Índice de Dolor Urbano: cuándo 10 reclamos en una calle pueden pesar más que 30 en un barrio
La pregunta que dio origen al IDU, su contexto en Pinheiral Digital, la fórmula de Haversine, una simulación reproducible, validación estadística y una propuesta metodológica abierta.
Las voces dependen del navegador y del dispositivo; algunas necesitan conexión a internet. Los bloques de código no se leen en voz alta.
Índice de Dolor Urbano: ¿cuándo diez reclamos en una calle pueden pesar más que treinta en un barrio?
Una propuesta geoespacial, abierta y replicable para priorizar servicios públicos a partir de la experiencia de Pinheiral Digital, Brasil.
¿Diez reclamos concentrados en una calle importan más que treinta distribuidos por un barrio entero?
Esta pregunta inspiró el Índice de Dolor Urbano (IDU). La respuesta no es automática: depende de la gravedad, la distribución espacial, la población expuesta y los recursos públicos disponibles.
El origen en Pinheiral
La idea surgió en el contexto de modernización de la administración municipal de Pinheiral, estado de Río de Janeiro, mediante Pinheiral Digital, sistema que organiza demandas ciudadanas relacionadas con servicios urbanos. Ya en febrero de 2026 existen registros de aplicación del IDU en informes y discusiones. No se verificó documentalmente la fecha exacta en que se concibió la primera fórmula.
Los informes contemplan barrio, eje temático, departamento responsable, período y municipio. Los análisis relacionados con el IDU formaron parte de la experiencia presentada al Premio Alcalde Emprendedor de Sebrae. Esta referencia describe su contexto de aplicación, sin afirmar que el índice haya sido validado científicamente.
Un recuento absoluto puede ocultar una falla muy localizada: diez reclamos reiterados por inundaciones en la misma calle requieren una lectura diferente de treinta solicitudes diversas en todo un barrio.
Haversine: medir proximidad
La fórmula de Haversine estima la distancia entre coordenadas geográficas:
a = sen²((φ₂−φ₁)/2) + cos(φ₁)cos(φ₂)sen²((λ₂−λ₁)/2)
d = 2R atan2(√a, √(1−a))
φ es latitud, λ longitud (en radianes) y R es el radio medio terrestre (unos 6.371 km). Haversine no equivale al IDU: es una herramienta para definir vecindades, proximidad y concentración. Para desplazamientos reales puede ser preferible calcular distancias sobre la red vial.
Modelo matemático propuesto
Con un radio r fijo y comparable:
D_r(x) = N_r(x)/(πr²)
N_r(x) representa el número de registros dentro del radio r. Para comparar territorios deben conservarse el mismo radio y período.
Una formalización ilustrativa para investigación, que no debe confundirse con una auditoría del código operativo, es:
IDU_r(x,t) = [A_ref/(πr²)] × Σ(g_i × p_i × u_i × q_i)
para registros i a distancia ≤ r de x, durante t
Aquí g representa gravedad, p ponderación temática, u urgencia y q recurrencia/tiempo sin contar repetidamente el mismo hecho; A_ref es un área de referencia común. Los pesos y escalas requieren reglas públicas y evaluación de sesgos. En discusiones anteriores también se propuso un índice ponderado de 0 a 10 que combinaba volumen, gravedad, urgencia, reincidencia y concentración. La implementación real de esa fórmula no ha sido verificada para este artículo.
Simulación numérica reproducible
| Variable | Área A: barrio | Área B: microterritorio |
|---|---|---|
| Reclamos | 30 | 10 |
| Área observada | 3 km² | π(0,04 km)² ≈ 0,005027 km² |
| Densidad | 10/km² | 1.989,4/km² |
| Razón de densidad | 1× | ≈198,9× |
La gran diferencia se explica, en parte, por las diferentes escalas geográficas: no indica que el segundo territorio merezca 199 veces más presupuesto. Con ventanas iguales de 50 metros, diez registros frente a dos representan cinco veces más densidad local; aun así no bastan para determinar la prioridad final. Todos los números son sintéticos, no corresponden a incidentes reales del municipio.
Cómo someter la hipótesis a prueba
La pregunta científica es si la concentración espacial aporta información útil más allá del volumen, la gravedad y la exposición poblacional. Debe elegirse un desenlace independiente del propio índice, por ejemplo una evaluación técnica de peligro o una falla de infraestructura confirmada.
Se pueden comparar tres modelos: M0, recuentos, tipología y exposición; M1, M0 más densidad con radio fijo; y M2, M1 más gravedad, recurrencia y vulnerabilidad. Es posible emplear regresiones adecuadas al desenlace, Moran’s I para autocorrelación, LISA para patrones locales, DBSCAN para agrupamiento y KDE para explorar superficies de densidad.
La validación debe separar períodos y, cuando sea posible, territorios para evitar filtraciones espaciales, además de analizar incertidumbre y sensibilidad a radios de 50, 100 y 200 metros. No basta con obtener coeficientes estadísticamente significativos.
Los sistemas de reclamos sufren sesgos de acceso digital, participación, duplicaciones y subregistro. Un foco de reclamos puede reflejar movilización ciudadana y no necesariamente un foco de mayor daño. El IDU debe apoyar la inspección y el criterio profesional, nunca sustituirlos.
Aplicación concreta y límites
Pinheiral Digital es el contexto real de los registros georreferenciados y paneles que originaron el IDU. Este artículo propone una formalización matemática abierta; no presenta una auditoría externa del software municipal, una base de datos publicada ni evidencia de impacto causal.
La metodología puede replicarse con SQL/PostGIS, Python, PHP u otras tecnologías. Requiere parámetros versionados, controles de calidad, datos sintéticos para pruebas, documentación y manejo cuidadoso de información personal.
Manifiesto del IDU abierto
- Publicar fórmulas, pesos y definiciones.
- Aportar ejemplos ejecutables y datos sintéticos.
- Favorecer interoperabilidad e independencia tecnológica.
- Documentar cambios, incertidumbre y sesgos.
- Proteger datos personales y evitar publicar ubicaciones residenciales precisas.
- Promover investigaciones independientes y validaciones intermunicipales.
- Mantener la decisión profesional y los derechos ciudadanos por encima de una puntuación automática.
Una metodología abierta no significa que el código existente o los registros operativos ya tengan licencias abiertas. Cualquier publicación de esos materiales exige revisión de privacidad, elección de licencia y reglas de colaboración.
Conclusión
Diez reclamos concentrados pueden señalar un problema que treinta dispersos ocultan. Pero solo un análisis que integre gravedad, contexto y evidencia permite determinar la prioridad. El IDU propone formular esa pregunta de manera verificable: modernizar los servicios públicos es aprender a interpretar el territorio, no simplemente digitalizar solicitudes.
Referencias académicas
- TOBLER, W. R. (1970). A Computer Movie Simulating Urban Growth in the Detroit Region. Economic Geography, 46, 234–240. https://doi.org/10.2307/143141
- ANSELIN, L. (1995). Local Indicators of Spatial Association—LISA. Geographical Analysis, 27(2), 93–115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x
- ESTER, M. et al. (1996). A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise. KDD-96. https://file.biolab.si/papers/1996-DBSCAN-KDD.pdf
- SILVERMAN, B. W. (1986). Density Estimation for Statistics and Data Analysis. https://doi.org/10.1007/978-1-4899-3324-9
Nota metodológica: todos los ejemplos numéricos son simulados.
