Una ciudad para ellas es una ciudad para toda la población

Abstract

El análisis del corredor Carrera Séptima (Av. Jiménez - Plaza de Bolívar) revela que factores espaciales, estructurales y socioeconómicos afectan la movilidad y apropiación del hábitat, especialmente para mujeres y otros grupos poblacionales con necesidades específicas de desplazamiento. Obstáculos físicos, iluminación, mobiliario urbano, regulación del espacio, seguridad percibida, imaginarios y códigos culturales inciden de forma sistémica en la experiencia del hábitat. Con base en estos hallazgos, se proponen lineamientos para mejorar accesibilidad y seguridad desde la interseccional. La metodología se desarrolló en tres etapas: 1. Caracterización del hábitat con observación participante, 300 encuestas, 8 grupos focales y 4 entrevistas estructuradas. 2. Integración de datos demográficos, psicográficos y estructurales en un modelo de simulación con agentes artificiales. 3. Machine learning, con 20.000 agentes virtuales que simulan movilidad activa (peatonal, bicicleta, patineta, cochecitos, sillas de ruedas), evaluando accesibilidad, seguridad y barreras en el hábitat de estudio. Los resultados evidencian que infraestructura insuficiente y baja iluminación limitan la seguridad y accesibilidad. Además, la densificación del uso del espacio público, impulsada por el turismo y el comercio ambulante, reconfigura los flujos peatonales, generando zonas de movilidad restringida. El modelo de predicción resalta la necesidad de estrategias que equilibren el uso del espacio sin comprometer la accesibilidad. (Texto tomado de la fuente)

The analysis of the Carrera Séptima corridor (Av. Jiménez - Plaza de Bolívar) reveals that spatial, structural, and socioeconomic factors affect mobility and the appropriation of urban space, particularly for women and other population groups with specific mobility needs. Physical obstacles, lighting, urban furniture, space regulations, perceived security, imaginaries, and cultural codes systematically shape the experience of the urban environment. Based on these findings, guidelines are proposed to improve accessibility and security from an intersectional perspective. The methodology was developed in three stages: 1. Habitat characterization through participant observation, 300 surveys, 8 focus groups, and 4 structured interviews. 2. Integration of demographic, psychographic, and structural data into a simulation model with artificial agents. 3. Machine learning, with 250,000 virtual agents simulating active mobility (walking, biking, skateboarding, strollers, and wheelchairs), assessing accessibility, security, and barriers in the study area. The results show that insufficient infrastructure and poor lighting limit security and accessibility. Additionally, the densification of public space use, driven by tourism and street commerce, reconfigures pedestrian flows, creating restricted mobility areas. The predictive model highlights the need for strategies that balance space utilization without compromising accessibility.