A partir de la inclusión del criterio de cercanía a equipamientos en las Reglas Generales del Infonavit para la otorgación de créditos, en el Observatorio de Ciudades se realizó un análisis de la cobertura de los equipamientos identificados en dichas reglas, comparando la medición por distancia radial contra la distancia por traza urbana. Los resultados de esta investigación resaltan diferencias importantes en el tiempo de traslados, principalmente en las zonas periféricas, que sería importante considerar para cumplir los objetivos de esta iniciativa y garantizar el cumplimiento de los derechos a partir de la ubicación de las viviendas.
La contingencia por COVID-19, además de atraer una especial atención en la salud y el bienestar de las personas, ha replanteado la forma en que nos relacionamos con las ciudades. Al inicio, la principal estrategia para evitar contagios fue disminuir a un mínimo la exposición al virus a través de medidas de confinamiento con las que se redujeron los desplazamientos que hacían las personas en su día a día. Estas condiciones aumentan la relevancia de aspectos como la caminabilidad y la diversidad de usos con las que cuenta un barrio y a su vez, nos ha llevado a repensar los modelos de urbanización y a enfocarnos en la proximidad a equipamientos urbanos y servicios (Alberti & Radicci; 2022).
En ese momento, desde el Observatorio de Ciudades del Tec de Monterrey buscamos calcular las distancias que se debían recorrer para acceder a los servicios más básicos durante una cuarentena: alimentación y atención a la salud. Este proceso nos llevó al desarrollo de un algoritmo con el que fue posible medir la proximidad a estos satisfactores desde un punto definido y replicarlo para cualquier intersección de la ciudad, en cualquier ciudad.
El contexto de proximidad
La proximidad puede ser entendida como la cercanía geográfica entre una serie de servicios, amenidades y personas. Es un elemento fundamental para garantizar que las comunidades en entornos urbanos puedan acceder a distintos equipamientos que se encuentran distribuidos espacialmente (Solá y Vilhelmson, 2018).
Existen diversos acercamientos para la medición de la proximidad, que pueden ir desde el análisis de las distancias que se deben de recorrer para acceder a amenidades, hasta la medición del tiempo de traslado. En este aspecto, el cronourbanismo surge como un concepto relevante, ya que se basa en la geografía temporal con un enfoque especial en la relación entre el espacio y el tiempo en los entornos urbanos.
Actualmente, una de las principales aplicaciones de la proximidad en las ciudades es la de la ciudad de 15 minutos.
Se trata de un marco conceptual desarrollado por Carlos Moreno1 en 2015, que establece que las principales actividades del día deben de situarse dentro de un radio de 15 minutos caminando desde las viviendas de las personas (Ferrer Ortiz et al., 2022) (Alberti y Radicci, 2022). Se considera que este acercamiento tiene un impacto en la calidad de vida de las personas, ya que la proximidad a estas actividades reduce su tiempo de traslado y les permite contar con mayor tiempo para otras actividades (Ferrer Ortiz et al., 2022).
Podemos entender, entonces, que los esquemas de planeación urbana desde una perspectiva de cercanía no se tratan solamente de buenas prácticas internacionales, sino que tienen impacto en la vida de las personas.
Más allá del concepto de la ciudad de 15 minutos, se ha estudiado que la proximidad y las opciones de movilidad que tienen los habitantes se encuentran intrínsecamente relacionadas con su calidad de vida (Natera et al., 2019) y detonan vecindarios más activos, promueven la interacción social y estilos de vida más saludables.
Estas externalidades positivas que se producen al contar con una ciudad próxima resultan en comunidades más resilientes. Como se describió previamente, durante la pandemia por la COVID-19 se incrementó el enfoque en entornos urbanos próximos, ya que estos permitían que sus habitantes redujeran su movilidad y, por lo tanto, su exposición al virus. A su vez, las redes sociales que se propician son un elemento altamente relevante para mejorar la capacidad de respuesta de una sociedad ante estresores externos.
Ahora que entendemos a la proximidad como un aspecto relevante en los entornos urbanos que impacta la calidad de vida de las personas y la resiliencia de las comunidades, surgen dos nuevas preguntas. Una es la determinación de la cobertura óptima de los equipamientos y la otra es la selección del método de medición de la cobertura. Para lo segundo, podemos aplicar distintas metodologías que incluyen utilizar buffers2 (con distancias euclidianas), mapas de isocronas o determinación de la instalación más cercana a través de un análisis de redes (Caselli et al., 2021).
