Observing cities as a complex system

Este artículo revisa los principios de la escala urbana y explora métodos para analizar las variaciones internas dentro de una misma ciudad, destacando que las diferencias en las condiciones de vida entre sus distintas zonas pueden ser más significativas que las variaciones observadas entre ciudades diferentes.

Lo esencial

Imagina que las ciudades son como gigantes organismos vivos, no simplemente como montones de edificios y calles. Así es como el autor, Rafael Prieto-Curiel, nos invita a verlas: como sistemas complejos donde todo está conectado, desde el ruido que escuchas hasta el precio de tu alquiler.

Aquí tienes la esencia de su trabajo explicada de forma sencilla, usando analogías cotidianas:

1. Las ciudades no son solo "copias más grandes"

Imagina que tienes una casa pequeña y decides hacer una casa dos veces más grande. ¿Solo duplicas los muebles? No necesariamente.

• La teoría del "escalado": El autor explica que cuando una ciudad crece (tiene más gente), no se hace simplemente "más grande" de forma lineal.
  • Cosas que crecen más rápido: En ciudades grandes, hay más patentes, más dinero por persona y también más crimen o tráfico. Es como si la ciudad tuviera un "metabolismo" más acelerado: cuanto más grande es, más "vive" y más cosas (buenas y malas) ocurren por cada persona.
  • Cosas que crecen más lento: Las infraestructuras como carreteras o tuberías de agua no necesitan duplicarse exactamente. Una ciudad grande es más eficiente en esto; no necesita el doble de tuberías para el doble de gente, sino un poco menos.

2. El misterio de los edificios vecinos

El autor hizo un experimento curioso en una ciudad francesa llamada Vichy. Se preguntó: "¿Son los edificios de un barrio todos de la misma altura?".

• La analogía de la "familia de alturas": Si miras a tu alrededor, verás que las casas de tu calle suelen tener alturas similares (todas de dos pisos, o todas de diez). No suele haber una casa de un piso justo al lado de un rascacielos de 50 pisos.
• El hallazgo: Al analizar los datos, descubrieron que esto no es casualidad. Si mezclaras las alturas de los edificios al azar (como barajar una baraja), la diferencia entre vecinos sería mucho mayor. Las ciudades tienen una "memoria" o una regla no escrita: los vecinos tienden a parecerse entre sí, creando una armonía visual, aunque no siempre tengan la misma edad.

3. El dilema de la distancia: ¿Círculo o línea?

Aquí entra una de las partes más fascinantes: ¿Cómo se expande una ciudad?

• El círculo perfecto: Imagina que una ciudad crece como una mancha de aceite en el suelo. Se hace redonda y compacta. Si duplicas la gente, la distancia promedio para ir de un lado a otro solo aumenta un poco.
• El problema de África: El autor estudió ciudades africanas y vio que no son círculos perfectos; son más "esparcidas" y alargadas. Esto hace que la gente tenga que viajar más lejos, lo que aumenta el tráfico y el tiempo de viaje.
• El caso de "The Line" (Arabia Saudita): El autor analiza un proyecto futurista: una ciudad que es una línea recta de 170 km de largo y 500 metros de alto.
  • La analogía: Es como si en lugar de hacer una ciudad redonda, decidieras estirarla como un chicle infinito.
  • El resultado: Aunque ahorra suelo (el "huella" es pequeña), la distancia para moverse dentro de ella es enorme. Vivir ahí sería como vivir en un tubo muy largo; ir de un extremo a otro sería un viaje eterno, a menos que tengas un transporte súper rápido.

4. El truco de la "Remotidad" (No es solo la distancia)

Este es quizás el punto más importante para entender la desigualdad.

• El problema: Decir que "vives a 10 km del centro" no significa lo mismo en una ciudad pequeña que en una megaciudad. En una ciudad pequeña, 10 km es el fin del mundo. En una ciudad gigante, 10 km es tu patio trasero.
• La solución (La analogía del "mapa de calor"): El autor propone una medida llamada "Remotidad". Imagina que ajustas la distancia según el tamaño de la ciudad.
  • Si vives en el centro de una ciudad gigante, eres "cercano" (tienes todo cerca).
  • Si vives a la misma distancia física en una ciudad pequeña, eres "remoto" (estás aislado).
• La realidad: Al usar esta medida, descubrimos que la desigualdad es brutal. En las zonas "remotas" (lejos del centro, relativo al tamaño de la ciudad), la gente tiene menos computadoras, menos acceso a internet y más pobreza. No es que la ciudad sea mala, es que la "distancia" crea barreras invisibles.

