Significante para hombres (+)
Hombres 50% Conveniencia Significante para hombres y
mujeres (+)
Acceso a los servicios Significante para hombres (+) y
mujeres
Tráfico no es un problema Significante para hombres (-)
Humpel (2004) 512 <60 minutos Ubicación costera Significante para hombres (-) A, G, E
18-69 años incremento en el Cambios estéticos No significante
Hombres 49% entorno donde se Cambios en la conveniencia Significante para hombres y
camina. mujeres (+)
Cambios en el acceso a los No significante
servicios
Cambios en el tráfico Significante para hombres (-)
King (2003) 149 1. Medidas realizadas Conveniencia de caminar a Significante con 1, carril bicicleta No reportado
Mujeres don odómetro en 1 11 destinos o peatonal (+); tienda(s) (+);
Media= 74 años semana parque (+); calificación del barrio
2. Auto-reporte de Significante con 2, calificación del
calorías, caminar Calidad de la zona para barrio
por semana. caminar Significante con 1, 2, número total
de destinos convenientes que son
percibidos (+)
Saelens (2003) 110 Para diligencias fuera Zona muy transitable Significante (+) Sin ajustar
Media= 48 años del hogar
Hombres 46,7% En las pausas del Significante (+)
trabajo/escuela
Por ejercicio No significante
Total caminado No significado
Sallis (1997 110 Por ejercicio Equipos para el hogar No significante A, G, Eth, SES
Media=21 años Cómodas instalaciones No significante
Hombres 25% Total del Barrio No significante
(+), asociación positiva; (-), asociación negativa; A, edad; C, número de niños; E, educación; Eth, origen étnico; Em, situación ocupacional; G,
género; I, ingresos; P, pobreza; SES, estatus socioeconómico; W, situación laboral.
13
3. FUENTES Y METODOLOGÍA.
Como ya mencionamos, uno de nuestros principales objetivos es la aplicación del

Índice de “Caminabilidad” en la ciudad de Madrid. Concretamente, el área que vamos a
utilizar para este caso es la zona que se encuentra dentro de la M-30, la Almendra
Central. Pues esta circunvalación, sirve de barrera física en lo referente a la posibilidad
de caminar más allá de ella, de realizar un viaje directo, además porque concentra una
gran variedad de usos, como por ejemplo: residencial, comercial, recreativo, etc.
Mapa 1. Área de estudio en referencia a la distribución de los distritos de la ciudad de Madrid.
14
En este caso, el sistema de información geográfica que vamos a utilizar es ArcGis

10. En el desarrollaremos el grueso de nuestro análisis, comenzando primero por la
extracción de todas aquellas capas que van a ser necesarias en la creación de cada una
de las variables que citaremos más adelante, las cuales utilizaremos para la creación del
Índice de “caminabilidad”. De esta forma, podremos determinar qué zonas son las que
tienen un alto índice y que, por lo tanto, son más beneficiosas para caminar, y cuales,
por el contrario, tienen un bajo índice.
Además, utilizaremos el programa Microsoft Office Excel 2010 para el tratamiento
de los datos de las tablas de algunos de los shapes que emplearemos en el estudio.
3.1. Datos de Partida.
Para iniciar nuestro trabajo necesitaremos la siguiente información:
• Mapa 1:5.000 como archivo CAD, proporcionado por el Departamento de

geografía Humana de la Universidad Complutense de Madrid: este lo vamos a
utilizar en la medición del ancho de las aceras de cada tramo de calle del área de
estudio.
• Red Viaria de la Ciudad de Madrid como archivo Shape de líneas, obtenida en la
página web “Nomecalles” (http://www.madrid.org/nomecalles), del Instituto de
Estadística de Madrid: esta capa va a ser la base de nuestro trabajo, ya que la
asociaremos con las variables necesarias para realizar el Índice.
• Portales de la ciudad como archivo Shape de puntos, perteneciente al proyecto
de Cartociudad y facilitado por el Departamento de Geografía Humana de la
UCM: nos muestra la situación de los portales de los edificios con respecto a los
ejes viales y será utilizado para determinar el ancho de las aceras, junto con la
información extraída del mapa 1:5.000.
• Usos del suelo como archivo Shape de polígonos, facilitada por el Departamento
de Geografía Humana de la UCM: esta capa la utilizaremos con la finalidad de
determinar si existe o no variedad de usos en nuestra área de estudio.
• Unidades Productivas referidas al año 2009 en formato Shape de puntos,
proporcionado por el Departamento de Geografía Humana de la UCM: esta capa
nos va a ser útil para determinar la cantidad de establecimientos que hay en cada
una de las calles, convirtiéndolo en una de las variables que pueden llegar a
influir en el Índice.
• Archivo .dbf de las incidencias recogidas por la Policía Municipal para el año
2006, proporcionadas por el Departamento de Geografía Humana de la UCM:
esta tabla la utilizaremos para establecer en que calles hay un alto número de
delitos y como variable en el Índice.
15
• Los árboles que hay en la Almendra central de Madrid, en archivo Shape de

puntos. Esta información fue extraída de la siguiente página web:
http://unalcorqueunarbol.cloudap.net/, que es gestionada por la Dirección
general de Patrimonio y que podemos ver en la Unidad de arbolado urbano del
Ayuntamiento de Madrid. Esta capa será útil para realizar el indicador de
arboledo y utilizarlo como variable en el Índice de “caminabilidad”.
• Pendientes de cada una de las calles de nuestra área de estudio, en formato shape
de líneas, facilitado por el Departamento de Geografía Humana de la UCM:
diferenciaremos entre 3 tipos de pendientes, según la facilidad o dificultad de
caminar, y la utilizaremos como variable para el Índice.
• Ortofotos PNOA, extraídas del Centro Nacional de Información Geográfica
(CNIG), concretamente del Centro de Descargas: las utilizaremos para visualizar
aquellas calles que tienen una densidad alta, media o baja de árboles.
3.2. Variables.
En primer lugar, vamos a extraer la información necesaria para la creación de las

