Monitoreo del estado de servicios de infraestructura en ciudades intermedias - framework

MONITOREO DEL ESTADO DE SERVICIOS DE INFRAESTRUCTURA EN CIUDADES INTERMEDIAS POR MEDIO DE UN FRAMEWORK QUE PERMITE REPRESENTAR MODELOS SISTÉMICOS

Dante Barbero. Luciano Dicroce.

Instituto de Investigaciones y Políticas del Ambiente Construído (IIPAC).

Facultad de Arquitectura y Urbanismo, UNLP. La Plata. Calle 47 N°162. CC 478.

CP 1900. Tel-fax: + 54 (0221) 423-6587/90 int. 250. int 31. http://www.iipac.unlp.edu.ar/ E-mail: dantebarbero@yahoo.com.ar , dicroce_luciano@yahoo.com.ar

RESUMEN

Este trabajo expone aspectos teóricos-conceptuales y los resultados de aplicar un Modelo de Calidad de Vida Urbana (MCVU) a la ciudad de Chivilcoy, provincia de Buenos Aires, Argentina. Se tiene por objetivo analizar el estado de las redes de infraestructura y saneamiento (electricidad, gas, agua y cloaca) por medio de un framework que permite representar modelos sistémicos. Para cada red se tuvo en cuenta su grado de cobertura, la opinión de los usuarios y la calificación del servicio. Asimismo, se elaboraron mapas orientados a territorializar y definir el estado de necesidades básicas relacionadas a estos servicios básicos. Por último, se muestran las tendencias en términos de Calidad de Vida Urbana (CVU) en función de la integración de los diferentes servicios analizados. Los resultados obtenidos aportan información relevante necesaria para establecer nuevos escenarios desde la gestión pública, entendiendo que para el ámbito de nuestras ciudades intermedias se reitera la necesidad de contar con una metodología flexible, de alto componente técnico y fácil operación.

Palabras clave: framework – servicios básicos – gestión.

1. INTRODUCCIÓN

En el marco de los desarrollos planteados por los proyectos (CONICET PIP 112-20080100606 y UNLP 11/U083) llevados a cabo por la Unidad de Investigación N°1 del Instituto de Investigaciones y Políticas del Ambiente Construído (IIPAC – FAU – UNLP), se planteó la necesidad de contar con una herramienta que permita visualizar mediante entornos SIG (Sistemas de Información Geográfica) la situación de diferentes índices e indicadores cuyo objetivo era dar cuenta del estado de algunos aspectos de la calidad de vida urbana de una región. Para ello, se trabajó con un modelo de calidad de vida urbana existente (Rosenfeld et al. 2000) que incluía diferentes índices e indicadores que intentaban reflejar el estado de las distintas dimensiones que componen la calidad de vida.

Los modelos de calidad de vida urbana consisten generalmente de un conjunto de índices e indicadores cuantitativos que intentan describir la situación económica, social, energética, de infraestructura y ambiental de un área de estudio. Estos índices e indicadores requieren, en su proceso operativo, de una labor considerable de actualización. En general, el cambio o actualización del valor de una variable normalmente requiere volver a calcular el valor de otros datos que guardaban cierta relación con el que sufrió el cambio. Este problema es muy frecuente en aplicaciones catastrales, de tendidos y coberturas de redes de servicio e infraestructura y en la planificación urbana. Por este motivo, es útil poder contar con una herramienta que permita actualizar automáticamente y de manera consistente los valores de los índices e indicadores. En trabajos anteriores (Barbero et al 2009a, Barbero et al 2009b) se presentó el desarrollo de un software, más precisamente un framework, que cuenta con un mecanismo que permite resolver este inconveniente de manera automática. Dicho software permite mantener la consistencia de los valores de los índices e indicadores incluso en el caso de modelos sistémicos con ciclos.

