Informe Estado de la Nación en Desarrollo Humano Sostenible 2024

Investigación

Luego de la calma regresa la

congestión: patrones de los flujos
viales en Costa Rica 2019-2024

Investigador:
Steffan Gómez Campos
Erick Rojas Zúñiga
Camila Aguilar Gómez

San José | 2024

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

388.41
G633-l Gómez Campos, Steffan
Luego de la calma regresa la congestión: patrones de los flujos viales en Costa
Rica 2019-2024 / Steffan Gómez Campos, Erick Rojas Zúñiga, Camila Aguilar Gómez.
-- Datos electrónicos. -- San José, C.R. : CONARE - PEN, 2024.
1 recurso en línea (26 páginas): archivos de texto PDF, 2.444 KB

ISBN 978-9930-636-53-4
Investigación para el Informe Estado de la Nación en Desarrollo Humano Sos-
tenible 2024

1. TRANSPORTE. 2. PLANIFICACIÓN. [Link] DE TRÁFICO. 4. CON-

GESTIÓN VIAL. 5. COSTA RICA. I. Rojas Zúñiga, Erick. II. Aguilar Gómez, Camila.
III. Título.

Informe Estado de la Nación 2024 2

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Contenido

Descargo de responsabilidad ..........................................................................................................4

Introducción .....................................................................................................................................4
Metodología......................................................................................................................................4
Aumenta la intensidad de la congestión con cambios en los patrones temporales ......................6
Patrones espaciales de la congestión se modificaron de forma sustantiva ............................... 11
Intervenciones viales generan presiones en zonas específicas del territorio ............................ 18
Conclusiones ................................................................................................................................. 25
Bibliografía .................................................................................................................................... 25

Informe Estado de la Nación 2024 3

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Descargo de responsabilidad

Esta investigación se realizó para el Informe Estado de la Nación 2024. El contenido es

responsabilidad exclusiva de su autor, y las cifras pueden no coincidir con las consignadas en el
capítulo respectivo, debido a revisiones posteriores. En caso de encontrarse diferencia entre
ambas fuentes, prevalecen las publicadas en el Informe.

Introducción

Los análisis presentados en este documento toman como base los registros de congestión vial
de la aplicación Waze. Los mismos son accedidos por el Programa Estado de la Nación (PEN) a
través de una colaboración con el Ministerio de Obras Públicas y Transportes (Mopt).

Los datos de Waze que se utilizan en este documento inician en enero de 2019 y cubren hasta
agosto de 2024. Este período permite un análisis de los patrones de congestión vial previo,
durante y posterior a la pandemia por el covid-19. Para el caso de Costa Rica, el período de
pandemia inició en marzo de 2020 y se extendió hasta agosto de 2022, cuando el gobierno de la
administración Chaves Robles eliminó el Decreto Ejecutivo No. 42.227 en el que se
declaró estado de Emergencia Nacional por la situación de emergencia sanitaria provocada por
el virus del covid-19.

Los resultados obtenidos este año se suman a los estudios realizados por el PEN en esta materia
desde el año 2018. En concreto, este documento se da a la tarea de responder las siguientes
interrogantes de investigación:

• ¿Se modificaron los principales patrones de la congestión vial con respecto al período
previo y durante la pandemia?
• ¿Existen cambios en los principales patrones territoriales de la congestión vial a nivel
cantonal y distrital?
• ¿Cuáles son las características de las principales intervenciones viales que generan
presiones sobre el flujo vehicular?

Estas preguntas guían la estructura del documento. La primera sección lo constituye esta breve
introducción. De seguido el apartado de metodología explica la estructura de los datos y los
procesamientos más importantes para convertir los datos de Waze en crudo, en una capa de
información relevante para los análisis. La tercera sección hace un repaso de los principales
patrones de la congestión vial con análisis descriptivos. La cuarta sección emplea modelos de
estadística espacial -indicadores LISA- para evaluar los patrones territoriales a nivel cantonal y
distrital. La quinta sección hace una revisión de medios de comunicación para evaluar las
principales intervenciones de infraestructura que influyen en los patrones de congestión. Y
finalmente, la sección de conclusiones.

Metodología

Los análisis acá realizados forman parte de un proyecto de investigación del Programa Estado
de la Nación sobre flujos vehiculares en Costa Rica que inició en el 2017. Una de las

Informe Estado de la Nación 2024 4

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

publicaciones más importantes en esta línea fue el Capítulo 7 del Informe Estado de la Nación
del año 2020 en el que se presentaron los hallazgos sobre la relación entre la movilidad de las
personas, analizada con la base de datos de Waze, y los contagios por covid-19 (PEN, 2020).
Este estudio fue basado en diversas investigaciones y literatura publicada en medio de la
pandemia para entender los factores asociados al contagio del virus (Alvarez, F. et. al. 2020;
Badr, H. S., et. al. 2020; Nouvellet P. [Link]. 2021; y Gómez-Campos, S. et. al. 2023; entre otros).

El Programa Estado de la Nación (PEN) tiene acceso a la base de datos de Waze mediante un
acuerdo de investigación conjunto con el Ministerio de Obras Públicas y Transportes (MOPT). La
información es una base de datos que permite la desagregación en distintos niveles: en el nivel
territorial hasta segmentos de carretera de cien metros, aproximadamente, y temporalmente
cada cinco minutos, que se convierte a ventanas cada diez minutos para el análisis de este
documento.

La base que se usó para el análisis de esta investigación cubre el período de enero de 2019 a
agosto de 2024. La información de jams (congestión) por segmento de carretera cada diez
minutos contiene 915.055.383 de registros. Entre las variables disponibles, se emplearon las
siguientes:

• IdT: identificador del segmento de carretera.

• Nom_cant: nombre del cantón donde se encuentra el segmento de carretera.
• Cod_canton: identificador del cantón donde se encuentra el segmento de carretera.
• Nom_prov: nombre de la provincia donde se encuentra el segmento de carretera.
• Nom_distr: nombre del distrito donde se encuentra el segmento de carretera.
• Cod_dta: código de distrito.
• Id: identificador del jam.
• Delay: atraso promedio generado por el jam en segundos.
• diaSemana: día de la semana en el cual ocurre el jam.
• Año: año en el que ocurre el jam.
• Mes: mes en el que ocurre el jam.
• Día: día del mes en el que ocurre el jam.
• Hora: hora del día en el que ocurre el jam en formato de 24 horas.
• Semanames: número de semana del año en la cual ocurre el jam.

Estas variables son producto de la transmisión de información desde teléfonos celulares con la
aplicación instalada, que para el caso de Costa Rica se estimaba en más de 500.000 usuarios
activos por mes en el 2015 (Cordero, 2015), que es el último dato reportado en prensa nacional
según la revisión efectuada para este trabajo.

Para extraer, transformar y cargar los datos (pipeline de Extract Transform and Load, ETL por sus
siglas en inglés), se aplicaron técnicas de big data y luego se requirió procesamiento en paralelo
para acceder, resumir y analizar la información. Etapa denominada como el pipeline de analítica.

