Traducido del inglés al español - www.onlinedoctranslator.

com

Ciudades y sociedad sostenibles 55 (2020) 102031

Listas de contenidos disponibles en ScienceDirect

Ciudades y sociedad sostenibles

revista Página de inicio: www.elsevier.com/locate/scs

¿Cómo se pueden modelar los impactos del crecimiento urbano en el transporte? Un enfoque para
considerar escalas espaciales y temporales

Sajida Perveena, Tan Yigitcanlara,*, Md. KamruzzamanB, Duzgun AgdasC

a Escuela de Medio Ambiente Construido, Universidad Tecnológica de Queensland, 2 George Street, Brisbane, QLD 4000, Australia
B Monash Art Design & Architecture, Monash University, 900 Dandenong Road, 3145 Caulfield East, Australia
C Escuela de Ingeniería Civil y Ambiental, Universidad Tecnológica de Queensland, 2 George Street, Brisbane, QLD 4000, Australia

INFORMACIÓN DEL ARTÍCULO ABSTRACTO

Palabras clave: El sector del transporte urbano es responsable de una parte considerable de las emisiones globales de gases de efecto invernadero y se
Escenarios de crecimiento urbano considera el principal contribuyente de contaminantes ambientales. Este estudio tiene como objetivo explorar formas de comparar los
Modelado de transporte impactos del transporte de escenarios alternativos de crecimiento urbano en diferentes escalas espaciales y temporales. Para lograr este
Externalidades del transporte
objetivo, se sintetizaron escenarios políticos alternativos y varios indicadores de impacto del transporte a partir de una encuesta Delphi.
Desarrollo urbano sostenible
Se evaluaron cuatro escenarios alternativos de crecimiento urbano (es decir, escenarios equilibrados, centrados en el medio ambiente,
Encuesta Delphi
centrados en la economía y como siempre) para la región sudeste de Queensland de Australia comparando valores de indicadores
Sureste de Queensland
seleccionados de modelos de transporte desarrollados para tres espacios (es decir, región, ciudad, local) y cuatro escalas temporales (es
decir, 2016, 2021, 2031, 2041). Los resultados del análisis revelan que las políticas en el escenario equilibrado hacen la mayor
contribución para lograr un desarrollo urbano sostenible, ya que este escenario genera el menor tiempo de viaje, distancia de viaje y
congestión del tráfico. Los hallazgos revelan que el enfoque empírico presentado en este documento es útil para informar la formulación
de políticas urbanas y ayudar a los responsables de la formulación de políticas urbanas, los planificadores urbanos / de transporte, los
profesionales y las partes interesadas.

1. Introducción políticas de planificación. El término desarrollo urbano sostenible se refiere

al mecanismo para lograr la sostenibilidad urbana, es decir, la
El progreso económico y social está transformando rápidamente los sostenibilidad urbana es el resultado de desarrollo deseado (Camagni, 1998
conglomerados urbanos más pequeños en ciudades metropolitanas (Yedla, 2015). ; Madu, Kuei y Lee, 2017).
Esta tendencia de urbanización alteró el uso del suelo, y la cobertura del suelo ha Las mayores demandas de viajes están causando escenarios de tráfico
aumentado significativamente, especialmente en las últimas tres décadas ( congestionado (por ejemplo, velocidades más lentas, tiempos de viaje más largos
Gounaridis, Chorianopoulos y Koukoulas, 2018; Yigitcanlar y Kamruzzaman, 2014). y más colas de vehículos) que están contribuyendo a problemas ambientales
Por lo tanto, la interacción tradicional y menos compleja de la sociedad y el medio globales como las emisiones de gases de efecto invernadero (GEI), la
ambiente está cambiando a una compleja y desafiante. La urbanización acelerada contaminación acústica y el consumo excesivo de recursos no renovables como
es el principal desencadenante de los impactos ambientales negativos y ha sido población. y la densidad de población de las ciudades aumenta. Ante este
una de las principales preocupaciones de académicos, legisladores y escenario, planificar áreas urbanas sin analizar sus impactos en el transporte
planificadores. A pesar de otras externalidades ambientales, las áreas urbanas en puede obstaculizar el logro del objetivo más amplio del desarrollo sostenible (
crecimiento están experimentando el desafío de abordar la imperiosa necesidad JakimaviCius y Burinskiene, 2009; Perveen, Yigitcanlar, Kamruzzaman y Hayes,
de una conectividad eficiente debido a los fuertes aumentos en la demanda de 2016; Yigitcanlar, Fabian y Coiacetto, 2008).
viajes. Se han empleado muchos planes y estrategias de gestión del crecimiento El énfasis principal de la literatura ha estado en la fuerza de las políticas de
urbano para minimizar las externalidades ambientales de la urbanización crecimiento urbano y la planificación del uso del suelo para influir en la forma de
acelerada y el concepto de 'desarrollo urbano sostenible' ha surgido en la crecimiento urbano y las tendencias de expansión (Wilson y Chakraborty, 2013). Pocos
literatura desde la década de 1970 (De Roo y Miller, 2019). Desde su formulación, estudios se han centrado en la importancia de analizar los impactos futuros de
los enfoques para lograr un desarrollo urbano sostenible tuvieron como objetivo elecciones particulares de políticas de crecimiento urbano (Perveen, Kamruzzaman y
incorporar los aspectos ambientales junto con los desafíos socioeconómicos en Yigitcanlar, 2017; Xiang y Clarke, 2003). En ausencia de tales conocimientos,

⁎ Autor
correspondiente.
Correos electrónicos: [email protected] (S. Perveen), [email protected] (T. Yigitcanlar),
[email protected] (Md. Kamruzzaman), [email protected] (D. Agdas).

https://doi.org/10.1016/j.scs.2020.102031
Recibido el 10 de agosto de 2019; Recibido en forma revisada el 15 de noviembre de 2019; Aceptado el 29 de diciembre de 2019
On-line el 14 de enero de 2020
2210-6707 / © 2020 Elsevier Ltd. Todos los derechos reservados.
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

El proceso de planificación urbana no está adecuadamente informado para B Escenario centrado en el medio ambiente: este escenario tiene como objetivo crear un
intervenir suficientemente y orientar el crecimiento urbano descontrolado hacia área urbana que será más sensible al medio ambiente (es decir, preservando
los esfuerzos de desarrollo urbano sostenible. Los planificadores urbanos, los áreas ambientalmente sensibles y reduciendo la emisión de gases de efecto
formuladores de políticas y los ambientalistas han adoptado el término desarrollo invernadero y el consumo de recursos naturales).
urbano sostenible durante muchos años que destaca la necesidad de equidad C Escenario centrado en la economía: este escenario tiene como objetivo crear un
entre los pilares sociales, ambientales y físicos del crecimiento urbano (Attard y área que será más sensible al desarrollo económico (es decir,
Shiftan, 2015). desarrollo de nuevos centros comerciales y de empleo; desarrollo
Un elemento clave para lograr el crecimiento urbano sostenible es la de ritmo rápido para acomodar la demanda de vivienda,
eficiencia del sistema de transporte para hacer frente al rápido crecimiento infraestructura y servicios).
económico y la transformación social, mientras se cuida el medio ambiente D Escenario equilibrado: este escenario proporciona un enfoque equilibrado y
simultáneamente (Zachariadis, 2005). El desarrollo de la red de transporte es un se centra en las políticas para el crecimiento económico al tiempo que mejora los
precursor obligatorio del crecimiento económico, y el impacto negativo del rápido resultados ambientales de las políticas de crecimiento urbano (es decir, escala
desarrollo económico de las áreas urbanas sobre los recursos naturales y el sostenible de actividad económica, sistemas de transporte público menos intensivos
medio ambiente también está bien documentado. En consecuencia, el transporte en energía y eficientes).
es una preocupación clave en la agenda de sostenibilidad, y es imperativo
minimizar sus externalidades ambientales al tiempo que permite una El objetivo del estudio es explorar formas de comparar los
conectividad eficiente (Dur, Yigitcanlar y Bunker, 2014; Yigitcanlar, Dodson, impactos del transporte de escenarios alternativos de crecimiento
Gleeson y Sipe, 2007). Un sistema de este tipo puede ayudar a lograr un entorno urbano en diferentes escalas espaciales y temporales. Por lo tanto,
urbano y construido sostenible (Zegras y Gakenheimer, 2006). este estudio evalúa los escenarios alternativos generados mediante el
Se puede estimar una idea general de los impactos del transporte en el medio uso de indicadores de impacto del transporte identificados. Para ello,
ambiente a partir del consumo mundial de combustible. El sector fue responsable del el estudio propone un marco para evaluar los escenarios alternativos
23% del CO2 relacionado con la energía a nivel mundial.₂ emisiones en 2017 que se de crecimiento en diferentes escalas espaciales y temporales y para
considera el contribuyente principal del total de contaminantes ambientales (Arbolino, validar la importancia de los indicadores de impacto del transporte en
Carlucci, Cirà, Ioppolo y Yigitcanlar, 2017). El aumento de la distancia y el tiempo de viaje un contexto de escala multinivel. Los objetivos de esta investigación
causado por el aumento de la población y la expansión urbana refuerza el aumento de la son los siguientes: (a) Identificar un método para evaluar escenarios de
propiedad de automóviles, lo que conduce a congestión, accidentes y otras crecimiento urbano a nivel de múltiples escalas; (b) Evaluar los
externalidades (Dur y Yigitcanlar, 2015; Mahbub, Goonetilleke, Ayoko, Egodawatta y impactos en el transporte de escenarios alternativos de crecimiento
Yigitcanlar, 2011; Mayo 2013). Dadas estas limitaciones, la importancia del transporte urbano en diferentes escalas espaciales y temporales mediante el uso
para lograr el desarrollo urbano sostenible, los indicadores de impacto del transporte de indicadores representativos de escala, y;
debían seleccionarse cuidadosamente en el contexto de la escala espacial y temporal (
Dobranskyte-Niskota, Perujo y Pregl, 2007; Perveen, Kamruzzaman y Yigitcanlar, 2019). 2. Antecedentes de la literatura
Sin embargo, los desafíos para usar los indicadores de impacto del transporte
identificados en la literatura para evaluar el crecimiento urbano han llevado a resultados El análisis de los impactos futuros mediante el desarrollo de escenarios de
mixtos en diferentes entornos espacio-temporales, lo que resultó en poca o ninguna crecimiento urbano en diferentes contextos y opciones de planificación es un requisito
ganancia en el monitoreo del desarrollo urbano sostenible (Atkisson, 1996; previo para abordar las consecuencias indeseables de las políticas propuestas (Feng y
Liu, 2016). El análisis basado en escenarios ha surgido para explorar variaciones para un
Herva, Franco, Carrasco y Roca, 2011; Yigitcanlar y Kamruzzaman, 2015 conjunto limitado, pero consistente, de parámetros del modelo, delineando las
). tendencias de desarrollo futuro factibles bajo un conjunto de condiciones predefinidas (
Para abordar la deficiencia mencionada en estudios anteriores, esta Murray-Rust, Rieser, Robinson, MiliCIC, & Rounsevell, 2013). Los escenarios alternativos
investigación enfatiza la selección de indicadores de impacto del transporte según de crecimiento urbano brindan opciones para que los planificadores y las partes
las categorías espacio-temporales adecuadas debido a dos razones principales. interesadas visualicen los impactos futuros de estos escenarios en la etapa de
En primer lugar, los impactos del transporte pueden variar de una escala planificación. Esto proporciona una idea del proceso de planificación para evitar
geográfica a otra. Por ejemplo, la congestión puede ser un problema en áreas resultados indeseables de las políticas para promover el crecimiento urbano sostenible.
urbanas, pero no en áreas suburbanas (Cervero, 2006; Hensher, 1998; Por lo tanto, se han desarrollado y adoptado ampliamente varios modelos de simulación
Wheeler, Tomuta, Haden y Jackson, 2013); y cuando se promedia la intensidad de de transporte y crecimiento urbano basados en escenarios para estudiar los diferentes
los niveles de congestión de estas dos áreas para derivar un nivel de congestión impactos de las políticas en escenarios alternativos.
general para una ciudad, no se describe correctamente el problema. En segundo Además, el análisis de escenarios alternativos junto con el modelado de
lugar, los niveles de impacto varían temporalmente; Es posible que el nivel de simulación se convierte en una herramienta útil para los planificadores urbanos,
contaminación del transporte no se note en un período corto, pero si no se que contribuye a una mejor toma de decisiones al proporcionar una evaluación
controla, puede tener un efecto perjudicial a largo plazo (Kamruzzaman, Hine y de diferentes alternativas y compensaciones (Chakraborty y McMillan, 2015; Feng
Yigitcanlar, 2015; Kamruzzaman, Yigitcanlar, Washington, Currie y Turrell, 2014; y Liu, 2016; Kishita, Hara, Uwasu y Umeda, 2016; Radeljak Kaufmann, 2016;
Shearer et al., 2009). Estos desafíos a menudo dan como resultado la selección de Shiftan, Kaplan y Hakkert, 2003; Vermeiren, Van Rompaey, Loopmans,
diferentes indicadores para diferentes escalas espaciales y temporales ( Serwajja y Mukwaya, 2012). Se utilizaron diferentes herramientas, marcos y
Dobranskyte-Niskota et al., 2007), y los esfuerzos de modelado de transporte numerosos conjuntos de indicadores para analizar escenarios de
existentes delimitan explícitamente escalas espaciales y temporales (Perveen et crecimiento urbano en el contexto del desarrollo sostenible (Dobranskyte-
al., 2016). Niskota et al., 2007; Shen, Jorge Ochoa, Shah y Zhang, 2011;
Una lista de políticas bajo escenarios alternativos de crecimiento urbano ( Yigitcanlar, 2009). Los indicadores son medidas cuantitativas que brindan
Perveen et al., 2017) e indicadores clave de impacto del transporte (Perveen et al., una guía imperativa en el proceso de toma de decisiones, ya que convierten
2019) se identificaron en estudios anteriores. Este estudio se basa en los estudios el conocimiento variable en unidades de información fáciles de manejar (
antes mencionados e intenta abordar la cuestión de "cómo se pueden modelar Lähtinen, Myllyviita, Leskinen y Pitkänen, 2014; McCool y Stankey, 2004;
los impactos del transporte en el crecimiento urbano". En este estudio se Millar y Ju Choi, 2010; Santos y Ribeiro, 2015; Shen y col., 2011). Por lo tanto,
analizaron cuatro escenarios alternativos de crecimiento urbano; la selección de los indicadores correctos y el despliegue de un marco
adecuado es la clave para identificar las políticas con menos externalidades
Un escenario de negocios como de costumbre: este escenario se basa principalmente en el ambientales con el fin de promover el desarrollo urbano sostenible (
Documento de planificación SEQ sin políticas de intervención por parte de los Yigitcanlar, Kamruzzaman y Teriman, 2015).
autores. Indicadores, índices compuestos y transporte terrestre integrado