En búsqueda de mediciones de recorridos más precisos, recientemente el índice de Walk Score (o índice de caminabilidad) modificó su método de medición de distancias euclidianas a distancia de redes (Weng et al., 2019). Desde el Observatorio de Ciudades, buscando contar con mediciones más precisas, también hemos optado por evaluar la proximidad utilizando un análisis de redes.
Análisis de redes y ciudad
El análisis de redes complejas ha florecido en las últimas décadas como una herramienta para mapear, visualizar y entender la interconexión de sistemas complejos (Albert y Barabási, 2002; Newman, 2003). Las ciudades y sus infraestructuras pueden ser representadas como sistemas complejos y redes; en particular, los sistemas de movilidad urbanos pueden ser representados y analizados como una red (Barthelemy, 2011, 2018; Alessandretti et al., 2022). En específico, las infraestructuras peatonales, ciclistas y viales de una ciudad pueden ser representadas como una red, tomando como nodos las intersecciones y como vínculos las conexiones existentes (banquetas, ciclovías, calles) entre dos intersecciones (Figura 1).
Específicamente, analizar una ciudad como una red nos permite capturar su morfología y utilizarla como base para realizar análisis de proximidad. Al utilizar la representación de la ciudad como una red podemos calcular las distancias más cortas entre nodos para identificar áreas de captura3 a partir de los caminos más cortos. La alternativa para calcular áreas de captura es utilizar buffers
desde los puntos de interés (escuelas, hospitales, etcétera). Sin embargo, el uso de buffers pasa por alto la topología de la ciudad, generando áreas de captura que ignoran si la distancia en la ciudades igual, menor o mayor que la distancia establecida por el buffer.
El método utiliza los diferentes equipamientos requeridos para el análisis como puntos de partida para así calcular los caminos más cortos hacia el resto de los nodos de la red. Una vez calculados, es posible identificar cuál equipamiento es el más cercano a cada intersección o nodo en la ciudad.
A partir de este cálculo se pueden determinar las áreas de captura, que producen polígonos más precisos, comparado contra el análisis con buffer, ya que utilizan las distancias más cortas a partirde los posibles caminos de la red y no desde una distancia euclidiana (Erwing, 2000; Deritei et al., 2014; Natera et al., 2019).
Cambio de reglas para el otorgamiento de crédito del Infonavit
El pasado 16 de abril del 2021, el H. Consejo de Administración del Instituto del Fondo Nacional de la vivienda para los trabajadores (Infonavit) aprobó las Reglas de Carácter General para el otorgamiento de créditos a los derechohabientes, publicadas en el Diario Oficial de la Federación del 12 de mayo del mismo año. Dichas reglas establecen que la vivienda y el suelo destinado a la misma que se pretenda adquirir y construir a través de un crédito del instituto deberán ubicarse en zonas con infraestructura urbana adecuada4. Para evaluar la adecuada ubicación y entorno de las viviendas y suelo destinado a vivienda, estas Reglas de Carácter General toman en cuenta la cercanía a fuentes de trabajo, centros de salud, educativos, de abasto y recreativos, así como opciones de movilidad adecuada. Considerando distintos criterios e indicadores socioeconómicos y satisfactores urbanos, el Infonavit clasifica el territorio en diferentes niveles de consolidación urbana.
Para efectos de las Reglas de Carácter General, una vivienda o suelo destinado a vivienda ubicado en Zonas de Consolidación Urbana5, es decir, que cuenta con una ubicación y entorno adecuados, podrá ser objeto de financiamiento y constituirse con garantía de un Crédito Infonavit, mientras que aquellas viviendas o suelo destinado a vivienda que se ubican en las zonas identificadas como no aptas –por no cumplir con alguno o algunos de los criterios establecidos– no serán susceptibles de dicho financiamiento.
Cercanía vs. proximidad
El objetivo de este análisis comparativo fue identificar las diferencias presentadas al medir la cobertura de los equipamientos con una metodología de distancia euclidiana (a partir de un radio de búsqueda) y con la aplicación de un análisis de redes. El proceso se aplicó en el Área Metropolitana de Guadalajara (AMG), en la Zona Metropolitana de Monterrey (ZMM), en la Zona Metropolitana de Mérida (Mérida) y en la Ciudad de México (CDMX). En cada caso se tomaron en cuenta los municipios que forman parte de cada área metropolitana de acuerdo con la Secretaría de Desarrollo Agrario, Territorial y Urbano (SEDATU, 2018) y se utilizaron los límites municipales del Marco Geoestadístico 2020 (INEGI, 2020).
