Printer Friendly

Proyeccion del cambio de uso de suelo urbano mediante tecnicas de microsimulacion, bajo un escenario de escasez de datos en el sector de San Carlos, Huancayo, Peru 2018-2028.

Urban Land Use Change Projection Using Micro-Simulation Techniques under a Scenario of Data Limitations in the San Carlos Sector, Huancayo, Peru 2018-2028

Introduccion

Conocer y proyectar la tendencia del tipo de uso de suelo urbano, asi como los elementos edificados, es relevante para poder pensar en una planificacion urbana estrategica. La identificacion de los principales retos que afronta la planificacion de ciudades conduce inexorablemente a la necesidad de explorar nuevos modelos que regeneren el ambito de la planificacion y la gestion urbanistica (Guell, 2006, p. 9). Ademas, Muller, Aschwanden y Halatsch (2012, p. 162) comentan que las ciudades no estan disenadas como absolutas u objetos completamente especificados.

El proceso de urbanizacion en las ciudades de paises en desarrollo es muchas veces poco planificado y pobremente coordinado, sus ciudades son por ello inherentemente caoticas y espacialmente discontinuas, de rapido y desorganizado proceso de crecimiento. (Barros, 2003, p. 2).

Las ciudades de hoy son el resultado del esfuerzo de muchas generaciones. Simmonds, Waddell y Wegener (2011, p. 2) senalan que aun en periodos de rapido crecimiento, el total de edificios en las ciudades no cambia usualmente por mas de 1 a 2% por ano. Sin embargo, hay cambios acelerados en las formas en que estos edificios son utilizados. Muchas ciudades del Peru y America Latina, como Huancayo, responden a este tipo de organizacion, de usos mixtos poco regulados y un alto grado de desconocimiento del escenario actual.

Un escenario urbano con una pobre infraestructura tecnologica no permite el registro de un amplio volumen de datos. Palme y Ramirez (2013), comentan que muchas ciudades del hemisferio sur tienen una baja capacidad de gestion tecnologica y que la busqueda de un enfoque de resiliencia y solidez podria ser parte de la solucion. Para este proposito se debe explotar la condicion de escasez, y no solamente depender de una infraestructura tecnologica operativa.

Debido a la acelerada evolucion del entorno urbano en la provincia de Huancayo --especialmente en el sector comprendido entre las avenidas San Carlos y Calmell del Solar--el uso del terreno se ha diversificado dramaticamente, desarrollando nuevas oportunidades y modificando la concepcion tradicional de vivienda en el sector. Conocer la situacion de los lotes y el uso de las edificaciones en los mismos en los siguientes anos es una tarea esencial para poder anticipar las necesidades futuras.

La condicion actual requiere el uso de un metodo de proyeccion no tradicional. La microsimulacion permite hacer uso de escasos datos historicos para generar proyecciones aproximadas. El modelamiento micro-simulado es una herramienta de simulacion con una metodologia basada en el uso de micro unidades de analisis (O'donoghue, 2014).

Burlacu, O'Donoghue y Sologon (2014, p. 23) indican que los modelos de microsimulacion basados en datos hipoteticos ofrecen una util vision a pesar de su simplicidad. En terminos generales en modelamiento urbano, el modelo se introdujo para la micro-simulacion de cambios en el uso de suelo (Rui, 2013, p.3).

Metodologia

El proceso de recoleccion de datos bajo un escenario de escasez de datos historicos requiere la identificacion de multiples fuentes de registros veridicos, entre los que se encuentran el uso de una base de datos demografica y la observacion directa.

Se utilizaron los datos poblacionales presentados por el INEI (2017) en sus estimaciones y proyecciones 2009-2015, y los datos de los graficos de densidad por manzana presentados en el Diagnostico Territorial de Huancayo Metropolitano presentado por la Municipalidad Provincial de Huancayo (MPH, 2016).

Mucha informacion se pudo recolectar a partir de la observacion de lotes desde la calle. El recorrido se hizo a pie y se registraron datos de 3705 lotes, de los cuales 3684 son lotes privados y 21 lotes son de uso publico. Las observaciones se realizaron en recorridos durante el mes de octubre de 2016. Los datos de los lotes de diciembre de 2013 fueron obtenidos de la observacion de los recorridos del archivo de Google Maps Street View (Google, 2016 b).

El proceso de digitalizacion de los datos de los lotes se realizo con el software de sistema de informacion geografica conocido como ArcGIS 10.3 for Desktop. El procesamiento de los atributos de interes y el refinamiento del modelo se ejecuto con la herramienta SPSS v.23. Los scripts de ejecucion de los automatas y la insercion de reglas de proposito se elaboraron VBA y MS Excel.

La logica de la microsimulacion

La proyeccion basada en la microsimulacion usa tecnicas estadisticas y reglas de proposito que alimentan la informacion de agentes programados y definen el entorno urbano programado.

Debemos recordar que en anos recientes el uso de modelos basados en sistemas con agentes y automatas se da en muchas investigaciones multidisciplinarias, incluyendo planeamiento y administracion urbana, contribuyendo a la toma de decisiones en estas areas (Osaragi y Aoki, 2006, p. 69).

Rahman y Harding (2017) comentan que las tecnicas de micro-simulacion son utiles para evaluar escenarios socioeconomicos, estas involucran procedimientos complejos subsecuentes. El entorno urbano es un escenario de actividades socioeconomicas que se adhiere a este enfoque. Por otro lado, Rahman et al. (2017) afirman que el enfoque de modelamiento en microsimulacion combina micro data depositada en elementos individuales y, en casos donde los datos esten solo disponibles en areas amplias, estos se pueden desagregar para estimaciones en areas menores.

