lunes, 15 de julio de 2019

Toy Region: un modelo descargable para entender, experimentar y crecer ciudades en tu computadora

Comparativo entre una aglomeración urbana real (Pune y Mumbai, India) y uno simulado por el modelo Toy Region.

EN RESUMEN:

* Este es un modelo descargable que demuestra las regiones urbanas genéricas que pueden emerger a raiz de la normatividad de Programas de Desarrollo Urbano.

* Lo que arroja el modelo se puede interpretar como imágenes aéreas de regiones urbanas artificiales.

* Contiene variables que el usuario puede modificar libremente como una forma de aprender conceptos urbanos a través de la libre experimentación.

* Este modelo puede adecuarse con bases de datos de zonas reales para experimentar con políticas públicas en materia de desarrollo urbano antes de que sean implementadas en la vida real.

**************************
En esta ocasión comparto un modelo computacional que puedes bajar a tu computadora y experimentar con la creación de regiones urbanas. Lo elaboré para el taller de modelación urbana presentado por el IMIP Ensenada en la unidad del Tecnológico de Monterrey Campus Puebla en el contexto del Urban Thinkers Campus ONU-HABITAT Puebla 2019 organizado por el Colegio Nacional de Juirsprudencia Urbanistica Internacional.

Por un lado, demuestra el concepto de la "fertilidad" de un modelo, es decir, cómo un mismo concepto puede aplicarse a diferentes disciplinas. En este caso, un algoritmo que promedia valores y que genera patrones espaciales de aglomeración que puede utilizarse en fenómenos que presenten este comportamiento. Por otro lado, es un modelo que nos ayuda a entender los patrones espaciales que pueden surgir a raíz de la normatividad de programas de desarrollo urbano y de condiciones presentes en el territorio en donde apliquen. Por lo mismo, este es un punto de arranque para la elaboración de modelos mas complejos que sirven de herramienta para el diseño de políticas públicas en materia de desarrollo urbano las cuales pueden evaluarse antes de su implementación en la vida real.

Aglomeración urbana resultado de una simulación del modelo Toy Region.
Lo que arroja el modelo lo podemos interpretar, en términos simplistas, como imágenes aéreas de regiones urbanas artificiales. Estas son formadas de acuerdo a parámetros que nosotros le ingresamos respecto a compatibilidades y cantidades de usos de suelo. Aunque mantengamos los mismos parámetros, el modelo arroja resultados diferentes cada vez que lo ejecutamos, lo que demuestra que una misma condición se puede cumplir de diferentes maneras.

A pesar de la sencillez del modelo, este nos puede ayudar a entender los motivos de por qué el patrón de distribución de usos de suelo en las ciudades se comporta como tal. Si observamos con cuidado el desarrollo de nuestras ciudades sintéticas del modelo, podemos llegar a encontrar aquí y allá situaciones ya conocidas (por lo menos en lugares en donde mayormente se respeta la normatividad urbana). Por ejemplo, en la siguiente imagen se muestra una simulación en proceso donde en el centro observamos un uso Comercial-Industrial (celda café) el cual está separado de los usos habitacionales por un predio baldío (celda negra) y usos comerciales y de equipamiento, dado que la industria y la vivienda no están permitidos que se encuentren directamente colindantes en este mundo virtual:

Al centro, en celda color café, un desarrollo Comercial-Industrial.

También podemos encontrar usos de suelo que se puede garantizar su cantidad de superficie solo si se da contigua a usos similares, como es el caso de esta aglomeración de usos de equipamiento (celdas azules): 

Tres aglomeraciones de equipamiento urbano (celdas azules), donde al centro cada uno contiene usos industriales.