2
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

Los modelos de simulación son algunos ejemplos de las herramientas utilizadas para Escenario equilibrado.
evaluar escenarios de crecimiento urbano (Ness, Urbel-Piirsalu, Anderberg y Olsson, 2007 Los datos del plan regional de South East Queensland (SEQ) se utilizan como
). Se realizó una revisión extensa de la literatura para identificar los indicadores escenario habitual. Para el escenario ambiental, todos los datos relacionados con
representativos, escenarios de políticas y métodos de evaluación (Perveen et al., 2016, el uso del suelo; El entorno y otra información relevante se descargaron y
2017, 2019). La revisión de la literatura destaca que los modelos de simulación de consideraron al editar el escenario de negocios como de costumbre. Las áreas
transporte se utilizan ampliamente en todo el mundo para ayudar en la toma de propuestas como crecimiento urbano futuro en áreas ambientalmente sensibles
decisiones estratégicas mediante el análisis de indicadores de transporte como los fueron removidas y reemplazadas en áreas cercanas en ubicaciones adecuadas
volúmenes de tráfico, la distancia de viaje, el tiempo y la congestión. Las herramientas según el escenario ambiental. Para el escenario económico, se utilizaron los
de modelado de transporte ayudan a evaluar situaciones e impactos de transporte siguientes datos del plan regional de 2017 para ubicar áreas de crecimiento
actuales y futuros a escala macro, meso o micro (Hildebrand y Hörtin, 2014). urbano: (a) Recinto de conocimiento y tecnología; (b) Gran área empresarial e
Los dos software más utilizados para el modelado de transporte son Emme y industrial; (c) Red de centros de actividad regional, y; (d) Clúster económico
Visum, desarrollados por INRO y PTV respectivamente. Otro software de regional.
simulación de tráfico de renombre como OmniTRANS (OmniTRANS International, Los cambios se realizaron en el escenario actual o "como siempre" para
2010), TransModeler (Caliper Corporation, 2011), Aimsun es un híbrido entre un promover más áreas de crecimiento para formar políticas de "escenario centrado
software de simulación de transporte micro, macro y mesoscópico. Sin embargo, en la economía". Se generaron nuevos centros comerciales y de empleo además
este software se centra principalmente en simulaciones microscópicas y, por lo de los existentes. En el 'escenario centrado en el medio ambiente', las áreas
tanto, no se utiliza a menudo para el modelado de transporte macroscópico ( ambientalmente sensibles permanecen conservadas. Además, para todos los
Hildebrand y Hörtin, 2014). La selección de la herramienta de modelado de escenarios, se utilizaron datos demográficos para comprender la densidad de
transporte es un compromiso entre la precisión requerida de la predicción y los población y los lugares de trabajo para ubicar nuevas áreas de crecimiento
recursos disponibles con respecto al dinero, el tiempo, el esfuerzo y las fuentes de urbano. Para el 'escenario equilibrado' (es decir, las ganancias ambientales y
datos disponibles. económicas están equilibradas), se hizo un compromiso entre el nivel de cambios
Dos software de modelado de transporte estándar de la industria reconocidos por en los escenarios centrados en la economía y los centrados en el medio ambiente
su precisión son EMME y Visum, que son herramientas de simulación de tráfico para marcar las áreas de crecimiento urbano en función de las políticas
comercial para modelado de demanda de viajes, planificación de transporte y gestión de propuestas en el escenario equilibrado.
datos de red. Debido al alto costo involucrado en la adquisición de software comercial, Se adoptó un enfoque realista al convertir el escenario de negocio habitual en
existe la necesidad de considerar herramientas de modelado de transporte disponibles escenarios alternativos con las áreas de marcado o inhibición del crecimiento. Estas
gratuitamente capaces de analizar la red de transporte del área de estudio a escala áreas inhibidoras de crecimiento no darán cabida a un mayor crecimiento urbano, pero
espacial regional / ciudad y local. Después de revisar una serie de herramientas gratuitas conservarán el existente para evitar la presión sobre áreas medioambientales y
disponibles para el modelado de transporte en términos de su capacidad para analizar el económicamente sensibles. Por último, los parámetros demográficos y las matrices de
número de zonas, entradas y salidas de datos, se seleccionó la herramienta Traffic viaje se editaron para todos los escenarios de crecimiento urbano en consecuencia para
Analyst para ArcGIS para este estudio. Traffic Analyst es una herramienta de ser utilizados como entrada en el modelo de transporte.
planificación y modelado de transporte, diseñada para ArcGIS y una parte integral de Datos de modelos de transporte: Los modelos de simulación de transporte se utilizan
este. La herramienta Traffic Analyst es una solución completa para el modelado de la ampliamente para ayudar en la toma de decisiones estratégicas mediante el análisis de
demanda de tráfico a diferentes escalas geográficas, ya que no hay limitación de las indicadores de transporte como los volúmenes de tráfico, la distancia de viaje, el tiempo y la
zonas de análisis de tráfico. Más específicamente, es capaz de modelar cambios en la congestión (Hildebrand y Hortin, 2014). La herramienta Traffic Analyst de ArcGIS se utilizó para
demanda de viajes como resultado de cambios en los perfiles de uso del suelo, la generar modelos de transporte de SEQ de cuatro etapas para todos los escenarios en tres
demografía y la disponibilidad de infraestructura. Por lo tanto, es una herramienta viable espaciales (es decir, región, ciudad, local) y cuatro temporales (es decir, 2016,
para evaluar y predecir los impactos del transporte de escenarios alternativos de 2021, 2031, 2041).
crecimiento urbano en diferentes entornos sociodemográficos y de uso del suelo (Pitot, El modelo de transporte para 2016 se desarrolla como año base; 2021 a corto
Yigitcanlar, Sipe y Evans, 2006). plazo; 2031 como escala de análisis temporal de mediano plazo y 2041 de largo
plazo para el crecimiento urbano. Se seleccionó el período de análisis de 2016,
3. Metodología 2021, 2031 y 2041 para garantizar la coherencia con los datos del modelo de
transporte SEQ disponibles. Fuente principal del modelo de transporte SEQ
El enfoque metodológico de este estudio comprende tres pasos principales: proporcionado por el Departamento de Transporte y Vías Principales (TMR). Los
(a) generación de escenarios de crecimiento urbano alternativo; (b) Selección de datos del modelo de transporte de TMR SEQ recuperados y transferidos a ArcGIS
indicadores de impacto del transporte, y; (c) Desarrollo y análisis del modelo de para el modelado de cuatro etapas en la extensión de modelado de transporte de
transporte (Figura 1). Traffic Analyst.

