HET000L0C|A 0E A6TUAL|ZA6|0N 0EL

H00EL0 0E TRAN8P0RTE8 0EL AREA

HETR0P0LTANA 0E L|HA Y 6ALLA0

3(5
0LQLVWHULR
GH7UDQVSRUWHV
<&RPXQLFDFLRQHV
9LFHPLQLVWHULR
GH7UDQVSRUWHV
6HFUHWDUtD 7pFQLFD GHO
&RQVHMR GH 7UDQVSRUWH
GH/LPD\&DOODR

L|ma, Enero 2010
001-2010
L80
M
1
? C
v
1
S 1
C 1
L C
1
Contenido
1.1 El Enfoque de Sistemas................................................................................... 6
2 LOS MODELOS DE TRANSPORTE.................................................................... 10
2.1 MODELO SECUENCIAL DE CUATRO ETAPAS........................................... 11
2.1.1 Generalidades ......................................................................................... 11
2.1.2 Modelo Secuencial .................................................................................. 11
3 ENFOQUE DE MODELACIN............................................................................ 13
3.1 El enfoque...................................................................................................... 13
3.2 Tipo de modelos ............................................................................................ 14
3.2.1 Los modelos estratgicos. ....................................................................... 14
3.2.2 Modelos tctica........................................................................................ 14
3.2.3 Modelacin operativa............................................................................... 15
4 CONTEXTO TEMPORAL DEL ANLISIS............................................................ 15
4.1 Cortes Temporales ........................................................................................ 16
4.2 Perodos de modelacin. ............................................................................... 17
4.3 Definicin de los perodos de modelacin. ..................................................... 19
4.4 Temporalidad de los datos............................................................................. 25
4.4.1 Datos de oferta. ....................................................................................... 25
4.4.2 Datos de demanda. ................................................................................. 26
5 EL MODELO DE TRANSPORTE......................................................................... 27
5.1 Introduccin ................................................................................................... 27
5.2 rea de estudio y zonificacin........................................................................ 28
5.3 Zonificacin y tipo de modelacin .................................................................. 32
5.4 Red vial.......................................................................................................... 33
5.5 Redes de transporte pblico .......................................................................... 34
5.6 Modos de transporte...................................................................................... 35
5.7 Jerarqua y atributos en la red de un modelo. ................................................ 37
5.8 Categorizacin de la demanda....................................................................... 38
L80
M
1
? C
v
1
S 1
C 1
L C
2
6 MODELO CLASICO DE 4 ETAPAS..................................................................... 41
6.1 Generacin de viajes ..................................................................................... 42
6.1.1 Generacin de viajes basados en el hogar de ida (bhi) ........................... 43
6.1.2 Generacin de viajes basados en el hogar de retorno (bhr). ................... 46
6.1.3 Generacin de viajes no basados en el hogar (nbh)................................ 47
6.1.4 Modelos de Atraccin de viajes ............................................................... 48
6.1.5 Resumen de modelos de generacin y atraccin de viajes ..................... 50
6.1.6 Productores especiales de viajes ............................................................ 51
6.2 Distribucin de viajes ..................................................................................... 51
6.3 Modelos de particin modal ........................................................................... 52
6.4 Modelos de asignacin. ................................................................................. 55
6.4.1 Transporte privado .................................................................................. 55
6.4.2 Transporte Pblico .................................................................................. 56
7 METODOLOGA DE CALIBRACIN UN MODELO............................................. 58
7.1 Representatividad y prediccin en modelos de transporte ............................. 58
7.2 Calibracin de los modelos de demanda........................................................ 59
7.2.1 Correccin por Subreporte de Viajes....................................................... 60
7.2.2 Modelos de generacin y atraccin de viajes .......................................... 63
7.2.3 Consideraciones adicionales en la calibracin de modelos de generacin y
atraccin. ............................................................................................................. 63
7.2.4 Validacin de Modelos Calibrados........................................................... 65
7.2.5 Verificacin Final Generacin-Atraccin.................................................. 66
7.3 Calibracin de modelos de distribucin. ......................................................... 66
7.3.1 Mtodo de factor de crecimiento.............................................................. 66
7.3.2 Mtodo factor de crecimiento doblemente acotado o fratar ..................... 66
7.3.3 Modelos gravitacionales sintticos o funcin de impedancia o disuasin. 67
7.3.4 Mtodo de ajuste de matrices Tri-dimensional......................................... 72
7.3.5 Recomendaciones importantes. .............................................................. 74
L80
M
1
? C
v
1
S 1
C 1
L C
3
7.4 Calibracin de la particin modal ................................................................... 75
7.4.1 Logit multinomial...................................................................................... 75
7.4.2 Logit jerrquicos. ..................................................................................... 76
7.4.3 Proceso de calibracin ............................................................................ 78
7.4.4 Criterios de calibracin. ........................................................................... 79
7.4.5 Especificacin de las funciones de utilidad. ............................................. 80
7.4.6 Mtodo incremental en cambio modal ..................................................... 81
7.4.7 Casos de referencia. ............................................................................... 84
7.5 Calibracin de la asignacin en Transporte Privado ...................................... 85
7.5.1 Preparacin de los datos para el proceso de calibracin......................... 85
7.5.2 Metodologa del proceso de calibracin................................................... 86
7.6 Calibracin del Transporte Pblico................................................................. 90
7.6.1 Preparacin de los datos......................................................................... 90
7.6.2 Metodologa de calibracin de transporte pblico. ................................... 91
7.7 Criterios de calibracin................................................................................... 92
7.7.1 Datos en la red vial .................................................................................. 92
7.7.2 Calibracin de parmetros con histogramas. ........................................... 94
7.7.3 Calibracin de los caminos o rutas. ......................................................... 98
7.7.4 Lneas de deseo de viajes. ...................................................................... 99
7.8 Criterios de validacin.................................................................................... 99
8 REQUERIMIENTO DE INFORMACIN............................................................. 101
8.1 Encuesta Origen-Destino en Hogares (EODH). ........................................... 101
8.1.1 Encuestas Origen Destino interceptacin (EODI). ................................ 101
8.2 Encuestas de Preferencia Declarada........................................................... 103
8.3 Informacin para el modelo de oferta........................................................... 103
8.3.1 Caractersticas fsicas de la red vial base. ............................................. 103
8.3.2 Vialidad relevante de caminata.............................................................. 104
L80
M
1
? C
v
1
S 1
C 1
L C
4
8.3.3 Conectores centroides........................................................................... 104
8.3.4 Capacidad vial. ...................................................................................... 104
8.3.5 Intersecciones con semforos. .............................................................. 104
8.3.6 Tiempos de recorrido para viajes en autos y transporte pblico. ........... 105
8.4 Sistema de rutas transporte pblico............................................................. 105
8.4.1 Inventario de Rutas de Transporte Pblico y tiempos de viaje............... 105
8.4.2 Estudio de Frecuencia de Paso............................................................. 106
8.5 Informacin de transito................................................................................. 106
8.5.1 Aforos de vehculos. .............................................................................. 106
8.6 Costos de operacin. ................................................................................... 107
8.7 Informacin de demanda en rutas de transporte pblico.............................. 108
8.7.1 Encuestas Origen Destino a bordo de rutas de Transporte Pblico. ... 108
8.7.2 Estudio de Ocupacin Visual de transporte pblico y privado................ 109
8.7.3 Estudio de Ascenso (Subida) y Descenso (Bajada) de Pasajeros. ........ 110
8.8 Informacin para pronsticos....................................................................... 110
8.8.1 Datos Socioeconmicos ........................................................................ 110
8.8.2 Pronstico de tasa de motorizacin....................................................... 111
8.8.3 Uso del Suelo........................................................................................ 115
8.8.4 Actividades Econmicas y Productivas Relevantes............................... 115
8.8.5 Equipamiento ........................................................................................ 116
8.8.6 Aspectos Urbano-Ambientales .............................................................. 116
8.8.7 Tendencias............................................................................................ 117
8.8.8 Transporte Pblico ................................................................................ 117
9 PRESENTACIN DE INFORME ....................................................................... 118
9.1 Formato de presentacin base de datos. ..................................................... 118
9.2 Fuente de datos secundaria......................................................................... 118
9.3 Fuente de datos primaria. ............................................................................ 119
L80
M
1
? C
v
1
S 1
C 1
L C
5
9.4 Construccin de los modelos. ...................................................................... 119
9.5 Reporte de indicadores importantes............................................................. 120
ANEXO A: Metodologa de encuestas de hogares mediante mtodo de categoras
ANEXO B: Anlisis de los modelos de transporte realizados en el rea
Metropolitana de Lima y Callao.
L80
M
1
? C
v
1
S 1
C 1
L C
6
1. INTRODUCCIN
La metodologa de anlisis de sistemas de transporte que a continuacin se presenta,
est inspirada en el enfoque general propuesto por Manheim centrndose en la
modelacin de las relaciones de corto plazo entre el sistema de transporte T y el
sistema de actividades A (la ciudad a la que el T sirve). As, dado un sistema de
actividades, que fija la demanda por servicios de transporte (generaciones y
atracciones de viajes de personas o toneladas de carga), y dado un sistema de
transporte (redes de infraestructura y de servicios con sus respectivas caractersticas
operacionales) se predicen los patrones de flujos (viajes de personas, o toneladas de
carga, origen-destino y flujos en arcos) y los niveles de servicio de equilibrio
resultantes en las diversas redes consideradas en la modelacin.
El objetivo del presente captulo introductorio es describir de manera resumida el
enfoque de sistemas propuesto por Manheim
1
, que es el sustento del enfoque de
anlisis de la presente metodologa.