Otro caso es que no ayuda a entender cómo se puede dar la consolidación urbana en el tiempo. En la siguiente figura se muestra como de nuestro modelo surgieron dos áreas industriales rodeadas mayormente por suelo sin urbanizar (celdas negras) en el ciclo 612. Ya muy avanzado, en el ciclo 2,500 apenas habían sido rodeadas por tres celdas de equipamiento y en el ciclo 7,000 seguía con usos colindantes sin urbanizar:

En t = 612 surgen dos áreas industriales (encerradas en círculos blancos). En t = 7,000 aún no se urbanizan la totalidad de sus celdas vecinas.
¿Por qué tardó mas tiempo en consolidarse las áreas alrededor de estas industrias? ¿De qué otra manera se pudieron haber distribuido los usos? ¿Esta tardanza en su consolidación tiene que ver con las compatibilidades solamente o con la distribución de los usos circundantes? Estas son algunas preguntas que nos surgen al ver el modelo y que, al entenderlo, nos puede ayudar a responder.

El modelo se llama Toy Region y se puede descargar dando clic en el ícono de abajo. Para usarlo hay que descargar el ambiente de programación Netlogo, el cual es gratuito y se puede descargar del otro ícono. Descarga el modelo y juega con él. Si quieres saber cómo usarlo sigue leyendo adelante.

 
Descarga modelo Toy Region

Descarga Netlogo

Interfaz del modelo Toy Region.

Secuencia de aglomeración en t = 100, t = 200, t = 300, t = 500, t = 600 y t = 800. Los colores indican diferentes usos de suelo y la distribucioón entre los mismos obedece a reglas de compatibilidad.

CÓMO TRABAJA
El modelo inicia representando la superficie de un territorio de dimensión finita a través de una cuadricula y sin ninguna urbanización. Cada celda de esta cuadrícula inicia con un valor potencial de 1 o -1 asignado de manera aleatoria y con el interés por desarrollar uno de 7 usos de suelo posibles. En cada paso el modelo actualiza el potencial de cada celda de acuerdo a los valores potenciales de las celdas vecinas y a las vialidades colindantes, las cuales aumentan el valor de potencial. Si el nuevo valor potencial pasa cierto umbral, la celda se vuelve potencialmente urbanizable. Enseguida, la celda busca que su interés por desarrollar su uso de suelo no sea incompatible con los usos de suelo circundantes en un radio especificado por el usuario. Si no es incompatible, la celda se urbaniza con el uso de suelo pretendido. Si no es así, la celda permanece sin urbanizar y de nuevo se estima su valor de potencial de manera sucesiva en cada generación del modelo. Las compatibilidades e incompatibilidades entre los usos de suelo se muestran en la siguiente Matriz de Compatibilidad, lo cual se puede ver una representación simplificada de las matrices usadas para normar la convivencia de usos en los programas de desarrollo urbano:
Matriz de compatibilidad de usos de suelo usada para el modelo Toy Region.


CÓMO USARLO
El modelo se utiliza de la siguiente manera:

a) Posicionar el switch RESTRICCIONES? en ON u OFF. Si se elige ON, el modelo ubicará restricciones a la urbanización de manera aleatoria sobre el territorio. Estas pueden interpretarse como áreas cerriles, cuerpos de agua, áreas naturales protegidas, etc.

b) Seleccionar con el deslizador TOLERANCIA el radio de tolerancia de los usos de suelo. Esta es una distancia después de la cual es posible la convivencia de dos usos de suelo incompatibles. Entre mayor el valor, mayor la distancia entre los mismos para que puedan coexistir.

Distintos valores de radio de tolerancia. En las celdas grises no debe de existir un uso de suelo incompatible con la celda de color negro.
c) Asignar % de usos de suelo proyectado. Bajo la columna PROYECTADO, se ingresan los porcentajes planeados de cada uno de los 7 usos de suelo. La suma total debe ser de 100%.

d) (Opcional) Pintar vialidades y usos de suelo. Bajo la columna BROCHAS, presionar el botón del uso de suelo o vialidades que se desea representar en el territorio. Mientras se mantenga el botón activo, pasar el cursor con el botón izquierdo del ratón presionado sobre el territorio para pintar. Cuando se termine de pintar, desactivar el botón antes de proceder con la simulación.

e) Presionar el botón PREPARAR. Esto asignará un valor aleatorio de 1 o -1 a cada una de las celdas.

f) Presionar el botón CRECER para iniciar la simulación.