Muller et al. (2012, p.161) comentan que en simulacion urbana existe una tendencia hacia la idea de modelamiento de la conducta, implementando opciones que reflejan estadisticamente las probabilidades de seleccion de opciones. Ademas, segun Iordache (2011, p.11), los parametros necesarios para la simulacion deben obedecer al tipo de proceso que ha de ser simulado. Esta idea incorpora las caracteristicas aleatorias para sistemas complejos. Estudios como el de Waddell et al. (2003) confirman el uso de dichas tecnicas.

Rahman et al. (2017) indican que la micro data puede ser utilizada para probar teorias de microsimulacion espacial y la mejora de metodos empiricos como la revaloracion de la utilidad de un atributo del modelo.

En la presente investigacion, nos centramos en la determinacion del cambio de uso de suelo a traves de metodos de microsimulacion, usando el lote como la unidad del modelo, ciclos iterativos con automatas programados y reglas de proposito.

Las variables del modelo de microsimulacion

La variable <<tipo de uso de lote>>, es considerada una variable dependiente principal, debido a que el resultado de las iteraciones generadas por los automatas programados resulta en la actualizacion del valor de esta variable. La tabla 1 enlista los valores considerados.

Las variables dependientes secundarias se recalculan en cada proyeccion haciendo uso de reglas de proposito. Los atributos variables se listan en la tabla 2.

Ademas de los atributos variables, se han considerado atributos constantes, determinados bajo criterios de homogeneidad de la estructura urbana y caracteristicas concernientes a su actual reglamentacion urbana. Esto permite anadir un conjunto de criterios iniciales de modelamiento. Estos atributos se enlistan en la Tabla 3.

La funcion logistica o Logit

El proceso de seleccion de opciones basadas en probabilidades requiere de tecnicas demostradas en escenarios de alta incertidumbre. Se escogio usar la funcion logistica. Kleinbaum y Klein (2010, p. 24) senalan que la funcion logistica describe la forma matematica en la que se basa el modelo logit. Este modelo describe una probabilidad siempre se encontrara entre 0 y 1.

[Expresion matematica irreproducible.]

Donde:

[X.sub.i] = Valor de un atributo del modelo

[[beta].sub.i] = Coeficiente del atributo [X.sub.i]

[varies] = Constante

De acuerdo a la funcion logistica, los terminos [[varies].sub.y] [[beta].sub.i] representan parametros desconocidos que necesitan ser estimados sobre los datos de [X.sub.n]. En base a estos resultados se puede definir un cambio en la altura de la edificacion o en el uso del terreno. El grafico resultante de la funcion logistica define una curva mostrada en el grafico 1 que se mantiene entre los valores de 0 y 1. Eso es ideal para escenarios de proyeccion probabilistica.

La principal suposicion es que la forma de la distribucion tanto como los errores son independientes uno del otro. Esta independencia significa que la porcion no observada de utilidad para una alternativa no esta relacionada con la proporcion no observada de otra alternativa (Train, 2002, p. 21).

La opcion multinominal es una simple extension del modelo logit original. Con la opcion extra es posible determinar la probabilidad de escoger cierto tipo de opcion nominal. La funcion se describe como:

[Expresion matematica irreproducible.]

Donde:

[P.sub.ij] = Probabilidad de escoger

i = Casos

j = Categorias

k = Variables independientes

Asi podemos ver claramente que para una variable dependiente con J categorias que es posible la aplicacion de una funcion representada por:

[J.summation over (j=1)] [P.sub.ij] = [P.sub.i1] + [P.sub.i2] + ... [P.sub.iJ] = 1

El modelo logit multinominal puede representar variaciones sistematicas, pero no diferencias aleatorias. Train (2002) enfatiza que el modelo implica una substitucion proporcional de la utilidad entre alternativas y que tampoco puede trabajar con situaciones en las que los factores se correlacionan en el tiempo. Al obtener la probabilidad mediante el modelo logit multinominal insertado en el agente programado, y habiendo establecido las relaciones de adyacencia con otros agentes, estos son capaces de ejecutar un ciclo, cuyo resultado se somete a un valor aleatorio. Schiff (2008, p. 23) indica que, en un sentido general, decimos que algo es aleatorio si no tiene un patron regula o es impredecible.

Debido a que el modelo logit multinominal no puede usarse para proyectar opciones en diferentes periodos, este debe alimentar los resultados en un escenario definido bajo atributos independientes. Estos resultados fueron insertados en los automatas o agentes programados; estos generan interacciones periodicas. El lote es la unidad del proceso de simulacion, y la definicion de su nuevo uso se determinara bajo la probabilidad de que ciertos atributos cambien en cierta interaccion. Finalmente, el valor obtenido se convierte en el nuevo tipo de uso del lote. La figura 2 muestra la secuencia descrita.

Adicionalmente, Yan et al. (2018) senalan que el solo uso de tecnicas booleanas con analisis de pesos para los atributos tienden a simplificar la complejidad del proceso; por ello, es necesario incorporar procesos de toma de decisiones de multiples criterios. Sin embargo, al tener escaza informacion sobre el lugar, estas se han disenado cuidadosamente y se presentan como reglas de proposito, que son reglas simples que los automatas programados tendran en cuenta.

Las reglas de proposito

El proceso de simulacion para el diseno urbano no solo requiere un rendimiento de criterios explicitos de estandares de planificacion sino tambien una sintesis de objetivos implicitos, que son llamados reglas de proposito con una aproximacion computacional (Muller et al., 2012, p. 160).

Las reglas de proposito permiten ajustar el calculo de las variables dependientes en base al resultado de uso de suelo proyectado durante una iteracion; estas se realizaran en periodos de tres anos. la figura 3 ilustra la adecuacion de las reglas de proposito.