El pipeline del ETL se realizó con el lenguaje de programación Python; y el de analítica, con el
lenguaje de programación R y el paquete sparklyr para análisis con procesamiento en paralelo.

Informe Estado de la Nación 2024 5

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Se usaron múltiples paquetes estadísticos y de visualización para los modelos efectuados, todos
de código fuente abierta (Open Source).

Los datos de la congestión vial de Waze provienen de una tabla de datos, llamada “jams” en
formato JSON, que contiene los reportes específicos en todo el territorio nacional de acuerdo
con criterios definidos por la aplicación. No es lo mismo que los reportes de congestión que las
personas usuarias hacen en el App. Estos últimos son conocidos como las alertas de Waze.

La aplicación hace reportes de congestión de tránsito en todo el país que se actualizan de manera
dinámica. El PEN hace una captura de los datos cada 5 minutos y, posteriormente, se unifican
en ventanas de 10 minutos. La siguiente fase es el pre-procesamiento para convertirlos en capas
de información relevantes. Por ejemplo, se hace una segmentación de los reportes de congestión
en tractos de 100 metros de carretera aproximadamente. De esta forma se controla la
congestión de acuerdo con la extensión de esta. Si un atasco A se extiende por 500 metros, se
contabiliza como cinco unidades de congestión. Otro atasco B, con extensión de un kilómetro,
se registra en la base de datos como diez unidades. Más detalle sobre el procedimiento de
extracción de datos y pre-procesamiento hasta construir la base de datos se puede consultar en
el Capítulo 7 del Informe Estado de la Nación de 2020 (PEN, 2020).

Vale aclarar que los datos pueden tener un sobre-registro que se distribuye sistemáticamente a
lo largo de todo el período. Como la toma de datos ocurre cada cinco minutos desde el API de
Waze, algunos casos de congestión pueden estar duplicados. Entiéndase que un reporte de
congestión no inicia y desaparece en el lapso de esos 5 minutos. Sin embargo, dado que la
temporalidad en la captura de datos es la misma durante todo el período de análisis, la
sobreestimación de esos casos se distribuye de forma uniforme en la serie de tiempo.

Aumenta la intensidad de la congestión con cambios en los patrones

temporales

La pandemia por el covid-19 produjo un cambio significativo en los patrones de la movilidad de

las personas. En parte por el miedo a salir de las casas ante la incertidumbre de los efectos del
virus, y luego por restricciones sanitarias y a la movilidad de las personas impuestas por los
gobiernos en muchos países del orbe. Costa Rica no fue la excepción.

Las medidas más drásticas, como se reportó en el Informe PEN de 2020, ocurrieron a partir de
abril de 2020. En este entonces se “constató que las restricciones sobre el tránsito y el cierre de
comercios en el país ocasionaron reducciones considerables en los flujos de personas en todo
el territorio, junto a otros aspectos, como la posible autocontención individual a salir de las casas
de habitación. Estas reducciones no fueron constantes en el tiempo. Se confirma un efecto
mayor al inicio de la pandemia, entre marzo y abril [de 2020] con disminuciones hasta de un 90%
en Semana Santa, con respecto a los valores previos. Luego hubo fases de apertura y cierres de
manera intermitente. Entre mayo y junio sucedió una recuperación del tránsito, cuando las
autoridades permitieron el restablecimiento parcial del comercio y de la movilidad vial. Después
se pasó a otra fase de fuerte restricción a la movilidad y comercios, entre el 11 y el 19 de julio,
con el cerco epidemiológico en los cantones de la GAM. Y, finalmente, vino una nueva fase de
apertura” (PEN, 2020).

Informe Estado de la Nación 2024 6

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Los datos actualizados muestran que la congestión vial durante el 2021 y 2022 estuvo en niveles
similares a lo ocurrido durante el 2019, previo a la pandemia. El aumento considerable sucede
en los años 2023 y 2024. El gráfico 1 muestra la serie de tiempo con el cambio porcentual diario
de acuerdo con la aplicación Waze. La línea base promedio del 2019 se identifica en el cero de
la escala. Todo lo que esté por encima de esa línea implica un aumento de la congestión vial con
respecto al promedio de 2019. Todo lo que esté por debajo representa la reducción porcentual
correspondiente.

El promedio agregado de cada año refleja que, durante todo el 2020, hubo una reducción general
del 36% del flujo vehicular con respecto a lo ocurrido en 2019. En el 2021, aún con restricciones
sanitarias, aunque más leves, hubo una reducción de tan solo 2,4%. En el 2022 se reporta un
leve aumento de la congestión de un 3%. En el año 2023 hubo otro incremento importante de
16%. Finalmente, en el 2024 (datos hasta agosto) se registra el mayor aumento relativo: 32%
más que lo ocurrido en el año pre-pandemia.

Gráfico 1
Cambio porcentual diario en la congestión vial, enero 2019 – agosto 2024
(Promedio móvil de siete días)
2019 2020 2021 2022 2023 2024

50%

25%

0
Cambio porcentual

−25%

−50%

−75%

−100%
may

jul

nov
dic

may

jul

nov
dic

may

jul

nov
dic

may

jul

nov
dic

may

jul

nov
dic

may

jul
ene
feb
mar
abr

jun

ago
sep
oct

ene
ene
feb
mar
abr

jun

ago
sep
oct

ene
ene
feb
mar
abr

jun

ago
sep
oct

ene
ene
feb
mar
abr

jun

ago
sep
oct

ene
ene
feb
mar
abr

jun

ago
sep
oct

ene
ene
feb
mar
abr

jun

ago
sep

Fecha

Fuente: Gómez Campos, Rojas y Aguilar, 2024, con datos de Waze-Mopt.

El aumento sostenido en los niveles de tránsito en todo el país muestra diferencias cuando se
observa por cantón y provincia. Las dos provincias con más presión vial son San José y Alajuela,
en gran medida por el alto flujo que registran sus respectivos cantones centrales. Esto no ha
variado en el tiempo. Antes, durante y posterior a la pandemia, esos dos cantones se mantienen

Informe Estado de la Nación 2024 7

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

como las zonas más congestionadas y con más pérdidas de tiempo asociadas a ello. Lo que sí
cambió fue la intensidad de esos flujos en el tiempo.

En el cantón central de San José, por ejemplo, ocurrió una reducción relativa de la congestión
entre el 2019 y 2024. El análisis realizado muestra que, de todos los reportes de atascos en
carretera ocurridos en 2019, esta cabecera de provincia registró un 17%. Para el 2024 registra
un 10%, aunque con datos hasta agosto. Ese nivel es prácticamente el mismo que obtuvo en
2023 para todo el año. Es decir, hay una reducción relativa en los flujos vehiculares que transitan
por este cantón.

Lo contrario ocurre con Alajuela que registra un aumento relativo de la aglomeración vehicular.
En 2019 este cantón cabecera de provincia, fue responsable del 8% de los reportes de todo el
país. A partir del 2021 registra, con leves altibajos, niveles alrededor del 10%.