En cualquier momento de la simulación se puede presionar el botón CRECER para pausar la simulación y pintar usos de suelo, vialidades o cambiar el valor de TOLERANCIA. Presionar de nuevo para reanudar la simulación.

COSAS A NOTAR
Al iniciar la simulación se forman agrupamientos de usos de suelo, en donde el acomodo de cada uso con el resto dependerá de su compatibilidad y tolerancia. Si existen vialidades, estas atraerán usos de suelo formando corredores urbanos a lo largo de las mismas y en sus intersecciones.

El comportamiento real del % de usos de suelo proyectados varía de acuerdo a la relación entre la cantidad del porcentaje, compatibilidades y tolerancia entre todos los usos. Esto se puede constatar bajo la columna % DE USO, en donde se compara el porcentaje PROYECTADO vs REAL, y en la gráfica % DE USOS DE SUELO EN EL TIEMPO.
Los patrones espaciales de los usos de suelo resultantes pueden ser similares a los encontrados en ciudades reales.

COSAS A PROBAR
Iniciar la simulación sin ninguna traza vial. Después de que se formen agrupamientos de usos, pausar la simulación y conectarlos con vialidades. Reanudar la simulación y observar cómo se modifica el patrón de usos de suelo al ser atraídos por las nuevas vías de comunicación. Pausar de nuevo la simulación y conectar los nuevos agrupamientos resultantes y conectarlos entre sí, y así sucesivamente. Observar cómo se va formando una red vial como consecuencia de este proceso de retroalimentación.

Secuencia del desarrollo de una región. Las vialidades son trazadas por el usuario y el crecimiento por el modelo. De la tensión de estos dos actores resulta la configuración final de la región.
Otra opción es trazar una estructura vial antes de iniciar la simulación y observar el comportamiento del crecimiento urbano.

EXTENDIENDO EL MODELO
El modelo puede extenderse incluyendo un proceso de Autoregulacion, en el cual no se permita el crecimiento de usos de suelo mas allá de su crecimiento proyectado.

CREDITOS Y REFERENCIAS
La simulación toma su algoritmo de crecimiento del modelo denominado “Structure from randomness 2” que se encuentra en la biblioteca de modelos de Netlogo. Este modelo a su vez se basa en otro que se encuentra en el libro "Cities and Complexity" de Michael Batty.

Dado que el código del modelo es abierto, con algunas nociones de programación se puede alimentar con bases de datos espaciales de zonas reales para experimentar con estas y prospectar sus posibles futuros urbanos.

Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.

domingo, 19 de mayo de 2019

Un capítulo introductorio para quienes quieran aprender a simular ciudades por computadora.



El proceso de diseño de políticas públicas es un ejercicio que se ha vuelto cada vez más complejo, envuelto en incertidumbre que puede caer en la improvisación e ignorar los efectos a largo plazo. Por lo tanto, la posibilidad de que los tomadores de decisiones puedan experimentar y descubrir a través de modelos computacionales los posibles resultados de políticas públicas antes de que se implementen en la vida real sería una herramienta útil, ya que generaría conocimiento anticipatorio útil y estrategias no reactivas. Sin embargo, los ejercicios de planeación urbana institucional que hacen uso de estas herramientas son casi nulos a pesar de que ya existen las herramientas para elaborarlos, dado que hasta ahora ha sido casi una actividad restringida a la comunidad científica debido en parte a la falta de literatura introductoria enfocada al funcionario público no especializado.