Segun Parmeter y Pope (2013), la vivienda exhibe una sustancial heterogeneidad; es asi que los economistas han pensado en ella como un producto parte de un mercado diferenciado, mas que un producto homogeneo. Los lotes con edificaciones que funcionan como vivienda poseen caracteristicas especiales que no pueden considerarse como solo elementos de produccion economica sino tambien como una edificacion con potencial de cambio de uso hacia una actividad economica. La figura 4 representa dicha diferenciacion.

Simmonds et al. (2011, p.6) mencionan que las inversiones en transporte tienden a ser las mas duraderas; lo mismo es cierto para la apropiacion de espacios abiertos. Por ello, cambios en la configuracion de las calles, las areas publicas, las manzanas y las urbanizaciones no fueron tomadas en cuenta para la programacion de las reglas.

Kuminoff y Pope (2012, p.10) afirman que, durante los ciclos de crecimiento inmobiliario, el marco de asignacion de costos tiende a atribuir la mayoria de los cambios del valor de la propiedad a la especulacion del terreno. El precio del terreno se establece con un factor que no distingue un precio monetario estable sino una apreciacion valorativa que en el estudio se identifica con un valor entre 0 a 10, siendo 10 la calificacion de un terreno muy atractivo, y 0 sin ningun atractivo de comercializacion.

El lugar de estudio

El sector de San Carlos se encuentra dentro del distrito y provincia de Huancayo, region Junin, en el Peru. Se ha definido el espacio de estudio central entre las avenidas San Carlos y Calmell del Solar, y las manzanas cercanas que se consideran relacionadas directamente al sector delimitado en la figura 5.

Valorizacion de los atributos constantes

Los valores obtenidos a traves de la observacion directa de las edificaciones y lotes correspondiente a la clasificacion de las zonas se muestran en la figura 6. El indice de valor se visualiza en la figura 7. La distancia a la via principal mas cercana se visualiza en la figura 8.

De acuerdo a la base de datos demograficos, se establecio la densidad poblacional inicial para las manzanas del sector. Esto se ajustaria con el indice de crecimiento poblacional por ciclos de tres anos. Fue necesario extender la proyeccion a tres ciclos mas bajo un criterio de regresion lineal simple, y posteriormente desagregar la estimacion como un factor de crecimiento de la densidad poblacional de las manzanas del sector. Los resultados se muestran en la tabla 4.

Debido a la naturaleza de la vivienda, el modelo incorpora una regla de decision binaria probabilistica, que permite identificar la decision de convertir el uso de la edificacion a otro que no sea considerado un tipo de vivienda. Este parametro permite la facil diferenciacion entre edificaciones.

El modelo basico logit se ejecuto con el uso de la aplicacion SPSS, con los datos recuperados de los anos 2013 y 2016. Los coeficientes B y la constante para cada categoria de tipo de uso se detallan en la tabla 5.

De los coeficientes obtenidos en la tabla 5, se destaca la influencia de la cantidad de pisos promedio por manzana por sobre la decision de cambio de uso de los lotes libres, con un coeficiente de 0,16, y el indice de valor con un coeficiente de 0,65.

En el caso de las viviendas de habitaciones se relaciona al area libre disponible, con un coeficiente de -4,83. Este tipo de edificaciones tambien es afectado fuertemente por la cantidad de pisos promedio en la manzana, alcanzando un coeficiente de 3,71.

En el caso de todas las edificaciones con uso de vivienda, el indice de valor es significativo y particularmente alto para las viviendas multifamiliares de alta densidad, con un coeficiente de 6,73. Esto sugiere una relacion directa de la aparicion de este tipo de vivienda en los terrenos mas cotizados.

Los coeficientes indicados en la tabla 5 conforman la primera parte de la funcion. Esta se complementa con los coeficientes adecuados para los atributos de uso del lote, que se selecciona en forma condicional. Identificamos los valores en la tabla 6.

El ultimo componente de la funcion se establece al incluir la influencia de la zona dentro de la funcion. Este valor modifica ligeramente la opcion de cambio de tipo de uso ya que cada zona impulsa cierto tipo de actividad economica o cierta tipologia de vivienda. Los coeficientes por zona se encuentran en la tabla 7.

Los resultados de las zonas enlistados en la tabla 7 indican que las zonas 1, 2, 9, 14 y 15 favorecen el uso de viviendas multifamiliares de baja densidad con coeficientes de -1,14, -1,07, 1,22, -1,44 y -1,51 respectivamente. Por otro lado, las zonas 1, 6, y en especial la 11 favorecen la aparicion de viviendas multifamiliares de alta densidad con coeficientes de -1,59, 1,71 y 4,63, respectivamente. Es importante destacar que las viviendas en condominio son los proyectos con la menor posibilidad con un coeficiente de 0, y cuya emergencia esta sujeta a la especulacion directa.

Entre las actividades economicas mostradas en la tabla 8, la zona 12 impulsa el desarrollo de oficinas con un coeficiente de 1,22. La zona 11 y 14 promueven la aparicion de comercios, con un coeficiente de 4,09.

Resultados de la proyeccion

Los datos recopilados reales se registran entre los anos 2013 y 2016. Los periodos proyectados se encuentran entre 2019 y 2028 en ciclos de tres anos. En esta seccion se muestran y comentan los resultados obtenidos despues del proceso de microsimulacion.

La tabla 8 indica que el cambio mas dramatico se daria en el area libre disponible, que se reduciria al rango de menos de 10% de area libre en el 91,3% de los lotes para el ano 2028. Un aspecto preocupante seria que entre 2019 y 2022 las edificaciones con 20% a 30% de area libre se reducirian llegando a solo al 4,0%, y que hacia 2028 solo serian el 0,6% de las edificaciones en el sector.

