Proyección del mercado de vehículos eléctricos en Colombia: Un enfoque basado en Machine Learning.
DOI:
https://doi.org/10.26507/paper.4575Palabras clave:
Aprendizaje automático, Máquina de Vectores de Soporte (SVM), Proyección de flota vehicular, vehículos eléctricosResumen
En Colombia, el sector transporte es responsable del 49% de las emisiones de CO₂ y del 43% del consumo total final de energía. Con el objetivo de mitigar estos impactos y avanzar hacia una transición energética más limpia, se ha impulsado la incorporación de flotas vehiculares eléctricas. En los últimos años, la venta de estos vehículos ha mostrado un crecimiento significativo, alcanzando 6 000 unidades en 2023. Este avance ha sido dado en parte por iniciativas gubernamentales orientadas a fomentar su adopción mediante planes y políticas públicas. No obstante, persiste la incertidumbre sobre si la tendencia actual del mercado será suficiente para alcanzar las metas nacionales, como la incorporación de 600 000 vehículos eléctricos para el año 2030.
En este contexto, se destaca la importancia de analizar las tendencias del mercado de vehículos eléctricos. Este estudio propone el uso de un modelo de Máquina de Vectores de Soporte (SVM, por sus siglas en inglés) para proyectar la cantidad de vehículos livianos, y posteriormente, estimar el porcentaje de participación de los vehículos eléctricos en la flota vehicular durante el periodo 2030-2035. Para ello, se emplean datos históricos y variables exógenas como el Producto Interno Bruto (PIB), la población y el precio de la gasolina.
Las proyecciones generadas a partir de este enfoque contribuyen a la planificación de infraestructura, la anticipación de necesidades de movilidad y el abordaje de desafíos relacionados con la sostenibilidad energética y la reducción de emisiones. Asimismo, facilitan la identificación de áreas de mejora y el diseño de estrategias alineadas con los compromisos climáticos internacionales.
Citas
Banco Mundial. (2023). Crecimiento del PIB Alemania. Banco Mundial. https://datos.bancomundial.org/indicador/NY.GDP.MKTP.KD.ZG?locations=CO
BBVA Research. (2025). Situación Automotriz 2025. https://www.bbvaresearch.com/publicaciones/colombia-situacion-automotriz-2025/?utm_source=chatgpt.com
Chisanga, C. B., Phiri, E., & Chinene, V. R. N. (2021). Evaluating APSIM-and-DSSAT-CERES-Maize Models under Rainfed Conditions Using Zambian Rainfed Maize Cultivars. Nitrogen (Switzerland), 2(4), 392–414. https://doi.org/10.3390/nitrogen2040027
Chopra, D., & Khurana, R. (2023). Introduction to Machine Learning with Python. In Introduction to Machine Learning with Python. https://doi.org/10.2174/97898151244221230101
Comisión Económica para América Latina y el Caribe CEPAL. (2022). Proyecciones demográficas | Comisión Económica para América Latina y el Caribe. https://www.cepal.org/es/temas/proyecciones-demograficas
Correa, C., & Di Chiara, L. (2020). Beneficios de la electrificación: Estudio del caso del transporte colectivo eléctrico. BID Nota Técnica No IDB-TN-01958. https://doi.org/10.18235/0002608
de Melo, V. S., Camargo, R. S., Krebel, F., Brunoro, M., Nunes, W. T., Fernandes, M. C., & Nunes, R. B. (2023). Greenhouse Gas Emissions Estimation with Electric Vehicles Penetration in the Brazilian Power Grid. 2023 15th IEEE International Conference on Industry Applications, INDUSCON 2023 - Proceedings, 254–261. https://doi.org/10.1109/INDUSCON58041.2023.10374611
Departamento Admistrativo Nacional de Estadística - DANE. (2022). Encuesta Nacional de Calidad de Vida -ECV- 2022. https://www.dane.gov.co/index.php/estadisticas-por-tema/salud/calidad-de-vida-ecv/encuesta-nacional-de-calidad-de-vida-ecv-2022
FENALCO. (2024). Informe Vehículos Eléctricos e Híbridos Diciembre 2024. https://www.fenalco.com.co/blog/gremial-4/informe-vehiculos-electricos-e-hibridos-diciembre-2024-7756
Fuel Car Magazine. (2024). Fuel Car Magazine. https://fuelcarmagazine.com/
García, J. R. (2021). Avance de la Movilidad Eléctrica en Colombia. https://www.researchgate.net/publication/354294236_Avance_de_la_Movilidad_Electrica_en_Colombia
IEA. (2024). Colombia - Countries & Regions - IEA. Countries & Regions - IEA. https://www.iea.org/countries/colombia/emissions
Informes de Expertos. (2025). Mercado Automotriz en Colombia, Participación 2025-2034. https://www.informesdeexpertos.com/informes/mercado-automotriz-en-colombia?
Jiawei Han, Micheline Kamber, J. P. (2014). Data Mining. Concepts and Techniques, 3rd Edition (The Morgan Kaufmann Series in Data Management Systems). In Proceedings - 2013 International Conference on Machine Intelligence Research and Advancement, ICMIRA 2013. http://www.amazon.co.uk/Data-Mining-Concepts-Techniques-Management/dp/0123814790
Li, R. (2023). New Energy Vehicles Industry Stock Price Prediction Based on ARIMA: Tesla, NIO and BAIC BluePark. BCP Business & Management, 38, 3375–3382. https://doi.org/10.54691/bcpbm.v38i.4310
Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2018a). Statistical and Machine Learning forecasting methods: Concerns and ways forward. PLoS ONE, 13(3), e0194889. https://doi.org/10.1371/journal.pone.0194889
Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2018b). Statistical and Machine Learning forecasting methods: Concerns and ways forward. PLoS ONE, 13(3), e0194889. https://doi.org/10.1371/journal.pone.0194889
MINISTERIO DE AMBIENTE Y DESARROLLO SOSTENIBLE, MINISTERIO DE MINAS Y ENERGÍA, M. D. T. U. D. P. M. E. (2019). Estrategia Nacional De Movilidad Eléctrica. In Unidad de Planeación Minero Energética, Republica de Colombia (Vol. 12, Issue 6). https://www.energia.gob.pa/mdocs-posts/estrategia-nacional-de-movilidad-electrica/%0Ahttps://www.minambiente.gov.co/images/AsuntosambientalesySectorialyUrbana/pdf/Estrategia-Nacional-de-Movilidad-Electrica-enme-minambiente.pdf
Ministerio de Minas y Energía. (2024). Estrategia Nacional para la Infraestructura de Carga para vehículos eléctricos Capítulo 2. Modelos de negocio para infraestructura de carga.
Ministerio de Minas y Energía República de Colombia. (2019). Ley 1964 de 2019. 34 páginas. https://www.suin-juriscol.gov.co/viewDocument.asp?id=30036636
Montgomery, D. C., Peck, E., & Vining, G. (2006). Introduccion al Analisis de Regresion Lineal Tercera Edicion. https://www.academia.edu/42811449/Introduccion_al_Analisis_de_Regresion_Lineal_Tercera_Edicion_Montgomery_Peck_Vining
Müller Klaus, R., Smola, A. J., & Schölkopf, B. (1998). Using Support Vector Machines for Time Series Prediction (pp. 243–253). https://www.researchgate.net/publication/216284731_Using_support_vector_machines_for_time_series_prediction https://doi.org/10.7551/mitpress/1130.003.0019
Pourmatin, M., Moeini-Aghtaie, M., Hassannayebi, E., & Hewitt, E. (2024). Transition to Low-Carbon Vehicle Market: Characterization, System Dynamics Modeling, and Forecasting. Energies, 17(14). https://doi.org/10.3390/en17143525
Unidad de Planeación Minero-Energética (UPME). (2018). Proyección de Precios de los Energéticos. https://www.upme.gov.co/simec/planeacion-energetica/proyeccion-de-precios-de-los-energeticos/
Unidad de Planeación Minero-Energética (UPME). (2022). Plan de acción Indicativo del PROURE 2022-2030. 1–153. https://www1.upme.gov.co/DemandayEficiencia/Documents/PROURE/Documento_PROURE_2022-2030_v4.pdf
Unidad de Planeación Minero-Energética (UPME). (2023). Proyección de la demanda de energía eléctrica y potencia máxima 2023-2037.
Usha, T. M., & Balamurugan, S. A. A. (2016). Seasonal Based Electricity Demand Forecasting Using Time Series Analysis. Circuits and Systems, 07(10), 3320–3328. https://doi.org/10.4236/cs.2016.710283
Wong, T. T. (2015). Performance evaluation of classification algorithms by k-fold and leave-one-out cross validation. Pattern Recognition, 48(9), 2839–2846. https://doi.org/10.1016/j.patcog.2015.03.009
Zhang, Y., & Yang, Y. (2015). Cross-validation for selecting a model selection procedure. Journal of Econometrics, 187(1), 95–112. https://doi.org/10.1016/j.jeconom.2015.02.006
Cómo citar
Descargas
Descargas
Publicado
Evento
Sección
Licencia
Derechos de autor 2025 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