Con esta preocupación en mente es que escribí el capítulo From Simulation to Implementation: Practical Advice for Policy Makers Who Want to Use Computer Modeling as an Analysis and Communication Tool que acaba de publicarse en el libro Applied Decision-Making publicado por la editorial Springer. En él se presentan conceptos básicos de modelado computacional y consejos dirigidos a los formuladores de políticas públicas presentados desde una perspectiva de planificación urbana. Comienza mostrando una debilidad fundamental en la forma en que actualmente se diseñan las políticas públicas urbanas: ignorar las relaciones e interacciones entre los componentes de un contexto urbano. A continuación, se presenta el enfoque de la Complejidad como una forma de subsanar esta ausencia, junto con los métodos y herramientas que utiliza, y la aplicación de este enfoque en políticas públicas y ciudades a través del modelado computacional. Finalmente, se presentan una serie de consideraciones y recomendaciones con respecto a la construcción de modelos computacionales. Basado en protocolos de comunicación científica recientes, el capítulo concluye con una guía para la presentación de modelos dirigida a una audiencia no especializada, ya que puede ser un paso necesario como parte del proceso de implementación de políticas urbanas.

Va dedicado a todos los planificadores urbanos y funcionarios públicos que quieran aprender mas sobre simulación urbana con computadoras (y ojalá se animen a practicarlo).

sábado, 16 de septiembre de 2017

Un algoritmo computacional nos acaba de ayudar a encontrar sentido a una maraña de relaciones urbanas (y de paso hacer mejores programas de desarrollo urbano).


¿Cómo leer esta red compleja que resultó de un ejercicio ciudadano en Bahía de Los Ángeles, México?


"Las fuerzas que afectan a las sociedades de todo el mundo son poderosas y novedosas...demasiadas políticas fracasadas son fundamentalmente fracasos de conocimiento"
Lee Bollingerl

La red que se muestra arriba es el resultado de un taller de diagnóstico ciudadano llevado a cabo en el 2016 en la localidad de Bahía de Los Ángeles, México, como parte del proceso de elaboración de su Programa de Desarrollo Urbano de Centro de Población. Detrás de su aparente confusión subyace una estructura muy específica, que si se llegara a entender aportaría valiosa información a quienes elaboran el Programa. Más aún y contrario a la lógica del diseño previo que implica toda estructura ordenada, esta no se diseñó con antelación, esta estructura surgió mientras los habitantes de Bahía fueron vertiendo sus participaciones y eran cuidadosamente relacionadas entre sí; nadie supo cuál sería la estructura final hasta al final del ejercicio. Cada punto (nodo) fue una característica relevante de la localidad y cada línea (enlace) la influencia de una característica sobre otra. El resultado fue una red compleja, no en el sentido de "complicada" o "difícil", sino en el sentido de que estuvo alejada del azar y la casualidad.
Las redes complejas ya se han estudiado desde hace años, y pueden ser entendidas con toda una serie de conceptos encerrados en lo que ahora se conoce como análisis de redes. Dejando de lado en un principio lo heterogéneo de los nodos aportados por este ejercicio ciudadano y los abstraemos finalmente como una red, este análisis nos puede aportar luz sobre la estructura subyacente de la misma: ¿cuáles son los nodos con más conexiones?, ¿cuáles son los más influyentes?, ¿qué nodos se agrupan entre sí y se alejan de otros?, ¿qué nodos funcionan como conectores entre diferentes grupos de nodos?. Lejos de ser preguntas ociosas, nos queda claro que al sustituir la palabra "nodo" por lo que realmente representa en el ejercicio (vialidad, uso de suelo, valor ambiental, infraestructura, espacio público, agua, vivienda, etc.), se aporta un valioso mapa para quienes elaboran el Programa de Desarrollo sobre la naturaleza funcional de Bahía de Los Ángeles, y de esta manera estar en la posibilidad de diseñar políticas públicas de la manera más informada posible. El tener una metodología que nos ayude a distinguir cuáles son aquellos aspectos urbanos que realmente determinan el estado actual de la ciudad, cuales son sus efectos específicos y prever qué sucedería si se actuara sobre ellos; nos permitiría trascender el tipo de diagnóstico que solo nos dice "cómo está la ciudad en este instante" a un diagnóstico que nos diga "las relaciones de una ciudad son "estas" y por lo tanto funciona de "esta" manera".