variables, que serán empleadas en el Índice de “Caminabilidad”, que explicaremos en el
siguiente apartado. En segundo lugar, realizaremos las operaciones necesarias para
elaborar cada una de las variables. La información de cada una de ellas la guardaremos
en el shape de Ejes Viales, por lo que en la tabla de atributos, además de la información
de la propia capa, tendremos unos campos que hacen referencia a esas variables: el
indicador de arbolado, el tamaño de las aceras, las pendientes de cada uno de los arcos,
el número de delitos cometidos, los establecimientos que hay, etc.
Como hemos visto en la tabla del apartado del Marco teórico-metodológico, los
distintos autores han tenido en cuenta aspectos del entorno urbano de distinta índole,
tales como la existencia de tiendas, si no hay alumbrado, la estética, la edad de la casa,
etc. En ocasiones, existen coincidencias porque se trata de atributos que son
fundamentales para la detección de calles caminables. En nuestro caso, vamos a
introducir como novedad el tamaño de las aceras, es decir, la distancia que hay entre los
portales de las viviendas y el límite con el eje vial. Esta variable la introduciremos en el
Índice de “caminabilidad”, ya que se trata de uno de los aspectos determinantes en la
elección de los viandantes. Pues, si una acera es ancha será más adecuada para caminar,
porque el viandante tendrá más espacio para realizar esta actividad, a diferencia de una
acera estrecha, que provoca molestias entre los transeúntes.
16
3.2.1. Indicador de arbolado.
Para obtener esta primera variable, necesitamos tener una capa que nos muestre
cada uno de los árboles que hay en cada calle de la Almendra Central de Madrid, con la
finalidad de obtener un Indicador de arbolado. Una vez que la hemos conseguido,
tenemos que ajustarla al área de estudio.
Mapa 2. Situación de los árboles con respecto a la capa Eje Vial. Detalle del entorno del Paseo de
las Delicias.
Posteriormente, en la capa de Ejes viales vamos a crear un campo nuevo en la Tabla

de Atributos, denominado “Longitud”, donde la calcularemos para cada uno de los arcos
que forman dicha red.
El siguiente paso es establecer cuantos árboles hay por arco, para ello, vamos a
realizar un Join Spatial con las dos capas. De esta forma, en la capa de Ejes Viales se
creará un campo nuevo en la Tabla de Atributos, que nos mostrará dicha información.
Una vez que sabemos la longitud de cada uno de los arcos que forman la capa de
Ejes Viales y el número de árboles por arco, ya tenemos los dos datos necesarios para
realizar el Indicador de Arbolado.
ú

á

17
Este indicador nos permite observar qué calles son las que presentan una baja,
media o alta densidad de árboles, como podemos ver en las siguientes imágenes, que
son una combinación de ortofotos de nuestra área de estudio con el shape de ejes viales,
que contienen dicha información. Por lo general, aquellas calles que tienen un alta o
media densidad de árboles, suelen ser más atractivas para el caminante, es decir, que
son más agradables para caminar por la sombra que generan y porque hacen más
hermosas las calles.
Mapa 3. Indicador de arbolado para cada una de las calles de la Almendra Central.
18
Mapa 4: Ejemplos de bajo, bajo-medio, medio y alto Indicador de Arbolado.
Con respecto a la creación de esta variable, se puede presentar el siguiente

problema: no contar con una capa que nos represente cada uno de los árboles. Una
solución a ello, si cuentas con el Mapa 1:5.000 de la zona de estudio, es realizar una
selección por atributos y seleccionar aquellas líneas que tengan como valor del atributo
“Color” igual a 31. Y ya podemos extraer las líneas que representan la superficie
arbolada. Posteriormente, extraeremos los vértices de esas líneas con la herramienta
Feature vertices to points (Data Management Features) y simularemos que estos son
los árboles.
En el caso de que alguno de esos vértices se encuentre alejado de la zona donde
supuestamente deberían estar, tendríamos que determinar una distancia máxima y
eliminar todos aquellos vértices que superen esa distancia. Una vez hecho esto,
podemos hacer todo el proceso explicado al principio del apartado y conseguir dicho
indicador.
19
3.2.2. Aceras.
En este caso lo que necesitamos es saber el tamaño de las aceras, es decir, la

distancia que hay entre los edificios y el contacto de cada acera con las vías de
comunicación. Como no contamos con una capa que nos muestre esta información, lo
que vamos a hacer en primer lugar, es extraer del Mapa 1:5.000 las líneas que nos
muestran esa zona de contacto, que son las que tienen como valor del atributo “Color”
igual a 8. Entonces, con esta nueva capa creada, que denominaremos Aceras y la capa
de Portales, utilizaremos la herramienta Near (Analyst Tools Proximity): primero
para determinar la distancia entre los ejes viales y los portales y, segundo, para saber la
distancia entre los ejes viales y las aceras. En este último caso, antes de utilizar dicha
herramienta, hemos extraído los vértices de la capa de líneas Aceras, con la herramienta
Feature vértices to points, ya que Near presentaba algunos problemas al introducir este
como shape de tipo lineal. Una vez que sabemos ambas distancias y que esta
información está guardada en la tabla de atributos de la capa Ejes Viales, vamos a restar
esas dos distancias para obtener la distancia aproximada de las aceras de cada tramo de
calle.
Mapa 5 y 6: Detalle del entorno de un tramo de la Calle de Alcalá, próximo al parque de El Retiro:
situación de las aceras con respecto a los ejes viales (mapa de la izquierda); y detalle de la zona de
Fuencarral: situación de los portales con respecto a los ejes viales (mapa de la derecha).
20
Con respecto al tamaño de las aceras, lo ideal es que superen el mínimo establecido
de 1,50 metros de ancho, un poco escaso para el tránsito tranquilo de los viandantes.
(Boletín Oficial del Estado, 2010). Y como podemos ver en el siguiente mapa, la
inmensa mayoría de las aceras, superan los 6 metros de ancho, siendo más que
adecuadas para el tránsito de las personas.
Mapa 7: Resultado final de hallar el ancho de las aceras para cada una de las calles de la Almendra
Central.
21
3.2.3. Pendiente.
Como ya mencionamos en el anterior apartado, ya contamos con un shape que

tiene, en su tabla de atributos, un campo con la pendiente correspondiente a cada arco
de la red vial. Esta se obtuvo a través de la siguiente fórmula:
∆
% ∗ 100