Los cantones cabecera de Cartago y Heredia registran niveles por debajo del 5% entre el 2019 y
2024. El cantón de Libera en Guanacaste y el cantón central de Puntarenas denotan un leve
aumento relativo de la congestión por año, aunque siempre por debajo del umbral del 5% anual.
Finalmente, el cantón central de Limón es el otro que registra una reducción relativa de su flujo
vehicular con respecto al 2019. El gráfico 2 muestra el porcentaje del flujo vehicular por año en
todos los cantones del país. Se resaltan en color los cantones cabecera para cada provincia.

Gráfico 2
Porcentaje de congestión vial por año según provincia y cantón
Cantones: Cabecera Otros

San José Alajuela Cartago Heredia

20

15

10

0
2019 2020 2021 2022 2023 2024
Porcentaje

Guanacaste Puntarenas Limón

20

15

10

0
2019 2020 2021 2022 2023 2024 2019 2020 2021 2022 2023 2024 2019 2020 2021 2022 2023 2024

Año

Fuente: Gómez Campos, Rojas y Aguilar, 2024, con datos de Waze-Mopt.

¿Varían los patrones viales por día de la semana? La respuesta es afirmativa en cuanto a la
distribución porcentual de la congestión, aunque no se modifican de manera sustantiva los días
de la semana más complicados para transitar en carretera.

Informe Estado de la Nación 2024 8

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

El día de la semana con más atascos continúa siendo los viernes, seguido de los martes y
miércoles, dentro de la GAM. Fuera de la región central del país también son los viernes, seguido
de los miércoles, jueves y martes en niveles muy similares. Los lunes son días más fluidos en
carretera en todo el país.

Entre semana se registran cambios en la distribución porcentual. De todos los reportes

obtenidos por año, en 2019 hubo mayor incidencia de congestión dentro de la GAM que lo
observado durante el 2024. En este último año se nota un incremento relativo en zonas fuera de
la GAM, más similar a lo ocurrido en los años de pandemia. Un factor que pudiera estar vinculado
con este comportamiento refiere a las condiciones laborales post-pandemia. Actualmente
existen condiciones de trabajo más flexibles tanto en el sector público como en el sector privado.
El trabajo desde la casa, en distintas modalidades, reduciría los viajes al casco central del país y
con ello se alteran los patrones espacio temporales de los flujos vehiculares. El gráfico 3 da
cuenta de los cambios en estos flujos vehiculares de manera comparada.

Gráfico 3
Porcentaje de congestión vial por año según día de la semana y zona del país
2019 2021 2023
2020 2022 2024

Fuera GAM GAM

12.5

10.0

7.5
Porcentaje

5.0

2.5

0.0
Lunes Martes Miércoles Jueves Viernes Sábado Domingo Lunes Martes Miércoles Jueves Viernes Sábado Domingo

Día de la semana

Fuente: Gómez Campos, Rojas y Aguilar, 2024, con datos de Waze-Mopt.

Para ahondar en este tema se hizo una evaluación de la saturación de la red vial disponible en
cada cantón, con base en la congestión registrada por Waze entre lunes y viernes, y en horas
pico de la mañana (6 am - 9 am) y de la tarde (4 pm - 7 pm).

Los hallazgos de este análisis muestran que, en promedio para todo el país, la red vial disponible
tiene un porcentaje de saturación del 46% en horas pico entre semana durante el 2024. Es decir,

Informe Estado de la Nación 2024 9

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

casi la mitad de todas las carreteras presentan congestión vial a esas horas. El resultado por
cantón muestra diferencias sustantivas.

De los 31 cantones dentro de la GAM, solo uno está por debajo de ese promedio: Aserrí con una
saturación del 44%. Todos los demás presentan muy altos grados de uso potencial de su red
vial, con casos extremos como Tibás, cantón central de San José, Flores y San Pablo de Heredia,
Montes de Oca, Goicoechea y Curridabat con niveles de saturación entre el 80 y el 90% de sus
carreteras en horas pico.

Fuera de la GAM hay seis cantones con niveles muy superiores al promedio nacional y, que se
asemejan más a la situación de las zonas dentro de la GAM. Se trata de San Mateo, Naranjo,
Orotina, Grecia, Valverde Vega (Sarchí) y Palmares. Todos cantones al oeste del Valle Central,
donde ocurre un aumento de desarrollos urbanísticos e industriales. En estos territorios la
saturación ronda entre el 55 y el 66% de su red vial disponible en la franja horaria analizada
(gráfico 4).

Gráfico 4
Porcentaje de saturación de la red vial por cantón, según zona del país. 2024
(promedio nacional)
Promedio

GAM Fuera GAM

Tibás Palmares
Valverde Vega
San José Grecia
Orotina
Flores Naranjo
San Pablo San Mateo
Esparza
Montes de Oca San Ramón
Tilarán
Goicoechea Río Cuarto
Curridabat Pococí
Dota
Escazú Pérez Zeledón
Belén Sarapiquí
Siquirres
Moravia Carrillo
San Carlos
San Rafael Nandayure
Atenas Jiménez
Santa Cruz
Santa Bárbara Matina
León Cortés Castro
Barva Parrita
Alajuela Montes de Oro
Osa
Santo Domingo Nicoya
Garabito
Santa Ana Abangares
La Unión Limón
Puriscal
Alajuelita Upala
Puntarenas
Desamparados Guácimo
Heredia Acosta
Quepos
Cartago Tarrazú
San Isidro Turrialba
Cañas
Alvarado Zarcero
Talamanca
Vázquez de Coronado Corredores
Poás La Cruz
Coto Brus
Oreamuno Turrubares
Hojancha
El Guarco Liberia
Paraíso Guatuso
Bagaces
Mora Los Chiles
Buenos Aires
Aserrí Golfito
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100

Porcentaje

Fuente: Gómez Campos, Rojas y Aguilar, 2024, con datos de Waze-Mopt.

Informe Estado de la Nación 2024 10

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Patrones espaciales de la congestión se modificaron de forma sustantiva

La información analizada a este punto da cuenta del aumento en la congestión vial, aunque con
aparentes cambios en la distribución territorial con respecto al 2019. Para confirmar estos
hallazgos iniciales, se procedió a evaluar los patrones viales con modelos de estadística espacial
y, con ello, actualizar los hallazgos del estudio del 2020.

Durante el 2019 se encontró un “conglomerado significativo con ocho cantones que registran
alta congestión. Estas zonas presentan una relación espacial significativa. En otras palabras, es
ahí donde están los flujos viales más relevantes del país. Son seis casos de la provincia de San
José: cantón central de San José, Desamparados, Goicoechea, Tibás, Montes de Oca y
Curridabat, y otros dos de la provincia de Heredia: el cantón central y Santo Domingo. Todos
estos municipios están ubicados en la GAM”. Además, “en esos ocho cantones, en promedio, un
53% de la población ocupada residente en ellos sale regularmente del cantón, pues su lugar de
trabajo se ubica en otras zonas del país. Estos datos dan sustento a la tesis de que los municipios
con mayor congestión comparten características demográficas y presiones viales que generan
afectaciones mutuas” (PEN, 2020).