3.1. Datos 3.2. Métodos

Los datos necesarios para esta investigación se recopilaron a partir de una revisión Los métodos de investigación pueden agruparse en tres partes, es decir, generación
de la literatura y se categorizaron según las preguntas y los objetivos de la investigación. de escenarios, selección de indicadores y evaluación de escenarios. Un proceso de
Los datos se agruparon en tres categorías como se presentó anteriormente: (a) Datos encuesta Delphi en dos partes, como se describe enMacCarthy y Atthirawong
cualitativos (indicadores y políticas); (b) Datos cuantitativos; (c) Datos espaciales y (2003) se utilizó para identificar la idoneidad de una serie de indicadores de
demográficos, y; (d) Datos de modelos de transporte. impacto del transporte y; identificar políticas para generar escenarios de
Datos cualitativos: Se realizó una revisión extensa de la literatura para crecimiento urbano. Esta información se incorporó posteriormente al modelo de
identificar la lista inicial de indicadores y políticas de impacto del transporte para transporte para evaluar diferentes escenarios de crecimiento. La técnica de
el desarrollo urbano sostenible en diferentes escenarios. Los datos primarios encuesta Delphi es un método sistemático para solicitar y agregar juicios
cualitativos se recopilaron mediante el método de encuesta Delphi para generar informados de un grupo de expertos sobre un tema en particular (Heiko, 2012).
una lista verificada y validada de indicadores de impacto del transporte y Permite la comunicación estructurada entre un grupo de individuos
escenarios de políticas basados en la opinión de expertos. permitiéndoles, en su conjunto, abordar un problema complejo de manera
Datos espaciales y demográficos: Los escenarios descriptivos generados a efectiva (MacCarthy y Atthirawong, 2003). En esta investigación, la gestión del
través de la encuesta Delphi se convirtieron en escenarios GIS para su posterior crecimiento urbano implica la participación de diversos actores y la técnica Delphi
análisis. En este estudio se generaron y evaluaron cuatro escenarios alternativos se presta a ser adecuada para tal participación.
de crecimiento urbano como: (a) Escenario sin cambios; (b) Escenario centrado en Se llevó a cabo una revisión exhaustiva de los perfiles profesionales
el medio ambiente; (c) Escenario centrado en la economía, y; (D) para preparar una lista de más de 100 expertos de los académicos y

3
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

Figura 1. Metodología de investigación (A = Escenarios de crecimiento urbano; B = Selección de indicadores; C = Modelado de transporte).

disciplinas profesionales: Los grupos predominantes de panelistas (24,1% cada uno) eran (IQR) y probabilidad esperada (EP). La puntuación media y el PE se utilizaron para
académicos y profesionales de la planificación urbana, seguidos por los planificadores proporcionar retroalimentación sobre el nivel de consenso a los expertos en la
de transporte (20,7%) y los científicos ambientales (13,8%). Una menor representación de Ronda 2. El PE se calculó para representar la frecuencia de una 'respuesta' en la
economistas (10,3%) y planificadores sociales (6,9%) probablemente se debió a que escala del 0 al 100%, es decir, si el 60% de los expertos calificado un indicador
entendieron que el tema no está directamente relacionado con su área de como 'Muy importante', el EP calculado es 60% (Corbin y Strauss, 1990). El
especialización. En total, 29 expertos participaron en la encuesta, que tenía un tamaño incremento de acuerdo entre las dos rondas de la encuesta se utilizó para evaluar
de muestra comparable con estudios similares basados en encuestas Delphi ( el nivel de consenso de las calificaciones de los indicadores. El incremento del
Esmaeilpoorarabi, Yigitcanlar, Guaralda y Kamruzzaman, 2018; Perveen et al., 2017). Se acuerdo se calculó sobre la base de las diferencias en el acuerdo (%) de un
pidió a los expertos que calificaran los 19 escenarios de políticas seleccionados en tres indicador entre las Rondas 1 y 2. Los resultados identificaron la idoneidad espacio-
grupos (centrados en el medio ambiente, centrados en la economía y equilibrados) de la temporal para tres indicadores basados en el consenso de expertos después de
literatura en función de su relevancia para la gestión del crecimiento urbano sostenible. la Ronda 2 de la encuesta. El tiempo de viaje, la distancia de viaje y la eficiencia de
Además, de los 62 indicadores seleccionados de una revisión exhaustiva de la literatura la red de transporte se identificaron como indicadores representativos de los
sobre los indicadores de crecimiento urbano y de transporte, solo 23 indicadores fueron impactos del transporte del crecimiento urbano en diferentes escalas espaciales
preseleccionados para la encuesta Delphi después de un examen cruzado de su (es decir, región, ciudad, local) y temporales (es decir, a largo, mediano y corto
aplicación como indicadores de impacto del transporte en el crecimiento urbano. El plazo).
cuestionario de la encuesta Delphi se dividió en dos secciones para la opinión de los
expertos sobre: (a) Escenarios alternativos de crecimiento urbano, y; (b) Indicadores de 3.2.2. Generación de escenarios
impacto del transporte. Las prácticas de planificación basadas en escenarios no son muy precisas
debido a las incertidumbres. Por lo tanto, es una práctica común centrarse en
varios escenarios alternativos, algunos de los cuales no se han acordado en
3.2.1. Selección de indicador investigaciones anteriores.Pillkahn (2008) Explicó que el número de escenarios
Se utilizó un proceso de encuesta Delphi de dos pasos para la selección de puede oscilar entre dos y diez según la definición, el objetivo y el alcance de un
indicadores, en el que se seleccionaron 23 indicadores después de un proceso de proyecto. En su mayoría, las prácticas de planificación basadas en escenarios se
selección iterativo para la evaluación adicional de su idoneidad espacio-tiempo a basan en tres a cinco escenarios para modelar los impactos del crecimiento
través de la encuesta Delphi. Se diseñó un cuestionario de encuesta Delphi en urbano (Sakieh, Amiri, Danekar, Feghhi y Dezhkam, 2015; Shearer et al., 2009;
línea utilizando la herramienta Key Survey. El objetivo fue evaluar la importancia Shiftan et al., 2003; Tolley, Lumsdon y Bickerstaff, 2001; Vermeiren y col., 2012). Se
de cada indicador en términos de su idoneidad para representar el impacto del utilizó una encuesta Delphi de dos rondas para generar escenarios alternativos de
transporte en diferentes escalas espaciales y temporales por parte de los crecimiento urbano, como se discutió anteriormente en la sección de inicio de la
expertos. El cuestionario, por lo tanto, fue diseñado para que los expertos puedan metodología. En total, se seleccionaron 19 escenarios de políticas en tres grupos
calificar la importancia de los indicadores seis veces en base a una escala Likert de (es decir, ambiental, económico y equilibrado) de la literatura en función de su
5 puntos (1- muy bajo a 5-muy alto). Las escalas de calificación se agruparon en relevancia para la gestión del desarrollo urbano sostenible.
dos: tres calificaciones para tres escalas espaciales (local, ciudad, regional) y tres
calificaciones para tres escalas temporales (corto, mediano y largo plazo).
También se mantuvieron opciones para que el experto sugiriera cualquier indicador 3.2.3. Evaluación de escenarios
que considerara relevante para esta investigación. Se derivaron cuatro estadísticas La evaluación de escenarios se realizó midiendo indicadores de transporte
resumidas basadas en las calificaciones de los indicadores de la Ronda 1 de la encuesta: seleccionados para todos los escenarios generados en tres escalas espaciales y
puntuación mediana, desviación estándar (DE), rango intercuartílico temporales. A nivel regional, el tiempo de viaje y la distancia desde Brisbane

4
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

tabla 1 Tabla 2
Nivel espacial de análisis. Guía de interpretación de GEH (DoT, 2011).

Región Ciudad Local Valor de GEH Criterios

Sureste de Queensland Brisbane Área de Annerley-Greenslopes GEH <5,0 Ajuste aceptable

Costa Dorada Área de Beenleigh 5,0 <= GEH <= 10,0 GEH> Precaución: posible error de modelo o datos incorrectos
Costa del Sol Área de Caloundra 10,0 Inaceptable
Ipswich Área de Pimpama-Coomera

2 (metro - C) 2
Se utilizaron el CBD a todas las demás zonas de la SEQ para analizar escenarios EH =
0,5 (metro + C) (1)
alternativos de crecimiento urbano. Sin embargo, se seleccionaron cuatro
ciudades para analizar los impactos a nivel de ciudad. Se seleccionaron las áreas Dónde:
urbanas con más lugares de trabajo (principales áreas comerciales y de empleo) m = volumen de tráfico de salida del modelo de simulación (vph) c =
para analizar el tiempo de viaje y la distancia. A nivel local, se seleccionaron cuatro volumen de tráfico de entrada (vph)
áreas con base en una combinación de área local estadística (SLA), zonas y áreas Los modelos base para 2016, 2021, 2031 y 2041 calibrados y validados contra
de crecimiento urbano propuestas bajo diferentes escenarios (tabla 1). las entradas de recuento de tráfico de las matrices del modelo de transporte TMR-
Los siguientes tres indicadores fueron seleccionados de la lista identificada de SEQ que reflejan las condiciones del tráfico observadas en el área de estudio.
indicadores a través de Delphi para evaluar los escenarios: (a) Distancia de viaje; Durante el proceso de calibración, el modelo se revisó continuamente para
(b) tiempo de viaje, y; (c) Eficiencia de la red de transporte. garantizar que se representen las réplicas más precisas de las condiciones del año
Los siguientes cuatro escenarios descriptivos generados a través del proceso de base. El GEH se calcula para el escenario normal de todos los años modelados. El
encuesta Delphi se convirtieron en escenarios basados en SIG y la evaluación se realizó GEH general para todos los modelos SEQ Traffic Analyst se calcula por debajo de
mediante la evaluación de los impactos del transporte mediante el uso de un modelo de 5.0, que se encuentra en el rango aceptable.
transporte de cuatro etapas;
3.2.5. Análisis de sensibilidad

• Escenario A: Escenario sin cambios: Este escenario se basó en el plan El análisis de sensibilidad (SA) del modelo de simulación de tráfico es importante
para comprender los parámetros de entrada más influyentes. Esencialmente, se
estratégico existente para el área de estudio de caso seleccionada de la
región SEQ, es decir, Dar forma al Plan Regional SEQ South East Queensland requiere un análisis de sensibilidad para explorar la relación entre los parámetros de
2017. entrada y las salidas de la simulación. El análisis de sensibilidad también es un método

• Escenario B: Escenario centrado en el medio ambiente: este escenario clave para identificar los parámetros de entrada más importantes de las incertidumbres
del modelado. Hay varios métodos disponibles para evaluar la incertidumbre de salida
considera varias preocupaciones ambientales que deben incorporarse a nivel
de políticas al planificar la gestión del crecimiento urbano futuro. El escenario del modelo y cuantificar la importancia de los factores de entrada. Sin embargo, a pesar
centrado en el medio ambiente tiene como objetivo crear un área urbana que de su importancia, un análisis de sensibilidad adecuado para los modelos de tráfico
será más sensible al medio ambiente. apenas se realiza en la práctica común debido a limitaciones de tiempo y

• Escenario C: Escenario centrado en la economía: este escenario computacionales (Giap y Kosuke, 2014; Qiao Ge, Ciuffo y Menendez, 2014; Wan et al.,
considera varias preocupaciones económicas que deben 2015).
incorporarse a nivel de políticas al gestionar el crecimiento urbano Los métodos de análisis de sensibilidad se pueden clasificar ampliamente en dos:
futuro. Este escenario apunta a crear un área urbana más sensible (a) Análisis de sensibilidad local, y; (b) Análisis de sensibilidad global. El análisis de
al desarrollo económico. sensibilidad local, también conocido como método uno a la vez (OAT), se lleva a