Dentro de los lotes con mas del 80% de area libre, no se proyectan cambios significativos, de representar el 9,0% con 332 lotes en 2013 a 7,5% con 278 lotes del total. Los lotes libres podrian asumir precios que dificultarian su negociacion.

La figura 9 muestra que un proceso de desaparicion del area libre de las edificaciones podria ocurrir rapidamente antes del ano 2025. Esto se podria expresar en su forma minima como ductos de ventilacion e iluminacion.

En la tabla 9 se distingue un crecimiento vertical acelerado entre el periodo 2022 y 2028. Las edificaciones de 3 a 4 pisos pasarian de ser el 17,.6% al 75,0% del total; esto se relaciona con el incremento de viviendas multifamiliares de baja densidad. Ademas, para 2028 se contaria con 128 edificaciones de 7 a mas pisos, marcando un hito importante en la tendencia del sector.

La figura 10 revela que entre las zonas de crecimiento vertical mas acelerado estan la zona 3 y 4, cuyo crecimiento vertical iniciaria en el ano 2022. Las zonas 11 a 16 mantendrian un crecimiento constante y mostrarian la presencia de edificaciones con mas de 7 pisos. Entre ellos se puede suponer la aparicion de multifamiliares y edificios de oficinas.

Entre las actividades desarrolladas en el sector, la tabla 10 permite identificar que la vivienda con actividad economica mostraria un alto incremento: va de 553 edificaciones --que representaban el 16,5% en el ano 2013--, a 873 edificaciones, que representarian el 25,6% en el ano 2028.

En la figura 11 se distingue un cambio de las viviendas que conformarian actividades economicas especializadas, aunque no se distingue una fuerte relacion espacial directa con las vias principales. Mas bien observamos un surgimiento aleatorio en las zonas 10 a 16. Las zonas 2 y 3 concentrarian una gran cantidad de viviendas con actividad economica.

En la figura 11 se distingue un cambio de las viviendas que conformarian actividades economicas especializadas, aunque no se distingue una fuerte relacion espacial directa con las vias principales. Mas bien observamos un surgimiento aleatorio en las zonas 10 a 16. Las zonas 2 y 3 concentrarian una gran cantidad de viviendas con actividad economica.

La composicion de vivienda cambiaria dramaticamente por lo mostrado en la tabla 11. Las viviendas unifamiliares sufririan una reduccion importante de conformar el 92,7% en 2013 a 68,4% del total de viviendas para el ano 2028. Se cree que muchas de estas viviendas se transformaran en viviendas multifamiliares de baja densidad. Estas ultimas pasarian de ser solo el 4,4% del total a 24,8% del total de edificaciones de vivienda.

Las viviendas multifamiliares de alta densidad mantienen un crecimiento constante, siendo solo 54 edificios a 2013 y con una proyeccion de 120 edificaciones al 2028.

Segun los datos de la tabla 12, la composicion de actividades economicas en edificaciones se proyecta de forma gradual, especialmente en la actividad de oficinas. De 50 predios dedicados a actividades de oferta de servicios se aumentaria a 70, representando el 25,8% al 29,9% del total.

La zona 6 seria una de las menos dinamicas hasta 2028. Los cambios mas cercanos ocurririan en la direccion sur del sector en las zonas 10 al 16. Entre 2019 y 2022 las zonas 11 y 12 experimentarian una transformacion de vivienda unifamiliar a viviendas residenciales y a viviendas multifamiliares de baja densidad. La zona 9 mantendria su configuracion actual.

Para el ano 2028 edificaciones de vivienda cambiarian su uso hacia una marcada tendencia a la vivienda multifamiliar de baja densidad, que implementaria alguna actividad economica en su interior. Es posible especular sobre la situacion de los sectores al norte sobre la posibilidad de expansion de viviendas multifamiliares segun muestra la tendencia.

Conclusiones

Los resultados de la proyeccion se ajustan a la realidad visible y complementan elementos especificos en la conducta urbana del sector. Este nivel de detalle permite tener en cuenta una planificacion mas precisa de las regulaciones de los Planes de Desarrollo Urbano, los planes asociados al transporte urbano e identificar las zonas que requieren una intervencion preventiva.

Confirmamos la idea de que el sector de San Carlos sufre una alteracion significativa: la tendencia de vivienda unifamiliar se encuentra en un rapido proceso de densificacion y crecimiento vertical. Por otro lado, es evidente observar que el area libre fuera y dentro de los lotes disminuyen alarmantemente, y se convierten en agujeros de acceso a la ventilacion e iluminacion minima.

Proyecciones que hacen uso de cantidades minimas de datos no pueden mostrar escenarios a largo plazo, pero complementadas de reglas socioeconomicas definidas y un adecuado marco de referencia de la dinamica urbana local es viable la proyeccion de escenarios en el mediano plazo con mayor precision.

Los municipios locales requieren considerar la implementacion de catastros digitales y estructuras tecnologicas para el soporte de iniciativas como la propuesta en el presente trabajo, siendo vital su entendimiento para afrontar los acelerados cambios comunes en la sociedad y ciudades contemporaneas.

https://doi.org/10.18800/espacioydesarrollo.201802.005

Referencias

Barros, J. (2003). Simulating Urban Dynamics in Latin American Cities. Londres, Inglaterra: University College London.

Burlacu, I., O'Donoghue, C. y Sologon, D. (2014). Hypothetical Models. En C. O'Donoghue, Handbook of Microsimulation Modelling (pp. 23-46). Bingley, Inglaterra: Emerald Group Publishing. https://doi.org/10.1108/S0573-855520140000293000

Google. (2016 a). Satellite View Satellite. Obtenido de Google Maps: https://www.google. com/maps/@-12.056674,-75.2068258,15z

Google. (2016 b). Street View dic. 2013. Obtenido de Google Maps: https://www.google. com/maps/@-12.056674,-75.2068258,16z

Guell, J. F. (2006). Planificacion estrategica de ciudades. Barcelona, Espana: Reverte.