Dónde: x, es la distancia entre los nodos de los arcos, medida en metros

sobre el plano.
∆y, es la diferencia de cotas de los nodos medida en metros.
Como no contamos con un campo común entre esa capa y la capa de Ejes Viales, lo
que vamos a hacer es realizar un Intersect (Analysis Tools Overlay) entre esas dos
capas. Con la capa resultante, realizaremos un Join entre esta tabla y la tabla de Ejes
Viales, y en esta última creamos un campo nuevo denominado “Pendiente” donde, con
la calculadora, copiaremos el contenido del campo denominado “Slope”.
En este campo tenemos valores de distinto signo:
- Signo negativo: se trata de aquellos arcos que tienen una pendiente

descendente.
- Signo positivo: se corresponde con los arcos que poseen una pendiente
ascendente.
Entonces, vamos a diferenciar entre pendientes llanas, que son aquellas que tienen
unos valores comprendidos entre -3% y +3%, más adecuadas para caminar y que no
constituye esfuerzo alguno para el viandante; pendientes ascendentes, las superiores al
3%, que ya suponen un problema en la práctica de esta actividad; y las pendientes
descendentes, inferiores a -3%, donde la dificultad para caminar se reduce
notablemente, con respecto a las anteriores.
22
Mapa 8: Pendientes correspondientes a cada una de las calles de nuestra área de estudio.
23
3.2.4. Seguridad.
En este caso contamos con un shape que nos muestra datos procedentes del Atlas de
Seguridad de Madrid.
Esta capa la vamos a utilizar para determinar la seguridad que hay en cada una de
las calles, es decir, que si sabemos el número de incidentes que se produjeron, sabremos
lo segura o no segura que es ese tramo de calle. Pero no vamos a diferenciar entre tipos
de incidentes, porque hay una gran variedad, desde los relacionados con la seguridad
vial a los que tienen que ver con el riesgo de crimen.
24
Mapa 10: Resultados de determinar cuántos incidentes se han producido en cada una de las calles.
25
3.2.5. Comercio.
Para obtener esta variable, vamos a necesitar saber la cantidad de establecimientos

que hay en cada calle. Para ello vamos a utilizar el shape que representa las Unidades
productivas correspondientes al año 2009. Esta capa contiene una tabla de atributos
donde, entre otros muchos aspectos, se nos muestran las ramas de actividad del CNAE
93, que vemos en la siguiente tabla.
Tabla 2: Ramas de actividad del CNAE 93.
CÓDIGO DESCRIPCIÓN
01 Agricultura y ganadería
02 Energía y minería
03 Metálicas básicas
04 Productos metálicos
05 Maquinaria industrial
06 Material eléctrico y electrónico
07 Material de transporte
08 Alimentación
09 Textil, confección y calzado
10 Papel y gráficas
11 Industria química
12 Industria no metálica
13 Otras manufactureras
14 Construcción
15 Comercio mayorista
16 Comercio menor y reparación
17 Hostelería
18 Transporte y comunicaciones
19 Inmobiliarias y alquiler
20 Servicios a empresas y sedes
21 Educación
22 Sanidad
23 Servicios recreativos
24 Servicios personales
25 Servicios financieros
26 Otros servicios
27 Administraciones públicas
En esta tabla, se observa como a cada rama le corresponde un determinado código,

que es el que aparece en la tabla de atributos. Lo que vamos a hacer es utilizarlo para
realizar una selección de aquellas ramas de actividad que pensamos que pueden tener
una influencia destacada en el Índice que elaboraremos más adelante.
Las ramas que vamos a seleccionar para este caso, son: alimentación (08); textil,
confección y calzado (09); comercio menor y reparación (16); servicios recreativos
(23); y servicios personales (24), por tratarse de actividades que ejercen un determinado
26
poder de atracción sobre la población. Por ejemplo, y como veremos, no es lo mismo

caminar por una calle que apenas tiene comercios de restauración o tiendas de otro tipo,
que caminar por una que tenga una gran número de establecimientos. Esta última va ser
la que tenga una concentración mayor de viandantes, por ser una calle más amena.
Mapa 11: Situación de los comercios con respecto a los ejes viales. Detalle del entorno de Bravo
Murillo.
Tras realizar la selección por ramas de actividad, vamos utilizar la capa de Ejes
Viales para hacer un Join Spatial con estas dos capas. Igual que en casos anteriores,
seleccionaremos la primera opción y dentro de esta, que nos haga el recuento de los
establecimientos más cercanos. De esta forma, sabremos el número de establecimientos
que hay en cada una de las calles de nuestra área de estudio.
27
Mapa 12: Número de establecimientos en cada una de las calles.
28
3.2.6. Variedad en los usos del suelo.
Uno de los atributos más utilizados por los distintos autores que han hablado sobre
la “Caminabilidad”, son las características de los usos del suelo. En nuestro caso, nos
vamos a centrar en determinar si existe variedad en los distintos usos que hay en nuestra
área de estudio. Para ello, utilizaremos la siguiente fórmula de entropía, con la finalidad
de ver si hay homogeneidad o heterogeneidad en los atributos de los usos del suelo
(Leslie et al. 2007).
Dónde: k, como la categoría del uso del suelo.