1.1 El Enfoque de Sistemas.
El sistema de transporte T y el sistema de actividades A estn estrechamente
relacionados. En primer lugar, T afecta la forma en que A crece y se desarrolla. Por
otro lado, los cambios que se producen en A se traducen normalmente en cambios en
T. Si se denota por F al patrn de flujos en el sistema de transporte, esto es, los flujos
origen-destino por modo, para carga y pasajeros, los flujos en los arcos y las rutas de
las diversas redes de infraestructura y de servicios, y los niveles de servicio (costos,
tiempos, etc.) resultantes de dichos flujos, las relaciones antes mencionadas pueden
representarse como se muestra en la Figura 2-1 2-1. En ella se observa que:

El patrn de flujos F est determinado por el sistema de actividades A y por el
sistema de transporte T (relacin tipo I). Dicho de otra forma, dados un sistema
de transporte fijo (infraestructura, vehculos y formas de operacin de los
diversos modos existentes) y el sistema de actividades al que ste debe servir
(actividades residenciales, industriales, comerciales, educacionales,
recreacionales, etc.) existir una estructura o patrn de flujos determinada.

M ML &d^1 MI1 C
M
L80
M
1
? C
v
1
S 1
C 1
L C
7
A lo largo del tiempo, a travs del patrn de flujos F, cambios en el sistema de
transporte afectarn (causarn cambios) al sistema de actividades A (relacin
tipo II). Esto es, en respuesta al patrn de flujos se producirn relocalizaciones
de actividades y en general cambios en los niveles de actividad).
Del mismo modo, a travs del patrn de flujos F, cambios en el sistema de
actividades se traducirn en cambios en el sistema de transporte (relacin de
tipo II), ya que en respuesta al patrn presente en el sistema de transporte
aparecern nuevos servicios o modificaciones de los existentes.
En trminos econmicos las relaciones de tipo I son relaciones de corto plazo; la
capacidad del sistema y su demanda (generacin y atraccin) estn fijas, en tanto las
relaciones de tipo II son relaciones de largo plazo, en el que se supone que tanto el
sistema de transporte como el sistema de actividades pueden variar.


Figura 2-1 Anlisis estratgico de Sistemas de Transporte Urbano




Con el objeto de reducir la gran incertidumbre asociada a la prediccin del desarrollo
de las ciudades, en lugar de modelar los impactos de las relaciones de largo plazo
entre el Sistema de Actividades (A) y Sistemas de Transporte (T), la metodologa
utiliza la tcnica de construccin de escenarios de desarrollo urbano y de escenarios
de transporte (planes). Construidos estos escenarios para un corte temporal futuro se
analizan las relaciones de corto plazo y se estiman, para cada escenario de desarrollo
L80
M
1
? C
v
1
S 1
C 1
L C
8
urbano y cada plan de transporte, los patrones de flujos y niveles de servicio
asociados que constituyen la informacin bsica para medir rentabilidades sociales de
los diversos planes analizados.
As, la metodologa de anlisis de sistemas de transporte se compone de tres grandes
bloques o etapas.

En primer lugar, se deben construir escenarios de crecimiento o de desarrollo de la
ciudad. Estos escenarios buscan entregar informacin respecto de las variables
urbanas que determinan los viajes (generaciones y atracciones) sobre la base de
ciertas condicionantes socio-econmicas, fsicas y normativas, propias de la ciudad.
Bsicamente la metodologa de construccin de escenarios de desarrollo urbano debe
responder a preguntas como las siguientes para las ciudades en anlisis, tanto para
hoy como para determinados cortes temporales futuros:
Cuntos habitantes habr en la ciudad?, de qu nivel socio-econmico?
dnde se localizarn?;
Qu superficie, destinada a diversos usos y en distintas localizaciones,
existir en la ciudad?.
Una vez respondidas estas preguntas, es posible generar los valores de las variables
explicativas de los modelos de generacin y atraccin de viajes, para las diferentes
dimensiones en que son tratados los viajes, obedeciendo a distintas caractersticas
poblacionales (distintos perodos del da y diferentes cortes temporales). Diversas
hiptesis sobre el desarrollo de la ciudad y crecimiento del ingreso de sus habitantes
(y en particular sobre la evolucin de la posesin de automvil) dan lugar a escenarios
de desarrollo urbano diferentes y, en definitiva, a diferentes demandas por transporte,
expresadas en trminos de distintos vectores de generacin y atraccin de viajes.

Una segunda etapa o componente de la metodologa es la construccin o definicin
de los planes estratgicos de transporte (definicin de sistemas de transporte T,
alternativos), esto es, conjuntos coherentes de proyectos fsicos (modificaciones a la
infraestructura o a los servicios de transporte existentes) y proyectos de polticas de
transporte (por ejemplo, tarificacin vial, aumento de costo de estacionamiento,
cambios del precio de los combustibles, cambios a esquemas tarifarios para el
transporte pblico, etc.).

L80
M
1
? C
v
1
S 1
C 1
L C
9
La tercera etapa, como se dispone de una o varias combinaciones de sistemas de
transporte T y sistemas de actividades A. Para cada una de estas combinaciones,
dados el sistema de actividades y el sistema de transporte, usando el modelo de
transporte, es posible predecir los flujos (viajes origen/destino) y flujos en arcos (para
las distintas redes consideradas) y los niveles de servicio de equilibrio. La informacin
anterior es la base para la evaluacin desde la perspectiva social y privada de los
planes estudiados.