INEI. (20 de abril de 2017). Estimaciones y Proyecciones de Poblacion. Insituto Nacional de Estadistica e Informatica. Recuperado de https://www.inei.gob.pe/estadisticas/ indice-tematico/population-estimates-and-projections/

Iordache, O. (2011). Modeling Multi-Level Systems. Berlin, Alemania: Springer. https:// doi.org/10.1007/978-3-642-17946-4

Kleinbaum, D. y Klein, M. (2010). Logistic Regression a Self-Learning Text. Nueva York, NY: Springer. https://doi.org/10.1007/978-1-4419-1742-3

Kuminoff, N. V. y Pope, J. C. (2012). The Value of residential land and structures during the great housing boom and bust. April, 2012. Recuperado de http://jarenpope.weebly. com/uploads/2/9/7/3/29731963/2013_kuminoff_pope_land.pdf

MPH. (2016). Diagnostico Territorial del Area Metropolitana de Huancayo: Municipalidad Provincial de Huancayo.

Muller, S., Aschwanden, G. y Halatsch, J. (2012). Digital Urban Modeling and Simulation. Londres, Inglaterra: Springer. https://doi.org/10.1007/978-3-642-29758-8

O'donoghue, C. (2014). Handbook of Microsimulation Modelling. En C. O'donoghue, Handbook of Microsimulation Modelling (pp. 1-22). Bingley, Inglaterra: Emerald Group. https://doi.org/10.1108/S0573-85552014293

Osaragi, O. y Aoki, Y. (2006). A Method for Estimating Land Use Transition Probability Using Raster Data. En J. V. Leeuwen, y H. Timmermans, Innovations in Design and Decision Support Systems in Architecture and Urban Planning (pp. 69-84). Dordrecht, Holanda: Springer.

Palme, M. y Ramirez, J. (2013). A critical asessment and projection of urban vertical growth in Antofagasta. Sustainability, 5(7), 2840-2855. https://doi.org/10.3390/su5072840

Parmeter, C. y Pope, J. C. (2013). Quasi-experiments and hedonic property value methods. En J. List y M. Price (Eds.), Handbook of experimental economics and the environment (pp. 3-65). Cheltenham: Edward Elgar https://doi.org/10.4337/9781781009079.00007

Rahman, A. y Harding, A. (2017). Small area estimation and microsimulation modeling. Boca Raton, FL: CRC Press. https://doi.org/10.1201/9781315372143

Rui, Y. (2013). Urban Growth Modeling Based on Land-use Changes and Road Network Expansion. Estocolmo, Suecia: Royal Institute of Technology.

Schiff, J. (2008). Cellular Automata A Discrete View of the World. Nueva Jersey, Estados Unidos: Wiley.

Simmonds, D., Waddell, P. y Wegener, M. (2011). Equilibrium v. dynamics in urban modelling. Londres, Inglaterra: University of Cambridge.

Train, K. (2002). Discrete Choice Methods with Simulation. Berkeley, CA: University of California.

Waddell, P, Borning, A., Noth, M., Freier, N., Becke, M. y Ulfarsson, G. (2003). Microsimulation of Urban Development and Location Choices: Design and Implementation of UrbanSim. Washington, Estados Unidos: University of Washington.

Yan, Y., Zhou, R., Ye, X., Zhang, H. y Wang, X. (2018). Suitability evaluation of urban construction land based on an approach of vertical-horizontal processes. ISPRS International Journal of Geo-Information, 7(5), 198. https://doi.org/10.3390/ijgi

Gonzalo Pena Zamalloa (1)

Universidad Continental

gzamalloa@outlook.com

Fecha de recepcion: 8 de noviembre de 2017

Fecha de aceptacion: 26 de octubre de 2018

(1) Ingeniero informatico y arquitecto.

Leyenda: Figura 1. Valores alcanzados por la funcion logit

Leyenda: Figura 2. Secuencia de uso del modelo logit multinominal

Leyenda: Figura 3. Ajuste de la condicion del lote y atributo usando reglas de proposito

Leyenda: Figura 4. Asignacion de tipo de vivienda y actividad economica

Leyenda: Figura 5. Delimitacion del sector de San Carlos

Leyenda: Figura 6. Clasificacion de zonas urbanas en el sector

Leyenda: Figura 7. Indice de valor de los lotes en el sector

Leyenda: Figura 8. Distancia de lote a via principal mas cercana

Leyenda: Figura 9. Porcentaje de area libre en lotes

Leyenda: Figura 10. Altura de pisos proyectados

Leyenda: Figura 11. Tipos de actividad economica proyectada
Tabla 1. Valores de la variable tipo de uso de lote

Tipo de uso       Descripcion

Libre             Lote vacio
Vivienda          Vivienda unifamiliar
                  Vivienda multifamiliar de baja densidad
                  Residencia y habitaciones
                  Vivienda multifamiliar de alta densidad
                  Vivienda temporal (casa hospedaje,
                  hoteles, hostales y moteles)
                  Vivienda en condominio
Oficinas          Oficinas independientes, edificio
                  estado, entidades financieras,
                  juzgado, salon comunitario, galeria,
                  aulas, biblioteca, centro salud, etc.
Comercial         Lugares de culto religioso,
                  congregaciones, capillas, centro comercial,
                  gimnasios, tiendas, clubes, salones,
                  tabernas y bares y salas de juego,
                  restaurante, cafe, comida rapida, panaderia.
Industrial        Cocheras, fabrica, constructora, o
                  mecanica automotriz, empresa de
                  productos quimicos, empresa de almacen
                  de productos diversos.
Educacion         Centro educativo de habilidades
                  extracurriculares, centro educativo
                  de formacion inicial, centro educativo
                  de formacion basica, centro
                  educativo de formacion superior.
Espacio publico   Parques, areas publicas, tribunas,
                  estadios publicos y terminales.

