Algoritmo simple para distribucion urbana

Idea central

Este material muestra una tesis concreta y defendible: para una tarea acotada de planificacion urbana, un algoritmo simple, explicable y reproducible puede rendir mejor que una IA generalista.

Aqui "mejor" no significa que siempre produzca la ciudad perfecta. Significa algo mas preciso para ingenieria y planificacion:

• usa reglas claras
• produce siempre una salida verificable
• permite auditar cada decision
• cuesta muy poco computacionalmente
• se puede ajustar con criterios urbanos concretos

Teoria elegida

La base del ejemplo es un modelo bioinspirado en Physarum polycephalum. No es un hongo estricto, sino un moho mucilaginoso, pero se estudia mucho junto a modelos biologicos de crecimiento eficiente.

La idea es util porque este organismo tiende a formar redes de conexion muy eficientes entre puntos de alimento. En investigacion se ha usado como inspiracion para:

• redes de transporte
• conexiones optimizadas
• reduccion de costo de infraestructura
• equilibrio entre cobertura y longitud total de red

En urbanismo, esta idea se puede traducir asi:

• los centros urbanos atraen densidad
• las conexiones entre nodos deben ser cortas y robustas
• un corredor fuerte de transporte ordena el crecimiento
• el borde ecologico limita la expansion ciega

Que hace el algoritmo

El script 04_Recursos_Tecnicos/scripts/exportar_distribucion_urbana_png.py construye una imagen urbana con reglas simples:

1. Define un centro principal y varios subcentros.
2. Calcula la atraccion espacial de cada punto del mapa hacia esos nodos.
3. Agrega un eje fuerte de transporte y un eje logistico.
4. Introduce un corredor de agua y areas verdes como restriccion ecologica.
5. Clasifica cada celda del territorio en: core, mixed, residential, productive o green.
6. Conecta los nodos con una red minima usando un arbol de expansion minima.
7. Agrega enlaces secundarios para robustez territorial.

Por que esto puede superar a una IA generalista

En una tarea como "distribuir nodos urbanos y conectarlos con baja longitud total y buena cobertura", una IA generalista suele tener tres problemas:

• no garantiza consistencia entre ejecuciones
• puede producir propuestas bonitas pero poco auditables
• mezcla intuicion textual con criterios tecnicos no explicitados

En cambio, un algoritmo simple como este tiene ventajas directas:

• cada parametro tiene significado urbano
• cada cambio puede medirse
• la solucion es replicable
• el costo computacional es bajo
• se integra facilmente con datos reales

La afirmacion fuerte y razonable no es "los algoritmos simples vencen siempre a la mejor IA". La formulacion correcta es esta:

En tareas urbanas bien definidas, con objetivos geometricos y restricciones explicitas, un algoritmo simple puede superar a una IA generalista en transparencia, estabilidad, trazabilidad y control operativo.

Que se uso exactamente

• lenguaje: Python 3
• librerias externas: ninguna
• salida principal: 01_Clases/Clase_01/04_material_aplicado/distribucion_urbana_physarum.png
• salida auxiliar: 01_Clases/Clase_01/04_material_aplicado/distribucion_urbana_physarum.json
• semilla fija: 23

Variables urbanas usadas

• atraccion por centro principal
• atraccion por subcentros
• proximidad al eje de transporte
• proximidad al eje logistico
• penalizacion por cercania al corredor de agua
• penalizacion ligera por borde
• ruido pequeno para evitar rigidez total

Lectura de la imagen

• rojo: centro de alta densidad
• naranja: uso mixto
• amarillo: residencial
• azul gris: productivo y logistico
• verde: corredor ecologico o baja ocupacion
• linea oscura: red vial minima
• linea azul: eje principal de transporte

Valor filosofico y metodologico

Este ejemplo tambien sirve para una discusion filosofica sobre tecnica y ciudad:

• la tecnica no necesita ser opaca para ser poderosa
• un sistema simple puede contener mas racionalidad practica que una caja negra
• en planificacion, explicar por que se decide algo puede ser mas importante que impresionar visualmente

Limites honestos del modelo

Este algoritmo es una demostracion, no un plan regulador real. No incorpora:

• topografia real
• costo del suelo
• datos demograficos observados
• riesgo hidrologico detallado
• normativa urbana
• tiempos reales de viaje

Conclusion

La mejor leccion de este ejercicio es metodologica: cuando el problema esta bien definido, un algoritmo pequeno y claro puede ser mas util que una IA poderosa pero generica.

No reemplaza toda la planificacion urbana. Pero para estructurar redes, ordenar centralidades y producir una primera distribucion territorial coherente, este tipo de algoritmo es extremadamente eficiente.