p, como la proporción de la superficie dedicada a un uso
específico del suelo.
N, como el número de las categorías del uso del suelo.
Los datos resultantes estarán comprendidos entre una puntación de 0 y 1, siendo 0

un ambiente homogéneo, es decir, que los usos del suelo son del mismo tipo, que no hay
variedad, y 1 que existen usos diferentes en una determinada zona.
Para aplicar esta ecuación, primero tendremos que extraer los usos del suelo de
nuestra área de estudio. Posteriormente, lo que haremos es dividir nuestra zona por
distritos, porque este tipo de fórmula hay que aplicarla a un área en concreto. Entonces,
como nuestra área de estudio tiene un tamaño considerable y, aplicar la fórmula en ella,
sería otorgar valores erróneos a cada uno de los ejes viales, hemos decidido utilizar el
tamaño de los distritos que conforman esta zona, por tratarse de una zona intermedia, ni
demasiado grande ni demasiado pequeña.
Con respecto a los distritos, hay que decir, que nuestra zona está formada por 9, de
los cuales, Fuencarral-El Pardo y Moncloa-Aravaca no están representados en su
totalidad, es decir, que aparece una parte de ellos. Pero de todas formas, vamos a
mantener esta división.
29
Mapa 13: Usos del suelo por Distritos.
30
Tras esta aclaración, el siguiente paso es realizar dicha fórmula, la cual haremos por
partes en ArcGis y en Excel:
- Para hallar p, en primer lugar tendremos que saber cuál es el área que ocupa
cada uso en un distrito concreto. Por lo que, en la capa de los usos de cada
distrito, crearemos un nuevo campo en la tabla de atributos y con el Cálculo
de Geometría, hallaremos el área. Posteriormente, realizaremos un
Summarize sobre el campo “Use 09” y seleccionaremos que nos sume los
valores del campo de “Área”. De esta forma, obtendremos una tabla que nos
muestra los usos que hay dentro del distrito y el área total de cada uno de
ellos. El siguiente paso es saber el área total de los usos de ese distrito. Una
vez que tenemos los dos valores, dividiremos el área de cada uso por el total.
- Tras saber p, lo siguiente es hallar el Logaritmo Neperiano de p (Ln p) y
multiplicar su resultado por p. Para luego, sumar todos los resultados de cada
uso.
- En el divisor, tendremos que hallar el Logaritmo Neperiano de 12, ya que
son 12 los usos que hay en nuestra área de estudio, aunque nos encontremos
que en determinados distritos tenemos 10 u 11.
- Por último, solo tenemos que dividir ambos valores, es decir, la suma de los
resultados de cada uso entre el logaritmo neperiano de 12. Esta división
tendrá signo negativo.
De esta forma, sabremos el cociente de entropía para cada uno de los distritos.
Posteriormente, lo que haremos será dividir la capa de Ejes Viales por Distritos, así
podremos crear un campo nuevo en la tabla de atributos donde introduciremos los
cocientes correspondientes. Después, utilizaremos la herramienta Merge (Data
Management tools General), para unirlos de nuevo.
Tabla 3: Resultado por distritos de la fórmula de entropía para los usos del suelo.
DISTRITO COCIENTE
Arganzuela 0.71
Centro 0.55
Chamartín 0.71
Chamberí 0.51
Fuencarral – El Pardo 0.75
Moncloa - Aravaca 0.77
Retiro 0.62
Salamanca 0.53
Tetuán 0.48
Media almendra central 0.63
31
Mapa 14: Resultados de realizar la fórmula de entropía.
32
3.2.7. Conectividad / Sinuosidad.
Esta variable nos va a ser útil para observar la conectividad existente entre distintos
tramos de calles, si existe sinuosidad en el trayecto que puede llegar a realizar el
viandante. Lo ideal es aquel trayecto en el que se puede ver o intuir su final, que sea
recto o tienda a serlo, donde haya varias opciones para las rutas de viaje y no existan
barreras, como es el caso de la M-30, mencionado anteriormente (Saelens et al. 2003).
La conectividad la calcularemos realizando una Turntable con el shape de Ejes
Viales. Para este caso, se realizará con una versión anterior de Arcgis, ya que la nueva
no cuenta con esta posibilidad. En esta tabla resultante se nos muestran todos los
recorridos que las transiciones representan desde un enlace a otro, es decir, del nodo X1
al nodo X2, del nodo X1 al X3, y así como enlaces tenga el nodo X1 con otro nodos.
En esta tabla resultante, lo que nos interesa es el campo denominado Ángulo,
porque representa el giro que tiene que realizar el viandante para ir hacia su destino. Por
lo tanto, si tenemos un ángulo igual a 0º, significa que el trayecto que se realiza es recto;
mientras que, si ese ángulo difiere de 0º, el trayecto tendrá tendencia a la sinuosidad, el
viandante tendrá que realizar giros para llegar a su destino. Pero, como no tenemos un
campo común entre esta tabla y el eje de calles, no vamos a utilizar esta variable.
Esto, lo mencionamos, porque puede ser útil para un análisis de redes, donde se
investigue un determinado trayecto o se quiera hacer una media de los ángulos que un
viandante suele realizar, es decir, analizar el Índice de “Caminabilidad” desde otra
perspectiva y método. Para ello tendríamos que crear un campo en la red de ejes donde
se nos muestre la información sobre ángulos que creamos oportuna. Lo idóneo sería
poner todos los ángulos posibles de cada uno de los ejes, de tal forma, que se podría
realizar un estudio más completo, según el objetivo de este.
33
3.3. Creación del Índice de “Caminabilidad”.
El Índice de “Caminabilidad”, como hemos mencionado a lo largo de este trabajo,

se basa en la combinación de distintas variables que consideramos importantes e
influyentes en la toma de decisión, por parte del viandante, que selecciona un trayecto u
otro para realizar la acción de caminar, ya sea por motivos de trabajo, ocio u otros.
En este caso, crearemos el Índice con dos métodos diferentes, de forma que
podremos comparar sus resultados. Estos métodos son: la realización de una media
aritmética de las variables utilizadas y la media ponderada. Como veremos, en la
primera, todas las variables tienen la misma importancia, mientras que en la segunda,
cada una de las variables tiene un peso diferente en función de una serie de razones.
3.3.1. Normalización de las variables.
Antes de realizar ambos métodos, tenemos que normalizar las variables para que se
puedan utilizar. Entonces, tras elaborar cada una de ellas, el siguiente paso será este,
normalizarlas, con la finalidad de que los valores se sitúen en una escala de 0 a 100.
Para ello vamos realizar la siguiente Transformación Lineal:
% − %
$ ∗'
% − %
Dónde: f, como valor del factor normalizado.