Los frameworks son herramientas de software que poseen un alto grado de genericidad y reusabilidad, motivo por el cual sirven para resolver una familia de problemas de un tipo determinado en lugar de hacerlo para un problema específico. Este trabajo presenta la arquitectura y el uso de un framework que permite representar modelos sistémicos basados en índices e indicadores cuantitativos. Por consiguiente, el framework permite representar

modelos de calidad de vida urbana ya que estos consisten generalmente de conjuntos de índices e indicadores cuantitativos que intentan describir el estado de las distintas dimensiones.

Adicionalmente, es posible acoplar el framework a un SIG para visualizar geográficamente los cambios que produce la modificación del valor de una variable y, al mismo tiempo, observar su efecto sobre el resto de las variables del modelo.

A continuación se presenta la arquitectura del framework y su uso para representar un modelo de calidad de vida urbana y su aplicación a la ciudad de Chivilcoy, provincia de Buenos Aires, Argentina, junto con los resultados obtenidos.

2. METODOLOGÍA

El framework presentado en este trabajo ha sido diseñando usando técnicas de programación orientada a objetos tales como la combinación de diferentes patrones de diseño, el uso del mecanismo de herencia y el polimorfismo. La elección de técnicas de programación orientada a objetos se debe a que se deseaba desarrollar un software con un alto grado de genericidad y reusabilidad. Así, además de poder representar diferentes modelos de calidad de vida urbana, el framework puede ser usado en cualquier otro dominio diferente

donde la representación de modelos basados en índices e indicadores cuantitativos sea una alternativa válida.

Un aspecto de la implementación de vital importancia es el que tiene que ver con el mecanismo de manejo de las dependencias y su actualización, ya que de él depende el correcto funcionamiento del modelo sistémico. La idea es que cada vez que ocurre un cambio en un índice o indicador, se verifica quienes están relacionados de manera directa o indirecta y se los actualiza convenientemente. Este proceso se realiza en 2 pasos:

i.

Para cada variable relacionada directamente o indirectamente con la que acaba de sufrir un cambio (excepto la que cambió) se calcula el nuevo valor que debería tomar y se almacena en una variable auxiliar.

ii.

Una vez que todas las variables relacionadas anteriores han terminado el paso 1) se actualiza el valor de cada variable con el valor almacenado en la variable auxiliar.

Este método es una adaptación del método stepSynchronously: presentado en el framework CORMAS del trabajo desarrollado por el CIRAD (CIRAD 2003, pp. 7).

El framework queda finalmente estructurado como se muestra en la figura 1, donde se puede observar los patrones de diseño utilizados y su interacción. Su diseño e implementación han sido parte de los avances presentados en una tesis doctoral (Barbero 2008) que trata sobre la representación de modelos sistémicos basados en índices e indicadores cuantitativos usando SIG como herramienta de visualización.

El framework cuenta con una interfase gráfica que facilita la declaración de las variables que componen el modelo a representar. El diagrama de clases de la interfase gráfica del usuario (GUI) que vincula las diferentes ventanas de la aplicación se muestra en la Figura 2. El desarrollo separado de la interfase y el framework, sumado al uso de técnicas de la programación orientada a objetos, permitió que el sistema en su conjunto tenga un bajo grado de acoplamiento y un alto grado de cohesión; siendo ambas características muy deseables en lo que respecta al desarrollo de software. Además, el hecho de haber sido implementado en Python1 permite ser usado en diferentes sistemas operativos (multiplataforma) y puede ser agregado como script al SIG ArcGIS 9 2 permitiendo, de esta manera, asociar la parte geográfica con los datos numéricos aportados por los indicadores.

1 2

Python programming language – Official website: http://www.python.org/ Website: http://www.esri.com/software/arcgis/index.html

Figura 1. Framework para el desarrollo de modelos sistémicos basados en índices e indicadores cuantitativos (Barbero et. al 2009a op. cit).

La integración de la interfase con el framework ha dado como resultado una aplicación autónoma para el desarrollo de modelos sistémicos. Dicha aplicación tiene la característica de que genera código de manera automática. Así, a medida que el usuario va creando un índice o indicador y asignándole valores a sus campos, el programa va generando el código

fuente correspondiente que luego puede guardarse en forma de script (escrito en lenguaje Python) para evitar tener que especificarlo nuevamente cada vez que se va a usar.

