Uber y Lyft empiezan a admitir lo que los ciudadanos de las grandes ciudades ya sabían. Su actividad, lejos de agilizar el tránsito por la ciudad, congestionan más las vías públicas. Y es que el aluvión de coches del tipo VTC o de particulares que hacen esta actividad en aquellos lugares en los que está permitido, junto con el parque de taxis actuales, transporte público y particulares, están saturando las vías, máxima cuando por normal general no supone el trasporte de grandes grupos, ya que su mayoría son transportes unitarios.

https://hipertextual.com/2019/06/uber-aeropuertos-urbanos

Aunque el estudio que ha revelado estos datos, y encargados a una consultora especializada llamada Fehr & Peers es para el mercado de los Estados Unidos, es fácilmente extraplorable o otras grandes ciudades -con particularidades, eso sí-. En este sentido, se ha analizado lo que se conoce como Vehicle miles traveled tax o VMT por sus siglas en inglés de septiembre de 2018, que mide la tasa aplicada a los automovilistas en función de cuántas millas han viajado, comparando así los datos de ambas compañías con el total de cada área.

Los datos revelan que, a pesar de que los vehículos personales y comerciales los superan enormemente, Uber y Lyft siguen siendo responsables de la participación más significativa del VMT en las ciudades analizadas: Boston, Chicago, Los Angeles, San Francisco, Seattle y Washington DC. Los resultados del estudio se presentan en dos niveles, uno para el área regional, incluidas las ciudades y suburbios circundantes, y otro para el condado "central" de cada región, que contiene la parte principal de la ciudad con la mayor concentración de empleos.

En números, los resultados muestran que Uber y Lyft representan solo entre el 1 y el 3% de VMT en las áreas metropolitanas más amplias de cada ciudad, pero esos números aumentan al acercarse al centro de las ciudades. En San Francisco, por ejemplo, Uber y Lyft representan hasta el 13.4% del total. Un número tremendamente elevado para un solo sector.

👇 Más en Hipertextual