5. Cuidado con las generalizaciones

El autor nos da una advertencia final: No todas las ciudades son iguales.

• La analogía de los "gatos y perros": A veces, los estudios dicen que "las ciudades grandes tienen más crimen". Pero si miras solo a una ciudad, podrías ver que el crimen se concentra en unos pocos barrios (como focos de calor), mientras que el resto es seguro.
• El peligro: Si reducimos una ciudad a un solo número (como "promedio de crimen"), perdemos de vista que en el mismo barrio puede haber riqueza y pobreza extrema. Las ciudades son como un mosaico; si solo miras el color general, no ves las piezas individuales.

En resumen

Este paper nos dice que para entender una ciudad, no basta con contar cuánta gente vive en ella. Debemos mirar:

1. Cómo crece: ¿Se hace más alta o se estira?
2. Cómo se siente la distancia: ¿Es fácil llegar a donde necesitas ir?
3. Las diferencias internas: No todos los vecinos viven la misma realidad.

Las ciudades son sistemas vivos y complejos. Para mejorarlas, no podemos usar una "receta única" para todas; necesitamos entender sus peculiaridades, sus barrios y sus distancias reales.

Resumen técnico

Resumen Técnico: Observar las ciudades como sistemas complejos

1. Problema

Las ciudades son sistemas intrincados donde coexisten servicios sincronizados y desafíos críticos como la contaminación, la segregación y la competencia por el espacio. Aunque la teoría de la escala urbana (urban scaling) ha proporcionado un marco para analizar cómo cambian las métricas urbanas en función del tamaño de la población, existen limitaciones fundamentales:

• Simplificación excesiva: Reducir una ciudad a un solo indicador global (ej. crimen promedio o renta per cápita) puede ocultar disparidades internas significativas. Las variaciones dentro de una misma ciudad (entre barrios) a menudo son mayores que las variaciones entre diferentes ciudades.
• Universalidad cuestionable: Muchos resultados de escalado se basan en datos de EE. UU. y su aplicabilidad global es incierta. Además, la definición de qué constituye una "ciudad" varía, afectando la comparabilidad.
• Falta de mecanismos causales: Las correlaciones observadas (ej. ciudades grandes tienen más crimen) no siempre explican los mecanismos subyacentes (infraestructura, migración, externalización de industrias).
• Heterogeneidad espacial: El análisis a nivel macro ignora la distribución espacial de los recursos y riesgos, como la concentración de delitos en "puntos calientes" o la desigualdad en el acceso a servicios entre el centro y la periferia.

2. Metodología

El autor emplea un enfoque multidisciplinario que combina ciencia de datos, modelos de sistemas complejos y análisis estadístico avanzado:

• Teoría de Escala Urbana: Se utiliza la ecuación de potencia $Y_i = \alpha P_i^\beta$, donde $Y$ es un indicador urbano, $P$ es la población y $\beta$ determina si el crecimiento es superlineal ($\beta > 1$), sublineal ($\beta < 1$) o lineal.
• Análisis de Huella de Edificios: Uso de datos de OpenStreetMap y detección de edificios mediante IA y satélites (ej. datos de Vichy, Francia y Basel, Suiza) para analizar la altura y edad de edificios vecinos. Se compara la distribución observada con distribuciones permutadas aleatoriamente para determinar si la similitud en altura/edad es un patrón estructural o aleatorio.
• Modelo BASE (Building, Area, Sprawl, Elongation): Descomposición de la distancia media entre edificios ($D_i$) en cuatro componentes multiplicativos:
  1. Número de edificios ($B_i$).
  2. Área promedio de edificios ($A_i$).
  3. Dispersión o Sprawl ($S_i$).
  4. Alargamiento o Elongation ($E_i$).
     Esto permite modelar cómo crecen las distancias en función de la población en ciudades africanas.
• Estudios de Caso Específicos:
  • The Line (Arabia Saudita): Análisis teórico de una ciudad lineal de 170 km para evaluar sus métricas de elongación y dispersión.
  • México: Análisis de la propiedad de vehículos y electrodomésticos en 75 áreas metropolitanas, comparando regresiones estándar con regresiones ponderadas (donde las ciudades grandes tienen mayor peso).
• Análisis de Remoteness (Aislamiento): Introducción de una métrica normalizada $R_{i,j} = 1000 \cdot D_{i,j} / \sqrt{P_i}$, que mide la distancia al centro relativa al tamaño de la ciudad, permitiendo comparar la desigualdad espacial entre ciudades de diferentes tamaños.