Figura 2. Diagrama de clases de las diferentes pantallas y su relación con el framework.

A continuación se detalla el uso del framework para representar un modelo de calidad de vida (Rosenfeld et al. 2000 op. Cit) (Díscoli et al. 2008) y su aplicación a la ciudad de Chivilcoy, provincia de Buenos Aires, Argentina, junto con los resultados obtenidos. En el inciso 3.1 se explica en detalle la estructura matemática del modelo de calidad de vida a ser representado y en el inciso 3.2 se detalla como se representa dicho modelo con el uso del framework.

3. EJEMPLO DE APLICACIÓN 3.1. MODELO DE CALIDAD DE VIDA URBANA

El modelo de calidad de vida urbana (MCVU) representado por medio del framework fue desarrollado por del Instituto de Investigaciones y Políticas del Ambiente Construído

(IIPAC – FAU – UNLP), (Rosenfeld et al 2000 op. cit) (Díscoli et al. 2008 op. cit).

Planteándose abordar el análisis de la calidad de vida urbana (CVU) a partir de analizar los servicios urbanos y equipamientos (índice CVUsue) y los aspectos ambientales (índice CVUaua) de la ciudad teniendo en cuenta niveles de análisis específicos desagregados para su posterior integración en índices que se visualizan en el territorio mediante SIG. Se evalúan los indicadores de los distintos aspectos así como sus consecuencias ambientales, su grado de cobertura, su área de afectación y la opinión de los habitantes.

El modelo de calidad de vida urbana consta de 2 índices: CVUsue y CVUaua. El primero consiste de la suma de 4 índices: N1, N2, N3 y N4 y el último de la suma de los índices N5 y N6. Cada uno de los índices: N1, N2, N3, N4, N5 y N6 tienen como expresiones matemáticas asociadas sumas de términos. Cada uno de estos términos resulta del producto de 3 o 4 indicadores. En los índices N1 y N2, cada término resulta del producto de 4 indicadores: Calificación (Cal(x)), Cobertura (Cob(x)), Opinión (Op(x)) y Factor de uso (Fu(x)). En cambio, en N3 y N4 cada término resulta del producto de 3 indicadores: Calificación (Cal(x)), Cobertura (Cob(x)) y Opinión (Op(x)). En N5 y N6 cada término resulta del producto de 3 indicadores: Calificación (Cal(x)), Factor de afectación (Fa(x)) y Grado de impacto (Gi(x)).

La estructura matemática del modelo es la siguiente:

Servicios_básicos_de_infraestructura = { EEr, GNr, EEg, GE, CL, Le } Servicios_básicos_de_saneamiento = { SCr, APr, Pab, Eza, Abe, Abm } Servicios_ de_comunicación = { Tpa, TPfc, Tevp, Rvj, Tep, Cha, Rem, Ai, CP, TVc } Servicios_sociales = { Ss, Es, Sg, Sb, Rr, Dp, Ic, Ev, Ve, Ar } CVUsue = Calidad de los servicios urbanos y equipamiento.

CVUaua = Aspectos urbano-ambientales.

Aspectos_urbanos = { Bas, Apr, Lp, Ai, Ii, Air, Rpp, Be, Pvp, Rt } Aspectos_ambientales = { Cs, Cai, Ct, Ca }

4

CVUsue   Ni = N1+N2+N3+N4 i 1

donde Servicios_básicos_de_infraestructura = { EEr, EEg, GNr, Ge, CL, Le } Cal(x)= Servicios_básicos_de_Infraestructura → [ 0..10 ] Cob(x)= Servicios_básicos_de_Infraestructura → [ 0..1] Op(x)= Servicios_básicos_de_Infraestructura → [0..1] Fu(x)= Servicios_básicos_de_Infraestructura → [0..1]

EEr=Energía eléctrica por red. GNr=Gas natural por red. EEg=Energía eléctrica por generador. Ge=Gas envasado. CL=Combustibles líquidos. Le=Leña.

donde Servicios_básicos_de_saneamiento = { SCr, Pab, Eza, Apr, Abe, Abm } Cal(x)= Servicios_básicos_de_Saneamiento → [ 0..10 ] Cob(x)= Servicios_básicos_de_Saneamiento → [ 0..1] Op(x)= Servicios_básicos_de_Saneamiento → [0..1] Fu(x)= Servicios_básicos_de_Saneamiento → [0..1]

Apr=Agua potable por red. SCr=Saneamiento cloacal por red. Pab=Pozo absorbente.