Sería de esperar variaciones en estos conglomerados de congestión territorial, si los hábitos y

horarios laborales post-pandemia se modificaron de manera significativa. Se procedió a analizar
la congestión cantonal mensual primero, y luego la distrital, para la serie histórica (2019-2024).
Se evaluaron modelos estadísticos con el índice de Morán global, y el denominado Test de Monte
Carlo, para confirmar que la relación espacial es significativa de acuerdo con la metodología de
Medina y Solymosi (2019). Cuando la relación espacial es significativa, se ejecuta el índice local
de Morán como medida de asociación espacial (local indicators of spatial association, LISA, por
su sigla en inglés) para determinar cuáles cantones y distritos conforman estos conglomerados
(recuadro 1).

Recuadro 1
Metodología para el análisis espacial

Se elaboraron modelos estadísticos espaciales empleando el Índice de Moran para detectar

conglomerados en el territorio. El análisis se realiza tanto a nivel cantonal como distrital para el
período que comprende de enero 2019 hasta agosto 2024. Se incluyeron 82 cantones y 483
distritos que proporcionan una perspectiva más detallada de los patrones espaciales en cada
nivel territorial.

El Índice de Moran es una herramienta estadística utilizada para evaluar la autocorrelación

espacial en un conjunto de datos georreferenciados. Este índice permite identificar si existe un
patrón espacial en los datos, es decir, si los valores de una variable en un área geográfica están
correlacionados con los valores de la misma variable en áreas vecinas. Los valores del índice
pueden oscilar entre -1 y 1.

• Valor -1: Indica una autocorrelación negativa perfecta, lo que significa que las áreas con
valores altos están rodeadas de áreas con valores bajos, y viceversa, generando una
dispersión espacial.

Informe Estado de la Nación 2024 11

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

• Valor 1: Denota una autocorrelación positiva perfecta, lo que sugiere que las áreas con
valores altos (o bajos) están agrupadas, formando conglomerados de características
similares.
• Valor 0: Indica la ausencia de autocorrelación espacial, es decir, que los valores están
distribuidos de manera aleatoria sin seguir un patrón espacial claro.

Para establecer la relación espacial entre las diferentes áreas, se emplea la estructura de
vecinos de la Reina. Este método define como vecinos las áreas que comparten un borde o un
vértice. A diferencia del método de contigüidad de Rook, que solo considera los límites comunes,
el método de la Reina es más inclusivo, ya que también reconoce la vecindad en los puntos de
contacto diagonales. Esto genera una red de vecinos más densa e interconectada, lo cual se
asemeja con mayor exactitud a la red vial que conecta a cantones y distritos.

Posteriormente se construye una matriz de pesos espaciales “W”, la cual asigna un peso a cada
par de áreas dependiendo de si son vecinas o no. En este caso se utiliza la normalización por filas
para que la suma de los pesos asociados a cada área fuera igual a 1. Esta matriz es fundamental
para calcular el Índice de Moran, ya que establece las conexiones espaciales necesarias para
evaluar la autocorrelación entre las áreas.

El análisis se inicia con el cálculo del Índice de Moran Global para identificar si existe
autocorrelación espacial significativa en los datos a nivel general. Para evaluar la significancia
de los resultados, se utiliza la prueba de Monte Carlo que realiza múltiples permutaciones
aleatorias de los datos para generar una distribución nula y comparar el valor observado del
índice con esta distribución. De esta manera, se determina si la autocorrelación espacial
observada es mayor de lo que se esperaría bajo un patrón aleatorio.

En aquellos casos donde la autocorrelación espacial es significativa, se procede con el cálculo

del Índice de Moran Local o LISA (Local Indicators of Spatial Association, por sus siglas en
inglés). Este índice permite identificar las áreas específicas que contribuyen a la autocorrelación
global, revelando conglomerados locales de valores altos o bajos que no son necesariamente
evidentes a nivel general. De esta manera, se detectan tanto zonas con conglomerados
espaciales significativos como aquellas con patrones atípicos.

Todo el análisis es implementado en el entorno de programación R, utilizando la versión 4.3.3.

Esta plataforma ofrece múltiples librerías especializadas para el análisis de datos espaciales,
como spdep, que permite la construcción de matrices de pesos espaciales y la implementación
del Índice de Moran, tanto global como local.

Fuente: Elaboración propia

El análisis de los modelos cantonales por año confirma el conglomerado de cantones del 2019,
con una prueba significativa al 95% de confianza (p-value < 0.05). Sin embargo, a partir de 2020
el índice de Moran global no es significativo. En otras palabras, los conglomerados cantonales
de alta congestión vial que existían antes de la pandemia desaparecen a partir del 2020. Incluso
en 2023 y los meses de 2024 que cubre este estudio (enero-agosto), no existe evidencia
estadística significativa de zonas del territorio nacional a nivel cantonal que presente altos

Informe Estado de la Nación 2024 12

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

niveles de saturación vial, rodeados de otras zonas con condiciones similares. El cuadro 1, refleja
los p-values obtenidos en cada uno de los modelos estadísticos.

Cuadro 1
Resultados del Índice de Moran global por año por cantón, según el valor del p-value del modelo
Año p-value Cantones significativos
de alta congestión
2019 0,01 San José: Central, Desamparados, Goicoechea, Tibás, Montes de Oca y Curridabat.
Heredia: central y Santo Domingo.
2020 0,07
2021 0,14
2022 0,14
2023 0,12
2024 0,13
Fuente: Gómez Campos, Rojas y Aguilar, 2024, con datos de Waze-Mopt.

Estos resultados muestran que los flujos viales de esos ochos cantones con muy alta congestión
durante el 2019 en la GAM, perdieron fuerza de contagio entre ellos (spillover). Las personas que
manejaban por esas zonas experimentaban fuerte congestión a lo largo de todo el trayecto, con
pocos espacios de tránsito fluido en sus rutas. A partir de 2020 esa saturación inter-cantonal ya
no es estadísticamente relevante. El efecto de la pandemia y los cambios en los horarios de
trabajo y traslados pudo influir en estos resultados.

¿Significa que desaparecieron los atascos viales en esos cantones? Por supuesto que no. Lo que
desapareció es el efecto de contagio entre cantones. Los análisis muestran que hay más
congestión vial en términos absolutos, pero no hay evidencia empírica para indicar que existan
patrones de concentración en cantones específicos. Ahora está distribuida de una forma más
aleatoria en el territorio cuando se le analiza a nivel cantonal.

¿Existen conglomerados de congestión en unidades territoriales más específicas, como los

distritos? Se volvieron a ejecutar todos los análisis, pero empleando los distritos como objeto de
estudio para observar el efecto de la congestión en unidades territoriales más pequeñas.