Vi, como valor origen del factor.
Vmax, como el valor máximo.
Vmin, como valor mínimo.
C, como rango de estandarización.
Para poder aplicarla, necesitamos crear en la tabla de atributos de la capa de Ejes

Viales, tantos campos nuevos como variables tengamos. Entonces, en cada uno de esos
campos nuevos, introduciremos dicha ecuación en la Calculadora, obteniendo los
valores de origen normalizados. Estos valores van a tener un valor mínimo de 0 y un
valor máximo de 100, y a nosotros nos van a interesar los que tengan unos valores altos.
Por ejemplo: para el campo Seguridad, tendríamos la siguiente ecuación:

− 0
$ ∗ 100
272 − 0
34
El resultado que tendríamos sería el siguiente: los valores cercanos a 0 se

corresponden con aquellos arcos que tienen un número elevado de incidencias; mientras
que los valores cercanos a 100, se trata de aquellos arcos que tienen un número de
incidencias menor, es decir, que el grado de seguridad es mayor.
Mapa 15: Resultado de normalizar los datos del campo “Seguridad”.
Después, tenemos el caso de la variable de pendientes, donde las que son óptimas
para caminar están comprendidas entre -3% y +3%, que si realizamos dicha
normalización los valores que nos interesan serían los intermedios, los que se
corresponden con valores normalizados situados entre 44 y 64. Entonces, lo que
haremos es realizar una reclasificación de los datos, asignando unos determinados
valores entre 0 y 100 a los valores sin normalizar, pero los asignaremos a determinados
tramos. Estos y sus valores normalizados son:
- Para las pendientes inferiores al -7%, le daremos un valor de 20, por tratarse
de una pendiente descendente, que supone un esfuerzo menor que una
ascendente.
- Las pendientes que se sitúan entre -6.99% y -3%, tendrán un valor de 40, por
tener un porcentaje inferior al anterior.
- Las pendientes situadas en el intervalo -2.99% y 0.01%, se le asignará un
valor de 100, por tratarse de una pendiente favorable para caminar.
35
- Las pendientes que se sitúan entre 0% y 2.99%, tendrán un valor de 98,

inferior al anterior, porque se trata de una pendiente ascendente, pero sigue
siendo una pendiente adecuada para caminar.
- Las pendientes que estén entre 3% y 6.99%, se le asignará un valor de 30,
inferior a las de signo contrario, por tratarse de pendientes ascendentes.
- Para las pendientes superiores al 7%, tendrán un valor de 10, porque suponen
un gran esfuerzo para el caminante.
Con respecto a esto, hay que hacer una puntualización, pues que una calle tenga una
pendiente ascendente o descendente estará determinado por el sentido por el que el
viandante circule. Es decir, que podemos indicar que una calle tiene una pendiente de -
6%, pero puede darse que esa pendiente también sea del 6%, porque el viandante circula
en otra dirección.
Lo que hemos hecho en este caso, es poner distintos valores a las pendientes
ascendentes y a las descendentes, dando una mayor importancia a este último tipo
porque son más caminables. Y esto lo hacemos en una capa que está preparada para
realizar análisis de redes, concretamente, para determinar aquellos caminos mínimos o
rutas. Entonces, el sistema utilizaría como valor si la pendiente es positiva o negativa,
según el sentido en que se recorra el trayecto a realizar.
Mapa 16: Resultado de normalizar el campo que contiene las pendientes de cada una de las calles
de la Almendra Central de Madrid.
36
En resumen, los valores ideales de cada una de las variables serían los siguientes,
que tras la normalización tendrían valores cercanos a 100:
- Indicador de arbolado: ese valor 100 representa un indicador elevado, es

decir, un alto número de árboles por longitud de arco. El valor máximo de
este indicador sería 0.55.
- Pendiente: nos interesan los valores comprendidos entre el -3% y 3%.
- Tamaño de las aceras: que tenga un ancho superior a 6 metros.
- Seguridad: lo ideal son aquellos arcos que tienen un número de incidentes
cercano a 0.
- Comercio: en este caso, nos interesan aquellos arcos que tienen un alto
número de establecimientos.
- Usos del suelo: nos interesan los datos cercanos a 0.77, pues significa que se
trata de un entorno heterogéneo.
37
3.3.2. Método basado en la media aritmética.
Este método se fundamenta en la realización de la media aritmética del conjunto de

variables que estamos utilizando. Se trata de sumar todos los valores y dividirlos entre
el total de variables. La fórmula sería:
Dónde: n, es el total de variables empleadas.

a n, cada una de las variables que se utilizaran.
Entonces, tendríamos lo siguiente:
á
*
*

*

*
*

6
De esta forma, cada una de las variables tiene el mismo peso en el Índice de
“caminabilidad”.
3.3.3. Método basado en la media ponderada.
A diferencia del método anterior, cada una de las variables va a tener una
importancia distinta en el Índice que vamos a elaborar. Lo que vamos a hacer y cómo se
puede apreciar en la siguiente fórmula, vamos a multiplicar cada variable por su
correspondiente peso y el resultado que obtengamos de sumarlas, lo dividiremos por la
suma de los pesos que hemos asignado.
Dónde: n. es el total de variables empleadas.

xn, cada una de las variables que se utilizaran.
wn, como el peso correspondiente a cada variable.
La dificultad de este método reside en asignar el peso adecuado a cada variable,

pues tenemos que analizar las características generales de la zona, la importancia que
otros autores le han dado a una/s variable/s, entre otros aspectos.
38
En este caso, los pesos que vamos a asignar son los que se observar en la siguiente
tabla, que diferenciamos entre dos tipos, ya que haremos dos fórmulas de media
ponderada con distintos pesos.
Tabla 4: Pesos asignados a cada una de las variables utilizadas en el Índice de “Caminabilidad”, en
función de su importancia.
PESOS
VARIABLES TIPO 1 TIPO 2
Árboles 3 3
Aceras 4 3
Usos del suelo 2 3
Pendiente 2 2
Seguridad 5 5
Comercio 4 4
TOTAL 20 20
La fórmula quedaría de la siguiente forma, para los pesos de tipo 1:
-á.∗ 30 * á
.∗ 4 * ∗ 2 *
.∗ 2 *
.∗ 5 *
.∗ 4
̅
20
En lo referente a la asignación de pesos de Tipo 1, como vemos en la anterior tabla,