Eza=Efluentes a zanja. Abe=Agua por bombeo eléctrico. Abm=Agua por bombeo manual.

La calificación de un servicio, su grado de cobertura, la opinión acerca del mismo y el factor de uso (porcentaje de uso/100) se denominan respectivamente Cal(x), Cob(x), Op(x) y Fu(x).

donde Servicios_ de_comunicación ={Tpa, TPfc, Tevp, Rvj, Tep, Cha, Rem, Ai, CP, TVc} Cal(x)= Servicios_de_comunicación → [ 0..10 ] Cob(x)= Servicios_de_comunicación → [ 0..1] Op(x)= Servicios_de_comunicación → [0..1]

Tpa=Transporte público automotor. TPfc=Transporte público ferrocarril. Tevp=Transporte por empresas privadas. Rvj=Red vial jerarquizada. Cha=Charter. Rem=Remises.

Ai=Acceso a Internet. CP=Correo postal. TVc=TV por cable.

donde Servicios_básicos_adicionales = { Ss, Es, Sg, Sb, Rr, Dp, Ic, Ev, Ve, Ar } Cal(x)= Servicios_sociales → [ 0..10 ] Cob(x)= Servicios_sociales → [ 0..1] Op(x)= Servicios_sociales → [0..1]

Ss=Servicio de salud. Es=Servicio de educación. Sg=Servicio de seguridad. Sb=Servicio de bomberos. Rr=Recolección de residuos. Dp=Desagües pluviales. Ic=Iluminación callejera.

Ev=Espacios verdes. Ve=Veredas. Ap=Arbolado público.

6

CVUaua   Ni = N5+N6 i 5

donde Aspectos_urbanos = { Bas, Apr, Lp, Ai, Ii, Air, Rpp, Be, Pvp, Rt } Cal(x)= Aspectos_urbanos → [ 0..10 ] Fa(x)= Aspectos_ urbanos → [ 0..1] Gi(x)= Aspectos_ urbanos → [0..1]

Bas=Existencia de basurales. Apr=Existencia de asentamientos precarios. Lp=Existencia de lugares peligrosos.

Ai=Áreas

inundables.

Li=Industrias o

residencias

inactivas.

Air=Actividades incompatibles con el uso residencial. Rpp=Residuos peligrosos y patógenos. Be=Barreras espaciales. Pvp=Publicidad en la vía pública. Rt=Puntos de riesgo de tránsito.

donde Aspectos_ambientales = { Cs, Cai, Ct, Ca } Cal(x)= Aspectos_ambientales → [ 0..10 ] Fa(x) = Aspectos_ambientales → [ 0..1] Gi(x)

= Aspectos_ambientales → [0..1]

Cai=Contaminacion del aire. Ct=Contaminacion de la tierra. Ca=Contaminacion del agua.

Cs=Contaminacion sonora.

Fa(x) y Gi(x) significan factor de afectación y grado de impacto respectivamente. El factor de afectación se refiere a la superficie afectada y el grado de impacto se refiere a la magnitud del impacto. Cal(x) se refiere a la calificación del aspecto.

3.2. REPRESENTACIÓN DEL MODELO DE CALIDAD DE VIDA URBANA USANDO EL FRAMEWORK

Como se mencionó anteriormente, el framework requiere definir los indicadores e índices que componen el modelo a representar. Cada índice debe especificar también la expresión matemática que vincula a los distintos indicadores (eventualmente puede haber otros índices) que lo componen. Una vez concluida esta tarea, cualquier cambio en alguna de las variables (índice o indicador) hará que automáticamente se recalcule el valor de aquellas

variables relacionadas con la que sufrió un cambio, evitando la tarea de tener que hacerlo manualmente.