• Escenario D: Escenario equilibrado (beneficios ambientales y económicos cabo variando un parámetro de entrada a la vez y manteniendo otros parámetros
en un valor constante para analizar su impacto en los resultados del modelo.
equilibrados): Este escenario proporciona un enfoque equilibrado. Destaca las
estrategias para el crecimiento económico al tiempo que mejora los Dependiendo del número de variables de entrada, el método OAT requiere
resultados ambientales. múltiples evaluaciones de modelos para estimar las derivadas. Debido a su muy
alta eficiencia computacional, el método OAT se usa comúnmente (Ge, Ciuffo y
Menendez, 2015; Giap y Kosuke, 2014; Hamby, 1994). En contraste, los enfoques
3.2.4. Modelo de transporte de cuatro etapas, calibración y validación basados en la varianza a menudo exigen un esfuerzo computacional sustancial
La precisión de los modelos de transporte depende en gran medida del debido al número de parámetros de entrada incluidos en los modelos de tráfico.
proceso de calibración utilizado durante el desarrollo. La calibración es el proceso Sin embargo, los enfoques basados en la varianza son capaces de identificar la
de colocar datos verificables en un modelo de tráfico para replicar las condiciones interacción de los parámetros y, por lo tanto, se conocen como técnica de análisis
de transporte observadas. La calibración puede requerir el ajuste de los de sensibilidad global (Daamen, 2015; Qiao Ge et al., 2014;
parámetros del modelo para reproducir el comportamiento observado, y debe Wan et al., 2015). En este estudio se utilizó el método de análisis de sensibilidad
realizarse para cada período de tiempo que se modela. OAT para probar la sensibilidad de las salidas frente a todas las variables de
La calibración de los recuentos de tráfico para los modelos de transporte puede entrada. La incertidumbre se investigó en dos configuraciones de tráfico
implicar el ajuste de las matrices de demanda para que coincidan con los recuentos de generado (GT) (es decir, caso base GT 1.0 y GT 3.0-OAT).
tráfico (estimación de la matriz). GEH (Geoffrey E. Haver) es una medida reconocida de El escenario GT 1.0 representa el caso base sin cambios en los parámetros, mientras
'bondad de ajuste' que se utiliza generalmente para comparar los flujos del modelo con que todos los escenarios GT 3.0 corresponden al valor tres veces mayor para los
los recuentos observados (DoT, 2011). La estadística GEH es una fórmula para comparar respectivos parámetros de entrada. Todos los parámetros se cambiaron uno a la vez de
dos conjuntos de volúmenes de tráfico y recibe su nombre de Geoffrey E. Havers, quien GT 1.0–3.0 para analizar sus impactos en los resultados generados a partir de las
la inventó en la década de 1970 mientras trabajaba como planificador de transporte en ejecuciones de simulación del modelo para todos los escenarios. La incertidumbre se
el Greater London Council. La fórmula es una forma de estadística Chi-cuadrado expresó en términos de coeficiente de variación (CV) que se puede utilizar para
diseñada para tolerar errores mayores en flujos bajos. La razón para introducir tal comparar la variabilidad entre diferentes medidas (Manzo, Nielsen y Prato, 2015). Los
estadística es la incapacidad de la diferencia absoluta o la diferencia relativa para hacer parámetros de entrada con los valores de CV más altos revelan la alta sensibilidad de los
frente a una amplia gama de flujos. Fórmula GEH (Eq. indicadores de salida generados bajo escenarios OAT específicos (Tabla 3). Los
(1)) se utiliza como método de validación para determinar un 'ajuste aceptable' de los resultados destacan que los parámetros de entrada más sensibles son la velocidad libre
resultados del modelo para evaluar qué tan estrechamente se corresponden los (GT 3.0-FS3) y la velocidad de cola (GT 3.0-QS3) seguidos por los parámetros de entrada
volúmenes de entrada y salida. Los criterios de GEH para determinar el 'ajuste aceptable' de capacidad de carril (GT 3.0-LC3). Los indicadores de salida también muestran
se proporcionan enTabla 2. sensibilidad a los parámetros de entrada

5
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

Tabla 3
Resultados del análisis de sensibilidad.

Escenarios Tiempo de viaje Distancia de viaje Volumen / capacidad de tráfico

Promedio StDev CV Promedio StDev CV Promedio StDev CV

GT1.0 (caso base) 37.036 26.966 0,728 49.048 40.080 0,817 0,146 0.508 3.478
GT3.0-POP3 37.036 26.966 0,728 49.048 40.080 0,817 0,147 0.517 3.515
GT3.0-WP3 36.790 26.689 0,725 49.049 40.092 0,817 0,139 0,499 3.587
GT3.0-W3 36.196 26.031 0,719 49.198 40.217 0,817 0,141 0.483 3.417
GT3.0-WPP3 37.070 26.982 0,728 49.045 40.083 0,817 0,146 0.486 3.331
GT3.0-WPS3 36.786 26.701 0,726 49.057 40.101 0,817 0,146 0.484 3.320
GT3.0-FS3 16.122 12.780 0,793 48.573 39.953 0,823 0,042 0,253 5,996
GT3.0-QS3 15.999 12.622 0,789 48.393 39.768 0,822 0,042 0,252 6.018
GT3.0-LC3 35.872 26.190 0,730 49.071 40.028 0,816 0.062 0,263 4.243

variación para trabajadores (GT 3.0-W3) y lugares de trabajo (GT 3.0-WPP3, GT debería tener en cuenta esta distinción (Lukman, Krajnc y GlaviC,
3.0-WPS3). Sin embargo, la entrada de población (GT 3.0-POP3) revela la menor 2010). El reescalado o método min-max que normaliza los indicadores
sensibilidad entre todos los parámetros de entrada en el modelo de tráfico. entre el valor de 0 y 1, es adecuado para este estudio porque puede
La sensibilidad de los resultados frente a la variación en los escenarios diferenciar entre indicadores positivos y negativos (Reisi et al., 2014).
GT 3.0 para todas las entradas fue significativa para calibrar el modelo y Ecs.(3) y (4) se aplicaron para la normalización de los indicadores. Cabe
ganar confianza en los resultados del modelo. señalar que 0 en los indicadores normalizados siempre corresponde al
peor desempeño y 1 corresponde al mejor desempeño.
3.2.6. Cálculo de valores de indicador +
I+ II -
+
min
El tiempo de viaje y la distancia de una ruta completa desde el origen norte I+ I +
X - min
mamá (3)
hasta el destino se calcularon simplemente acumulando los datos de cada
enlace utilizando la salida del modelo de transporte de Traffic Analyst. Sin I- - I -
- max
embargo, las definiciones de los filtros se utilizaron para extraer la Inorte I-
max - I- min (4)
información deseada para un área en particular (es decir, definiendo la
'zona' deseada). Además, se utilizó la simulación de Monte Carlo para Dónde:
calcular el tiempo de viaje y la distancia promedio a nivel local porque los Inorte= Indicador normalizado I
valores modelados se calcularon en las cuatro localidades seleccionadas, sin “+” = Para indicador cuyo valor creciente tiene un impacto positivo en la
embargo, los valores pueden variar en otras localidades dentro del área de sostenibilidad
estudio. Las simulaciones de Monte Carlo se utilizan para modelar la “-” = Para indicador cuyo valor creciente tiene un impacto negativo en la
probabilidad de diferentes resultados en un proceso que no se puede sostenibilidad
predecir fácilmente debido a la intervención de variables aleatorias.Hamby, min = Valor mínimo del indicador max =
1994). El número de simulaciones en el método de Monte Carlo puede Valor máximo del indicador
oscilar entre 1.000 y 500.000 (Jeon y Hong, 2016; Rubino y Tuffin, 2009).
Después de la literatura de análisis, se utilizaron 5000 ejecuciones de 4. Resultados y discusión
simulación en este estudio para pronosticar el tiempo promedio de viaje y la
distancia a nivel local. 4.1. Tiempo de viaje
La eficiencia de la red de transporte se calculó utilizando criterios de nivel de servicio
(LOS) para todas las escalas espaciales y temporales. LOS se utiliza para definir El tiempo de viaje se considera un indicador confiable y fácil de entender para medir
cualitativamente las situaciones operativas de una carretera en función de factores como la calidad de la eficiencia de la red de transporte. El tiempo de viaje representa el costo
el tiempo de viaje, la velocidad, el retraso y la seguridad. Los LOS de una carretera se no monetario de un viaje que varía según el modo de transporte y el propósito del viaje
designan con una letra, de la A a la F, donde A representa las mejores situaciones en general. Los patrones de viaje se desviaron bajo diferentes escenarios de crecimiento
operativas y F la peor. Los LOS se calculó mediante el uso de la fórmula de relación urbano y, por lo tanto, pueden tener el efecto de reducir o aumentar el tiempo de viaje y
capacidad / volumen en la ecuación.(2) como sigue: los retrasos (Koopmans, Groot, Warffemius, Annema y Hoogendoorn-Lanser, 2013). El
tiempo de viaje afecta directamente el nivel de congestión y otras externalidades
Volumen
CR = relacionadas con el transporte que ayudan a evaluar escenarios alternativos de
Capacidad (2)
crecimiento urbano (Perveen et al., 2016). El resumen de los resultados del indicador de
Los criterios de LOS basados en las relaciones de volumen a capacidad utilizados en este tiempo de viaje del ejercicio de modelado de transporte en todas las escalas espaciales y
estudio para evaluar la eficiencia de la red de transporte como se describe en el Manual de temporales se proporciona enCuadro 4. Los resultados del indicador de tiempo de viaje
Capacidad de Carreteras de la Junta de Investigación del Transporte. de todos los escenarios revelan que existe una variación significativa en todas las escalas
espaciales dentro de los escenarios. En escala temporal, los valores del indicador de
3.2.7. Normalización de los valores de los indicadores tiempo de viaje muestran una mayor variación a escala de corto y largo plazo. Los
Los indicadores seleccionados tienen diferentes tipos de información valores en la escala de mediano plazo tendían a ser de alguna manera similares a los
cuantitativa con diferentes unidades de medida. Por tanto, para evitar sumar productos de corto plazo con alguna variación en diferentes escenarios de crecimiento
distintas escalas antes de pasar a la etapa de agregación, es necesario acercar los urbano. Los detalles de los resultados del tiempo de viaje a nivel regional, de ciudad y
indicadores a la misma escala, transformándolos en números adimensionales. local se discuten en las siguientes subsecciones.
Este proceso se llama normalización (Reisi, Aye, Rajabifard y Ngo, 2014). Cabe
señalar que algunos indicadores pueden considerarse indicadores negativos (es
decir, indicadores cuyos valores crecientes tienen un impacto negativo en la 4.1.1. Escala regional
sostenibilidad) mientras que otros pueden considerarse indicadores positivos (es Los tiempos de viaje promedio calculados a nivel regional muestran variaciones
decir, indicadores cuyos valores crecientes tienen un impacto positivo en la entre todos los escenarios (Figura 2, Cuadro 4). Debido a que los valores se presentan
sostenibilidad). Para considerar indicadores tanto positivos como negativos en la como el promedio de todas las zonas, no representan la variación en términos de una
clasificación final, cualquier proceso de normalización unidad de medida del tiempo de viaje (minutos). Además, la tendencia general de

6
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

Cuadro 4 no presenta una variación notable en el tiempo promedio de viaje de 2016 a 2014.
Tiempo medio de viaje (minuto). Los escenarios centrados en la economía y equilibrados siguen los mismos

