Explorando los efectos de las inundaciones fluviales en la previsión de la demanda de tráfico mediante modelado basado en actividades en Ubon Ratchathani, Tailandia

Por qué las inundaciones importan para la movilidad urbana

Cuando un río se sale de su cauce y convierte las calles en canales, la vida en la ciudad no solo se moja: se ralentiza. La gente sigue necesitando ir al trabajo, a la escuela, a las tiendas y a los hospitales, pero las carreteras inundadas, los desvíos y los tiempos de viaje más largos pueden hacer que incluso los desplazamientos sencillos sean agotadores o imposibles. Este estudio examina cómo las inundaciones fluviales de larga duración en Ubon Ratchathani, una ciudad del noreste de Tailandia, reconfiguran los movimientos cotidianos y cómo una planificación inteligente —especialmente elevar tramos clave de carretera— puede mantener la ciudad funcionando incluso cuando el agua permanece alta durante semanas.

Cómo cambian las rutinas diarias durante una inundación

Los investigadores empezaron planteando una pregunta básica: ¿qué ocurre realmente con las rutinas diarias de las personas cuando las calles están inundadas durante mucho tiempo? Para averiguarlo, realizaron una encuesta detallada tipo diario con 300 hogares, registrando quién fue dónde, cuándo, cómo y con qué propósito en condiciones normales y de inundación. Encontraron cambios claros. Más personas permanecieron en casa todo el día durante las inundaciones, y los miembros del hogar que no trabajan, como los encargados del hogar, redujeron drásticamente las salidas para recados como las compras. Los trabajadores se adaptaron asumiendo tareas adicionales: aumentó de forma notable la proporción de trabajadores que combinaron el desplazamiento al trabajo con paradas para hacer compras, lo que sugiere que cuando algunos miembros de la familia no pueden moverse con facilidad, otros asumen sus necesidades.

De contar viajes a reconstruir jornadas completas

La mayoría de los modelos de tráfico tradicionales tratan el viaje como un conjunto de trayectos separados: cuántos viajes de A a B, por qué modo y en qué momento. Ese enfoque pasa por alto que el viaje está ligado a cadenas de actividades a lo largo del día. Este estudio, en cambio, utiliza un modelo basado en actividades, que genera una población sintética de residentes y simula la agenda diaria de cada persona: si salen de casa, cuántas rutas realizan, las paradas que añaden para compras o dejar a alguien en la escuela, adónde van y qué modo eligen. El equipo calibró este modelo con datos censales tailandeses y una amplia encuesta de viajes por persona para que la ciudad artificial coincidiera con la real en edad, ingresos, tamaño del hogar y modos de viaje habituales.

Incorporando el agua de la inundación al modelo de tráfico

Para que el modelo “sintiera” la inundación, los investigadores combinaron las profundidades de agua reportadas por residentes con datos de velocidad de tráfico procedentes de taxis equipados con GPS. Comparando las velocidades en vías clave antes y durante una gran inundación en 2019, y cartografiando la profundidad del agua en cada segmento de carretera, derivaron una regla simple: a mayor profundidad, menor velocidad, y más allá de unos 40 centímetros, los coches no pueden pasar. Luego aplicaron esta relación a toda la red vial de Ubon Ratchathani, convirtiendo los mapas de profundidad en reducciones de velocidad o cierres dentro de la simulación. El modelo resultante pudo reproducir los volúmenes de tráfico observados y las cuotas de modo en condiciones normales, lo que da confianza en que sus escenarios de inundación eran realistas.

Probando carreteras elevadas como una vía de salvación

Con esta ciudad virtual, el equipo exploró una solución práctica ya utilizada en algunas ciudades asiáticas: elevar la altura de determinadas arterias y puentes. Primero clasificaron los tramos inundados según cuánto contribuían a la accesibilidad de la ciudad —cuántos empleos, escuelas, hospitales, tiendas y parques eran alcanzables en 15 minutos—. Después construyeron cuatro escenarios: sin mejoras, elevar solo enlaces de prioridad media, elevar solo enlaces de alta prioridad y elevar ambos. Los resultados fueron contundentes. Sin mejoras, muchos desplazamientos al trabajo se extendían más allá de 50 minutos y los desvíos sobrecargaban los corredores secos restantes. Con la elevación selectiva de carreteras, muchos menos viajes sufrieron retrasos graves, la congestión en los desvíos clave se alivió en decenas de miles de vehículos por día y el número de personas obligadas a quedarse en casa disminuyó de forma sustancial.

Qué significan los hallazgos para ciudades preparadas ante inundaciones

Para traducir estas mejoras de movilidad a términos económicos, los investigadores estimaron la reducción de los costes de viaje relacionados con las inundaciones y la compararon con el coste de construir carreteras más altas. Todas las opciones de mejora generaron más beneficios que costes, obteniéndose la mayor rentabilidad al concentrarse en los enlaces más críticos. En términos simples, las carreteras elevadas seleccionadas con criterio ayudaron a los residentes a mantener sus actividades habituales, redujeron el tiempo perdido en tráfico y se amortizaron a largo plazo. El estudio muestra que analizar las rutinas diarias completas —en lugar de solo contar viajes— ofrece a los planificadores una visión más clara de cómo las inundaciones interrumpen la vida urbana y cómo los cambios en la infraestructura pueden mitigar el impacto. A medida que las inundaciones fluviales se vuelven más frecuentes e intensas en muchas regiones, este tipo de modelado sensible al comportamiento puede guiar a las ciudades hacia medidas prácticas y coste-efectivas que mantengan a las personas y las economías en movimiento incluso cuando sube el agua.

Cita: Tsumita, N., Kaewkluengklom, R., Schreiner, S. et al. Exploring the effects of riverine flooding on traffic demand forecasting using activity-based modeling in Ubon Ratchathani, Thailand. Sci Rep 16, 14145 (2026). https://doi.org/10.1038/s41598-026-42434-x

Palabras clave: inundaciones urbanas, comportamiento de viaje, resiliencia del transporte, modelado basado en actividades, adaptación de carreteras