Los enfoques de modelacin satisfacen las relaciones tipo I de la Figura 2-1 2-1, Esto
quiere decir que dado un sistema de Actividades (A) y dado un sistema de Transporte
(T), el modelo de comportamiento de usuarios implementado en los modelos de
transporte es capaz de obtener un patrn de Flujos (F) sobre el sistema.

L80
M
1
? C
v
1
S 1
C 1
L C
10
LUS MUDELUS DE TRANSPURTE
La formulacin de cualquier modelo requiere la definicin de un fenmeno (una
variable o un conjunto de variables) que necesita ser explicado y por otra parte, la
definicin de un conjunto de variables explicativas que se supone determina las
caractersticas del fenmeno que interesa analizar.
En transporte urbano, fenmenos tpicos que interesa estudiar son por ejemplo, el
nmero de viajes producidos y atrados por zona, por propsito y categora, la
probabilidad de utilizar un cierto modo de transporte, los flujos en los arcos de una
determinada red, etc. Para explicar estos fenmenos se recurre a variables tales como
las caractersticas socioeconmicas de los individuos, niveles de servicio de los modos
de transporte y otras.
Sin embargo, los modelos de transporte son utilizados no slo para explicar los
fenmenos mencionados sino tambin para predecir sus comportamientos futuros. Por
ello, es pertinente mencionar un problema habitual de cualquier modelo que va a ser
utilizado para determinar el valor futuro de una cierta variable y que dice relacin con
la factibilidad de predecir los valores de las variables explicativas correspondientes. La
calibracin de estos modelos normalmente enfrenta una disyuntiva entre los
requerimientos de la explicacin y los requerimientos de la prediccin.
Si el primer objetivo del modelo es explicar de la mejor manera posible el fenmeno
observado en un momento determinado, entonces es correcto recurrir a toda variable
que ayude a este propsito. Pero, si el objetivo del modelo es predecir el
comportamiento futuro del fenmeno que se intenta explicar, entonces es necesario
privilegiar la inclusin de aquellas variables explicativas cuya evolucin en el tiempo
sea factible determinar razonablemente. Buena parte del arte de modelar radica en la
habilidad con que se resuelve este conflicto de objetivos.
En el caso de la presente metodologa, todas las definiciones que ya se han hecho y
que se harn ms adelante respecto a las variables explicativas de los modelos, tienen
L80
M
1
? C
v
1
S 1
C 1
L C
11
en especial consideracin la factibilidad de estimar sus valores futuros, habida cuenta
de la necesidad de utilizar la capacidad predictiva de los modelos.
2.1 MODELO SECUENCIAL DE CUATRO ETAPAS
2.1.1 Generalidades
La experiencia prctica de la modelacin de transporte, utilizada las versin clsico del
modelo secuencial de cuatro etapas, que hasta la fecha es el modelo ms
extensamente utilizado en las ms diversas ciudades del mundo. Este modelo trabaja
sobre la hiptesis de que los usuarios realizan secuencialmente un conjunto de
elecciones que caracterizan sus viajes, a base de ciertos atributos personales y del
sistema de transporte. Estas elecciones dicen la relacin con las decisiones de viajar
(generacin de viajes) hasta un destino (distribucin de viajes) en un modo de
transporte (particin modal) y a travs de una ruta determinada (asignacin). La
agregacin de estas decisiones individuales, determina las caractersticas de
operacin de un sistema de transporte dado.
Sin embargo, el enfoque secuencial tiene una inconsistencia en los tiempos de viaje
en las fases de distribucin-particin modal asignacin que debe ser resuelto de
manera adecuada.
2.1.2 Modelo Secuencial
El modelo que se propone como parte de la metodologa de anlisis corresponde al
clsico modelo secuencial de cuatro etapas. Para resolver la inconsistencia del
proceso de distribucin particin modal- asignacin, se han planteado diferentes
soluciones entre las cuales est el proceso de retroalimentacin (feedback), que
permite que en procesos iterativos se obtenga un sistema consistente en cuanto a los
tiempos de la red y la demanda. Los diferentes programas de planeacin de transporte
ofrecen algoritmos o programas para resolverlo, las cuales deben estar implementados
dentro del proceso de aplicacin del modelo secuencial.
El modelo general consta de un conjunto de submodelos que reflejan las distintas
etapas de la demanda y de la oferta de transporte. La definicin pone especial nfasis
en la calidad de cada uno de estos submodelos porque de ello depende la bondad del
modelo general. En este sentido, se propone que la mencionada naturaleza del
L80
M
1
? C
v
1
S 1
C 1
L C
12
modelo secuencial debe entenderse como una reduccin de las dimensiones del
anlisis, pero no as de la calidad de las herramientas metodolgicas.
Siguiendo esta lnea de desarrollo, en la definicin del modelo se han propuesto todas
aquellas innovaciones tcnicas que parecen razonables a los objetivos de la
metodologa, aun aceptando que la mayor sofisticacin conceptual pueda conducir a
requerimientos adicionales en su aplicacin, ya sean stos de orden tcnico,
presupuestario y/o temporales.
Figura 2-1 Modelo secuencial
M L
' 2 ,
N
LM
7
LM
7
Fuente: Modelling Transport Ortuzar (clases) and Willumsen (pg. 23)
La Figura 2-1, muestra un esquema general del modelo propuesto y sus diferentes
etapas o submodelos. El modelo de Generacin determina, a base de la informacin
L80
M
1
? C
v
1
S 1
C 1
L C
13
socioeconmica y de poblacin, los viajes producidos (
L
2 ) y los viajes atrados (
M
' )
por cada una de las zonas de anlisis en que se divide el rea de estudio. El modelo
de Distribucin construye una matriz de viajes (
LM
7 ) entre parejas origen-destino de
zonas. El modelo de Particin Modal, divide los viajes entre los distintos modos de
transporte disponibles (
N
LM
7 ). Finalmente las matrices de viaje por modo son asignadas
a las redes correspondientes, obtenindose de esta manera los flujos por arcos.
ENFUQUE DE MUDELACIUN
En este captulo se muestran los conceptos de los enfoques de modelacin para que
permitan tener una orientacin en la construccin de los modelos de transporte
urbanos:
3.1 El enfoque.
El enfoque que se adopte tiene mucho impacto, como veremos en seguida.
El contexto en que se toman las decisiones: esto involucra la adopcin de una
perspectiva particular y seleccin de un mbito o nivel de cobertura del sistema de
inters.
Perspectiva. La eleccin define el tipo de decisiones para ser considerada
(estratgicas, tcticas u operacionales). Los modelos estrictamente
operativos, estn fuera de alcance de esta metodologa.
mbito. La seleccin determina el nivel de anlisis; es solo transporte
pblico? Cuntas opciones deben ser consideradas para satisfacer a
distintos grupos de inters?
Precisin o nivel de exactitud: puede ser crucial para logra diferenciar entre un
buen proyecto y uno no tan bueno, particularmente cuando la decisin no es obvia.
hay que tener mucho cuidado el aplicar el sentido comn.
Disponibilidad de informacin: incluye el problema de estabilidad temporal de los
datos y las dificultades asociadas a predecir sus valores a futuro. En muchos
L80
M
1
? C
v
1
S 1
C 1
L C
14
casos, la disponibilidad de informacin es el factor clave para decidir el enfoque de
modelacin.
Recursos disponibles para el estudio:
Financiamiento. datos, instalaciones computacionales, software y personal
calificado o entrenado en tareas de modelacin.
Tiempos disponibles para efectuar el estudio.
Nivel de comunicacin con quienes deben tomar decisiones.
3.2 Tipo de modelos
Los tipos de modelos y su aplicacin:
3.2.1 Los modelos estratgicos.
Este nivel es de manejo de polticas y se trabaja con un nivel agregado de anlisis y
estn orientados a ser implementados en largo plazo, por ejemplo:
Integracin uso de suelos planeamiento sistemas de transportes.
Aplicacin de medidas en oferta o demanda para aliviar la congestin. Ejemplo.
Introduccin de carriles de High Occupancy Vehicle (HOV), mejoras en transporte
pblico.
Conceptos de corredores y servicios.
Planeamiento de infraestructura
Planeamiento de equipamiento
3.2.2 Modelos tctica
El planeamiento a nivel tctico se trabaja dentro de estructura del plan estratgico. En
este nivel los anlisis relativos son ms detallados, como en los siguientes casos:
Diseos de corredores de transporte pblico.
Diseos de rutas de sistemas de transporte masivos tipo BRT, trenes ligeros o
sistemas metro.
Esquemas de gestin de trfico basados en precios e innovaciones
tecnolgicas
Planeamiento y programacin de rutas.
Tarificacin vial.
L80
M
1
? C
v
1
S 1
C 1
L C
15
3.2.3 Modelacin operativa.
El planeamiento a nivel operativo se trabaja con viajes, vehculos y sistemas de
control, cubre las actividades que son llevados a cabo durante varias veces dentro de
un da, como por ejemplo:
Sistemas avanzados de control y gestin de trfico.
Asignacin detallada dentro de un da.
Conteo de pasajeros
Control de vehculo (programacin)
Este tipo de modelacin especfica no ser abordado en esta metodologa.
CUNTEXTU TEMPURAL DEL ANLISIS
Normalmente los modelos de transporte son requeridos para analizar la operacin del
sistema en ciertos aos representativos, que incluyen el presente (habitualmente
llamado ao base) y algunos aos futuros, todos los cuales se denominan
colectivamente cortes temporales. En cada uno de estos cortes temporales, es
necesario contrastar la operacin del sistema de transporte en una situacin base de
comparacin (situacin base) con la operacin del sistema despus de introducir
modificaciones estructurales en sus caractersticas fundamentales (situacin con
proyecto).
Por otra parte, la operacin del sistema en un da completo es un fenmeno cuya
complejidad y dinamismo desborda las capacidades de las actuales herramientas de
anlisis. La metodologa habitual analiza perodos representativos de un da tpico y
utiliza el modelo de transporte para simular la operacin del sistema dentro de tales
perodos. El resultado por perodo se extiende al da completo y posteriormente es
extrapolado para obtener el total anual.
Los cortes temporales futuros son simulados introduciendo al modelo las variables de
entrada correspondientes de cada perodo, con los valores que se estima que tales
variables tomarn en el futuro. Luego se simula la operacin del sistema en los
perodos definidos y se sigue el procedimiento descrito anteriormente.
L80
M
1
? C
v
1
S 1
C 1
L C
16
4.1 Cortes Temporales
Esta metodologa plantea varias interrogantes respecto al contexto de validez de