Año Lo de siempre Centrado en el medio ambiente Centrado en la economía Equilibrado

patrones de 2016 a 2021, pero el tiempo de viaje calculado es mayor que el
escenario equilibrado en 2031 y 2041. Sin embargo, el tiempo de viaje para el
Región medio ambiente El escenario enfocado indicó la misma tendencia que la
2016 37.036 41.550 40.071 39.817
observada en el análisis a nivel regional, es decir, el valor de indicador medido
2021 36.551 42.071 38.582 40.687
2031 36.292 42.191 40.306 39.810
más alto entre todos los escenarios (Fig. 3, Cuadro 4).
2041 36.064 40.881 39.409 38.528
Ciudad
4.1.3. Escala local
2016 12.643 17.133 15.678 15.417
2021 12.655 17.855 16.427 16.259 La comparación del tiempo de viaje modelado y simulado revela que los valores
2031 12.582 17.169 16.619 15.429 simulados siguen la misma tendencia que los valores modelados, aunque ligeramente
2041 12.615 18.663 15.908 15.105 más altos. Como se muestra enFigura 4 y Cuadro 4, los escenarios ambientales y
Local económicos no siguen la misma tendencia que a nivel regional y de ciudad. Los
2016 6.095 10.593 9.131 8.872
escenarios centrados en el medio ambiente y centrados en la economía son
2021 6.076 11.303 10.009 9.596
2031 6.092 10.683 10.124 8.871 comparables en su proporción de valores de tiempo de viaje más altos entre los cuatro
2041 6.064 12.099 9.351 8.552 escenarios. Además, el tiempo de viaje en el escenario de balance es menor que los
Local: valores simulados de Monte- escenarios centrados en el medio ambiente y centrados en la economía en los datos
Carlo 2016 9,15 12,68 11.25 12.07
modelados, pero no representa una diferencia significativa en los valores de Monte
2021 9,38 12,07 11,87 11.44
Carlo simulados.
2031 8,47 11,73 12.06 10,57
2041 7,63 13,19 10.54 10,86

4.2. Distancia de viaje

El tiempo de viaje en todos los escenarios mostró un incremento de 2016 a 2021 y

La distancia de viaje juega un papel clave en las emisiones de GEI del tráfico
2031, pero una ligera disminución en 2041. La inclusión de nuevas carreteras y
motorizado. El aumento de las frecuencias de viaje y las distancias de viaje generan más
carriles en las carreteras podría ser una razón detrás de esta disminución en
emisiones de GEI junto con otros costos relacionados con el transporte, por ejemplo,
2041. Al comparar los escenarios, en general el negocio- El escenario habitual
más consumo de combustible. Los patrones socioeconómicos y demográficos son los
muestra una tendencia de menor tiempo de viaje para todas las escalas
principales factores que afectan las distancias de viaje en cualquier localidad. Por lo
temporales. Sin embargo, el escenario business as usual no abarca las políticas de
tanto, un escenario de crecimiento urbano con niveles más bajos de emisiones de GEI
desarrollo urbano sostenible implementadas por otros escenarios. Por lo tanto, la
debido a distancias más cortas entre las ubicaciones de origen y destino puede
comparación solo fue significativa entre escenarios centrados en el medio
considerarse sostenible. Se midieron y compararon las distancias de viaje en diferentes
ambiente, centrados en la economía y equilibrados para identificar el escenario
niveles espaciales y regionales para identificar el escenario sostenible. El resumen de los
más adecuado para el desarrollo urbano sostenible.
resultados del indicador de distancia de viaje del ejercicio de modelado de transporte en
El escenario centrado en el medio ambiente muestra el tiempo de viaje más
todas las escalas espaciales y temporales se proporciona en
largo, seguido del escenario centrado en la economía. El escenario equilibrado
Cuadro 5. Los resultados del indicador de distancia de viaje de todos los escenarios
muestra el menor tiempo de viaje entre los tres escenarios generados excluyendo
revelan que no hay variaciones significativas en ninguna escala temporal y espacial. Sin
el negocio habitual. El tiempo de desplazamiento desde el origen al destino
embargo, los valores indican ligeras variaciones entre los diferentes escenarios de
depende de muchos factores, incluida la eficiencia de la red de transporte, y es
crecimiento urbano. Los detalles de los resultados de la distancia de viaje a nivel
responsable de muchas externalidades ambientales, incluida la contaminación (es
regional, de ciudad y local se discuten en las siguientes subsecciones.
decir, el aire, el ruido) y el aumento del consumo de recursos naturales. Por lo
tanto, los escenarios con el menor tiempo de viaje para todos los años modelados
pueden promover un impacto positivo en el desarrollo urbano sostenible. 4.2.1. Escala regional
Las distancias de viaje a nivel regional demuestran una correlación con las
tendencias de tiempo de viaje observadas para todos los escenarios acordados desde la
4.1.2. Escala de la ciudad perspectiva del modelado de transporte, ya que el tiempo de viaje y la distancia son
El análisis del tiempo de viaje a nivel de ciudad sigue las tendencias regionales en el productos de las mismas matrices de costos que presentan patrones de viaje entre
escenario centrado en el medio ambiente, centrado en la economía y equilibrado, zonas. Excluyendo el escenario habitual, la distancia de viaje para el escenario centrado
excepto en el escenario de negocios como de costumbre. El caso habitual en el medio ambiente se mide como la más alta de todos los años

Figura 2. Tiempo medio de viaje a nivel regional.

7
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

Fig. 3. Tiempo medio de viaje a nivel de ciudad.

Figura 4. Comparación del tiempo medio de viaje modelado y simulado a nivel local.

Cuadro 5 y los centros urbanos se distribuyeron y los patrones de viaje se cambiaron de

Distancia media de viaje (km). viajes de larga distancia a los centros comerciales y de empleo del vecindario.

Año Lo de siempre Centrado en el medio ambiente Centrado en la economía Equilibrado

Estos patrones de viaje afirman los valores de los indicadores modelados tanto
para el tiempo de viaje como para las distancias.
Región
2016 49.048 49.840 49.337 49.231
4.2.2. Escala de la ciudad
2021 49.080 49.647 49.437 49.233
Las distancias de viaje a nivel de ciudad muestran tendencias de crecimiento
2031 48,996 49.903 49.310 49.216
2041 48.994 49.799 49.441 49.239 similares de 2016 a 2041, excepto en el escenario Medioambiental. La distancia de viaje
Ciudad es alta en 2016; cae a su nivel más bajo en 2021 y nuevamente aumenta en 2031 con una
2016 13.923 14.712 14.214 14.105 nueva caída en 2041. En particular, los valores en el escenario ambiental a nivel de
2021 13.910 14.536 14.257 14.108
ciudad adoptan una tendencia de contraste, es decir, los valores en otros escenarios
2031 13.859 14.753 14.207 14.088
2041 13.878 14.679 14.337 14.152 aumentan y los valores en el escenario centrado en el medio ambiente disminuyen y
Local viceversa (Figura 6, Cuadro 5).
2016 6.479 7.268 6.769 6.662
2021 6.443 7.056 6.742 6.636
4.2.3. Escala local
2031 6.446 7.339 6.789 6.659
2041 6.432 7.232 6.886 6.705 De manera similar al tiempo de viaje, las distancias de viaje en la escala espacial
Local: valores simulados de Monte- local se midieron mediante un ejercicio de modelado de transporte y mediante el uso de
Carlo 2016 8,53 7,91 7.01 7,69 simulaciones de Monte Carlo (Figura 7, Cuadro 5). La comparación de valores simulados
2021 7,77 8,37 7.79 6,37 y modelados revela variaciones notables para todos los años; sin embargo,
2031 6,88 7,00 6,74 5.42
aproximadamente el 40% de los valores simulados siguen las tendencias de los valores
2041 7,59 7,97 8.01 6.32
modelados. El análisis a escala espacial local indicó que es importante evaluar el
indicador de distancia de viaje en diferentes escalas espaciales para obtener supuestos

seguido por el escenario centrado en la economía y el escenario equilibrado, precisos sobre la idoneidad de los escenarios de crecimiento urbano.

respectivamente (Figura 5, Cuadro 5). Las políticas en el escenario centrado en el medio

ambiente promueven el crecimiento urbano lejos de las áreas propensas a inundaciones
y otras áreas ambientalmente sensibles, lo que da como resultado un crecimiento 4.3. Eficiencia de la red de transporte
urbano futuro asumido no cerca de las orillas de los ríos y las costas, así como otras
áreas reservadas. Por lo tanto, las distancias de viaje aumentaron en comparación con el El resumen de los resultados de LOS en todas las escalas espaciales y temporales se
escenario habitual. Considerando que las políticas en el escenario centrado en la proporciona en Tabla 6 y se discute más en las siguientes subsecciones.
economía promueven la generación de nuevos centros comerciales y de empleo. Por lo
tanto, las distancias de viaje hacia y desde el comercial clave 4.3.1. Escala regional
El análisis de la medida de LOS a nivel regional indica que, más

8
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

Figura 5. Distancia media de viaje a nivel regional.

del 95% de las carreteras no estaban congestionadas. Esto se debió a 4.3.3. Escala local
que el problema de la congestión se relaciona principalmente con las Los LOS medidos a nivel local revelaron un contraste con la tendencia medida
carreteras principales y las carreteras que conectan las principales a escala espacial a nivel regional y de ciudad. El escenario centrado en la
áreas comerciales y de empleo como la ciudad de Brisbane. Una parte economía muestra la menor congestión a nivel local, mientras que los escenarios
predominante de la red de transporte incluye principalmente calles y de negocio como siempre y equilibrado son los de peor desempeño. El escenario
carreteras pequeñas que rara vez están congestionadas debido a los centrado en el medio ambiente también muestra niveles de congestión más bajos
bajos volúmenes de tráfico. El análisis visual de los datos de LOS para en comparación con el escenario normal y equilibrado (Tabla 6). Los valores de
los criterios F representa los escenarios del mundo real. El nivel de LOS de contraste medidos a nivel local reafirman que los indicadores deben
congestión para el escenario sin cambios es el más alto entre todos los medirse a diferentes niveles para obtener un valor representativo de los
escenarios en 2016 y 2021, y disminuye gradualmente en 2031 y 2041. escenarios del "mejor caso" o del "peor caso".
Los valores medidos para el escenario centrado en el medio ambiente
muestran niveles de congestión ligeramente más altos que el
escenario centrado en la economía y equilibrado . Sin embargo,Tabla 6 4.4. Ranking de escenarios de crecimiento urbano

).
Los indicadores utilizados en este estudio tienden a diferir dentro de su rango
de valores y unidades de medida. Por tanto, es fundamental estandarizar estos
4.3.2. Escala de la ciudad
valores mediante un determinado método de agregación, para que su rango de
Los valores de LOS calculados a nivel de ciudad presentaron de alguna manera variabilidad sea constante (Lukman y col., 2010). Se utilizó un procedimiento de
propensiones similares a las mostradas a nivel regional. Sin embargo, los niveles de normalización adecuado como se explica en la sección de metodología, y se
congestión estimados para el escenario equilibrado indican que el rendimiento de la red normalizaron los valores del indicador en todos los escaladores espaciales y
de transporte fue comparable con otros escenarios, específicamente el de la situación temporales para clasificar los escenarios (Tabla 7). En los valores normalizados de
habitual. El escenario de negocios como siempre se presenta como el peor desempeño 0 a 1, 'cuanto más alto es mejor', lo que proporciona la clara compatibilidad de
en términos de eficiencia de la red de transporte evaluada según los criterios de LOS. diferentes indicadores para generar el mejor escenario para el desarrollo urbano
Curiosamente, el escenario centrado en el medio ambiente no muestra una tendencia sostenible. Después de la normalización de los indicadores, se realizó la
diferente de valores más altos medidos para otros indicadores. Sin embargo, la LOS fue agregación para clasificar los escenarios de desarrollo urbano sostenible. Fórmula
mayor en comparación con el escenario equilibrado y centrado en la economía. En del índice de agregación de escenarios (EFS) (Eq.(5)) se utilizó para agregar los
conclusión, el escenario equilibrado se comportó mejor a nivel de ciudad según el indicadores para clasificar los escenarios (Böhringer y Jochem, 2007).
análisis de datos LOS (Tabla 6).
1
EFS = ∑ X
norte

I
norteI= 1 (5)

Figura 6. Distancia media de viaje a nivel de ciudad.