Como se describió anteriormente, la metodología del Infonavit involucra la medición de distintas dimensiones del proceso de urbanización, que incluyen el acceso a empleos, el tamaño de las comunidades, movilidad adecuada, entre otros. Sin embargo, estos aspectos rebasan el alcance de este estudio, que se enfoca únicamente en el impacto que puede tener la metodología de medición de cercanía.
Cercanía: metodología del Infonavit
Para el cálculo de la cobertura de equipamientos se siguieron los pasos establecidos en las Reglas de Carácter General del Infonavit. Para esto, el primer paso fue crear una cuadrícula de 500 metros. Este procedimiento se realizó utilizando el software QGIS, a partir de los límites municipales reconocidos por el Inegi. Posteriormente, a la cuadrícula generada se le extrajeron los centroides, ya que, desde estos puntos centrales se evaluó la cobertura a los equipamientos establecidos.
Según el equipamiento evaluado se crearon áreas de cobertura de 2 000 o 2 500 metros . En caso de que el equipamiento evaluado estuviera dentro del radio de búsqueda se le asignaba una calificación de 1, y si estaba fuera del radio se le asignó un 0. De esta manera, al evaluar la cobertura de los cinco equipamientos en la cuadrícula se contaba con un indicador que iba del 0 al 5, donde 0 representa que no cuenta con ninguno de los equipamientos establecidos dentro de su respectiva área de cobertura, y 5, que cuenta con todos. En la siguiente representación se muestra únicamente la cuadrícula de aquellos sitios que cuentan con al menos un equipamiento en la ZMM.
Proximidad: metodología del Observatorio de ciudades
Para el cálculo de la cobertura de equipamientos se siguieron los pasos establecidos en las Reglas de Carácter General del Infonavit. Para esto, el primer paso fue crear una cuadrícula de 500 metros. Este procedimiento se realizó utilizando el software QGIS, a partir de los límites municipales reconocidos por el Inegi. Posteriormente, a la cuadrícula generada se le extrajeron los centroides, ya que, desde estos puntos centrales se evaluó la cobertura a los equipamientos establecidos.
Según el equipamiento evaluado se crearon áreas de cobertura de 2 000 o 2 500 metros . En caso de que el equipamiento evaluado estuviera dentro del radio de búsqueda se le asignaba una calificación de 1, y si estaba fuera del radio se le asignó un 0. De esta manera, al evaluar la cobertura de los cinco equipamientos en la cuadrícula se contaba con un indicador que iba del 0 al 5, donde 0 representa que no cuenta con ninguno de los equipamientos establecidos dentro de su respectiva área de cobertura, y 5, que cuenta con todos. En la siguiente representación se muestra únicamente la cuadrícula de aquellos sitios que cuentan con al menos un equipamiento en la ZMM.
El proceso de análisis de la distancia de cobertura de los equipamientos con la metodología del Observatorio de Ciudades se hizo utilizando la traza urbana. Fue necesario crear una red con las vialidades, identificar la ubicación de los equipamientos dentro de la red y evaluar la distancia más corta para llegar a cada sitio.
La red vial se construyó a partir de la base de datos de OpenStreetMap (OSM), en la que se identifican las vialidades (las conexiones) y las intersecciones entre vialidades (nodos). Ambos elementos nos permiten crear una red que se utiliza para evaluar la distancia desde un punto de inicio de viaje a un punto de fin de viaje. En nuestro caso, los inicios de los viajes fueron todas las intersecciones entre vialidades (todos los nodos) y los destinos fueron las ubicaciones de los equipamientos analizados.
Sin embargo, fue necesario identificar dónde se encontraban los equipamientos analizados dentro de nuestra red. Para solucionar esto se identificó el nodo más cercano a cada equipamiento y se determinó que ese punto correspondía al fin del viaje. Con los puntos de inicio y fin establecidos se logró calcular la distancia desde cada nodo al equipamiento más cercano. Esto nos permitió identificar si algún nodo en específico se encontraba dentro de la distancia límite para el equipamiento evaluado siguiendo el recorrido real de la traza urbana.