El cálculo de los índices de nivel 2 (figura 3) es una sumatoria donde cada término es el producto de 3 o 4 factores (los índices N3, N4, N5 y N6 contienen 3 factores en tanto que los índices N1 y N2 contienen 4). Los índices de nivel 3 o 4, en cambio, son sumas de términos. Así, por ejemplo, la fórmula para el cálculo de la calidad del los servicios de infraestructura (N1) es:

N1= Cal(EEr) x Cob(EEr) x Op(EEr) x Fu(EEr) + Cal(GNr) x Cob(GNr) x Op(GNr) x Fu(GNr) + Cal(Eeg) x Cob(Eeg) x Op(Eeg) x Fu(Eeg) + Cal(GE) x Cob(GE) x Op(Ge) x Fu(GE) + Cal(CL) x Cob(CL) x Op(CL) x Fu(CL) + Cal(Le) x Cob(Le) x Op(Le) x Fu(Le)

Cabe destacar que la energía eléctrica por red (EEr) y el gas natural por red (GNr) son los servicios de infraestructura principales, en tanto que los restantes (EEg, GE, CL y Le) son servicios de infraestructura sustitutos o alternativos. De modo similar, el saneamiento cloacal por red (SCr) y el agua potable por red (Apr) son los servicios de saneamiento principales, en tanto que los restantes (Pab, Eza, Abe y Abm) son sustitutos o alternativos.

Por lo tanto, de aquí en adelante, se entenderá por “servicios principales de infraestructura y saneamiento” a los 4 antes citados: EEr, GNr, SCr y Apr. La calidad de estos 4 servicios en conjunto será uno de los índices que se tomará como ejemplo ilustrativo para mostrar el funcionamiento del framework. Por tanto, su fórmula será:

Calidad de los servicios principales de infraestructura y saneamiento = Cal(EEr) x Cob(EEr) x Op(EEr) x Fu(EEr) + Cal(GNr) x Cob(GNr) x Op(GNr) x Fu(GNr) + Cal(SCr) x Cob(SCr) x Op(SCr) x Fu(SCr) + Cal(Apr) x Cob(Apr) x Op(Apr) x Fu(Apr).

Obsérvese que el índice N1 resulta de la suma de 6 términos. A su vez, el valor de cada término resulta del producto de 4 factores. Por ejemplo, para el caso del gas natural por red (GNr), el valor resultante viene dado por:

GNr = Cal(GNr) x Cob(GNr) x Op(GNr) x Fu(GNr).

Se desprende de las fórmulas precedentes que el cálculo de los índices Eer, SCr y Apr se realiza de manera similar cambiando la variable GNr por cada una de las anteriores.

Así, el valor del servicio GNr se suma al valor de otros servicios para obtener el valor correspondiente al índice N1 y éste último se suma al de otros índices (N2, N3 y N4) para dar como resultado el valor del índice CVUsue (Figura 3).

Por razones de simplicidad veremos como se representa el índice de nivel 2 “GNr” y el índice “Calidad de los servicios principales de infraestructura y saneamiento” en el framework ya que el modelo completo requeriría la declaración de 46 índices similares al GNr, 6 de nivel 3 y 2 de nivel 4. Es importante recalcar que, si bien se mostrará la representación de sólo dos índices, el framework puede representar el modelo matemático completo y monitorear la consistencia de cada uno de los índices e indicadores.

En síntesis, el modelo consta de 150 indicadores (nivel 1), 46 índices de nivel 2, 6 índices de nivel 3 (N1, N2, N3, N4, N5 y N6) y 2 índices de nivel 4 (CVUsue y CVUaua). Los indicadores del nivel más bajo, nivel 1, son los que brindan información más detallada, en tanto que los índices de niveles superiores brindan información más general.