3. Contribuciones Clave

• Validación de Patrones Locales: Demostración de que en ciudades como Vichy, los edificios vecinos tienen alturas y edades significativamente más similares de lo que ocurriría por azar, sugiriendo una organización espacial no aleatoria.
• Descomposición del Crecimiento Urbano: El modelo BASE revela que en África, el aumento de la distancia entre edificios con la población se debe principalmente al aumento sublineal del número de edificios y al ligero aumento del tamaño de los mismos, más que a cambios drásticos en la forma (alargamiento o dispersión).
• Crítica a la Visualización de Datos: Se evidencia cómo el uso de escalas logarítmicas en gráficos de escala urbana puede ocultar errores de predicción masivos en ciudades extremadamente grandes (ej. Ciudad de México), mostrando que los modelos pueden sobreestimar o subestimar drásticamente variables como el número de vehículos.
• Nueva Métrica de Desigualdad: La propuesta de "remoteness" permite cuantificar cómo la distancia al centro afecta el acceso a servicios (como computadoras) de manera comparable entre ciudades pequeñas y grandes, revelando gradientes de exclusión social.

4. Resultados Principales

• Escalado de Infraestructura: En ciudades africanas, la distancia media entre edificios crece con un exponente $\beta_D \approx 0.532$, ligeramente superior a la raíz cuadrada de la población (0.5), indicando un crecimiento ligeramente más disperso que el ideal circular.
• Propiedad y Movilidad:
  • En México, la propiedad de automóviles muestra un escalado superlineal ($\beta \approx 1.1$) en regresiones no ponderadas, sugiriendo más coches por persona en ciudades grandes. Sin embargo, con regresión ponderada, el resultado cambia a sublineal ($\beta \approx 0.96$), indicando que la relación depende fuertemente del método de estimación.
  • El acceso a internet y computadoras también tiende a ser superlineal, favoreciendo a las grandes ciudades.
• El Caso de "The Line": Una ciudad diseñada como una línea de 170 km tendría una elongación extrema ($E \approx 25.8$) y una dispersión alta, lo que aumentaría la distancia media entre residentes en un factor de ~10.7 comparado con una ciudad circular compacta, a pesar de minimizar la huella de suelo.
• Heterogeneidad Espacial:
  • El crimen no se distribuye uniformemente; se concentra en "puntos calientes" y afecta desproporcionadamente a un pequeño porcentaje de la población (víctimas crónicas), mientras que la mayoría es "inmune".
  • El acceso a bienes (computadoras) decae drásticamente a medida que aumenta la "remoteness", independientemente del tamaño de la ciudad. Las áreas remotas son consistentemente más pobres.

5. Significado e Implicaciones

El artículo concluye que las teorías de escala urbana son herramientas útiles pero no leyes universales. Su aplicación ciega puede llevar a políticas erróneas si se ignoran:

1. La heterogeneidad interna: Las diferencias entre barrios de una misma ciudad son tan importantes como las diferencias entre ciudades. Las políticas deben ser locales y específicas, no solo basadas en promedios nacionales.
2. La definición de ciudad: La forma en que se delimitan las áreas urbanas altera los resultados de escalado.
3. Mecanismos vs. Correlaciones: Es crucial entender por qué ocurren los patrones (ej. ¿menores emisiones en ciudades grandes por transporte público o por externalización industrial?) para diseñar intervenciones efectivas.
4. Nuevas Tecnologías: El uso de datos satelitales y modelos basados en agentes (ABM) permite superar las limitaciones de los censos desactualizados y simular dinámicas urbanas complejas.

En resumen, el autor aboga por un enfoque que combine el análisis macro de escalas con una comprensión profunda de la variabilidad espacial local, utilizando métricas normalizadas como la "remoteness" para abordar la desigualdad y diseñar ciudades más equitativas y funcionales.