Los resultados muestran que los puntos de mayor problemática vial, en efecto, se trasladaron a
unidades geográficas mucho más acotadas posterior al 2020. Sí existen conglomerados de alta
congestión a nivel distrital, aunque con variaciones anuales. El otro hallazgo relevante es que
esos grupos son significativos en todos los años de la serie histórica, incluido el 2020, durante
la pandemia. No obstante, se nota una reducción en la cantidad de distritos que pertenecen al
grupo de alta congestión en el año 2020, de mayor efecto de la pandemia por covid-19.

En general, el país tiene entre 35 y 41 distritos catalogados como de alta congestión, entre 2019
y 2024. El foco de mayor incidencia de congestión se concentra en distritos del Gran Área
Metropolitana (GAM), en específico de San José, Alajuela y Heredia, que aparecen en los seis
años evaluados. Por el contrario, la provincia de Guanacaste es la de menor incidencia de
distritos con alta congestión. Solo aparece con Palmira de Carillo y Nacascolo de Liberia en el

Informe Estado de la Nación 2024 13

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

2024. Y las provincias de Cartago, Puntarenas y Limón muestran distritos con alta congestión en
cuatro de los seis años estudiados.

Las zonas de mayor congestión se concentran en 26 distritos del país (mapa 1). Se trata en
específico de:

• San José: Catedral, El Carmen, Hatillo, Hospital, Mata Redonda, Merced, Pavas, San
Francisco De Dos Ríos, Uruca y Zapote (cantón central San José); San Felipe (Alajuelita);
San Rafael (Escazú); Mercedes y San Pedro (Montes De Oca); San Vicente (Moravia); Pozos
(Santa Ana);
• Alajuela: Alajuela, Garita, Guácima, Río Segundo, San Antonio, San José y San Rafael
(cantón central de Alajuela).
• Heredia: San Francisco y Ulloa (cantón central de Heredia); La Ribera (Belén).

Mapa 1
Conglomerados de congestión vial por distrito. Enero 2019 a agosto 2024

Distritos por provincia: San José = 16 Alajuela = 7 Heredia = 3

Ulloa
San Francisco

San Antonio

San Rafael
San Rafael
Hospital
de Escazú

Fuente: Gómez Campos, Rojas y Aguilar, 2024, con datos de Waze-Mopt.

Informe Estado de la Nación 2024 14

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

El cuadro 2 detalla los conglomerados de distritos con alta congestión rodeados de otros
distritos vecinos con alta congestión.

Cuadro 2
Resultados del Índice de Moran global por año por distrito, según el valor del p-value del modelo
Año p_value Cantidad Distritos de alta congestión por provincia y cantón
de
distritos
2019 0,00001 40 San José
Alajuelita: San Felipe/Curridabat: Curridabat/Escazú: San
Rafael/Goicoechea: Calle Blancos y San Francisco/Montes De Oca:
Mercedes y San Pedro/Moravia: San Vicente/San José: Catedral, El
Carmen, Hatillo, Hospital, Mata Redonda, Merced, Pavas, San Francisco De
Dos Ríos, Uruca y Zapote / Santa Ana: Brasil y Pozos/Tibás: Anselmo
Llorente, Cinco Esquinas, Colima y San Juan.

Alajuela
Alajuela: Alajuela, Garita, Guácima, Río Segundo, San Antonio, San José y
San Rafael.

Heredia
Belén: La Ribera y San Antonio/Heredia: San Francisco y Ulloa/San Pablo:
Rincón de Sabanilla/Santo Domingo: Santa Rosa.

Limón
Limón: Limón/Matina: Carrandi/Pococí: Jiménez.
2020 0,00001 35 San José
Alajuelita: San Felipe/Desamparados: San Rafael Arriba/Escazú: San
Rafael/Goicoechea: Calle Blancos/Montes De Oca: Mercedes, San
Pedro/Moravia: San Vicente/San José: Catedral, El Carmen, Hatillo,
Hospital, Mata Redonda, Merced, Pavas, San Francisco De Dos Ríos, Uruca,
Zapote/Santa Ana: Pozos

Alajuela
Alajuela: Alajuela, Garita, Guácima, Río Segundo, San Antonio, San José,
San Rafael

Cartago
Cartago: Occidental
Heredia
Belén: La Ribera/Heredia: San Francisco, Ulloa/Santo Domingo: Santa
Rosa/Sarapiquí: Las Horquetas

Limón
Limón: Limón, Río Blanco/Matina: Carrandi/Pococí: Jiménez.

Informe Estado de la Nación 2024 15

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Año p_value Cantidad Distritos de alta congestión por provincia y cantón

de
distritos
2021 0,00001 37 San José
Alajuelita: San Felipe/Escazú: San Rafael/Montes De Oca: Mercedes, San
Pedro/Moravia: San Vicente/San José: Catedral, El Carmen, Hatillo,
Hospital, Mata Redonda, Merced, Pavas, San Francisco De Dos Ríos, Uruca,
Zapote/Santa Ana: Brasil, Pozos.
Alajuela
Alajuela: Alajuela, Garita, Guácima, Río Segundo, San Antonio, San José,
San Rafael, Turrúcares.

Cartago
Cartago: Guadalupe O Arenilla, Occidental.
Heredia
Belén: La Ribera, San Antonio/Flores: San Joaquín/Heredia: San Francisco,
Ulloa

Puntarenas
Garabito: Jacó/Puntarenas: Puntarenas
Limón
Limón: Limón, Río Blanco/Matina: Carrandi
2022 0,00001 40 San José
Alajuelita: San Felipe/Desamparados: San Rafael Arriba/Escazú: San
Rafael/Montes De Oca: Mercedes, San Pedro/Moravia: San Vicente/San
José: Catedral, El Carmen, Hatillo, Hospital, Mata Redonda, Merced, Pavas,
San Francisco De Dos Ríos, Uruca, Zapote/Santa Ana: Brasil, Pozos.

Alajuela
Alajuela: Alajuela, Garita, Guácima, Río Segundo, San Antonio, San José,
San Rafael, Turrúcares.

Cartago
Cartago: Carmen, Guadalupe O Arenilla, Occidental

Heredia
Belén: La Ribera, San Antonio/Heredia: San Francisco, Ulloa/San Pablo:
Rincón De Sabanilla
Santo Domingo Santa Rosa.

Puntarenas
Garabito: Jacó/Puntarenas: Barranca, Chacarita, Puntarenas.
Limón
Matina: Carrandi

Informe Estado de la Nación 2024 16

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Año p_value Cantidad Distritos de alta congestión por provincia y cantón

de
distritos
2023 0,00001 37 San José
Alajuelita: San Felipe/Desamparados: San Rafael Arriba/Escazú: San
Rafael/Montes De Oca: Mercedes, San Pedro/Moravia: San Vicente/San
José: Catedral, El Carmen, Hatillo, Hospital, Mata Redonda, Merced, Pavas,
San Francisco De Dos Ríos, Uruca, Zapote/Santa Ana: Brasil, Pozos.