Figura 3. Estructura matemática del modelo. El recuadro naranja destaca los servicios principales de infraestructura y saneamiento a ser representados en el framework.

Para aquellos índices o indicadores que admiten una representación espacial, el framework acoplado al SIG permite observar cómo se ven afectados los valores de los índices e indicadores cuando se modifica el valor de alguno de ellos. En este sentido, el trabajo propone una metodología genérica para abordar dicha problemática y da respuestas a situaciones similares en la planificación urbana.

Para representar un modelo cualquiera por medio del framework se deben seguir los siguientes pasos:

i. Declarar los indicadores del modelo, ii. Declarar los índices del modelo, iii. Especificar el modo de ejecución del sistema de monitoreo dinámico (SMD): Ejecutar una vez (para analizar el estado del objeto de estudio en un instante de tiempo) o indefinidamente (monitoreo).

En el caso particular de que deseemos ver el valor actual del índice Calidad de los servicios principales de infraestructura y saneamiento implicará seguir los siguientes pasos: i.

Declarar los indicadores Cal(GNr), Cob(GNr), Op(GNr) y Fu(GNr) y sus similares para los otros 3 servicios: EEr, Apr y SCr. ii. Declarar 5 índices: GNr, EEr, Apr, SCr y Calidad de los servicios principales de infraestructura y saneamiento y iii. Especificar la opción de ejecutar una vez.

Como puede observarse en la figura 4, el framework genera código fuente a medida que se van cargando los índices e indicadores. Esto permite que pueda guardarse el modelo una vez declarado para su posterior uso.

Figura 4. Código fuente generado por el framework.

3.3. RESULTADOS OBTENIDOS Y SU VISUALIZACIÓN

A continuación se presentan los resultados obtenidos al calcular el valor del índice GNr. Los resultados obtenidos a nivel ciudad son los siguientes:

Calificación: 10.

Grado de Cobertura: 0.4871.

Opinión de los usuarios: 0.6923.

Factor de uso: 0.9309.

Indice GNr: 3.1392 (el producto de los 4 indicadores anteriores).

La calificación del servicio es un indicador numérico que no tiene un mapa asociado. Este indicador expresa una jerarquía, con la que se podrán determinar valores normalizados óptimos a alcanzar, con un rango entre 0 y 10. En el caso particular de este trabajo, por tratarse de servicios básicos por red intervienen un conjunto de cualidades que caracterizan la naturaleza del servicio considerándolo óptimo; y en consecuencia se evalúa con la mejor calificación.

En cambio, la opinión del servicio, su grado de cobertura, el factor de uso e incluso el índice GNr sí tienen un mapa asociado. Esto implica que cada vez que se calculan se confecciona como salida un mapa, además de devolver el valor numérico correspondiente.

Así, por ejemplo, cuando se calculó la cobertura del servicio, el valor obtenido fue 0.4871 y el mapa generado fue el de la figura 5. De manera análoga, al calcular el valor del indicador Fu(GNr), el valor obtenido fue 0.9309 y el mapa resultante es el de la figura 6.

Figura 5 (izquierda). Mapa asociado al indicador Cob(GNr). Figura 6 (derecha). Mapa asociado al indicador Fu(GNr).

La figura 7 muestra el mapa asociado al índice Calidad de los servicios principales de infraestructura y saneamiento.

El índice Calidad de los servicios principales de infraestructura y saneamiento resulta de la suma de la calidad de los servicios de gas natural por red (GNr), energía eléctrica por red (EEr), saneamiento cloacal por red (SCr), y agua potable por red (Apr) y su fórmula es: Calidad de los servicios básicos de infraestructura y saneamiento=GNr+EEr+SCr+Apr.

Figura 7. Mapa asociado al índice Calidad de los servicios principales de infraestructura y saneamiento (GNr+EEr+SCr+Apr).

4. CONCLUSIONES

El modelo genérico (framework) presentado para el desarrollo de modelos sistémicos basados en índices e indicadores cuantitativos ha podido ser usado para representar un modelo de calidad de vida y su aplicación al partido de Chivilcoy y puede, además, ser aplicado a cualquier otro dominio donde la representación de modelos basados en índices e

indicadores cuantitativos sea una alternativa válida. Adicionalmente, el framework posee las siguientes características:

i.