9
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

Figura 7. Comparación de la distancia media de viaje modelada y simulada a nivel local.

Dónde: El indicador de tiempo de viaje obtuvo el consenso sobre escalas temporales a

N = N es el número de indicadores considerados corto y largo plazo y el modelo refleja la variación significativa en los
xI= Indicador normalizado productos para estas escalas temporales.
El valor SAI calculado como se muestra en Tabla 8 destacando el escenario • La idoneidad del indicador de distancia de viaje no refleja el consenso de
equilibrado que ocupó el primer lugar en la promoción del desarrollo urbano sostenible los expertos a escala espacial local y regional. Además, los resultados
en el área de estudio. El escenario centrado en la economía ocupó el segundo lugar para del modelo tampoco revelan una variación importante en el tiempo de
el desarrollo urbano sostenible en la SEQ. Por tanto, las políticas identificadas en el viaje promedio en las escalas temporales sugeridas. Sin embargo, hubo
escenario equilibrado pueden aceptarse como políticas adecuadas para el desarrollo una variación notable entre los diferentes escenarios de crecimiento
urbano sostenible. En general, los análisis de los indicadores de impacto del transporte urbano.
validan la selección de estas políticas, así como los métodos para evaluar los escenarios. • La eficiencia de la red de transporte medida por los criterios de LOS refleja
una variación notable a escala espacial a nivel local y de ciudad; sin embargo,
En un intento por abordar la cuestión de cómo se pueden modelar los las diferencias de valores son menos obvias a nivel regional. En el contexto de
impactos del transporte en el crecimiento urbano, esta investigación empírica la escala temporal, la variación en los valores de los criterios de LOS F fue
generó algunos resultados útiles. A la luz de estos resultados, el estudio destaca significativa en todas las escalas temporales.
los siguientes hallazgos clave: • En su mayoría, las emisiones de viajes de larga distancia contribuyen a más
emisiones de GEI. Por lo tanto, las políticas de crecimiento urbano con mayor

• La idoneidad del indicador de tiempo de viaje propuesto revela resultados similares distancia de viaje, tiempo y mayor congestión tendrán resultados ambientales
del ejercicio de modelado, y los resultados apoyan el consenso proporcionado por negativos.
los expertos en diferentes escalas espaciales y temporales. El indicador de tiempo de • La comparación de los valores de los indicadores agregados revela que el
viaje ha ganado el consenso de los expertos como indicador importante en todas las escenario equilibrado es el mejor escenario para promover el desarrollo
escalas espaciales y los resultados del modelado muestran variaciones en el tiempo urbano sostenible en la SEQ.
de viaje promedio en todas las escalas espaciales. Similar, • Las pólizas con los valores más altos de impacto negativo del transporte
Tabla 6
Eficiencia de la red de transporte (% de LOS medidos).

LOS Región Ciudad Local

2016 2021 2031 2041 2016 2021 2031 2041 2016 2021 2031 2041

Lo de siempre A 95,56 95,65 99,51 99,42 92,89 94.15 99,41 99,26 88,82 88,57 98.12 97,84
B 0,52 0,79 0,02 0,03 0,72 1.04 0,04 0,06 0,38 1,43 0,02 0,01
C 0,47 0,72 0,06 0,07 0,66 0,91 0,12 0,13 0,90 1,85 0,31 0,38
D 0,33 0,56 0,05 0,02 0,62 0,75 0,11 0,04 0,57 2.02 0,30 0,03
mi 0,20 0,57 0,08 0,04 0,37 0,79 0,16 0,09 0,46 1,13 0,00 0,09
F 2,92 1,71 0,27 0,42 4,74 2,37 0,16 0,42 8,87 5,00 1,26 1,65
Centrado en el medio ambiente A 99,76 99,68 99,51 99,42 99,84 99,68 99,41 99,27 99,23 98,39 98.12 97,84
B 0,15 0,16 0,02 0,04 0,16 0,16 0,04 0,07 0,40 0,26 0,02 0,01
C 0,08 0,12 0,06 0,07 0,00 0,09 0,12 0,13 0,27 1,25 0,31 0,38
D 0,01 0,04 0,05 0,01 0,00 0,07 0,11 0,02 0,10 0,10 0,30 0,03
mi 0,00 0,00 0,08 0,06 0,00 0,00 0,16 0,12 0,00 0,00 0,00 0,38
F 0,00 0,00 0,27 0,40 0,00 0,00 0,16 0,39 0,00 0,00 1,26 1,36
Centrado en la economía A 99,72 99,56 100 99,41 99,77 99,52 100 99,24 98,60 98.03 100,00 97,84
B 0,13 0,08 0,00 0,04 0,08 0,15 0,00 0,07 0,49 0,33 0,00 0,01
C 0,14 0,11 0,00 0,07 0,16 0,13 0,00 0,14 0,91 0,00 0,00 0,38
D 0,00 0,08 0,00 0,02 0,00 0,02 0,00 0,05 0,00 0,37 0,00 0,03
mi 0,00 0,09 0,00 0,06 0,00 0,07 0,00 0,12 0,00 0,74 0,00 0,38
F 0,00 0,07 0,00 0,40 0,00 0,11 0,00 0,38 0,00 0,54 0,00 1,36
Equilibrado A 99,72 99,56 99,89 99,41 99,76 99,52 99,84 99,24 98,60 98.03 98,94 97,56
B 0,13 0,07 0,10 0,05 0,07 0,14 0,16 0,10 0,46 0,33 0,97 0,42
C 0,15 0,12 0,00 0,07 0,17 0,15 0,00 0,14 0,94 0,00 0,09 0,53
D 0,00 0,08 0,00 0,02 0,00 0,02 0,00 0,05 25.53 0,37 0,00 0,03
mi 0,00 0,09 0,00 0,04 0,00 0,07 0,00 0,08 0,00 0,74 0,00 0,09
F 0,00 0,07 0,00 0,40 0,00 0,11 0,00 0,39 0,00 0,54 0,00 1,36

10
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

Tabla 7
Escenarios de crecimiento urbano: valores normalizados mínimo-máximo.

Indicadores Años Lo de siempre Centrado en el medio ambiente Centrado en la economía Equilibrado

Región Ciudad Local Región Ciudad Local Región Ciudad Local Región Ciudad Local

Distancia de viaje 2016 0,00 1,00 1,00 0,49 1,00 0,95 0,14 1,00 1,00 0,40 1,00 1,00
2021 0,50 0,00 0,00 0,09 0,00 0,17 1,00 0,00 0,09 0,00 0,00 0,00
2031 0,77 0,32 0,40 0,00 0,27 0,23 0,00 0,12 0,00 0,41 0,46 0,48
2041 1,00 0,38 0,17 1,00 0,31 0,35 0,52 0,38 0,41 1,00 0,59 0,42
Tiempo de viaje 2016 0,37 1,00 0,00 0,25 1,00 0,30 7,64 1,00 0,07 0,34 1,00 0,24
2021 0,00 0,00 0,40 1,00 0,00 0,00 7,62 0,00 0,00 0,28 0,00 0,02
2031 0,98 0,63 1,00 0,00 0,45 0,29 7,64 0,61 0,17 1,00 0,43 0,00
2041 1,00 0,77 0,55 0,41 0,68 1,00 7,62 0,74 1,00 0,00 0,66 1,00
Eficiencia de la red de transporte 2016 0,00 0,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
2021 0,46 0,48 0,49 1,00 1,00 1,00 0,83 0,71 0,61 0,83 0,72 0,61
2031 1,00 0,00 0,00 0,32 0,60 0,08 1,00 1,00 1,00 1,00 1,00 1,00
2041 0,95 0,06 0,05 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