El ejercicio en cuestión acaba de ser publicado en Sustainability, producto de una colaboración entre quien escribe, académicos de la Universidad Autónoma de Baja California y la Trinity University de Texas, en donde a través de un algoritmo computacional se aplicaron dos tipos de métricas a la red compleja ya mencionada como una forma de identificar cuál pudiera ser la manera más efectiva de afectar el sistema urbano de Bahía de Los Ángeles descubriendo aquellos nodos (o aspectos sociales, urbanos, institucionales  y ambientales) que al actuar sobre ellos se pudiera tener mayor probabilidad de impacto sobre el resto de la red. Adicionalmente, se quiso identificar cómo se agrupaban estos nodos de manera natural para saber cuáles eran los temas sobre los cuales se deberían de enfocar los esfuerzos de planeación. Como todo tema tratado desde el enfoque de Sistemas Complejos, surgieron resultados inesperados que nos demostraron que un elemento urbano se comporta de manera diferente si se manifiesta en un entorno urbanizado o rural, como fue el caso de Bahía de Los Ángeles. El artículo se puede leer aquí a través de una descarga gratuita.

La misma red compleja pero solo con los enlaces de mayor influencia y con nodos agrupados por cantidad de relaciones.



Ubicación de la localidad de Bahía de Los Ángeles, México.


miércoles, 12 de octubre de 2016

SketchUp, ahora en navegadores


SketchUp, la popular herramienta de modelado en 3D, ahora se puede utilizar a través de nuestros navegadores sin nada adicional que instalar, a través del sitio my.sketchup.com. Esto sigue la tendencia de tener los programas en la nube sin la necesidad de tenerlos instalados en los equipos locales como se ha hecho desde el inicio de la era de la computación. Aunque está en fase Beta, es decir, aún no es totalmente estable, es posible realizar las tareas de modelado inclusive desde dispositivos móviles como las tabletas.

domingo, 14 de agosto de 2016

Y de nuevo Google nos ayuda a conocer las ciudades con esta nueva característica.



A muchos nos has pasado alguna vez. Estamos en una ciudad que nunca habíamos visitado, tenemos tiempo y llega la pregunta obligada: ¿a donde ir?. Hasta hace poco tiempo la respuesta inmediata era consultar un mapa de papel y escoger de la oferta de espacios. Esto llegó a cambiar con el feliz matrimonio entre las capacidades de ubicación de los teléfonos inteligentes y los mapas en línea, como el ya conocido Google Earth.
Ahora, a partir de Julio la pregunta anterior tiene ya mejor respuesta con una nueva característica de la plataforma Google Maps, mostrándonos en color naranja lo que ha denominado "lugares de interés". ¿Cómo se identificaron estos espacios? Hubiera sido una labor titánica identificar de manera manual, manzana por manzana, calle por calle, ciudad por ciudad, todos los lugares de interés del planeta. Obviamente en estos casos Google recurre a un algoritmo, y lo que hace es identificar concentración de restaurantes, bares y tiendas. Inmediatamente nos llegan algunas dudas, y seguramente tendremos razón ya que lo interesante de una ciudad va más allá de lo que evalúa Google. En el caso de la ciudad de Ensenada, México, el Centro Estatal de las Artes no aparece a pesar de contar con una plaza en donde regularmente se realizan eventos públicos masivos. Tampoco aparece el Cañón de Doña Petra, gran área natural visitada frecuentemente o, Dios los perdone, tampoco sobresale la playa pública aunque los fines de semana no encontremos un lugar para estacionarse cerca. Aun así, este es un ejemplo muy relevante sobre cómo el poder de computo nos puede ayudar en materia de análisis urbano, que aunque no es perfecto sí nos puede ahorrar horas y horas de trabajo, y quizá ver una que otra cosa que no nos habíamos percatado antes.

martes, 26 de enero de 2016

¿Qué tan fotogénica es tu ciudad? Deja que el "Big Data" te ayude a responder.