Para analizar la información de forma más generalizada se agruparon los nodos por hexágono. La superficie continua de hexágonos se tomó a partir de las bases de datos de H3 de Uber, que cuenta con una subdivisión global por hexágonos a distintas escalas. Para el presente estudio se utilizaron hexágonos de 87 hectáreas cada uno.
A partir de esta superficie continua se agruparon los nodos por hexágono y se calcularon las distancias promedio que se debían de recorrer dentro de estos para llegar a cada equipamiento. De esta manera, todos los hexágonos contaban con un valor de distancia y se logró determinar si se encontraban o no dentro de la distancia límite.
El cumplimiento de la distancia de recorrido promedio se evaluó a partir de un indicador, en el que se colocaba 0 si el equipamiento analizado se encontraba a una distancia mayor de la determinada por el Infonavit, y un valor de 1 si se encontraba dentro de la distancia límite. Estos valores se sumaron y se creó un solo indicador por hexágono con un rango del 0 al 5, donde 0 significa que ningún equipamiento se encuentra dentro de la distancia límite y 5 que todos están dentro de la distancia límite.
Metodología de comparación
Tanto la metodología del Infonavit como la del Observatorio de Ciudades producen una superficie con polígonos que establecen, de acuerdo con la distancia, si se cumplen los requerimientos o no. Sin embargo, estos polígonos son distintos en forma y área, por lo que se deben de unificar si se desea realizar un análisis comparativo. Debido a que el área de la cuadrícula propuesta por el Infonavit es más pequeña (25 hectáreas) que los hexágonos utilizados por el Observatorio de Ciudades (87 hectáreas), se optó por agrupar los datos de la cuadrícula a la escala de hexágonos, en lugar de reducir los hexágonos a las cuadrículas.
A partir de los centroides de la cuadrícula se crearon superficies de distancias para cada uno de los equipamientos mediante una interpolación espacial con Inverse Distance Weighted (IDW). Debido a que la distancia se calcula de forma euclidiana, se puede asumir que existe una relación lineal entre las distancias a los equipamientos desde cada punto en el territorio. Con la superficie modelada se tomó el dato de la distancia de cada equipamiento a partir del centroide del hexágono. Este fue el valor de distancia que se le asignó al hexágono. De nuevo, el proceso resultó en un indicador que iba de 0 a 5, donde 0 representa que no contaba con algún equipamiento dentro de la distancia límite y 5 que contaba con todos dentro del límite.
Ahora, con ambas metodologías normalizadas en cuestión de superficie se puede realizar una comparación directa, donde se evalúan las diferencias entre los indicadores. Esto permitió identificar cuatro escenarios:
► Sitios donde no se cuenta con ningún equipamiento dentro de su distancia límite siguiendo la metodología del Infonavit y la metodología del Observatorio de Ciudades.
► Sitios donde se cuenta con todos los equipamientos dentro de su distancia límite siguiendo la metodología del Infonavit, pero falta uno o más equipamientos de acuerdo con la metodología del Observatorio de Ciudades.
► Sitios donde no se cuenta con todos los equipamientos dentro de su distancia límite siguiendo la metodología del Infonavit, pero sí se cuenta con todos los equipamientos de acuerdo con la metodología del Observatorio de Ciudades.
Es importante resaltar que no se observó el cuarto escenario dentro de las ciudades estudiadas.
El impacto en la medición
En este estudio se identificó que la forma en que medimos la distancia puede tener un impacto significativo en la determinación de la proximidad a los equipamientos. Esto se puede observar de forma detallada en la Tabla 1, que muestra el total de los hexágonos que cumplen con los cinco equipamientos dentro de la distancia establecida por el Infonavit para cada ciudad, utilizando la metodología del Infonavit y la del Observatorio de Ciudades. Queda claro, entonces, que la metodología del Infonavit, que utiliza una distancia euclidiana, tiende a sobreestimar la cobertura de los equipamientos en todas las ciudades.
A partir de las ciudades estudiadas se puede concluir que el conteo de hexágonos que cumplen con la distancia del Infonavit es mayor con la metodología de medición de distancia euclidiana que con el análisis de redes. Sin embargo, la diferencia no es constante en todas las ciudades. Esto nos indica que existe una diversidad de factores que impactan la cobertura de equipamientos y que el proceso no se puede tomar como algo lineal y constante en todas las ciudades.