Tabla 2. Atributos variables

Variable            Descripcion

Ano de la ultima    Ano en el que se da la
modificacion        ultima actualizacion.

Pisos edificados    Altura en numero de
                    niveles de la edificacion

Pisos edificados    Altura mayor en numero de
en lote vecino      pisos de la edificacion
                    de lotes adyacentes

Pisos promedio      Altura promedio superior
por manzana         en numero de niveles de las
                    edificaciones de la manzana

Area libre          Porcentaje de area libre
                    disponible en el lote.

Con actividad       Mantiene actividad economica
economica           comercial, productiva o de
                    servicio (0 = Si/ 1 = No)

Tipo de             Tipo de actividad de la
actividad           edificacion (0 = vivienda, 1 =
                    vivienda con actividad economica,
                    2 = establecimiento
                    especializado, y 3 = espacio/
                    establecimiento publico)

Material de         Material de construccion
edificacion         de la edificacion (0 =
                    mamposteria, 1 = concreto,
                    2 = adobe, 3 = otros)

Estado              Estado de la edificacion
edificacion         (0 = Muy deteriorado, 1 =
                    Deterioro, 2 = Regular,
                    3 = Bueno, 4 = Muy bueno)

Tabla 3. Constantes del modelo

Constante      Descripcion

Zona urbana    Zona en la que se encuentra
               ubicado el lote.

Poligono       Poligonal que da forma al lote,
del lote       de este se obtiene la medida
               del perimetro y el area.

Indice de      Indice de valor atractivo
valor          comercial del lote
               (1.0 = muy valioso, 0.0 = sin
               valor comercial)

Distancia      Distancia de lote de la via
a via          activa importante mas
               cercana (0 = 0 a 50 m,
               1 = 51 a 100 m, 2 = 101 a 150 m,
               3 = 151 a 200 m, 4 = 201 a 300 m,
               5 = 301 a 350 m y 6 = 351 m a mas..

Densidad de    Es la densidad de poblacion de
poblacion de   la manzana, el incremento de su
la manzana     densidad se dara en base a un
               factor desagregado de la proyeccion
               de la poblacion.

Tabla 4. Factor de ajuste para la densidad por manzana

         Poblacion      Factor de
        proyectada     ajuste para
       del distrito     densidad
 Ano    de Huancayo    por manzanas

2010     116 880         1,0016
2013     116 930         1,0004
2016     117 692         1,0065
2019     118 192         1,0043
2022     118 693         1,0042
2025     119 194         1,0042

Fuente: Elaboracion propia sobre los datos del INEI
(2017) y MPH (2016).

Tabla 5. Valor de coeficientes B de los atributos variables
de la funcion

                              Uso de edificacion

                                               Vivienda
Atributo              Lote      Vivienda     multifamiliar
Funcion               libre    unifamiliar   Baja densidad

                     Coef. B     Coef. B        Coef. B

Constante            -288,41     -283,10        -335,21
Distancia a via       -0,01       0,00           0,06
Pisos edificacion     -0,03       0,00          -0,01
Pisos manzana          0,16      -0,05           0,27
Pisos vecino          -0,09       0,00          -0,07
Poblacion             -0,01       0,01          -0,07
Area lote              0,00       0,00           0,00
Area libre            -0,03      -0,08           0,91
Ano modificacion       0,00       0,00           0,02
Indice de valor        0,65      -0,25           1,68

                          Uso de edificacion

                                      Vivienda
Atributo             Vivienda de    multifamiliar
Funcion              habitaciones   Alta densidad

                       Coef. B         Coef. B

Constante              -423,94         -380,88
Distancia a via          0,10           0,28
Pisos edificacion        1,29           0,09
Pisos manzana            3,71           0,13
Pisos vecino             1,35           0,34
Poblacion               -0,09          -0,01
Area lote                0,00           0,00
Area libre              -4,83           4,37
Ano modificacion         0,06           0,04
Indice de valor         -4,58           6,73

                                 Uso de edificacion

Atributo             Vivienda   Vivienda en
Funcion              temporal   condominio    Oficina   Comercio

                     Coef. B      Coef. B     Coef. B   Coef. B

Constante            -264,83      -292,53     -314,75   -297,05
Distancia a via       -0,38        0,00        0,06     -0,05
Pisos edificacion      0,48        0,00       -0,12     -0,03
Pisos manzana          0,52        0,00        0,35      0,34
Pisos vecino          -0,35        0,00        0,09      0,13
Poblacion             -0,01        0,00       -0,01     -0,01
Area lote              0,00        0,00        0,00      0,00
Area libre            -0,75        0,00       -0,10     -0,02
Ano modificacion      -0,01        0,00        0,01      0,00
Indice de valor       -0,16        0,00        2,12     -0,07

                      Uso de edificacion

Atributo
Funcion              Industria   Educacion

                      Coef. B     Coef. B

Constante             -286,33     -291,36
Distancia a via        -0,08       0,00
Pisos edificacion      -0,22       0,00
Pisos manzana          -0,09       0,00
Pisos vecino           -0,02       0,00
Poblacion               0,00       0,00
Area lote               0,00       0,00
Area libre             -0,55       0,00
Ano modificacion        0,00       0,00
Indice de valor        -0,93       0,00

Fuente: Elaboracion propia sobre los resultados procesados
con el software SPSS v. 23.