aplicacin del modelo. En primer lugar, es claro que en el mejor de los casos, el
modelo se calibra y valida con informacin actual, lo cual significa que an un buen
modelo slo garantizar -en principio- una buena simulacin del comportamiento
actual del sistema de transporte. Si el modelo est correctamente formulado y
calibrado, debera tambin ser adecuado para predecir los cambios en la operacin del
sistema, por efecto de modificaciones estructurales de sus caractersticas (proyectos y
polticas) si ellas se produjeran en el presente.
La llamada calibracin del modelo tiene como principal objetivo capturar los patrones
de comportamiento de los distintos elementos que interactan en el sistema, entre los
cuales (y muy importantes) estn los usuarios. La hiptesis bsica de que tales
patrones de comportamiento permanecern constantes en el futuro, se hace
claramente discutible a medida que se consideran escenarios ms distantes en el
tiempo. Por ejemplo, no es posible garantizar que las tasas de generacin de viajes
para los hogares de ingreso medio con un automvil, sern en 20 aos ms, las
mismas que las actuales.
Tampoco es posible saber si la valorizacin que los usuarios de distintos niveles de
ingreso dan al tiempo de viaje permanecer constante en el futuro. Estos ejemplos
reflejan un problema tradicional de cualquier modelo que trate de simular la operacin
futura de un sistema en que est involucrado el comportamiento de individuos. En el
caso del modelo de transporte, el comportamiento de los usuarios es una de las
variables fundamentales del sistema, por lo que la incertidumbre del futuro es una
caracterstica importante a considerar cuando se aplica el modelo. Es inmediato que
mientras ms cercano sea el horizonte temporal de aplicacin, menor ser la
incertidumbre respecto a la validez del modelo, debido a que se reducen las
posibilidades de alteracin de los patrones de comportamiento y por lo tanto, de los
parmetros que fueron calibrados para el modelo.
De la discusin anterior se concluye la conveniencia de que los cortes temporales de
anlisis estn lo ms cercanos posible del ao de calibracin. Habitualmente el
modelo de transporte es utilizado para simular escenarios a diez, quince y hasta veinte
L80
M
1
? C
v
1
S 1
C 1
L C
17
aos plazo, lo que parece revelar un exceso de confianza en su capacidad predictiva.
Estos horizontes tan lejanos son necesarios para la evaluacin de proyectos, pero es
posible limitar estos requerimientos para evitar entregar una responsabilidad excesiva
al modelo.
Complementando lo anterior, se debe considerar que el modelo de transporte requiere
informacin exgena, tales como caractersticas socioeconmicas de los hogares,
escenarios de desarrollo urbano, modelos demogrficos, etc., cuyo horizonte de
prediccin es, en general, de corto plazo. En trminos generales, es aconsejable que
el corte temporal mximo no se proyecte ms all de diez aos plazo (y en lo posible
menos de diez aos). Adicionalmente debe definirse un corte temporal intermedio
entre el ao base y el corte temporal mximo.
Debe tenerse presente adems, que la definicin de los cortes temporales est
fundamentalmente relacionada no slo con el contexto de validez conceptual del
modelo, sino tambin con la posibilidad de estimar correctamente (a futuro) sus datos
de entrada.
4.2 Perodos de modelacin.
Tradicionalmente la modelacin de transporte urbano se ha limitado a definir dos
perodos bsicos de anlisis: perodo punta de la maana y perodo de fuera de punta.
Normalmente, cada uno de estos perodos se prolonga entre una y dos horas, espacio
de tiempo dentro del cual se supone que todos los viajes que se producen en algn
origen, llegan a su destino. El anlisis de estos perodos representativos arroja ciertos
resultados operacionales (matrices de viaje por modo, niveles de servicio, flujos por
arco de cada red) que son valorados econmicamente para efectos de evaluacin,
obtenindose finalmente costos y beneficios por perodo. Dichos costos y beneficios
son posteriormente extrapolados para obtener totales diarios y anuales.
Es indudable que con slo dos perodos representativos, la extensin al total diario
resulta menos realista que lo deseable y debido a ello, algunos estudios han
aumentado el nmero de perodos de anlisis, incluyendo punta del medioda, punta
de la tarde, fuera de punta de la maana y de la tarde, etc. Desafortunadamente, la
definicin del nmero de perodos no es slo una cuestin de ms modelos y de ms
L80
M
1
? C
v
1
S 1
C 1
L C
18
informacin de calibracin y validacin. Un problema adicional, se presenta cuando se
considera la real capacidad de los modelos disponibles para simular realistamente el
comportamiento del sistema de transporte.
Este problema se manifiesta principalmente en una de las tareas bsicas del modelo:
las estimaciones de la demanda. Los modelos de demanda con mayor fundamento
conceptual son aplicables a aquellos viajes que se originan en el hogar, entre otras
cosas porque la mayora de estos viajes son habituales y autnomos. Es decir, para
los viajes originados en el hogar, las decisiones de los usuarios son relativamente
tpicas (a dnde viajar, con qu propsito, en qu modo, por cul ruta), las alternativas
de eleccin son tambin relativamente claras y en general las opciones de los usuarios
no estn condicionadas por decisiones tomadas en perodos anteriores. Estas dos
caractersticas de habitualidad y autonoma, unido a la mayor facilidad de obtener
informacin de los usuarios y de su comportamiento para este tipo de viajes, hacen
que la tarea de modelarlos sea ms abordable.
Considrese en cambio, el problema de modelar los viajes de punta tarde. En este
caso la habitualidad de los viajes es mucho ms difusa (distintos destinos de viaje en
distintos das: regreso al hogar, diversin, compras, social, etc.); se presentan
fenmenos complejos de explicar y simular (por ejemplo los viajes concatenados:
origen en el lugar de trabajo, destino intermedio con propsito compras y destino final
en el hogar); y la autonoma de los usuarios puede estar condicionada por decisiones
de perodos anteriores, lo que tiene obvias implicancias para explicar su
comportamiento en el perodo punta de la tarde (por ejemplo, si un usuario eligi
automvil para viajar al trabajo en la maana, en la prctica no tiene alternativa modal
para su viaje de regreso en la tarde y ningn modelo podra predecir adecuadamente
su comportamiento modal, a menos que fuera informado de la decisin de la maana y
se condicionara exgenamente su prediccin).
Sin embargo, un problema recurrente para los diseos de sistema de rutas de
transporte masivo son las capacidades de estaciones o diseo de estaciones y su
carga durante el da, donde con tan solo 2 perodos tiene muchas limitaciones. As
mismo, cuando se requiere modelar una tarificacin vial urbana, es importante conocer
varios perodos para poder modelar diferente disponibilidad de pagos segn hora o
L80
M
1
? C
v
1
S 1
C 1
L C
19
sentido de circulacin, inclusive durante el perodo de la madrugada, donde el
potencial operador de la autopista de peaje pueda decidir abrir para operar o no.
El rango de modelacin de una zona urbana debe ser al menos 18 horas continuas
(05:30 a 23:30 horas) de un da tpico y opcionalmente el perodo de madrugada.
Entonces, los periodos sugeridos de un da son:
Perodo pico de la maana.
Perodo valle promedio equivalente.
Perodo pico del medio da.
Perodo pico de la tarde.
Perodo de madrugada. Importante cuando se modela autopistas de peaje.
Los perodos deben ser definidos de acuerdo a criterios que se explican en el siguiente
punto, de tal manera que la demanda de un da ( su equivalente) sea la suma de
cada perodo modelado, y se aproveche la totalidad de las matrices de viaje y se evite
el uso de factores de expansin.
En trminos de oferta, un mayor nmero de perodos, bsicamente significa un mayor
esfuerzo de definicin y calibracin de las redes involucradas, aunque
conceptualmente no existen problemas mayores (algunas dificultades de modelacin
podran presentarse no obstante, si existieran alternativas multimodales de viaje).
4.3 Definicin de los perodos de modelacin.
Un primer elemento bsico para el modelo, que requiere una suerte de calibracin, es
la definicin horaria y la extensin de cada perodo de modelacin.
La Encuesta Origen-Destino de Viajes (EOD) proveer la informacin necesaria para
definir los perodos: a partir de los datos de la hora media de realizacin de los viajes
(promedio entre hora de salida y hora de llegada) es posible construir histogramas en
intervalos de 15 minutos (cuartos de hora) de viajes totales, viajes en transporte
pblico y viajes en transporte privado. En estos histogramas se pueden identificar los
horarios de mayor y menor demanda de transporte durante el da.
En la Figura 4-1 se muestra los resultados de todos los viajes y todos los modos en
funcin de la hora media de viaje, a partir de la muestra de la encuesta de origen
L80
M
1
? C
v
1
S 1
C 1
L C
20
destino en hogares (JICA, 2004), se presenta esta figura con el nico fin de ilustrar el
comportamiento de los viajes durante las horas del da sin entran en el anlisis de la
muestra misma durante las otras horas del da.
Se puede observar que la extensin del perodo pico de la maana es desde las 06:45
a 08:29 horas, siendo la hora pico entre las 07:00 y 07:59. Este perodo de una hora
de extensin, debe ser elegido de manera que queden incluidos dentro de l, al menos
los dos cuartos de hora ms cargados (entre 6:45 y 8:29 horas).
Es importante resultar que este definicin de perodo pico est basado en viaje
(pasajeros) y se debe diferenciar respecto al mayor flujo vehicular que no
necesariamente coincide, como veremos luego.
La Figura 2-1, muestra un esquema general del modelo propuesto y sus diferentes
etapas o submodelos. El modelo de Generacin determina, a base de la informacin
socioeconmica y de poblacin, los viajes producidos (
L
2 ) y los viajes atrados (
M
' )
por cada una de las zonas de anlisis en que se divide el rea de estudio. El modelo
de Distribucin construye una matriz de viajes (
LM
7 ) entre parejas origen-destino de
zonas. El modelo de Particin Modal, divide los viajes entre los distintos modos de
transporte disponibles (
N
LM
7 ). Finalmente las matrices de viaje por modo son asignadas
a las redes correspondientes, obtenindose de esta manera los flujos por arcos.
Figura 4-1 Pasajeros total por hora media de viaje