El desarrollo de una interfase gráfica para el framework permite ejecutarlo como una aplicación autónoma evitando tener que ingresar instrucciones por teclado.

Asimismo, la interfase facilita la declaración de los índices e indicadores que componen el modelo a representar.

ii.

El framework genera código de manera automática a medida que se van especificando los índices e indicadores del modelo a representar.

iii.

Es posible de guardar el código fuente de un modelo en forma de script para su uso posterior, evitando la tarea de declararlo cada vez que sea utilizado.

iv.

La integración del framework en forma de script a entornos SIG permite visualizar geográficamente los cambios que produce la modificación del valor de una variable (índice o indicador) sobre el resto de las variables de un modelo sistémico.

Por lo expuesto, se concluye que el framework propuesto responde eficazmente a las necesidades de mantenimiento de consistencia de los valores tomados por índices e indicadores inherentes a los modelos sistémicos. Su aplicación para evaluar los servicios de infraestructura y saneamiento en el partido de Chivilcoy ilustra el potencial de la herramienta como ayuda para la gestión pública y como soporte para la toma de decisiones.

REFERENCIAS

Barbero, D. (2008). Modelo sistémico para el manejo con SIG de indicadores de calidad de vida. Tesis doctoral. Facultad de Informática, Universidad Nacional de La Plata.

Barbero, D. Discoli, C. (2009a). Framework para el desarrollo de modelos sistémicos basados en índices e indicadores cuantitativos. Avances en energías renovables y medio ambiente. Vol. 13. pp. 8.73-8.80.

Barbero, D. Discoli, C. (2009b). Framework para el desarrollo de modelos sistémicos basados en índices e indicadores cuantitativos. Su aplicación a modelos de calidad de vida urbana. Avances en energías renovables y medio ambiente. Vol. 13. pp. 8.13-8.18.

CIRAD. (2003). Cormas tutorial 1. < http://cormas.cirad.fr/pdf/CormasTutorial1.pdf >.

Acceded: June 16, 2006.

Discoli, C., Martini, I., San Juan, G., Rosenfeld, E., Dicroce, L., & Ferreyro, C. (2008a).

Modelo de calidad de vida urbana. Contrastes urbanos a partir de los niveles de calidad de los servicios energéticos principales y de los aspectos ambientales. Avances en energías renovables y medio ambiente, Vol. 12, pp. 0.1-37-0.1.43.

Díscoli, C. San Juan, G. Rosenfedl, E. Martini, I. Dicroce, L. Barbero, D. Ferreyro, C. Viegas, G. Ramirez Casas, J. Melchiori, M. Brea, B. (2008b) Modelo de Calidad de Vida Urbana. Metodologia orientada a evaluar el comportamiento de los servicios urbanos y equipamiento. Revista ERMA Energías Renovables y Ambiente. Volumen 22. pp. 21-28.

ISSN 0328-932X Gamma, E., Helm, R., Johnson, R., & Vlissides, J. M. (1994). Design Patterns: Elements of reusable object-oriented software. Addison-Wesley.

Proyecto CONICET PIP 112-200801-00606. Modelo de calidad de vida urbana.

Metodología de diagnóstico orientada a evaluar el uso eficiente de los recursos, las necesidades básicas en infraestructura, servicios y calidad ambiental.

Proyecto UNLP 11/U083. Modelo de calidad de vida urbana. Diagnóstico de necesidades básicas en infraestructura, servicios y calidad ambiental para áreas urbanas con demandas insatisfechas.

Rosenfeld, E., San Juan, G., & Discoli, C. (2000). Índice de calidad de vida urbana para una gestión territorial sustentable. Avances en energías renovables y medio ambiente. Vol. 4. N° 1. pp. 1.35-1.38.

Stelting, S., & Maassen, O. (2003). Patrones de diseño aplicados a Java. Pearson-Prentice Hall.