Alajuela
Alajuela: Alajuela, Garita, Guácima, Río Segundo, San Antonio, San José,
San Rafael, Tambor, Turrúcares

Cartago
Cartago: Carmen, Guadalupe O Arenilla

Heredia
Belén: La Ribera, San Antonio/Heredia: San Francisco, Ulloa/San Pablo:
Rincón De Sabanilla/Santo Domingo: Santa Rosa

Puntarenas
Garabito: Jacó/Puntarenas: Puntarenas
2024 0,00001 41 San José
Alajuelita: San Felipe/Escazú: San Rafael/Goicoechea: Calle Blancos, San
Francisco/Montes De Oca: Mercedes, San Pedro/Moravia: San Vicente/San
José: Catedral, El Carmen, Hatillo, Hospital, Mata Redonda, Merced, Pavas,
San Francisco De Dos Ríos, San Sebastián, Uruca, Zapote/Santa Ana:
Brasil, Pozos, Santa Ana/Tibas: Anselmo Llorente/Vázquez De Coronado:
Patalillo

Alajuela
Alajuela: Alajuela, Garita, Guácima, Río Segundo, San Antonio, San José,
San Rafael, Turrúcares
Heredia
Belén: La Asunción, La Ribera, San Antonio/Heredia: San Francisco,
Ulloa/San Pablo: Rincón De Sabanilla/Santo Domingo: Santa Rosa
Guanacaste
Carrillo: Palmira/Liberia: Nacascolo

Puntarenas
Garabito: Jacó
Fuente: Gómez Campos, Rojas y Aguilar, 2024, con datos de Waze-Mopt.

Informe Estado de la Nación 2024 17

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

El resultado refleja carreteras con más congestión en zonas específicas, en específico distritos,
y no a lo largo de rutas que conectan diferentes cantones como ocurría en 2019. Esto da fuerza
a la hipótesis de los cambios en los patrones de movilidad de las personas por causa de nuevas
alternativas de trabajo en casa y flexibilización de horarios. También influyen las inversiones en
obras de mantenimiento y ampliación de carreteras dentro y fuera de la GAM, para ampliar las
capacidades de la infraestructura vial del país en los últimos años. Tema abordado en el
siguiente apartado.

Estos hallazgos abren nuevas preguntas de investigación por explorar. Por ejemplo, ¿cuál es el
efecto concreto que tiene el teletrabajo, la flexibilidad horaria y las intervenciones viales, entre
otras variables de interés, en los registros de congestión? El reto más importante para la agenda
de investigación futura es la operacionalización de algunas de estas variables sobre las que
existe poca o nula información en el país.

Intervenciones viales generan presiones en zonas específicas del territorio

Con datos para 32 meses, desde enero de 2022 hasta agosto 2024, se puede constatar en
distintos medios digitales un aumento de noticias referidas a intervenciones viales en carretera
(recuadro 2). La inversión en obra pública genera nuevas condiciones para mejorar la fluidez del
tránsito y con ello reducir los tiempos de traslado. Pero también ocurren focos de congestión
debido a los trabajos que implican los pasos regulados o cierres parciales de las obras realizadas.

Recuadro 2
Metodología para el análisis de infraestructura vial
El análisis está basado en la recopilación de titulares de noticias relacionadas con infraestructura
vial en Costa Rica. Para obtenerlas se realizó una búsqueda exhaustiva en medios de
comunicación digitales, entidades gubernamentales y municipales, mediante el motor de
búsqueda Google. La recopilación incluyó los siguientes pasos:

1. Selección de fuentes: se seleccionaron 31 medios de comunicación digital y algunos otros

medios digitales municipales. La lista completa es: [Link]; [Link]; [Link];
[Link]; [Link]; [Link]; [Link]; [Link];
[Link]; [Link]; [Link]; [Link]; [Link];
[Link]; [Link]; [Link]; [Link];
[Link]; [Link]; [Link]; [Link]; [Link];
[Link]; [Link]; [Link]; [Link]; [Link];
[Link]; [Link]; [Link]; [Link].

2. Se estableció como período de análisis el comprendido entre el 1 de enero de 2022 y el 29

de agosto de 2024.

3. Palabras clave: para filtrar las búsquedas y seleccionar titulares de interés se utilizaron
palabras clave como: “inauguración paso”; “cierre de paso”; “apertura de paso”;
“inauguración puente”; “obras en la vía”; “infraestructura vial”, entre otras.

Informe Estado de la Nación 2024 18

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

4. Clasificación de noticias: Los titulares fueron categorizados en dos niveles. Primero según el
tipo de evento descrito en las siguientes categorías:
• Restricción vehicular sanitaria: Covid-19.
• Cambios en la infraestructura.
• Cierres de carretera por accidente.
• Cierres de carretera por mantenimiento.
• Cierres de carretera por asuntos naturales.
• Apertura de carretera por asuntos naturales.
• Cierres de carretera por asuntos sociales.

Segundo, según el efecto que produce en el desplazamiento vial en las siguientes categorías:
• Congestión.
• Liberación.
• Obras en la vía/construcción.

Herramientas técnicas: todo el proceso se construyó utilizando el lenguaje de programación

Python, en su versión 3.12.1. Para pre-procesar los datos se utilizó la biblioteca “pandas”. Los
gráficos se realizaron con los paquetes “matplotlib” y “seaborn”. Para el procesamiento de texto
se utilizó la biblioteca de procesamiento de lenguaje natural “spaCy”. Las nubes de palabras se
generaron utilizando la biblioteca “WordCloud” y el análisis de bigramas a partir de los titulares
preprocesados utilizó la biblioteca “nltk”.

Fuente: Elaboración propia

Al agrupar todos los incidentes relacionados con la infraestructura vial por mes se observa que,
en el año 2022, octubre registra el mayor número de noticias relacionadas. Esto coincide con el
huracán Julia, un fenómeno natural que impactó fuertemente al país y afectó la infraestructura
vial. Durante este mes hubo derrumbes, colapsos de ríos, destrucción de calles y otros daños
que obstaculizaron el tránsito normal en las vías del país.

En octubre de 2023, nuevamente, se registró una alta acumulación de incidentes. Sin embargo,
a diferencia de lo ocurrido en 2022, los incidentes de este año no tuvieron una sola causa
principal. Ocurrieron por cambios en la Radial de Alajuela, obras frente al Aeropuerto Juan
Santamaría, cierres y aperturas en la ruta 32, y la apertura del viaducto de la ruta 27, entre las
principales.

En 2024, el mes con la mayor cantidad de incidentes relacionados con infraestructura vial fue
febrero. Este caso representa no solo el mes con más incidentes de ese año, sino también el que
más incidentes acumuló en los 32 meses analizados. Fue resultado de la convergencia de
múltiples eventos, incluyendo el inicio del curso lectivo el 5 de febrero, cierres en la ruta 32, el
inicio de trabajos cerca del puente Juan Pablo II en La Uruca, la colocación de un puente modular
en Alajuela, cierres en la Radial de Alajuela, trabajos en Calle Blancos y en la ruta de
circunvalación, entre los principales. Además, hubo eventos de carácter social que también
afectaron la movilidad. Tal fue el caso de las manifestaciones en Hatillo debido a la falta de agua.
Este mes fue especialmente intenso en términos de infraestructura vial, aunque también se

Informe Estado de la Nación 2024 19

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

dieron eventos que mejoraron los flujos de tránsito, como la apertura del paso elevado en Grecia
(gráfico 5).