n
1
1
1
Fuente: Muestra de la encuesta Origen Destino de Hogares (MTC/JICA2004)
L80
M
1
? C
v
1
S 1
C 1
L C
21
Otro problema que dificulta la definicin, est relacionado con la no habitualidad
temporal de los viajes fuera de punta dentro de un da tpico (por ejemplo, una ama de
casa que viaja todos los das al mercado a hacer sus compras, pero a distintas horas
cada da).
Dado que los viajes con este tipo de caractersticas son comunes en fuera de punta,
es claro que cualquiera sea la definicin temporal del perodo, se corre el riesgo de
subestimar tales viajes (es decir, que el perodo no sea representativo). Desde este
punto de vista, la definicin estricta de una hora para representar el perodo fuera de
punta, ser necesariamente cuestionable cualquiera sea la hora elegida.
Esta discusin sugiere un enfoque distinto al tradicional para definir el perodo de fuera
de punta. Este consiste en definir un perodo de una hora de extensin para fuera de
punta, pero la especificacin precisa de la hora de inicio y trmino de dicho perodo
quedar indeterminada. En otras palabras, se reconoce el hecho de que aunque
existen varias horas de fuera de punta durante el da, ninguna de ellas es
suficientemente representativa del resto, y por lo tanto una hora promedio de todas las
horas fuera de punta ser la mejor opcin.
Este enfoque tiene la ventaja de permitir el mejor aprovechamiento de los datos de la
EOD para efectos de la calibracin del modelo de transporte, ya que se incluye en el
anlisis una mayor cantidad de viajes que efectivamente se producen en fuera de
punta y cuyos patrones de comportamiento interesa determinar.
Para identificar las horas que pueden ser consideradas fuera de punta, se debe excluir
del mencionado histograma de viajes totales, los perodos estimados como punta de
maana, punta tarde y punta medioda, junto con los intervalos inmediatamente
anteriores y posteriores (debido a que se est tratando de aislar la influencia de las
horas punta sobre la fuera de punta). Adems, se excluyen aquellas horas donde no
existe actividad de transporte o sta es mnima.
Un perodo de modelacin de madrugada, es realmente importante cuando se
analizar la demanda de autopistas urbanas de peajes.
L80
M
1
? C
v
1
S 1
C 1
L C
22
Desde el punto de vista del modelo -que slo modelar una hora promedio de fuera de
punta-la suposicin implcita es que en cualquiera de estas horas el sistema de
transporte se comporta de manera semejante. De hecho, el modelo recibir como
datos, los vectores de orgenes y destinos para una hora, que pueden ser calculados
como el promedio ponderado de los viajes realizados en cada propsito para el lapso
horario mayor y el lapso de una hora seleccionado.
Resultar deseable que la definicin horaria de los perodos punta y fuera de punta
sea contrastada con el histograma que se deduce de los conteos continuos realizados.
Dicho anlisis debe ser realizado en forma cuidadosa ya que el concepto de hora
media de viaje usado para construir el histograma obtenido a partir de la EOD es
distinto al concepto de un conteo en un punto particular. Para reducir la distorsin
espacial y temporal que se puede producir, se recomienda construir el histograma para
una envolvente de los puntos de conteo continuo. La envolvente puede construirse
como la suma vertical (en todos los puntos), del flujo en cada lapso temporal.
Visto todo lo anterior, las actividades ms relevantes de considerar para efectos de
ilustrar tcnicamente esta definicin, son las siguientes:
A. Construccin de histograma de viaje para las 24 horas de da laboral de poca
normal, obtenida de la Encuesta de Origen-Destino (EOD), utilizando la
siguiente desagregacin:
i. Criterio: hora media de viaje.
ii. Viajes cada 15 minutos.
iii. Viajes separados por modo: transporte pblico y privado.
B. Construccin de histograma de flujo a base de la envolvente de los puntos de
conteo continuos considerados (por ejemplo. Lnea cortina del ro Rimac),
usando la siguiente informacin.
i. Criterio: hora de pasada del vehculo.
ii. Flujos de pasajeros cada 15 minutos.
iii. Flujos separados por modo: transporte pblico y privado.
C. Anlisis de los histogramas A) y B) y seleccin los perodos de modelacin.
D. Anlisis de los histogramas A) y B) y seleccin de las horas de modelacin en
cada perodo. La definicin se sustentar en la consideracin de los cuartos de
horas de mayor nmero de viajes en el caso de horas puntas y para perodos
L80
M
1
? C
v
1
S 1
C 1
L C
23
valle ser representativo de condiciones medias. Estas horas debe estar
contenida en C).
E. Determinacin de los factores que permitan pasar de los valores de perodos
ampliados C) a las horas de modelacin D).
De las Figura 4-1 y Figura 4-2 y aplicando los criterios podemos establecer los
perodos de modelacin siguiente:
Perodo pico de la maana desde las 06:45 a 08:30 horas y la hora pico desde
las 07:00 a 07:59 horas y existe una buena coincidencia entre las figuras
presentadas.
Perodo pico del medio da, segn la Figura 4-1 4-1 es desde las 12:15 a 14:14
horas con una hora pico de las 13:00 a 13:59 horas. Sin embargo, este perodo
no est muy bien definido en la Figura 4-2 4-2.
Perodo pico de la tarde, segn la Figura 4-1 4-1 es desde las 17:00 a 19:59
horas con la hora pico entre las 17:45 a 18:44 horas, en la Figura 4-2 4-2 es de
19:00 a 19:59 horas.
Perodo valle son las dems horas no consideradas en los perodos definidos,
dentro del contexto de modelacin de un perodo de 18 horas que sera desde
las 05:30 a 23:30 horas.
Figura 4-2 Pasajeros en la lnea cortina del Ro Rmac