Tabla 6. Valor de coeficiente B de atributos basados en el tipo de uso

                                   Uso de edificacion

Uso previo             Lote     Vivienda
                       libre    unifamiliar   Vivienda

Lote libre             318,30   292,89        292,47     292,46
V. unifam,             292,94   293,89        293,55     290,05
V. multifam, baja d.   292,87   292,77        315,71     288,25
V. habitacion          292,81   292,75        292,99     287,37
V. multifam alta d.    292,96   292,73        293,15     288,21
V. temporal            292,89   292,74        293,19     290,55
V. condom,             292,88   292,78        292,90     288,75
Oficina                292,88   292,82        292,85     288,55
Comercio               292,87   292,77        293,08     290,00
Industria              292,78   292,76        292,93     290,74
Educacion              0,00     0,00          0,00       0,00

                        Uso de
                      edificacion

Uso previo

Lote libre             293,18
V. unifam,             296,35
V. multifam, baja d.   295,72
V. habitacion          392,95
V. multifam alta d.    296,00
V. temporal            295,87
V. condom,             295,70
Oficina                295,42
Comercio               300,98
Industria              294,78
Educacion              0,00

                                   Uso de edificacion

                       Vivienda   Vivienda en
Uso previo             temporal   condominio    Oficina   Comercio

                       Coef, B    Coef, B       Coef, B   Coef, B

Lote libre             291,16     292,75        293,05    293,67
V. unifam,             290,98     292,75        293,15    292,37
V. multifam, baja d,   290,13     292,75        292,61    292,27
V.Habitacion           290,86     292,75        292,55    292,49
V. multifam alta d,    457,52     292,75        292,85    292,36
V. temporal            290,16     526,95        292,61    292,00
V. condom,             289,44     292,75        328,96    291,64
Oficina                287,97     292,75        292,09    352,88
Commercio              289,09     292,75        292,84    291,34
Industria              290,06     292,75        292,83    292,41
Educacion              0,00       0,00          0,00      0,00

                        Uso de edificacion

Uso previo             Industria   Educacion

                       Coef, B     Coef, B

Lote libre             291,84      292,75
V. unifam,             291,56      292,75
V. multifam, baja d,   291,39      292,75
V.Habitacion           291,34      292,75
V. multifam alta d,    291,42      292,75
V. temporal            291,39      292,75
V. condom,             291,55      292,75
Oficina                291,38      292,75
Commercio              365,20      292,75
Industria              291,68      365,94
Educacion              0,00        0,00

Elaboracion propia sobre los resultados procesados con
el software SPSS v. 23.

Tabla 7. Valor de coeficiente B del atributo constante de zona

                       Uso de edificacion

                                     Vivienda
                                   multifamiliar    Vivienda
Atributo    Lote      Vivienda         Baja             de
Funcion     libre    unifamiliar     densidad      habitaciones

           Coef. B     Coef. B        Coef. B        Coef. B

Zona 1      -0,35       0,09          -1,14           1,40
Zona 2       0,19       0,07          -1,07          -0,98
Zona 3       0,09      -0,01           0,02          -1,65
Zona 4      -0,10       0,01          -0,32          -0,46
Zona 5       0,17      -0,05           0,02           6,51
Zona 6       0,06      -0,09           0,71           2,14
Zona 7       0,18       0,01          -0,50           0,12
Zona 8       0,09       0,00          -0,30           1,04
Zona 9       0,25      -0,09           1,22           1,05
Zona 10      0,14       0,01          -0,34           0,12
Zona 11      0,02      -0,05          -0,45          -1,23
Zona 12      0,21      -0,08           0,61          -0,01
Zona 13      0,81      -0,02          -0,06          -0,70
Zona 14     -1,86       0,09          -1,44          -0,55
Zona 15      0,03       0,07          -1,51           2,01
Zona 16      0,00       0,00           0,00           0,00
Zona 17      0,00       0,00           0,00           0,00

               Uso de
             edificacion

             Vivienda
           multifamiliar
Atributo       Alta
Funcion      densidad

              Coef. B

Zona 1        -1,59
Zona 2        -0,72
Zona 3        -0,42
Zona 4        -0,17
Zona 5         0,52
Zona 6         1,71
Zona 7         0,11
Zona 8        -0,69
Zona 9        -0,07
Zona 10       -0,26
Zona 11        4,63
Zona 12       -0,65
Zona 13       -0,75
Zona 14       -0,46
Zona 15        0,04
Zona 16        0,00
Zona 17        0,00

                           Uso de edificacion

Atributo   Vivienda   Vivienda en
Funcion    temporal   condominio   Oficina    Comercio   Industria

           Coef, B      Coef, B     Coef, B   Coef, B     Coef, B

Zona 1      -0,35        0,00       -0,32      0,16       0,80
Zona 2      -0,33        0,00       -0,22     -0,40       0,33
Zona 3      -0,10        0,00        0,32     -0,12       0,26
Zona 4       0,69        0,00        0,39     -0,05       0,08
Zona 5       0,89        0,00        0,40      0,27       0,03
Zona 6       1,05        0,00        0,53      0,14       0,03
Zona 7      -0,23        0,00        0,20     -0,06       0,02
Zona 8       0,44        0,00        0,24      0,15       0,33
Zona 9      -0,13        0,00        0,26      0,08       0,08
Zona 10     -0,10        0,00        0,07     -0,15       0,10
Zona 11      0,26        0,00        0,05      3,77      -4,00
Zona 12      0,32        0,00        1,22     -0,04       0,15
Zona 13      0,16        0,00       -0,05     -0,03       0,26
Zona 14      0,14        0,00       -0,22      4,09      -0,01
Zona 15      0,04        0,00        0,15     -0,06      -0,12
Zona 16      0,00        0,00        0,00      0,00       0,00
Zona 17      0,00        0,00        0,00      0,00       0,00

             Uso de
           edificacion

Atributo
Funcion    Educacion

            Coef, B

Zona 1       0,00
Zona 2       0,00
Zona 3       0,00
Zona 4       0,00
Zona 5       0,00
Zona 6       0,00
Zona 7       0,00
Zona 8       0,00
Zona 9       0,00
Zona 10      0,00
Zona 11      0,00
Zona 12      0,00
Zona 13      0,00
Zona 14      0,00
Zona 15      0,00
Zona 16      0,00
Zona 17      0,00

Fuente: Elaboracion propia sobre los resultados procesados con
el software SPSS v. 23.