Tabla 8 de esta investigación indican que las políticas de crecimiento urbano con
Ranking de escenarios de crecimiento urbano basado en valores EFS. menor impacto ambiental deben promoverse con impactos futuros
medidos. Esta idea sugiere que visualizar los resultados futuros de las
Indicadores Negocio como Medio ambiente- Economía- Equilibrado
usual enfocado enfocado políticas de hoy puede prevenirnos de los resultados ambientales
indeseables que obstruyen el desarrollo urbano sostenible.
Distancia de viaje 0,46 0,41 0,39 0,48
Tiempo de viaje 0,56 0,45 0,45 0,41
Red de transporte 0,37 0,58 0,68 0,68
5. Conclusión
eficiencia
Valor SAI 0,47 0,48 0,51 0,52
Clasificación 3 4 2 1 Las emisiones de gases de efecto invernadero (GEI) del transporte son una
preocupación fundamental para el desarrollo urbano sostenible, un contribuyente
* El valor más alto de EFS es mejor para promover el desarrollo urbano sostenible. significativo de la crisis climática global (Sotto, Philippi, Yigitcanlar y Kamruzzaman, 2019)
-, y medir los impactos del transporte del tiempo de viaje, la distancia de viaje y la
Los indicadores pueden conducir en última instancia a un desarrollo urbano congestión puede ayudar a medir los resultados de las emisiones de diferentes políticas
insostenible, que es el desafío más discutido para lograr los resultados de crecimiento urbano. El consumo de combustible y las emisiones de gases de efecto
deseados de las políticas. invernadero están directamente relacionados con el aumento de la distancia de viaje, el
tiempo y la congestión. Como se argumenta en la literatura, las políticas de crecimiento
A pesar de los hallazgos clave anteriores, este estudio tiene algunas limitaciones y varias preguntas permanecen abiertas para futuras investigaciones. La selección de
urbano que apoyan patrones de viaje mejorados con distancias y tiempo de viaje
datos sociodemográficos para diferentes escenarios de crecimiento urbano se realizó mediante un proceso de autoselección, que podría mejorarse mediante la consulta de las
reducidos al tiempo que brindan formas de uso del suelo más accesibles se consideran
partes interesadas en el proceso. No podemos descartar la posibilidad de un patrón sociodemográfico y de uso de la tierra diferente cuando se genera a través de la consulta de
políticas de desarrollo urbano más sostenibles (Litman, 2007). El análisis de escenarios
las partes interesadas. En particular, se involucró la consulta a las partes interesadas para generar escenarios de crecimiento urbano cualitativo, pero hacer lo mismo para
de crecimiento urbano alternativo puede proporcionar una manera de identificar tales
convertir escenarios descriptivos en modelos de transporte de Traffic Analyst puede requerir años para desarrollarse debido a una gran cantidad de escenarios / modelos de
políticas para lograr el desarrollo sostenible en el futuro. Por lo tanto, este estudio
transporte deseados. Esto implica que los patrones sociodemográficos y de uso de la tierra podrían diferir si las partes interesadas tuvieran el control de los patrones de
intenta analizar las políticas en cuatro escenarios alternativos de crecimiento urbano, es
preferencia. Además, los resultados podrían ser diferentes si se utilizaran más indicadores para analizar los impactos del transporte de los escenarios de crecimiento urbano.
decir, como siempre, centrado en el medio ambiente, centrado en la economía y
Además, este estudio enfatizó el análisis de escenarios alternativos de crecimiento urbano a diferentes escalas espaciales y temporales, lo que implicó más tiempo que otros
equilibrado.
enfoques de análisis de escenarios realizados solo en una escala espacial o temporal. No solo el tiempo, sino también los datos y los esfuerzos involucrados en el análisis de
Los indicadores de transporte representativos a escala espacial y temporal
múltiples escalas, también aumentan considerablemente. Cabe mencionar que este estudio solo se centra en el tiempo de viaje, la distancia y la LOS. Por ejemplo, este estudio no
pueden ayudar a determinar los impactos de la alteración causada por diferentes
analiza las emisiones de GEI y otras contaminaciones, lo que promueve la idea de un desarrollo urbano sostenible. Los resultados de este estudio podrían incorporarse más en el
políticas de crecimiento urbano. Se midieron indicadores seleccionados de tiempo
modelo ambiental para evaluar las emisiones de GEI a nivel de múltiples escalas. los resultados podrían ser diferentes si se utilizaran más indicadores para analizar los impactos
de viaje, distancia y congestión para todos los escenarios de crecimiento urbano
del transporte de los escenarios de crecimiento urbano. Además, este estudio enfatizó el análisis de escenarios alternativos de crecimiento urbano a diferentes escalas espaciales
para 2016, 2021, 2031 y 2041 para analizar los impactos del transporte en escalas
y temporales, lo que implicó más tiempo que otros enfoques de análisis de escenarios realizados solo en una escala espacial o temporal. No solo el tiempo, sino también los
temporales a corto, mediano y largo plazo. Todos los indicadores se midieron a
datos y los esfuerzos involucrados en el análisis de múltiples escalas, también aumentan considerablemente. Cabe mencionar que este estudio solo se centra en el tiempo de
nivel espacial regional, de ciudad y local para llenar los vacíos en estudios de
viaje, la distancia y la LOS. Por ejemplo, este estudio no analiza las emisiones de GEI y otras contaminaciones, lo que promueve la idea de un desarrollo urbano sostenible. Los
análisis de escenarios previos que carecían del análisis de niveles de múltiples
resultados de este estudio podrían incorporarse más en el modelo ambiental para evaluar las emisiones de GEI a nivel de múltiples escalas. los resultados podrían ser diferentes
escalas. Los hallazgos de este estudio demuestran que los impactos del
si se utilizaran más indicadores para analizar los impactos del transporte de los escenarios de crecimiento urbano. Además, este estudio enfatizó el análisis de escenarios
transporte varían de una escala geográfica / temporal a otra, y el análisis de los
alternativos de crecimiento urbano a diferentes escalas espaciales y temporales, lo que implicó más tiempo que otros enfoques de análisis de escenarios realizados solo en una
impactos en diferentes escalas espaciales y temporales es crucial para reconocer
escala espacial o temporal. No solo el tiempo, sino también los datos y los esfuerzos involucrados en el análisis de múltiples escalas, también aumentan considerablemente. Cabe
con precisión la política de desarrollo urbano sostenible entre muchas
mencionar que este estudio solo se centra en el tiempo de viaje, la distancia y la LOS. Por ejemplo, este estudio no analiza las emisiones de GEI y otras contaminaciones, lo que
alternativas. Se desarrollaron modelos de transporte para SEQ a nivel regional, de
promueve la idea de un desarrollo urbano sostenible. Los resultados de este estudio podrían incorporarse más en el modelo ambiental para evaluar las emisiones de GEI a nivel
ciudad y local bajo cuatro escenarios de política alternativos, y se midió la
de múltiples escalas.
distancia, el tiempo y la LOS promedio de viaje para un intervalo de 24 h. Estas
estimaciones proporcionan la base para la evaluación realizada para todos los
Existen algunas limitaciones para el uso de modelos de transporte estratégico como escenarios para delinear el escenario sostenible con los impactos de transporte
SEQSTM relacionadas con la evaluación de la estrategia de la red de transporte público. menos negativos. El escenario equilibrado se identificó como el escenario más
Estos modelos no están diseñados para pronosticar efectos a nivel local detallado. probable para promover el desarrollo urbano sostenible.
Adicionalmente, porque este estudio requirió generar escenarios alternativos de Este estudio concluye que los investigadores deben investigar la solución a las
crecimiento urbano para diferentes escalas temporales del año 2016-2041. La cuestiones de sostenibilidad con un enfoque tecnológico y avanzar más allá de
disponibilidad de datos del crecimiento futuro de la red de transporte público restringe una consulta o un enfoque cualitativo puramente de las partes interesadas (
los procesos de análisis para limitar los volúmenes de tráfico generales en lugar de los Yigitcanlar et al., 2019). Este documento proporciona un marco para deliberar
tipos de vehículos públicos / privados. Finalmente, los hallazgos sobre el equilibrio necesario entre la participación del crecimiento urbano

11
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

actores e instrumentalismo tecnológico en la formulación de políticas de Kamruzzaman, M., Hine, J. y Yigitcanlar, T. (2015). Investigando el vínculo entre
emisiones de dióxido de carbono y exclusión social relacionada con el transporte en las zonas rurales
desarrollo urbano sostenible. En consecuencia, el marco propuesto
de Irlanda del Norte. Revista Internacional de Ciencia y Tecnología Ambiental, 12, 3463–3478.
conceptualiza las políticas y los indicadores como herramientas prácticas Kishita, Y., Hara, K., Uwasu, M. y Umeda, Y. (2016). Necesidades y desafíos de investigación
para idear soluciones científicas a problemas perversos relacionados con el enfrentados al respaldar el diseño de escenarios en la ciencia de la sostenibilidad: una revisión de la literatura.

desarrollo urbano insostenible. Ciencia de la sostenibilidad, 11, 331–347.