n
1
1
1
Fuente: Aforos en lnea cortina del rio Rimac (MTC/JICA2004)
L80
M
1
? C
v
1
S 1
C 1
L C
24
Tanto la encuesta de hogares como las aforos y ocupacin visual de viajeros, fueron
realizados entre Junio Julio - Agosto del 2004, que en la ciudad de Lima y Callao es
la estacin de invierno.
La nica coincidencia resulta en el perodo pico de la maana que tiene una
caracterstica de viajes obligados (propsito hacia el trabajo y estudios), pero los otros
perodos existen diferencias.
Las principales diferencias que se observan se deben a lo siguiente:
La encuesta Origen Destino en hogares corresponde a respuestas de viajes en
hogares durante los meses de Junio Julio Agosto del 2004, durante un da
laborable y que al final representa un da promedio.
Las horas de viajes en la encuesta de hogares podran ser ms imprecisas en
los perodos diferentes a horas pico.
Los aforos en la lnea cortina fueron realizados en un solo da.
La recomendacin cuando existen esas diferencias ser ajustar los perodos obtenidas
de la Encuesta Origen Destino en Hogares con tiempos medios a los obtenidos los
perodos que se obtengan con los aforos en la lnea cortina del ro Rmac.
Periodos segn flujo vehicular
En la Figura 4-3 se muestra los aforos de vehculos en la lnea cortina del ro Rmac,
en el cual se puede observar que la hora pico de la maana es de 08:00 a 08:59
diferente al perodo pico de pasajeros, siendo los otros perodos similares al de los
pasajeros.
Por lo tanto es recomendable considerar la diferencia importante en el perodo de la
maana para efectos de modelar principalmente proyectos de tarificacin vial o
soluciones relacionados a la congestin.
L80
M
1
? C
v
1
S 1
C 1
L C
25
Figura 4-3 Aforos de vehculos equivalentes en la lnea cortina del Ro Rimac

n
A 1

1

Fuente: Aforos en lnea cortina del ro Rmac (MTC/JICA2004)