Tabla 8. Cantidad de lotes por porcentaje de area libre

        Porcentaje de area libre en lotes

Ano    Menos de 10%  20% a 30%     40% a 50%

       Cant.  %      Cant.  %      Cant.  %

2013   1095   29,7   1848   50,2   343    9,3
2016   1263   34,3   1738   47,2   322    8,7
2019   2645   71,8   643    17,5   63     1,7
2022   3200   86,9   146    4,0    29     0,8
2025   3334   90,5   41     1,1    19     0,5
2028   3365   91,3   23     0,6    13     0,4

       Porcentaje de area libre en lotes

Ano    60% a 70%     Mas de 80%    Total

       Cant.  %      Cant.  %

2013   66     1,8    332    9,0    3684
2016   63     1,7    298    8,1    3684
2019   28     0,8    305    8,3    3684
2022   12     0,3    297    8,1    3684
2025   8      0,2    282    7,7    3684
2028   5      0,1    278    7,5    3684

Tabla 9. Cantidad de lotes por numero de pisos construidos

      Numero de pisos de edificaciones

       1 (a) a 2 pisos   3 a 4 pisos

       Cant.   %         Cant.   %

2013   2963    81,4%     639     17,6%
2016   2737    75,1%     824     22,6%
2019   1871    51,3%     1644    45,1%
2022   1236    33,8%     2243    61,4%
2025   847     23,2%     2579    70,5%
2028   594     16,2%     2746    75,0%

       Numero de pisos de edificaciones

       5 a 6 pisos     7 a mas        Total

       Cant.   %       Cant.   %

2013   35      1,0%    3       0,1%   3640
2016   73      2,0%    12      0,3%   3646
2019   93      2,5%    40      1,1%   3648
2022   108     3,0%    66      1,8%   3653
2025   134     3,7%    97      2,7%   3657
2028   191     5,2%    128     3,5%   3659

(a) Lotes vacios cercados de un piso han sido incluidos en este
conteo.

Tabla 10. Cantidad de edificaciones por tipo de actividad

                       Tipo de actividad

       V. sin          V. con
Ano    actividad       actividad       Edificaciones   Total
       economica       economica       especializadas  edif.

       Cant.   %       Cant.   %       Cant.   %

2013   2599    77,7%   553     16,5%   194     5,8%    3346
2016   2548    75,5%   610     18,1%   215     6,4%    3373
2019   2492    73,8%   667     19,8%   218     6,5%    3377
2022   2422    71,5%   742     21,9%   223     6,6%    3387
2025   2357    69,4%   810     23,8%   231     6,8%    3398
2028   2301    67,5%   873     25,6%   234     6,9%    3408

Tabla 11. Cantidad de edificaciones proyectadas por tipo de vivienda

                       Tipo de uso de vivienda

                        V. multifam.                    V. multifam.
Ano          V.            Baja            V. de           Alta
        unifamiliar      densidad       habitaciones     densidad

        Cant.   %       Cant.   %       Cant.   %       Cant.   %

2013    2923    92,7    139     4,4     54      1,7     8       0,3
2016    2802    88,7    227     7,2     75      2,4     22      0,7
2019    2615    82,8    371     11,7    95      3,0     36      1,1
2022    2464    77,9    513     16,2    104     3,3     39      1,2
2025    2322    73,3    646     20,4    113     3,6     40      1,3
2028    2172    68,4    788     24,8    120     3,8     45      1,4

                Tipo de uso de vivienda

Ano        V.               V.        Total de
        temporal        condominio    vivienda

        Cant.   %       Cant.   %

2013    11      0,3     17      0,5     3152
2016    16      0,5     16      0,5     3158
2019    24      0,8     18      0,6     3159
2022    26      0,8     18      0,6     3164
2025    28      0,9     18      0,6     3167
2028    30      0,9     19      0,6     3174

Tabla 12. Cantidad de edificaciones por tipo de actividad economica

        Tipos de uso con actividad economica

Ano     Oficina      Comercial     Industria

       Cant.  %      Cant.  %      Cant.  %

2013   50     25,8   44     22,7   49     25,3
2016   61     28,4   49     22,8   49     22,8
2019   64     29,4   49     22,5   49     22,5
2022   66     29,6   51     22,9   50     22,4
2025   69     29,9   55     23,8   51     22,1
2028   70     29,9   55     23,5   52     22,2

          Tipos de uso con
        actividad economica

Ano     Educativo
                     Total
       Cant.  %      edif.

2013   51     26,3   194
2016   56     26,0   215
2019   56     25,7   218
2022   56     25,1   223
2025   56     24,2   231
2028   57     24,4   234
COPYRIGHT 2018 Pontificia Universidad Catolica del Peru
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2018 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Pena Zamalloa, Gonzalo
Publication:Espacio y Desarrollo
Date:Jul 1, 2018
Words:7395
Previous Article:Analisis de la relacion entre temperaturas superficiales y tejidos urbanos como insumo para la planificacion urbana. El caso Temuco-Padre Las Casas,...
Next Article:Sustentos para que los aceites comestibles residuales (ACR) sean considerados dentro del regimen especial de gestion de residuos de bienes...
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters