Un mes y medio cumplió la histórica alza de los combustibles en nuestro país y ya ha comenzado a reflejarse en las calles de las capitales regionales, de acuerdo a un estudio realizado por City Lab Biobío, a partir de datos de Waze en las 16 capitales regionales. Los resultados mostraron una disminución promedio de 5% a nivel nacional en la congestión vehicular entre marzo y abril de 2026.
El análisis comparó tres períodos: antes del alza de los combustibles, inmediatamente después de su entrada en vigencia y cuatro semanas más tarde. Los resultados muestran una reducción generalizada del tráfico en todas las ciudades analizadas, aunque con diferencias significativas según territorio y horario.
«Estamos observando una señal consistente de ajuste en los patrones de movilidad. Si bien los datos no permiten atribuir causalidad directa, sí muestran que el aumento en el costo de movilizarse en automóvil está coincidiendo con una menor congestión en la mayoría de las ciudades del país», explica Fernando Pérez, director principal del laboratorio de ciudad.
Copiapó lideró la reducción, con una caída de 10,4% en los niveles de congestión —considerando el promedio de las tres mediciones— , seguida por Valdivia (-9,5%) y Temuco (-9,3%). También destacaron La Serena (-6,8%), Antofagasta (-5,9%) y Concepción (-5,9%), todas por sobre el promedio nacional.
En el extremo opuesto, Santiago registró la menor variación del país, con una baja de apenas 0,4%, seguido por Rancagua (-0,6%) y Arica (-1,7%). Esto sugiere que en las grandes áreas metropolitanas los patrones de desplazamiento son más rígidos y menos sensibles a variaciones en el precio del combustible.
«Lo más interesante es que este efecto se aprecia con mayor fuerza en ciudades intermedias, donde las decisiones de movilidad parecen ser más sensibles al precio del combustible. En cambio, en áreas metropolitanas como Santiago, los patrones de viaje son mucho más rígidos y difíciles de modificar en el corto plazo», agrega Fernando Pérez.
Otro relevante hallazgo es que la mayor disminución de congestión se produjo entre las 6:00 y las 8:00 de la mañana, precisamente en el horario punta de ingreso al trabajo y a los establecimientos educacionales. Esto podría estar asociado a ajustes en horarios, teletrabajo o una mayor utilización del transporte público.
El estudio advierte que los datos de Waze constituyen un indicador indirecto de movilidad, ya que miden retrasos en vías congestionadas y no el volumen exacto de vehículos en circulación. Sin embargo, la consistencia de la tendencia en las 16 ciudades analizadas refuerza la hipótesis de un cambio en los hábitos de desplazamiento tras el alza de los combustibles.
| CITY LAB BIOBÍO Impacto del Alza de Combustibles en la Movilidad Análisis de Congestión Vehicular Nacional | Datos Waze Período: Marzo – Abril 2026 | 16 capitales regionales | Abril 2026 |
1. Introducción y Contexto
El presente informe analiza el impacto del alza en los precios de los combustibles, vigente desde fines de marzo de 2025, sobre los patrones de congestión vehicular en las principales ciudades de Chile. A partir de datos de alertas de tráfico de la plataforma Waze, se examinaron tres períodos de observación:
- Período 1 (P1): 16, 17 y 18 de marzo de 2026 (línea base previa al alza de combustibles).
- Período 2 (P2): 13, 14 y 15 de abril de 2026 (período inmediato posterior al alza).
- Período 3 (P3): 20, 21 y 22 de abril de 2026 (período de consolidación, cuatro semanas después del alza).
La hipótesis de trabajo era que el encarecimiento del combustible podría desincentivar el uso del automóvil particular y, en consecuencia, reducir los niveles de congestión en las principales ciudades. Los resultados muestran que, a nivel nacional, la congestión sí disminuyó en promedio un 5% entre marzo y finales de abril, aunque con diferencias significativas entre ciudades y franjas horarias.
Es fundamental precisar que la congestión vehicular medida a través de Waze es un proxy indirecto del uso del automóvil: refleja la intensidad del tráfico en vías con alertas activas, pero no permite cuantificar directamente variaciones en el volumen de vehículos en circulación ni controlar factores estacionales, climáticos o de calendario. Los resultados deben interpretarse con esta limitación en consideración.
2. Metodología
El análisis se basó en el procesamiento de tres archivos vectoriales (.shp) con reportes de «jams» de Waze correspondientes a los tres períodos de observación. A continuación, se describen los criterios técnicos aplicados:
- Fuente de datos: Reportes de jams de Waze para Chile, exportados en formato shapefile (.shp) para los meses de marzo y abril de 2026.
- Normalización territorial: Se agruparon comunas pertenecientes a áreas metropolitanas bajo la etiqueta de su capital regional, permitiendo comparaciones estadísticas coherentes entre ciudades (ej. Santiago incluye comunas del Gran Santiago; Concepción agrupa el AMC).
- Agregación temporal: Las marcas de tiempo se convirtieron a formato hms y se agruparon en bloques discretos de 2 horas (0–2h, 2–4h, etc.) para identificar patrones de congestión por franja horaria.
- Limpieza de datos: Se excluyeron registros sin identificación de calle (valores NA) y se filtró la base para considerar únicamente las 16 capitales regionales definidas.
- Definición y cálculo de delay: Según la especificación oficial de Waze Data Feed (v3.0), el campo delay corresponde al retraso registrado en un segmento vial con congestión respecto a la velocidad de flujo libre (free flow speed) del mismo segmento, expresado en segundos. Waze calcula este valor procesando los puntos GPS enviados en tiempo real por los teléfonos de usuarios que conducen con la aplicación activa, comparando la velocidad promedio actual con la velocidad máxima histórica medida en ese segmento. Un valor de -1 indica bloqueo total. Para este análisis se utilizó el promedio aritmético del delay como métrica de comparación entre ciudades y períodos, y la suma acumulada para identificar las arterias viales de mayor impacto.
3. Hallazgos Principales
3.1 Tendencia nacional: reducción moderada pero generalizada
A nivel agregado, la congestión promedio en las 16 ciudades analizadas disminuyó un 5% entre el Período 1 (marzo) y el Período 3 (segunda quincena de abril). Esta reducción, aunque moderada, es consistente entre la gran mayoría de las ciudades: 16 de 16 registraron algún grado de descenso en el delay promedio, lo que refuerza la señal de un cambio en los patrones de movilidad a nivel nacional.
El descenso más pronunciado se concentró en la primera quincena de abril (P2), y en varias ciudades se mantuvo o profundizó en P3, lo que sugiere una adaptación progresiva más que un efecto puntual.
| -5% Variación nacional promedio delay P1 → P3 | 16/16 Ciudades con descenso todas las capitales regionales | 6–8 AM Bloque horario con mayor alivio peak matutino | Copiapó Mayor reducción -10.37% de delay |
3.2 Comparativa de delay por ciudad
El siguiente gráfico muestra el delay promedio (en segundos) por ciudad para cada uno de los tres períodos, ordenado de mayor a menor congestión en P1. Se aprecia cómo en prácticamente todas las ciudades las barras de P2 y P3 son más cortas que las de P1, confirmando la tendencia de reducción generalizada.
Figura 1: Delay promedio por ciudad en los tres períodos de análisis (P1: 16-18 mar, P2: 13-15 abr, P3: 20-22 abr). Fuente: Waze / City Lab Biobío.
Copiapó encabeza el ranking con una reducción del 10,37% (de 125,4 a 112,4 seg.), seguida de Valdivia (-9,52%) y Temuco (-9,29%). Estas tres ciudades del sur y norte del país presentaron las caídas más sostenidas entre períodos, con reducciones que se mantuvieron o aumentaron entre P2 y P3.
La Serena (-6,76%), Antofagasta (-5,87%) y Concepción (-5,85%) completan el grupo de ciudades con reducciones superiores al promedio nacional. En todos estos casos, el descenso es consistente entre los tres períodos, descartando que se trate de variaciones puntuales.
3.3 Ciudades con menor variación
Santiago es la ciudad con menor variación relativa del país, con apenas un -0,39% entre P1 y P3 (de 126,7 a 126,2 seg.). Rancagua (-0,63%) y Arica (-1,71%) también presentan variaciones mínimas. Esto podría explicarse por la mayor densidad de desplazamientos en estas ciudades, la mayor oferta de transporte público y la mayor proporción de viajes obligatorios que no son fácilmente sustituibles.
Coyhaique presenta un comportamiento atípico: tuvo una fuerte caída en P2 (-12,4% respecto a P1) pero recuperó gran parte en P3, cerrando con un -4,53%. Esto podría indicar variaciones de demanda propias de ciudades pequeñas o factores estacionales.
3.4 Patrón horario: el peak matutino como punto crítico
El bloque horario de 6:00–8:00 hrs registró la mayor reducción de congestión a nivel nacional, lo que resulta llamativo porque corresponde al peak de inicio de jornada laboral. Una posible interpretación es que el alza de combustibles incentivó cambios modales (uso de transporte público, teletrabajo o ajustes de horario) con mayor fuerza en los desplazamientos de inicio de día, que son más planificables que los viajes vespertinos de retorno.
El gráfico siguiente muestra la evolución del delay promedio nacional a lo largo del día para cada período. Se observa que la línea de P1 (azul) supera consistentemente a P2 y P3 en el tramo de madrugada-mañana (0–10h), mientras que en el tramo vespertino-nocturno las diferencias son menores o se invierten puntualmente.
Figura 2: Tendencia horaria del delay promedio nacional por período (P1: 16-18 mar, P2: 13-15 abr, P3: 20-22 abr). Fuente: Waze / City Lab Biobío.
4. Datos por Ciudad
La siguiente tabla presenta los valores de delay promedio por ciudad en cada uno de los tres períodos, ordenadas de mayor a menor reducción:
| Ciudad | P1 — 16-18 Mar | P2 — 13-15 Abr | P3 — 20-22 Abr | Variación total |
| Copiapó | 125.4 seg | 113.9 seg | 112.4 seg | -10.37% |
| Valdivia | 120.4 seg | 117.8 seg | 108.9 seg | -9.52% |
| Temuco | 119.5 seg | 112.2 seg | 108.5 seg | -9.29% |
| La Serena | 133.5 seg | 126.8 seg | 124.5 seg | -6.76% |
| Antofagasta | 119.7 seg | 112.7 seg | 112.7 seg | -5.87% |
| Concepción | 121.4 seg | 112.6 seg | 114.3 seg | -5.85% |
| Puerto Montt | 125.9 seg | 124.9 seg | 119.5 seg | -5.05% |
| Chillán | 113.3 seg | 111.5 seg | 107.7 seg | -4.96% |
| Valparaíso | 111.8 seg | 105.6 seg | 106.7 seg | -4.63% |
| Coyhaique | 131.1 seg | 114.8 seg | 125.1 seg | -4.53% |
| Talca | 123.5 seg | 118.6 seg | 118.4 seg | -4.19% |
| Punta Arenas | 120.8 seg | 118.2 seg | 117.0 seg | -3.17% |
| Iquique | 113.3 seg | 113.1 seg | 110.1 seg | -2.79% |
| Arica | 120.9 seg | 118.1 seg | 118.8 seg | -1.71% |
| Rancagua | 119.2 seg | 117.2 seg | 118.5 seg | -0.63% |
| Santiago | 126.7 seg | 124.2 seg | 126.2 seg | -0.39% |
Nota: todos los valores expresados en segundos de delay promedio. La variación total corresponde al cambio porcentual entre P1 y P3.