las variables seguridad, comercio y aceras son las que reciben un peso mayor con
respecto al resto. Esto se debe a que, la primera es un factor a tener muy en cuenta por
el viandante, ya que si la calle tiene un alto número de incidentes, como por ejemplo
atracos, accidentes, entre otros, va a tender a evitarla y a elegir otra calle para realizar su
trayecto. En el caso de la segunda variable, como hemos mencionado, una calle que
cuenta con un gran número de establecimientos es más atractiva, de forma que se hace
más entretenida y atrayente para el viandante. La tercera, igual que la anterior, recibe un
peso de 4, porque el tamaño de la acera es otra de las razones por las que se elige un
trayecto u otro. Pues, si para llegar a nuestro destino, podemos caminar por una calle
que supere con creces el mínimo establecido para el ancho de la acera, obviamente
elegiremos esta calle y no otra, por la que tendremos que caminar tropezando con otros
viandantes o salvando obstáculos.
Después, tenemos el caso de las otras variables, que pueden tener una influencia
menor en la elección del trayecto. Con respecto a la variable Árboles, tiene un peso
mayor que las otras, porque la existencia de este elemento hace más agradable el
camino y hace que las calles sean más hermosas para el que camina por ellas. En cuanto
a la variable Pendiente, le asignamos un peso menor porque en nuestra zona de estudio
la mayoría de las calles tienen una pendiente entre -3% y 3%, que son óptimas para
caminar de una forma cómoda, sin esfuerzos. Y, por último, la variable Usos del suelo,
que recibe el mismo peso que la anterior, porque no es un factor tan influyente como
39
otros. También, es indiscutible que, en cierta manera influye que exista una
heterogeneidad en los usos, que exista una variedad que consiga atraer al viandante.
En cuanto a los pesos de Tipo 2 asignados a las variables, los únicos cambios que
hemos realizado es asignar a la variable “aceras” un punto menos en su peso, pasando
de 4 a 3. Mientras que, la variable “Uso”, le damos una importancia igual a la anterior
variable, o sea un peso de 3. Esto se debe a que, como mencionamos, la heterogeneidad
pueda llegar a influir en el medio urbano, desde el punto de vista de la “caminabilidad”.
40
4. RESULTADOS.
Mapa 17: Resultado de realizar la media aritmética del conjunto de variables utilizadas para
nuestra área de estudio.
41
Mapa 18: Resultado de realizar la media ponderada con los pesos de tipo 1 para el conjunto de
variables de la Almendra Central de Madrid.
42
Mapa 19: Resultado de realizar la media ponderada con los pesos de tipo 2, para el conjunto de
variables utilizadas.
43
Como podemos observar en los tres mapas resultantes de los dos métodos
utilizados, existe un resultado común en nuestra área de estudio: un bajo índice de
“Caminabilidad” en la zona central y un alto índice en el entorno de esta zona,
dirigiéndonos hacia la M-30, límite de la Almendra Central. Esto se debe a las
características propias de cada zona, principalmente a las variables referentes a la
seguridad, comercio y ancho de las aceras, que ofrecen unas mayores diferencias con
respecto a las restantes.
En primer lugar, como pudimos ver en el mapa de delitos, en general, la Almendra
central no tiene un alto número de incidentes. Pero de forma más concreta, podemos
diferenciar zonas e incluso calles, que ese número se dispara con respecto a su
alrededor. Este es el caso, por ejemplo, de la Calle de Embajadores con 272 incidentes
producidos en ella, Bravo Murillo con 257, Alcalá o Delicias que también superan los
200 delitos, calle Orense, o distritos como Chamberí o Salamanca que tienen una alta
concentración. En el lado contrario, tendríamos los distritos de Moncloa – Aravaca o El
Retiro, donde las incidencias son menores, pudiendo ser consecuencia de que la primera
se caracteriza por ser una zona universitaria y la segunda porque parte de su área está
ocupada por uno de los parques más grandes de Madrid.
Y me gustaría recordar, que estas incidencias agrupan un gran número y variedad
de tipos, como pueden ser los atropellos de peatones, accidentes de coche, robos, etc.
En segundo lugar, una variable que creemos que es importante, es el ancho de las
aceras, que nos permitió observar que existen unos valores muy altos, superando los 6
metros de ancho, en la mayoría de calles de nuestra área de estudio. Teniendo como
excepción clara, las calles que se encuentran en los distritos Centro, Tetuán y parte de
Chamberí, que presentan valores por debajo de los 6 metros, siendo zonas en las que la
comodidad para caminar es menor. Esto se debe al tipo de morfología urbana que
poseen, que se caracteriza por tener calles estrechas que no tienen una estructura
claramente ordenada y planificada, como puede ser el Barrio de Salamanca.
Otra de las variables que más influencia tiene, es el comercio, por ejercer un poder
atracción en los viandantes. En general, se aprecia que hay determinadas calles que
sobresalen por la gran cantidad de establecimientos que tienen, como por ejemplo:
Serrano o Príncipe Vergara en el Distrito de Salamanca, Bravo Murillo en Tetuán, Gran
vía en el Centro, y distritos como Moncloa – Aravaca que el número de
establecimientos en la mayoría de calles, se acerca al mínimo, por tratarse de una zona
universitaria.
En cuanto al caso de las variables Arbolado y Usos del suelo, la primera está bien
distribuida por el área de estudio pero destaca, principalmente, la zona de Chamberí,
Salamanca, Chamartín y parte de Arganzuela, por ser zonas muy arboladas. Mientras
que en la segunda, es de nuevo Moncloa – Aravaca y Chamartín, a la que se le añade la
totalidad del distrito de Arganzuela, los que presentan un alto índice de entropía, es
decir, una alta variabilidad de usos del suelo. Y esto también se puede observar en el
propio mapa de los usos del suelo, donde vemos que son los distritos centrales los que
44
presentan una variabilidad menor, como consecuencia del predominio del uso
Residencial Multiple y escasez de otro tipo de usos.
Después, tenemos variables que no tienen una influencia tan clara en ambos
métodos, por la tendencia de igualdad de sus valores. Este es el caso de la variable
pendientes, donde la mayoría de calles tienen una pendiente que consideramos óptima
para caminar, entre -3% y 3%, siendo muy pocas las que se encuentran fuera de los
límites de este intervalo, como algunas calles del distrito Centro o de Moncloa –
Aravaca.
Con respecto a las variaciones que se producen entre los tres métodos, se observa
que cuando utilizamos la media ponderada y asignamos unos determinados pesos a cada
una de las variables, aquellas calles que tenían un Índice de “Caminabilidad” elevado,
son aún más caminables. Esto se debe a que variables como la seguridad o el ancho de
las aceras, que tienen unos valores óptimos en esas zonas, y son las que tienen un mayor
peso o están entre las más importantes dentro de la media ponderada. Por lo tanto, si se
mantienen estas y cambios el peso de las variables restantes, nos vamos a encontrar con
dicha situación, con que hay un conjunto de variables que tienen unos valores
adecuados para la caminabilidad.
Entonces, la principal diferencia entre ambos métodos, es que la media aritmética
suaviza los resultados, mientras que las dos medias ponderadas, van a tender a acentuar
esos resultados y, por lo tanto, a acrecentar las diferencias entre el centro y la periferia
de nuestra área de estudio. Sobre todo porque influye la importancia que se le dé a cada
una de las variables.
45
5. CONCLUSIONES.
Este análisis nos ha permitido determinar qué zonas de la Almendra Central de