4.4 Temporalidad de los datos
Uno de los aspectos a tener en cuenta para la toma de datos de campo es el efecto de
la temporalidad de los mismos, tanto en los aos horizonte (datos longitudinales) y los
datos dentro de un ao (efecto transversal) es decir la estacionalidad.
Como afecta la temporalidad a los atributos de un modelo de transportes:
4.4.1 Datos de oferta.
Los datos de oferta son:
Red vial base.- Se modifica desde el momento que se ha realizado la visita a
campo y la culminacin de proyectos en marcha, cambios en sentido de
circulacin, semaforizacin, etc.
Sistemas de rutas. Debera ser ms definidos. Sin embargo, la ciudad es un
caso particular donde existen mucha dificultad en tener un base de datos
actualizada.
La forma de abordar este dificultad es desarrollando el modelo al momento de los
trabajos de visita a campo (red vial y sistema de rutas) es como haber tomado una
fotografa de la ciudad. Para incorporar modificaciones a la red vial y que estos
L80
M
1
? C
v
1
S 1
C 1
L C
26
forman parte de la nueva red vial, como proyectos que se culminaran dentro de 1 2
aos o menos; una vez calibrado y validado el modelo de transporte, se crea un
escenario llamado escenario base mejorado que incorpora esos cambios y que
quedaran definitivamente en el modelo base de transporte.
4.4.2 Datos de demanda.
Los datos de demanda cambian permanentemente, an as se realice una especie de
censo de viajes. Esto es entendible pues se trata la movilidad de las personas por
alguna actividad que van a realizar en el destino, al igual el desplazamiento de la
carga.
Sin embargo, en orden de magnitud van cambiando de acuerdo la estacionalidad que
existe y que afectan fuertemente a la cantidad y patrones de viajes en la ciudad. Estos
vienen a ser:
Vacaciones de estudiantes a todo nivel, que viene a ser en los meses de 2da
Quincena de Diciembre, Enero y Febrero.
Las vacaciones de estudiantes de medio ao que son la ltima semana de Julio y
la primera de Agosto.
Fines de semana, festivos y eventos especiales.
La poblacin estudiantil es el 30% aproximadamente de la poblacin total (MED,
2008), esto afecta tambin a comportamiento de muchos padres que tenan viajes
concatenados hacia o desde colegio antes de ir a trabajar.
Entonces, se debe tener especial cuidado en elegir las fechas de acopio de datos a fin
de obtener datos de estaciones por decir normales.
Actualmente la ciudad no cuenta con informacin que permita conocer la variacin de
la demanda de viajes por cada da y meses de un ao. Pero suponemos que los
periodos vacaciones son de los ms resaltantes que en lo posible debemos de evitar.
Los trabajos de campo de demanda afectados por la estacionalidad son:
Aforos vehiculares.
Ocupacin visual de vehculos (autos y transporte pblico).
Encuesta Origen Destino a bordo de vehculos de transporte pblico.
Conteos de subida y bajada de pasajeros.
Encuestas de movilidad en general.
L80
M
1
? C
v
1
S 1
C 1
L C
27
A continuacin en la Tabla 4-1 4-1 se muestra un resumen donde es conveniente
realizar trabajos de campo para propsitos de modelacin de transporte.
En cualquier caso, se puede hacer los trabajos de campo en cualquier da del ao,
pero se debe tener en cuenta el impacto de la estacionalidad y si es necesario realizar
algn tipo de correccin.
Tabla 4-1 Fechas ideales para trabajos de campo en estudios de demanda
Fuente: Elaboracin propia
EL MUDELU DE TRANSPURTE
5.1 Introduccin
La formulacin considera un modelo secuencial clsico de cuatro etapas (Generacin,
Distribucin, Particin Modal y Asignacin que se muestra en la Figura 5-1 5-1.
El modelo de Generacin determina, en base a informacin socioeconmica y de
poblacin, los viajes producidos
( )
L
2
y los viajes atrados
( )
M
'
por cada una de las
zonas de anlisis en que se divide el rea de estudio. El modelo de Distribucin
L80
M
1
? C
v
1
S 1
C 1
L C
28
construye una matriz de viajes
( )
LM
9
entre parejas origen-destino de zonas. El modelo
de Particin Modal, divide los viajes entre los distintos modos de transporte disponibles
( )
N
LM
9 . Finalmente las matrices de viaje por modo son asignadas a las redes
correspondientes, obtenindose de esta manera los flujos por arcos.

El modelo incorpora Asignacin Multiclase de vehculos a la red vial. Ello permite
considerar que el valor de la tarifa, a nivel de las elecciones de los usuarios sobre
la red vial, es percibido en forma diferenciada por los individuos, dependiendo
naturalmente de su nivel de ingreso.

Figura 5-1 Modelo Secuencial Clsico de 4 Etapas

M L
' 2 ,
LM
7
N
LM
7

5.2 rea de estudio y zonificacin.
La primera especificacin necesaria para construir modelo de demanda, es la
definicin del contexto espacial de su aplicacin. En trminos generales se puede
decir que el rea de estudio debera cubrir todos los lugares, donde se producen o se
atraen los viajes que utilizan el sistema de transporte que se desea analizar ver Figura
5-2. Aunque en transporte urbano el rea de estudio est normalmente asociada con
los lmites espaciales de la ciudad, muchas veces es necesario considerar las
influencias externas (por ejemplo, transporte interurbano de pasajeros y de carga). El
modelo explica (o trata de explicar) la operacin del sistema de transporte dentro del
rea de estudio -cuyo permetro fsico est definido por un cordn externo ver Figura
L80
M
1
? C
v
1
S 1
C 1
L C
29
5-3- y las influencias externas deben ser tratadas como datos exgenos del problema,
que el modelo debe considerar, pero que no puede explicar.
Definido el contexto espacial, el rea de estudio se divide en zonas ms pequeas,
que constituirn en adelante la unidad bsica del anlisis de transporte. La primera
caracterstica deseable de las zonas es su homogeneidad en trminos de utilizacin
de suelos y de caractersticas socioeconmicas de la poblacin, dado que stas son
dos variables fundamentales para explicar demanda de viajes.
La definicin geogrfica de las zonas debe respetar las divisiones administrativas y
polticas de la ciudad y sobre todo, las divisiones geogrficas del Censo de Poblacin
que el Estado realiza peridicamente. De esta manera ser posible obtener con
facilidad ciertos datos bsicos de entrada para el anlisis de transporte, tales como el
nmero de hogares por zona estratificados por ingreso, posesin de automvil,
tamao familiar, etc. Adems, en torno al Censo de Poblacin suelen desarrollarse
estudios de proyeccin de sus datos, informacin tambin til para el anlisis de
transporte.
La delimitacin de zonas de trnsito debe evitar en lo posible que una va principal
forme parte de uno de sus lmites, esto es debido a la dificultad posterior de asignarles
viaje, es recomendable que un va principal este contenida en una zona de trnsito. Si
esta vialidad es un lmite distrital y se cumple las caractersticas de los criterios de
zonificacin, esto significa que ambas municipalidades o parte de ellas tienen
comportamientos similares y se deben desagregar, o sea que habra distrito sector A,
etc.
L80
M
1
? C
v
1
S 1
C 1
L C
30
Figura 5-2 rea de estudio y zonas externas
Fuente: Aforos en lnea cortina del ro Rmac (MTC/JICA2004)
El nmero de zonas es otra definicin delicada. A mayor nmero de zonas, el anlisis
de transporte es ms preciso y detallado, pero tambin son mayores los
requerimientos del modelo y de la informacin necesaria. Por otro lado, un nmero
demasiado pequeo de zonas podra conducir a anlisis demasiado agregados,
reidos con los objetivos de un estudio de transporte. Por ejemplo, un nmero
demasiado reducido de zonas resultar en reas zonales muy grandes (difcilmente
homogneas) lo que a su vez redundar en un gran nmero de viajes intrazonales;
dado que la unidad de anlisis bsico es la zona, los modelos de asignacin no
pueden tratar tales viajes, y el anlisis completo pierde credibilidad.
L80
M
1
? C
v
1
S 1
C 1
L C
31
La cantidad de zonas ideal sera por cada hogar, lo que resultara poco prctico, luego
sera cada manzana lo que resultara un poco ms razonable pero an requiere
muchos datos. Entonces, el criterio lo que utilizamos en la modelacin es el espacio
que razonablemente una persona puede caminar, es de 5 cuadras o 500 metros a la
redonda que sera el mnimo tamao de una zonificacin.
Figura 5-3 Cordn externo de la zona urbana rea Metropolitana de Lima y Callao
CL-2 CL-2 CL-2
CL-2
CL-2
CL-2 CL-2 CL-2 CL-2
CL-1 CL-1 CL-1
CL-1
CL-1
CL-1 CL-1 CL-1 CL-1
CL-3 CL-3 CL-3
CL-3
CL-3
CL-3 CL-3 CL-3 CL-3
CL-4 CL-4 CL-4
CL-4
CL-4
CL-4 CL-4 CL-4 CL-4
CL-5 CL-5 CL-5
CL-5
CL-5
CL-5 CL-5 CL-5 CL-5
CL-6 CL-6 CL-6
CL-6
CL-6
CL-6 CL-6 CL-6 CL-6
CL-7 CL-7 CL-7
CL-7
CL-7
CL-7 CL-7 CL-7 CL-7
3328 3279
622
6+0
6961
700S
636
688
8906
7318
3111
3+9+
Fuente: Aforos en lnea cortina del ro Rmac (MTC/JICA2004)
Es recomendable que la zonificacin distinga adecuadamente aquellas zonas
singulares de la ciudad. Ello se justifica porque normalmente no poseen un
comportamiento de viajes similar al de otras zonas preferentemente residenciales,
comerciales o industriales. A base de la experiencia adquirida en el desarrollo de
L80
M
1
? C
v
1
S 1
C 1
L C
32
diversos estudios de transporte, es aconsejable identificar como una zona
independiente a las siguientes singularidades:
Estaciones de sistemas masivos de transporte pblico.
Cuarteles Militares,
Cerros,
Sectores de estadio,
Universidades relevantes,
Grandes centros comerciales.
Grandes hospitales,
Cementerio y otros sectores que el analista estime pertinente.
La ventaja de ello radica en que las zonas resultantes son homogneas en trminos
de su uso de suelos y en trminos de los viajes generados y atrados. Su tratamiento
no es diferente al de otras zonas, con la salvedad de que en stas no es necesario
que existan hogares, y para estimar la cantidad de viajes en muchos casos se
requerir de estudios especficos de produccin atraccin de viajes.