Para nadie es un secreto que gracias a la cada vez mayor cantidad de información generada por los dispositivos móviles tenemos ahora a nuestra disposición una gran cantidad de datos con los cuales podemos hacer análisis a una escala y detalle que solo hasta hace unos años era solo soñada, lo cual podemos englobar bajo el reciente concepto de Big Data. Si a esto aplicamos la minería de datos es posible encontrar patrones en montañas de información y, cuando además esta información es de libre acceso, grandes cosas suceden gracias a la creatividad de la gente.

Un caso es el proyecto The Geotaggers World Atlas, en concepto sencillo pero de utilidad para la promoción de las ciudades. Eric Fischer, su creador, tomó la base de datos de la popular plataforma fotográfica Flickr y ubicó cada foto subida a su portal en un mapa. Podría decirse que fue algo sin trascendencia, pero toma todo un nuevo significado considerando que fueron cientos de miles de fotografías a lo largo de la nada despreciable cantidad de 10 años. El resultado fue toda una configuración de patrones que ponen de manifiesto para cada ciudad los lugares de interés y los recorridos que tomó la gente para capturarlos. ¿Los resultados son de interés? Claro que si. Supongo que desde ya quieres ir a ver cómo ha sido fotografiada tu ciudad (y lo puedes hacer, el proyecto es para la bases de datos de todo el mundo). Mas aún, nos revela qué es considerado digno de fotografiarse para la gente que visita y recorre las calles de nuestras ciudades. Las autoridades turísticas, entre otras, ya tienen datos duros para donde enfocar sus esfuerzos. Luego se lo agradecen a Eric y al big data que, en esta ocasión, estuvo al alcance de nuestra mano.

Para ir al mapa, da clic aquí.
Para ir a la página del proyecto, da clic aquí


lunes, 16 de noviembre de 2015

Pronosticando el crecimiento urbano antes de que suceda: el caso del Sector Noreste en Ensenada, México

Resultado de uno de los escenarios de simulación urbana.

¿Cómo se comportaría el crecimiento urbano de nuestra ciudad si no permitiéramos la ocupación de zonas agrícolas? ¿Si quisiéramos tener el mismo crecimiento pero ocupando menos superficie? ¿Si nos enfocaremos a crecer sobre las grandes vialidades o en lejos de las mismas? Seguramente al leer estas preguntas ya tendremos alguna respuesta genérica pero, ¿cuales serían los resultados específicamente para nuestra ciudad en base a sus condiciones actuales? ¿En donde se daría el crecimiento? ¿En qué cantidad? ¿bajo qué configuración?

Estas, junto con otras preguntas, es lo que se pretendió responder en el mas reciente trabajo de modelación urbana a través del uso de computadoras en el Instituto Municipal de Investigación y Planeación de Ensenada. Tomando como base un programa de desarrollo urbano que aún no se vuelve oficial, se "puso a prueba" la zonificación de usos de suelo que se propone en este y ver qué pudiera suceder antes de aplicarlo en la vida real. Aunque por la naturaleza propia de este tipo de programas los resultados se tienen que ver como una posibilidad y siempre tienen que ser evaluados por especialistas, aún así los resultados obtenidos dejan prever la utilidad de este tipo de herramientas: a pesar de su sencillez se pudo pronosticar el desarrollo de una unidad habitacional un año antes de que su promotor la empezará aún a gestionar, mas otras adicionales que aún no se desarrollan pero se estima que también suceda lo mismo en un futuro próximo.

El trabajo se expuso en la última edición de la Computational Social Science Society of the Américas sostenida en Santa Fe, Nuevo Mexico, y se puede descargar de este link.

Toy Region: un modelo descargable para entender, experimentar y crecer ciudades en tu computadora

Comparativo entre una aglomeración urbana real (Pune y Mumbai, India) y uno simulado por el modelo Toy Region. EN ...