Madrid tienen un alto y bajo índice de “caminabilidad” y qué variables son las que
influyen en él. En general, son dos aspectos muy importantes en la planificación de
cualquier ciudad, tanto para sus futuros desarrollos como para los cambios que se
puedan producir en zonas ya edificadas.
Para los futuros desarrollos, puede ser determinante saber concretamente que
variables del entorno urbano influyen para que este llegue a ser caminable, a tener unos
altos índices de “caminabilidad”. Sobre todo en aquellas variables que pueden ser
previsibles, es decir, aquellas que tienen que ver con las características físicas y
medioambientales, como por ejemplo, los que llevamos citando a lo lardo de nuestro
trabajo: el ancho de las aceras o el número de árboles por tramo de calle. Pues, variables
como la Seguridad o el Comercio, hay que ir modificándolas a medida que ese nuevo
entorno se va creando, con unas determinadas medidas, que contribuyan a su mejora y a
alcanzar unos valores óptimos en el Índice de “caminabilidad” para esa zona.
En lo que respecta a los cambios que se pueden llegar a producir en las zonas ya
edificadas, como pueden ser los casos de los distritos centrales de la Almendra Central,
habría que analizar hasta qué punto se puede llevar a cabo cambios en este tipo de
entornos. Pues, en ocasiones, por ejemplo, nos podemos encontrar que no se puede
realizar una ampliación del ancho de acera debido al ancho de la propia calle, o que no
es adecuado cambiar una zona, que posee un determinado uso por otro tipo de usos que
hagan aumentar la variabilidad de usos en el entorno.
Por ello, relacionado con este tema, tendríamos un sinfín de posibles temas a
desarrollar o cuestiones que nos pueden surgir a raíz de este estudio, y que podrían dar
solución a muchos de los problemas que se plantean dentro de una ciudad.
Principalmente, con el objetivo de lograr una ciudad sostenible y con una calidad de
vida óptima para sus habitantes.
46
AGRADECIMIENTOS
Este trabajo no podría haberse realizado sin los conocimientos adquiridos en el

Máster de Sistemas de Información Geográfica de la Universidad Complutense de
Madrid, sin la ayuda de cada uno de los profesores que han impartido clase y que, de
alguna manera, han aportado ese granito de arena necesario para llevarlo a cabo.
Sobre todo, mis más sinceros agradecimientos, al Dr. Javier Gutiérrez Puebla por ser
el tutor del presente trabajo, por guiarme y ayudarme a resolver las dudas que surgieron
durante su elaboración.
También, quería dar las gracias a mis compañeros de Máster por los buenos
momentos que hemos pasado juntos y por la ayuda que nos hemos prestado a lo largo
de estos meses. Gracias Cristina.
Gracias a mi familia y a la familia de mi pareja. Gracias abuelo.
Y a Luis, muchas gracias por todo tu apoyo y por saber soportarme.
47
6. REFERENCIAS.
Observatorio de la Seguridad de Madrid (2007). Atlas de la Seguridad de Madrid.

Ayuntamiento de Madrid.
Boletín Oficial del Estado (2010). Disposiciones Generales: Ministerio de

Vivienda. BOE Número 61, Sección I.
Comisión Europea (2004). Hacia una estrategia temática sobre el medioambiente

urbano. Diario Oficial C 98 de 23 de abril de 2004.
Frank, Lawrence D.; Sallis, James F.; Conway, Terry L.; Chapman, James E.;
Saelens, Brian E. y Bachman, William (2007). Many pathways from land use to health:
Associations between neighborhood walkability and active transportation, Body Mass
Index and air quality. Journal of the American Planning Association, 72:1, 75-87.
Giles-Corti, Billie y Donovan, Robert J. (2003). Relative Influences of Individual,

Social Environment and Physical Environmental Correlates of Walking. American
Journal of Public Health, 93, 1583-1589.
Greenberg, R. y Renne, John (2005). Where does walkability matter the most? An
environmental justice interpretation of New Jersey data. Journal of Urban Health:
Bulletin of the New York Academy of Medicine, 82, 90-100.
Humpel, N.; Owen, N.; Leslie, E.; Marshall, A.; Bauman, A. y Sallis, J. F. (2004).
Associations of location an perceived environmental attributes with walking in
neighborhoods. American Journal of Health Promotion, 18, 39-42.
Leslie, Eva; Coffee, Neil; Frank, Lawrence; Owen, Neville; Bauman, Adrian y
Hugo, Graeme (2007). Walkability of local communities: Using geographic information
systems to objetively asses relevant environmental attributtes. Health and Place, 13,
111-122.
Secretaria de estado de transportes, Secretaría General de transportes y Dirección

General de transporte terrestre (2010). El trasnporte urbano y metropolitano en España.
Ministerio de Fomento.
Owen, Neville; Humpel, Nancy; Leslie, Eva; Bauman, Adrian y Sallis, James F.
(2004). Understanding enviromental influences on walking. Review and research
agenda. American Journal of Preventive Medicine, 27, 67-76.
Owen, Neville; Cerin, Ester; Leslie, Eva; duToit, Lorinne; Coffee, Neil; Frank,
Lawrence D.; Bauman, Adrian E.; Hugo, Graeme; Saelens, Brian E.; y Sallis, James F.
48
(2007). Neighborhood Walkability and the walking behavior of Australian adults.