Gráfico 5
Intervenciones en infraestructura vial reportadas en medios de comunicación. Enero 2022 a agosto 2024

Fuente: Gómez Campos, Rojas y Aguilar, 2024, con información de la base de datos de medios de comunicación del
PEN.

Al realizar un análisis de texto a los titulares de todas las notas recolectadas, se observa una
predominancia de términos vinculados con eventos de cierre de las rutas. Resaltan palabras
como "cierre", "derrumbe", "cierres nocturnos", "paso regulado", "deslizamiento", "presas",
"cerrado", y "caída de material". En menor medida, se identifica un patrón más enfocado en
soluciones, con términos como "trabajos", "colocación", "MOPT habilita", "obra", "inaugurará", y
"reabre".

También aparecen ciertas tendencias geográficas. Acá destacan zonas como "San José",
"Cartago", y "Alajuela". Además, se identifican puntos específicos en estas provincias, como
"Galera", "Hatillo", "frente aeropuerto", "Ledezma", "Grecia", "Moravia", y "Calle Blancos". Otras
tendencias geográficas más detalladas se refieren a puntos concretos de la infraestructura vial
del país, como "Ledezma", que alude al puente en Bajo Los Ledezma en San José por los trabajos
en ese sector. También "Circunvalación Norte” y las obras realizadas en el puente "Juan Pablo
II" y la "radial Alajuela" (Figura 1).

Informe Estado de la Nación 2024 20

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Figura 1
Nube de palabras sobre infraestructura vial. Enero 2022 a agosto 2024

Fuente: Gómez Campos, Rojas y Aguilar, 2024, con información de la base de datos de medios de comunicación del
PEN.

Al replicar la nube de palabras por año destaca en 2022 y 2024 la palabra "puente" con más
frecuencia. En cuanto a los patrones geográficos, en 2022 ya aparecía "Cartago" como una
provincia con alta incidencia de eventos, con "Taras" y "Lima" como términos asociados debido
a los trabajos realizados en esa zona. Durante el año 2023, "Cartago" continuó destacándose, y
se empezó a mencionar "Galera" en relación con las obras en ese sector que conectan a
Curridabat con la autopista Florencio del Castillo. En 2024 se observan patrones geográficos más
concretos, como "Ledezma", "Hatillo", "Calle Blancos", y "Juan Pablo II", en relación con los
cierres en estas zonas por obras específicas que tuvieron una fuerte afectación sobre el tránsito.

También destacan los fenómenos naturales como factor relevante. En 2022, por ejemplo,
aparecen palabras vinculadas con las tormentas tropicales y cambios meteorológicos que luego
se debilitan en los años siguientes. En específico, términos como "lluvia", "deslizamiento",
"derrumbe", "tropical", "Julia", "Bonnie", y "río", entre los principales. (figura 2).

Informe Estado de la Nación 2024 21

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Figura 2
Nube de palabras sobre infraestructura vial por año

Fuente: Gómez Campos, Rojas y Aguilar, 2024, con información de la base de datos de medios de comunicación del
PEN.

El análisis sobre dos términos que aparecen juntos en el texto permite precisar focos de atención
específica. Este tipo de aproximación se conoce como los “bigramas” del texto. Se observa una
dominancia del par "ruta 32". Esto se debe a las constantes intervenciones que se realizan en
esta ruta debido a deslizamientos, accidentes, caída de materiales y trabajos de mantenimiento.

En segundo lugar, destaca el par "paso regulado", que está relacionado con el impacto directo
en el tráfico. Este término se refiere a regulaciones de tráfico como cierres parciales de calles,
restricciones de tránsito, mantenimiento de carreteras o cierres totales temporales. En tercera
posición aparece "atención conductores", enfocado en alertar sobre cambios o eventos que
puedan alterar la infraestructura vial y la movilidad en condiciones normales.

En general, se observa una fuerte predominancia de temas relacionados con la regulación del
tráfico, como "paso regulado" y "cierres nocturnos", así como temas vinculados a obras de
infraestructura vial, tales como "Calle Blancos", "paso desnivel", "paso elevado", "Circunvalación
Norte", y "Puente Amistad" (gráfico 8).

Informe Estado de la Nación 2024 22

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Gráfico 6
Bigramas en temas de infraestructura vial. Enero 2022 a agosto 2024

Fuente: Gómez Campos, Rojas y Aguilar, 2024, con información de la base de datos de medios de comunicación del
PEN.

Al realizar un análisis por año para evaluar el comportamiento de los bigramas en cada período
específico, se evidencia que en 2022 el bigrama predominante fue "paso regulado". Además,
aparecen combinaciones como "puente amistad", "cierre puente", y "puente Bailey",
relacionados con trabajos en el Puente de la Amistad y cierres de puentes causados por
tormentas tropicales. Durante ese año también se reportaron otros temas relevantes, como
"paso desnivel", en referencia a las noticias sobre la Rotonda de la Bandera en Montes de Oca y
el paso de Limonal en Guanacaste. La ruta 32 continuó siendo un tema recurrente. También se
observan los últimos vestigios de la restricción vehicular sanitaria implementada para prevenir
el covid-19.

En 2023 se produjo un cambio notorio. El bigrama de la ruta 32 ascendió significativamente, lo

cual refleja la frecuencia de intervenciones e incidentes en esta ruta. El bigrama "paso regulado"
se mantuvo en segundo lugar, y, en tercer lugar, aparece "circunvalación norte". Esta última es
una de las obras de infraestructura vial más importantes del año. Incluye la inauguración de
algunos tramos, pero también intervenciones y cierres de carreteras conexas producto de los
trabajos.

En 2024 el bigrama "ruta 32" fue nuevamente el más frecuente, lo cual confirma la
vulnerabilidad de esta ruta. Le siguen en importancia la referencia de "atención conductores" y

Informe Estado de la Nación 2024 23

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

luego "paso ruta". Lo más notable de este año es la fuerte relación de los bigramas con obras y
lugares concretos. Las tendencias geográficas incluyen "Calle Blancos", debido a las diversas
obras en esa área; "Puente Juan", que se refiere al Puente Juan Pablo II en la zona de La Uruca;
el "Puente Ledezma", relacionado con el puente en Bajo Los Ledezma; y la "Radial Alajuela".
(gráfico 9).

Gráfico 7
Bigramas en temas de infraestructura vial por año

Fuente: Gómez Campos, Rojas y Aguilar, 2024, con información de la base de datos de medios de comunicación del
PEN.