Koopmans, C., Groot, W., Warffemius, P., Annema, JA y Hoogendoorn-Lanser, S.
(2013). Medir los costos de transporte generalizados como indicador de accesibilidad cambia con el
Declaración de intereses en competencia tiempo.Política de transporte, 29, 154-159.
Lähtinen, K., Myllyviita, T., Leskinen, P. y Pitkänen, SK (2014). Una literatura sistemática
revisión de indicadores para evaluar la sostenibilidad local de la producción de energía forestal.
Los autores declaran que no tienen intereses económicos en competencia o
Revisiones de energías renovables y sostenibles, 40, 1202–1216.
relaciones personales (o cualquier otro conflicto de intereses) que pudieran haber Litman, T. (2007). Desarrollar indicadores para un transporte integral y sostenible
influido en el trabajo informado en este documento. Esta investigación no recibió planificación. Registro de investigación de transporte, 2017, 10-15.
Lukman, R., Krajnc, D. y GlaviC, P. (2010). Ranking de universidades utilizando indicadores de
ninguna subvención específica de agencias de financiamiento en los sectores
investigación, educativos y ambientales.Revista de producción más limpia, 18, 619–628.
público, comercial o sin fines de lucro. MacCarthy, BL y Atthirawong, W. (2003). Factores que afectan las decisiones de ubicación en
operaciones internacionales. Revista Internacional de Gestión de Operaciones y Producción,
23, 794–818.
Referencias
Madu, CN, Kuei, CH y Lee, P. (2017). Gestión de la sostenibilidad urbana: una profunda
perspectiva de aprendizaje. Ciudades y sociedad sostenibles, 30, 1-17.
Arbolino, R., Carlucci, F., Cirà, A., Ioppolo, G. y Yigitcanlar, T. (2017). Eficiencia del Mahbub, P., Goonetilleke, A., Ayoko, GA, Egodawatta, P. y Yigitcanlar, T. (2011).
Reglamento de la UE sobre emisiones de gases de efecto invernadero en Italia. Indicadores ecológicos, 81, Análisis de la acumulación de metales pesados y compuestos orgánicos volátiles en carreteras
115-123. urbanas en Gold Coast, Australia. Ciencia y Tecnología del Agua, 63, 2077–2085.
Atkisson, A. (1996). Desarrollando indicadores de comunidad sustentable.Ambiental Manzo, S., Nielsen, OA y Prato, CG (2015). Cómo la incertidumbre en la entrada y los parámetros
Revisión de la evaluación de impacto, 16, 337–350. influye en la salida del modelo de transporte. Política de transporte, 38, 64–72.
Attard, M. y Shiftan, Y. (2015). Transporte urbano sostenible. Esmeralda. Mayo, AD (2013). Transporte urbano y sostenibilidad: los retos clave.Internacional
Böhringer, C. y Jochem, PE (2007). Midiendo lo inconmensurable: una encuesta de sostenibilidad Revista de transporte sostenible, 7, 170-185.
índices de sostenibilidad. Economía Ecológica, 63, 1-8. McCool, SF y Stankey, GH (2004). Indicadores de sostenibilidad: retos y oportunidades
Corporación Caliper (2011). Software de simulación de tráfico TransModeler. Caliper Corporation. portunidades en la interfaz de la ciencia y la política. Gestión Ambiental, 33,
Camagni, R. (1998). Desarrollo urbano sostenible: definición y motivos de una reconversión 294-305.
programa de búsqueda. Revista Internacional de Medio Ambiente y Contaminación, 10, 6-27. Millar, CC y Ju Choi, C. (2010). Recursos de desarrollo y conocimiento: un concepto
Cervero, R. (2006). Enfoques alternativos para modelar los impactos de la demanda de viajes de análisis. Revista de Gestión del Conocimiento, 14, 759–776.
crecimiento inteligente. Revista de la Asociación Estadounidense de Planificación, 72, 285–295. Murray-Rust, D., Rieser, V., Robinson, DT, MiliCIC, V. y Rounsevell, M. (2013). Modelado basado en
Chakraborty, A. y McMillan, A. (2015). Planificación de escenarios para urbanistas.Diario de agentes de la dinámica del uso del suelo y la calidad de vida residencial para escenarios
la Asociación Estadounidense de Planificación, 81, 18-29. futuros.Software y modelado ambiental, 46, 75–89.
Corbin, JM y Strauss, A. (1990). Investigación de teoría fundamentada.Sociología cualitativa, 13, Ness, B., Urbel-Piirsalu, E., Anderberg, S. y Olsson, L. (2007). Categorizar herramientas para
3-21. evaluación de la sostenibilidad. Economía Ecológica, 60, 498–508.
Daamen, W. (2015). Simulación de tráfico y datos: métodos y aplicaciones de validación. CRC OmniTRANS International (2010). OmniTRANS 5.1-Un modelo de transporte de nueva dimensión.
prensa. Perveen, S., Yigitcanlar, T., Kamruzzaman, M. y Hayes, J. (2016). Evaluación del transporte
De Roo, G. y Miller, D. (2019). Ciudades compactas y desarrollo urbano sostenible: una externalidades del crecimiento urbano: una revisión crítica de los métodos de planificación basados en escenarios.
evaluación de políticas y planes desde una perspectiva internacional. Nueva York: Routledge. Revista Internacional de Ciencia y Tecnología Ambiental, 14, 663–678.
Dobranskyte-Niskota, A., Perujo, A. y Pregl, M. (2007). Indicadores para evaluar la sostenibilidad de Perveen, S., Kamruzzaman, M. y Yigitcanlar, T. (2017). Desarrollar escenarios de políticas para
actividades de transporte. Comisión Europea. gestión del crecimiento urbano sostenible: un enfoque Delphi. Sostenibilidad, 9, 1787.
DoT (2011). Protocolo para simulación VISSIM. Portland, OR: Departamento de Oregón Perveen, S., Kamruzzaman, M. y Yigitcanlar, T. (2019). Qué evaluar para modelar el
Transporte (DoT). impactos del transporte del crecimiento urbano? Un enfoque Delphi para examinar la idoneidad
Dur, F., Yigitcanlar, T. y Bunker, J. (2014). Un modelo de indexación espacial para medir espacio-temporal de los indicadores de transporte.Revista Internacional de Transporte Sostenible,
integración del transporte y el uso de la tierra a nivel de vecindario. Medio Ambiente y Planificación B, 13, 597–613.
41, 792–812. Pillkahn, U. (2008). Usar tendencias y escenarios como herramientas para el desarrollo de estrategias: dar forma al
Dur, F. y Yigitcanlar, T. (2015). Evaluar la integración del transporte y el uso de la tierra a través de un futuro de su empresa. John Wiley e hijos.
modelo de indexación compuesto. Revista Internacional de Ciencia y Tecnología Pitot, M., Yigitcanlar, T., Sipe, N. y Evans, R. (2006). Uso del suelo y transporte público
Ambiental, 12, 803–816. Herramienta de índice de accesibilidad (LUPTAI): El desarrollo y la aplicación piloto de LUPTAI para
Esmaeilpoorarabi, N., Yigitcanlar, T., Guaralda, M. y Kamruzzaman, M. (2018). Gold Coast. Papeles del foro ATRF06. Centro de Investigación en Planificación y Transporte.
Evaluación de la calidad del lugar en distritos de innovación: un enfoque de proceso de jerarquía de Delfos. Qiao Ge, B., Ciuffo, M. y Menendez, M. (2014). Un estudio exploratorio de dos eficientes
Política de uso de la tierra, 76, 471–486. enfoques para el análisis de sensibilidad de modelos de simulación de tráfico computacionalmente
Feng, Y. y Liu, Y. (2016). Predicción del escenario de una ciudad costera emergente mediante el modelado de CA costosos. Sistemas de transporte inteligente IEEE, 15, 1288–1297.
bajo diferentes condiciones ambientales. Monitoreo y Evaluación Ambiental, Radeljak Kaufmann, P. (2016). Integrando el análisis factorial y el método Delphi en
188, 540. desarrollo de escenarios. Geografía aplicada, 71, 56–68.
Ge, Q., Ciuffo, B. y Menendez, M. (2015). Combinando cribado y basado en metamodelos Reisi, M., Aye, L., Rajabifard, A. y Ngo, T. (2014). Índice de sostenibilidad del transporte.
métodos. Ingeniería de confiabilidad y seguridad del sistema, 134, 334–344. Indicadores ecológicos, 43, 288-296.
Giap, GE y Kosuke, N. (2014). Análisis de sensibilidad utilizando el método basado en la varianza de Sobol Rubino, G. y Tuffin, B. (2009). Simulación de eventos raros utilizando métodos de Monte Carlo. John
sobre las funciones constitutivas de Haverkamp implementadas en la ecuación de flujo de Wiley & Sons.
agua de Richards. Revista malaya de ciencia del suelo, 18, 19–33. Sakieh, Y., Amiri, BJ, Danekar, A., Feghhi, J. y Dezhkam, S. (2015). Basado en escenarios
Gounaridis, D., Chorianopoulos, I. y Koukoulas, S. (2018). Explorando el futuro urbano evaluación de la sostenibilidad del desarrollo urbano. Medio Ambiente, Desarrollo y
tendencias de crecimiento bajo diferentes perspectivas económicas y escenarios de planificación del uso del suelo. Sostenibilidad, 17, 1343-1365.
Geografía aplicada, 90, 134-144. Santos, AS y Ribeiro, SK (2015). El papel de los indicadores de transporte en la mejora
Hamby, D. (1994). Una revisión de las técnicas para el análisis de sensibilidad de parámetros de de la gobernanza local en la ciudad de Río de Janeiro. Estudios de caso sobre política de transporte, 3,
Modelos ambientales. Monitoreo y Evaluación Ambiental, 32, 135-154. 415–420.
Heiko, A. (2012). Medición de consenso en estudios Delphi: revisión e implicaciones para Shearer, AW, Mouat, DA, Bassett, SD, Binford, MW, Johnson, CW, Saarinen, J.
garantía de calidad futura. Pronóstico tecnológico y cambio social, 79, 1525-1536. A., et al. (2009).Escenarios de uso del suelo. Prensa CRC.
Hensher, DA (1998). El desequilibrio entre el uso del automóvil y el transporte público en las Shen, LY, Jorge Ochoa, J., Shah, MN y Zhang, X. (2011). La aplicación de urbanismo
Australia. Política de transporte, 5, 193-204. indicadores de sostenibilidad. Habitat International, 35 años, 17-29.
Herva, M., Franco, A., Carrasco, EF y Roca, E. (2011). Revisión del entorno corporativo Shiftan, Y., Kaplan, S. y Hakkert, S. (2003). La construcción de escenarios como herramienta para planificar una
indicadores mentales. Revista de producción más limpia, 19, 1687-1699. sistema de transporte sostenible. Investigación sobre transporte Parte D, 8, 323–342.
Hildebrand, C. y Hörtin, S. (2014). Un estudio comparativo entre Emme y Visum con Sotto, D., Philippi, A., Yigitcanlar, T. y Kamruzzaman, M. (2019). Alinear la política urbana
respeto a la asignación de transporte público. http://www.diva-portal.org/smash/ con la acción climática en el sur global: ¿las ciudades brasileñas están considerando la
record.jsf? pid = diva2% 3A772068 & dswid = -2957. emergencia climática en la práctica de planificación local? Energías, 12, 3418.
JakimaviCius, M. y Burinskiene, M. (2009). Evaluación del desarrollo de la ciudad de vilnius Tolley, R., Lumsdon, L. y Bickerstaff, K. (2001). El futuro de caminar en Europa.
escenarios basados en modelos de sistemas de transporte y análisis multicriterio. Revista Política de transporte, 8, 307–315.
de Ingeniería Civil y Gestión, 15, 361–368. Vermeiren, K., Van Rompaey, A., Loopmans, M., Serwajja, E. y Mukwaya, P. (2012).
Jeon, S. y Hong, B. (2016). Pronóstico de velocidad del tráfico basado en simulación de Monte Carlo utilizando Crecimiento urbano de Kampala, Uganda. Paisaje y Urbanismo, 106, 199-206.
Big Data histórico. Sistemas informáticos de futura generación, 65 años, 182-195. Wan, H., Xia, J., Zhang, L., She, D., Xiao, Y. y Zou, L. (2015). Sensibilidad e interacción
Kamruzzaman, M., Yigitcanlar, T., Washington, S., Currie, G. y Turrell, G. (2014). análisis basado en el método Sobol y su aplicación en un modelo distribuido de predicción de
Los baby boomers australianos cambiaron a modos de transporte más respetuosos con el medio inundaciones. Agua, 7, 2924–2951.
ambiente durante la crisis financiera mundial. Revista Internacional de Ciencia y Tecnología Wheeler, SM, Tomuta, M., Haden, VR y Jackson, LE (2013). Los impactos de al-
Ambiental, 11, 2133–2144. Patrones ternativos de urbanización sobre las emisiones de gases de efecto invernadero en una agricultura

12
S. Perveen y col. Ciudades y sociedad sostenibles 55 (2020) 102031

condado. Revista de Urbanismo, 6, 213-235. Yigitcanlar, T. y Kamruzzaman, M. (2014). Investigar la interacción entre trans-
Wilson, B. y Chakraborty, A. (2013). Los impactos ambientales de la expansión descontrolada.Sustentabilidad, puerto, uso del suelo y medio ambiente. Revista Internacional de Ciencia y Tecnología
5, 3302–3327. Ambiental, 11, 2121–2132.
Xiang, WN y Clarke, KC (2003). El uso de escenarios en la planificación territorial. Yigitcanlar, T. y Kamruzzaman, M. (2015). Planificación, desarrollo y gestión de
Medio ambiente y planificación B, 30, 885–909. ciudades sostenibles: un comentario de los editores invitados. Sostenibilidad, 7,
Yedla, S. (2015). Transporte urbano y cuestiones ambientales, alternativas y políticas 14677–14688.
análisis. Saltador. Yigitcanlar, T., Kamruzzaman, M. y Teriman, S. (2015). Sostenibilidad del vecindario
Yigitcanlar, T., Dodson, J., Gleeson, B. y Sipe, N. (2007). Viaja con autocontención en Evaluación: Evaluación de la sostenibilidad del desarrollo residencial en el contexto de un país
fincas planificadas maestras: análisis de las tendencias australianas recientes. Investigación y políticas en desarrollo. Sostenibilidad, 7 (3), 2570–2602.
urbanas, 25, 129-149. Yigitcanlar, T., Kamruzzaman, M., Foth, M., Sabatini-Marques, J., da Costa, E. y Ioppolo,
Yigitcanlar, T., Fabian, L. y Coiacetto, E. (2008). Desafíos para la sustentabilidad del transporte urbano G. (2019). ¿Pueden las ciudades volverse inteligentes sin ser sostenibles? Una revisión sistemática de
Sostenibilidad y transporte inteligente en una ciudad turística: La Costa Dorada. The la literatura.Ciudades y sociedad sostenibles, 45, 348–365.
Open Transportation Journal, 2, 29–46. Zachariadis, T. (2005). Evaluación de políticas de transporte sostenible en Europa.Energía
Yigitcanlar, T. (2009). Planificación de ecosistemas urbanos inteligentes: tecnología de la información Política, 33, 1509-1525.
aplicaciones para el desarrollo de capacidades en la toma de decisiones ambientales. Investigaciones Zegras, C. y Gakenheimer, R. (2006). Fuerzas impulsoras del transporte de las ciudades en desarrollo
Teóricas y Empíricas en Gestión Urbana, 4, 5-21. sistemas. Instituto de Tecnología de Massachusetts.

13