American Journal of Preventive Medicine, 33, 387-395.
Pozueta, Julio (2000). Movilidad y planeamiento sostenible: Hacia una

consideración inteligente en el planeamiento y en el diseño urbano. Cuadernos de
Investigación Urbanística, 30.
Rosenberg, Dori; Dong, Ding; Sallis, James F.; Kerr, Jacqueline; Norman, Gregory
J.; Durant, Nefertiti; Harris, Sion K. y Saelens, Brian E. (2009). Neighborhood
environment walkability scale for youth (NEWS-Y): Reliability and relationship with
physical activity. Preventive Medicine, 49, 213-218.
Rundle, Andrew; Neckerman, Kathryn M.; Freeman, Lance; Lovasi, Gina S.;
Purciel, Marnie; Quinn, James; Richards, Catherine; Sircar, Neelanjan y Weiss,
Christopher (2009). Neighborhood food environment and walkability predict obesity in
New York city. Environ Health Perspect, 117, 442-447.
Saelens, B.E.; Sallis, J.F.; Frank, L.D. (2003). Environmental correlates of walking
and cycling: findings from the transportation, urban design and planning literatures.
Annals of Behavioral Medicine, 25, 80-91.
Shay, Elizabeth; Spoon, Steven C.; y Khattak, Asad J. (2003). Walkable

Environments and Walking Activity. Carolina Transportation Program. University of
North Carolina at Chapel Hill.
Zhu, Xuemei.; BArch; Lee, Chanam; PhD (2008). Walkability and safety around
elementary schools: Economic and Ethnic disparities. American Journal of Preventive
Medicine, 34, 282-290.
49

TFM Sofia Fontan

Cargado por

Copyright:

Formatos disponibles

TFM Sofia Fontan

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

TFM Sofia Fontan

Cargado por

Copyright:

Formatos disponibles

ÍNDICE DE CAMINABILIDAD

Aplicado en la Almendra Central de Madrid

Dirigido por: Dr. Javier Gutiérrez Puebla

MASTER EN TECNOLOGÍAS DE LA INFORMACIÓN GEOGRÁFICA

UNIVERSIDAD COMPLUTENSE DE MADRID

1.1. Interés del tema. ………………………………………………………….. 4

2. Marco teórico-metodológico. …………………………………………………... 7

3. Fuentes y Metodología. …………………………………………………….….. 14

3.1. Datos de partida. ………………………………………………………... 15

3.2. Variables. ……………………………………………………………….. 16

3.2.1. Indicador de arbolado. ……………………………………………. 17

3.3. Creación del Indicador de “Caminabilidad”. …………………………… 34

3.3.1. Normalización de las variables. ………………………………….. 34

INDICE DE TABLAS Y MAPAS

Tabla 1. Características y las principales conclusiones de los estudios que examinan

Mapa 1. Área de estudio en referencia a la distribución de los distritos de la ciudad de

Tabla 4. Pesos asignados a cada una de las variables utilizadas en el Índice de

Mapa 17. Resultado de realizar la media aritmética del conjunto de variables

1.1. Interés del tema.

En lo concerniente a la “caminabilidad” de los entornos urbanos, principalmente

Si concretamos, en lo referente a la recuperación y mejoras en el entorno urbano, el

En general lo que pretendemos, es desarrollar una metodología de análisis que nos

1.3. Estructura del trabajo.

La “caminabilidad” de una comunidad podemos definirla como la medida en que

entorno estimula la utilización de los vehículos, esto provoca el aumento de emisiones

Antes de finalizar este apartado, me gustaría mencionar la clasificación que Julio

AUTOR (AÑO) NÚMERO, RESULTADOS DE ATRIBUTOS ASOCIACIÓN CON LOS AJUSTE

Como ya mencionamos, uno de nuestros principales objetivos es la aplicación del

Mapa 1. Área de estudio en referencia a la distribución de los distritos de la ciudad de Madrid.

En este caso, el sistema de información geográfica que vamos a utilizar es ArcGis

3.1. Datos de Partida.

Para iniciar nuestro trabajo necesitaremos la siguiente información:

• Mapa 1:5.000 como archivo CAD, proporcionado por el Departamento de

• Los árboles que hay en la Almendra central de Madrid, en archivo Shape de

En primer lugar, vamos a extraer la información necesaria para la creación de las

3.2.1. Indicador de arbolado.

Posteriormente, en la capa de Ejes viales vamos a crear un campo nuevo en la Tabla

Mapa 4: Ejemplos de bajo, bajo-medio, medio y alto Indicador de Arbolado.

Con respecto a la creación de esta variable, se puede presentar el siguiente

En este caso lo que necesitamos es saber el tamaño de las aceras, es decir, la

Como ya mencionamos en el anterior apartado, ya contamos con un shape que

Dónde: x, es la distancia entre los nodos de los arcos, medida en metros

- Signo negativo: se trata de aquellos arcos que tienen una pendiente

Para obtener esta variable, vamos a necesitar saber la cantidad de establecimientos

Tabla 2: Ramas de actividad del CNAE 93.

En esta tabla, se observa como a cada rama le corresponde un determinado código,

poder de atracción sobre la población. Por ejemplo, y como veremos, no es lo mismo

Mapa 12: Número de establecimientos en cada una de las calles.

3.2.6. Variedad en los usos del suelo.

Dónde: k, como la categoría del uso del suelo.

Los datos resultantes estarán comprendidos entre una puntación de 0 y 1, siendo 0

Mapa 13: Usos del suelo por Distritos.

Mapa 14: Resultados de realizar la fórmula de entropía.

3.2.7. Conectividad / Sinuosidad.

3.3. Creación del Índice de “Caminabilidad”.

El Índice de “Caminabilidad”, como hemos mencionado a lo largo de este trabajo,

3.3.1. Normalización de las variables.

Dónde: f, como valor del factor normalizado.