En suma, la evidencia recopilada en esta sección confirma que el período post-pandemia (2022-
2024) está caracterizado por una importante afectación de las condiciones de tránsito en las
carreteras del país. Entre los principales factores asociados destacan eventos climáticos y
típicos de la estación lluviosa del país, pero también las intervenciones producto de la inversión
en infraestructura vial, que genera presiones sobre la congestión en puntos específicos. Algunos
por tiempo definido dado que pretenden ampliar la capacidad del flujo vehicular, como los
ocurridos en circunvalación y los distintos pasos a desnivel. Otros reincidentes por su
comportamiento estacional, como es el caso de la ruta 32 hacia Limón, de fuerte afectación en
época lluviosa. Todo esto influye en mayores registros de congestión según la aplicación de
Waze en términos comparados.

Informe Estado de la Nación 2024 24

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Conclusiones

El análisis de la congestión vial entre 2019 y 2024 da cuenta del retorno a condiciones de alto
tránsito vehicular en el país luego de casi dos años de reducción significativa en el contexto de
la pandemia.

La evidencia muestra un aumento relativo de la congestión cuando se compara por años. En

particular en los años 2023 y 2024. El análisis por cantón revela que las cabeceras de provincia
concentran buena parte de esos flujos, aunque con niveles y comportamientos diferenciados.
Destaca una reducción relativa en el cantón central de San José.

También se logran registrar cambios importantes según zona del país. Hay un aumento de la
congestión en cantones fuera de la GAM en los últimos años. En 2023 y en especial 2024
regresaron los altos niveles de saturación en horas pico dentro de la GAM y algunos cantones del
oeste (Palmares, Sarchí, Grecia y Orotina, entre otros) fuera de la GAM. Estos últimos registran
flujos viales que se empiezan a parecer mucho más a los del centro del país. El incremento en
los desarrollos urbanísticos y de parques industriales en las rutas que comunican esas regiones
están ejerciendo presiones sobre una infraestructura vial que no se ha actualizado al mismo
ritmo.

Por día de la semana el comportamiento es, en general, estable durante la serie de tiempo. Los
viernes son los días más complicados para transitar, tanto dentro como fuera de la GAM. Los
martes y miércoles muestran mucha congestión dentro de la GAM.

El análisis con modelos de estadística espacial refleja carreteras con fuerte congestión en zonas
acotadas, en específico distritos, y no a lo largo de rutas que conectan diferentes cantones como
ocurría en 2019. El efecto de “contagio” presente en los patrones de tránsito de 2019 a nivel
cantonal se diluyó. Los conglomerados de congestión vial posterior al 2020 son significativos a
nivel distrital, no al nivel cantonal. Es decir, no desaparece la congestión, pero sí cambió la forma
en cómo se distribuye en el territorio.

Esto da fuerza a la hipótesis de los cambios en los patrones de movilidad de las personas por
causa de nuevas alternativas de trabajo en casa y flexibilización de horarios. También influyen
las inversiones en obras de mantenimiento y ampliación de carreteras dentro y fuera de la GAM,
para ampliar las capacidades de la infraestructura vial del país en los últimos años.

Bibliografía

Alvarez, F., Argente, D., & Lippi, F. (2020). A Simple Planning Problem for COVID-19 Lockdown.
SSRN Electronic Journal. [Link]
Badr, H. S., Du, H., Marshall, M., Dong, E., Squire, M. M., & Gardner, L. M. (2020). Association
between mobility patterns and COVID-19 transmission in the USA: a mathematical
modelling study. The Lancet Infectious Diseases.

Informe Estado de la Nación 2024 25

 Luego de la calma regresa la congestión: patrones de los flujos viales en Costa Rica 2019-2024

Cartenì, A., Di Francesco, L., & Martino, M. (2020). How mobility habits influenced the spread of
the COVID-19 pandemic: Results from the Italian case study. Science of the Total
Environment, 741, 140489.
Cordero, C. (2015). Waze tiene más de 500.000 usuarios activos en el área metropolitana. El
Financiero. Costa Rica. [Link]
500-000-usuarios-activos-en-el-area-
metropolitana/QKX4P4EK5VECTKQUK7M4A2N4HI/story/
Fang, Y., Nie, Y., & Penny, M. (2020). Transmission dynamics of the COVID‐19 outbreak and
effectiveness of government interventions: A data‐driven analysis. Journal of Medical
Virology, 92(6), 645–659. [Link]
Gatto, M., et al. (2020). Spread and dynamics of the COVID-19 epidemic in Italy: Effects of
emergency containment measures. Proceedings of the National Academy of Sciences,
117(19), 10484–10491. [Link]
Gómez-Campos, S., Cubero-Corella, M., Salas García, M. F., & Chou-Chen, S. W. (2023). Patrones
de movilidad en tiempos de COVID-19: un enfoque con big data. Epi-SCIENCE, 1(1).
[Link]
Google LLC (2020). "Google COVID-19 Community Mobility Reports".
[Link] Accesado: Mayo, 2020.
Kraemer, M. U., Yang, C. H., Gutierrez, B., Wu, C. H., Klein, B., Pigott, D. M., ... & Brownstein, J. S.
(2020). The effect of human mobility and control measures on the COVID-19 epidemic in
China. Science, 368(6490), 493-497.
Medina, Y., Solymosi, R. (2019). Crime Mapping in R. University of Manchester.
[Link]
Nouvellet P, Bhatia S, Cori A, Ainslie KEC, Baguelin M, Bhatt S, Boonyasiri A, Brazeau NF,
Cattarino L, Cooper LV, Coupland H, Cucunuba ZM, Cuomo-Dannenburg G, Dighe A,
Djaafara BA, Dorigatti I, Eales OD, van Elsland SL, Nascimento FF, FitzJohn RG, Gaythorpe
KAM, Geidelberg L, Green WD, Hamlet A, Hauck K, Hinsley W, Imai N, Jeffrey B, Knock E,
Laydon DJ, Lees JA, Mangal T, Mellan TA, Nedjati-Gilani G, Parag KV, Pons-Salort M,
Ragonnet-Cronin M, Riley S, Unwin HJT, Verity R, Vollmer MAC, Volz E, Walker PGT,
Walters CE, Wang H, Watson OJ, Whittaker C, Whittles LK, Xi X, Ferguson NM, Donnelly
CA. (2021). Reduction in mobility and COVID-19 transmission. Nat Commun. 2021 Feb
17;12(1):1090. doi: 10.1038/s41467-021-21358-2. PMID: 33597546; PMCID:
PMC7889876.
PEN. (2020). Informe Estado de la Nación de 2020. Capítulo 7: Patrones de la movilidad en
tiempos de pandemia: una aproximación con técnicas del “big data”. San José: Programa
Estado de la Nación, Consejo Nacional de Rectores
Satyakti, Y. (2020). Do Human Restriction Mobility Policy in Indonesia Effectively Reduce the
Spread of COVID-19. SSRN Electronic Journal, 101911.
[Link]

Informe Estado de la Nación 2024 26