Aunque los motivos pueden ser multifactoriales, se identifican dos factores fundamentales que pueden explicar el comportamiento observado. El primero es que la morfología urbana se encuentra altamente relacionada con las variaciones entre metodologías. Una traza urbana reticular produce áreas de coberturas más cercanas a la distancia euclidiana. Pero factores como comunidades cerradas, elementos hidrográficos o carreteras dificultan la conectividad en los entornos urbanos y reducen la distancia de cobertura siguiendo las redes existentes.
El segundo factor es que la propia distribución de los equipamientos tiene una influencia en la diferencia de metodologías. Equipamientos que se encuentran cercanos a los límites de la ciudad producen áreas de cobertura mayores en zonas donde no hay traza urbana. Es relevante destacar que, debido a que la metodología del Observatorio de Ciudades mide las distancias a partir de los nodos de las vialidades, no se producen datos en sitios donde no se cuenta con vialidades.
Los factores previamente descritos se pueden observar en las comparativas por hexágono. En las ciudades de análisis, las diferencias entre metodologías ocurren principalmente en las periferias de las zonas urbanas, ya que son espacios con mayor precariedad en la cobertura de equipamientos y, comúnmente, trazas urbanas más discontinuas. Ambos aspectos se traducen en mayores tiempos de traslado.
Es importante destacar que las diferencias entre las coberturas se pueden prestar a interpretaciones subjetivas de mucho o poco; aun así, como se mencionó en la introducción, estos elementos resultan en un impacto de la calidad de vida de las personas que habitan en estas zonas. La distancia a los equipamientos es proporcional a los tiempos de traslado, que al ser mayores a los límites impactan la posibilidad de realizar la actividad evaluada.
Por otro lado, mientras que la metodología del Infonavit considera sitios potenciales para nuevos desarrollos, la del Observatorio de Ciudades evalúa las condiciones de la ciudad y caminos existentes. Este es un aspecto altamente relevante que no se debe de dejar de lado al momento de determinar la medición mediante una distancia euclidiana o un análisis de redes, ya que no considera como ubicación adecuada aquellos sitios donde no existe una red.
Un acercamiento al territorio
Al analizar el caso de la zona metropolitana de Monterrey, los hexágonos donde se cuenta con todos los equipamientos dentro de su distancia límite siguiendo la metodología del Infonavit, pero falta uno o más equipamientos de acuerdo con la metodología del Observatorio de Ciudades, representan 21.5% de la mancha urbana, que se traduce en aproximadamente 39 000 hectáreas.
A la vez, considerando una densidad promedio de 40 hab/ha, esto puede representar alrededor de 1.5 millones de personas que, a pesar de ubicarse en zonas donde se considera que cumplen con la cobertura adecuada, las condiciones actuales de la estructura urbana e infraestructura existente no les permitiría llegar a sus destinos recorriendo una distancia igual o menor al límite establecido por el Infonavit.
En la Figura 3 se muestra el acercamiento a uno de estos sitios. En esta se identifica el centroide del hexágono y se muestra el equipamiento educativo que se encuentra dentro del área de cobertura de 2.5 km; sin embargo, de acuerdo con la metodología del Observatorio de Ciudades, la distancia a la escuela secundaria más cercana es de 5.7 kilómetros, misma que se encuentra fuera del área de cobertura. Por otro lado, el equipamiento educativo que se muestra dentro del límite, al evaluarlo mediante distancia euclidiana, en realidad se encuentra a 7.7 km cuando se calcula siguiendo las vialidades existentes y no una línea recta.
Este caso identificado en una zona periférica de la ZMM es
representativo, sin embargo, destaca la relevancia de la medición para garantizar la consolidación de ciudades compactas, conectadas, integradas e incluyentes para prevenir la fragmentación socioespacial.
Siguientes pasos
El presente estudio se enfocó en la evaluación del impacto de la metodología de medición de la cobertura de distintos equipamientos a través de la comparación entre un análisis de distancia euclidiana y un análisis de redes. Se logró identificar que la medición siguiendo la traza urbana produce áreas de cobertura más cercanas a la experiencia real de los recorridos, ya que se basa en las conexiones que existen y permiten a los usuarios realizar recorridos.
La precisión en la medición de la proximidad impacta directamente en la experiencia de las personas en su día a día, es por eso que desde el Observatorio de Ciudades buscamos precisar su medición, haciendo uso de herramientas como la programación, que nos permite replicar esta metodología en cualquier territorio con la información base.
Finalmente, con el objetivo de incidir en la toma de decisiones, identificamos que las modificaciones a las reglas de operación del Infonavit han puesto al centro de su política la ubicación de la vivienda y, por lo tanto, la cercanía a los servicios que acceden las personas, y es por esto que la medición de cercanía se convierte en un elemento clave para garantizar los objetivos que se han planteado.
NOTAS
1 Dr. Carlos Moreno, director científico de ETI Chair-IAE Paris 1 Panthéon-Sorbonne University.
2 Los buffers, o zonas de influencia, se refiere a un método de medición de áreas en el que se produce un polígono alrededor de un elemento geométrico considerando una distancia euclidiana bidimensional.
3 Las áreas de captura se refieren a polígonos definidos por una red y delimitados por una distancia o tiempo límite.
4 Esto alineado al Programa Nacional de Vivienda, donde se señala que la vivienda adecuada es aquella que ofrece acceso a oportunidades de empleo, salud y educación, así como a otros servicios, equipamientos e instalaciones sociales, por lo que se ha establecido priorizar a la ubicación como un criterio para el desarrollo de vivienda, y así fomentar la consolidación de ciudades compactas, conectadas, integradas e incluyentes para prevenir la fragmentación socioespacial.
5 Es la superficie de terreno contenida dentro de cada una de las AGEB que se sitúan a su vez dentro del Sistema Urbano Nacional, así como aquellas localidades con una población igual o mayor a 2 500 habitantes, cuyo grado de consolidación urbana se define a partir de criterios e indicadores socioeconómicos y satisfactores urbanos, que dan lugar a su vez a la definición de ámbitos urbanos para la recepción de vivienda con condiciones adecuadas en su entorno.
Referencias
Albert, R. y Barabási, A.-L. (2002). Statistical mechanics of complex networks. Reviews of Modern Physics, 47-97.
Alberti, F. y Radicchi, A. (2022). The Proximity City: a comparative analysis between Paris, Barcelona and Milan. TECHNE – Journal of Technology for Architecture and Environment, 69-77.
Alessandretti, L., Natera, L., Saberi, M., y Szell, M. (2022). Multimodal urban mobility and multilayer transport network. Environment and Planning B: Urban Analytics and City Science.
Aleta, A., Meloni, S., y Moreno, Y. (2017). A multilayer perspective for the analysis of urban transportation systems. Scientific Reports, 1-9.
Barthelemy, M. (2011). Spatial networks. Physics Reports, 1-101.
Barthelemy, M. (2018). Morphogenesis of spatial networks. Springer.
Caselli, B., Carra, M., Rossetti, S., y Zazzi, M. (2022). Exploring the 15-minute neighbourhoods. An evaluation based on the walkability performance to public facilities. Transportation Research Procedia, 346-353.
Deritei, D., Lazar, Z., Papp, I., Jarai-Szabo, F., Sumi, R., y Varga, L. (2014). Community detection by graph Voronoi diagrams. New Journal of Physics.
Erwing, M. (2000). The graph Voronoi diagram with applications. Networks: An International, 156-163.
Ferrer, C., Marquet, O., Mojica, L., y Vich, G. (2022). Barcelona under the 15-Minute City Lens: Mapping the Accessibility and Proximity Potential Based on Pedestrian Travel Times. Smart Cities, 146-161.
Inegi (2020). Marco Geoestadístico. Censo de Población y Vivienda 2020. https://www.inegi.org.mx/app/biblioteca/ficha.
html?upc=889463807469
Natera, L., Deritei, D., Vancsó, A., y Vasarhelyi, O. (2020). Quantifying Life Quality as Walkability on Urban Networks: The Case of Budapest. International Conference on Complex Networks and Their Applications, 905-918.
Newman, M. (2003). The structure and function of complex networks. SIAM Review, 167-256.
Osman, R., Ira, V., y Trojan, J. (2021). A tale of two cities: The comparative chrono-urbanism of Brno and Bratislava public transport systems. Moravian Geographical Reports, 269-282.
Solá, A. y Vilhelmson, B. (2018). Negotiating Proximity in Sustainable Urban Planning: A Swedish Case. Sustainability, 1-18.
Sedatu (2018). Delimitación de las zonas metropolitanas de México 2015. México.
Weng, M., Ding, N., Jin, X., Xiao, H., He, Z., y Su, S. (2019). The 15-minute walkable neighborhoods: Measurement, social inequalities and implications for building healthy communities in urban China. Journal of Transport & Health, 259-273.