5.3 Zonificacin y tipo de modelacin
Un modelo de transporte es una importante herramienta de planeacin, pero dado su
alta popularidad es requerida con mucha frecuencia por los tomadores de decisiones
para poder tener una respuesta sobre determinados proyectos o tambin por algn
inversionista privado para tener una primera aproximacin o identificar oportunidades.
Por otro lado, los modelos de transporte no estn muy actualizados y si lo estn tardan
das en dar una respuesta a los tomadores de decisiones, es en ese sentido que se ha
pensado en elaborar dos tipos de modelos de transportes, a saber:
Modelo estratgicos de respuesta rpida (MR2), que tendra alrededor de 500
zonas de trnsito.
Modelo tctico-operativo (MTO), que sera un modelo ms detallado que tendra
entre 1200 a 1500 zonas de trnsito.
Ambos tendran la misma red vial y de rutas transportes y solo se modifica los
conectores centroides para dar una conectividad razonable.
Las matrices de viajes deben ser compatibles totalmente en forma agregada o
desagregada.
L80
M
1
? C
v
1
S 1
C 1
L C
33
Ms detalles sobre los otros componentes de estos modelos, se presentaran en cada
captulo.
5.4 Red vial
La red bsica, utilizada para la asignacin de transporte privado, est representada
por un grafo ( ) $ 1 * , = , donde 1es el conjunto de nodos y $el conjunto de arcos. El
primero representa las intersecciones de calles y los centroides de las zonas
(localizacin del origen y destino de los viajes), y el segundo conjunto representa las
calles de la ciudad.
La definicin de los enlaces y nodos para propsito de modelacin debe guardar un
equilibrio entre la simplificacin de la red y su representatividad de la red real, se
recomienda tener en cuenta lo siguiente:
i. La red vial no debe ser tan desagregada que puede ser muy real pero puede
causar fuertes dificultades al momento de calibrar el modelo.
ii. La red no puede ser tan agregada que ya no representa la realidad y de forma
similar causa dificultades al momento de calibrar.
iii. La conectividad debe ser una simplificacin razonable de la red vial real y se
debe resaltar aspectos importantes que sabemos que importan en un proceso
de modelacin.
iv. Se debe tener en cuenta la funcionalidad de le red vial a representar y si existe
alguna diferenciacin importante a considerar, esta debe realizarse en redes
paralelas (por ejemplo. Carriles centrales rpidas y vas auxiliares, etc.).
En la Tabla 5-1 5-1 se muestra una clasificacin sugerida, basado en los diferentes
estudios realizados en la ciudad.
La clasificacin debe realizarse en dos niveles:
La clasificacin de primer nivel, se ha tomado como referencia la normatividad
desarrollada en 1987 por la Comisin Multisectorial coordinadora de Proyectos de
desarrollo urbano de Lima Metropolitana. Estudio de Clasificacin de Vas.
L80
M
1
? C
v
1
S 1
C 1
L C
34
Clasificacin de segundo nivel, establecido para propsitos de modelacin de
transporte urbano de Lima y Callao.
5.5 Redes de transporte pblico
Existe tambin una red para cada uno de los modos de transporte pblico, que
representan los servicios ofrecidos a los usuarios, y est dada por el grafo
( )
P P P
/ 1 * , = , en el cual
P
1 es un subconjunto de N y
P
/ es el conjunto de todas
las lneas del modo P sobre la red.

Tabla 5-1 Clasificacin vial

Fuente: Elaboracin propia

L80
M
1
? C
v
1
S 1
C 1
L C
35
5.6 Modos de transporte
Para comprender los modos de transporte, existen dos maneras de definir un viaje: en
trminos del viaje especfico y el viaje no especfico. El primero es un viaje completo
de una persona con un solo propsito, mientras que el segundo es parte del anterior,
segregado por modo de viaje. En otras palabras, un viaje especfico es una cadena de
viajes no especficos por diferentes modos individuales de viaje. Por consiguiente,
para poder definir el modo representativo de viaje, es necesario determinar la prioridad
entre diversos modos de viaje.
La prioridad es definida en funcin a las siguientes consideraciones:
i. El modo de transporte pblico tiene mayor prioridad que el modo privado.
ii. El modo ruta nica tiene mayor prioridad que el modo alimentador
La relacin del modo representativo se muestra en la Tabla 5-2 5-2. Donde a los
modos original (*) se les conoce como sistema de transporte no convencional o
Pseudo transporte pblico o Paratransit, el modo integrado se obtiene a partir de
cmo es su comportamiento sobre la red vial.
El modo original (1) de Mototaxi, son utilizados para viajes cortos o como aproximacin
a un paradero de transporte pblico, no tiene ruta ni intervalo determinada pues esta
es fijada por la demanda.
El modo original (2) colectivo o taxi-colectivos si tienen una ruta determinada pero no
un intervalo determinado depende de la demanda. Compiten directamente con las
rutas de transporte pblico convencional, son ms rpidos y ms caro que el
transporte pblico convencional, pero ms barato que un servicio de taxi.
Naturalmente, no siempre es necesario utilizar todos estos modos simultneamente.
De hecho, dependiendo de su importancia relativa, es aconsejable ignorar algunos de
ellos para simplificar el anlisis.
Existen otros modos, como el transporte escolar, que representan una participacin
importante en los viajes con un propsito determinado especficamente en la ciudad de
Lima y Callao. Lamentablemente, por dificultades de modelacin no es posible incluir
este modo en el anlisis.
L80
M
1
? C
v
1
S 1
C 1
L C
36
Tabla 5-2 Modos de transporte
Modo Integrado Modo original
Caminata Caminata
Automvil Transporte Privado
Taxi (*)
Mototaxi (*)(1)
Colectivo (*)(2)
Taxi colectivo (*)(2)
Combi
Microbs
Transporte Pblico
mnibus
Transporte Pblico red independiente Sistema BRT
Transporte Pblico red independiente Sistema Metro y Tren


Cada uno de estos modos utiliza una red de transporte especfica, que debe ser
calibrada de acuerdo a sus caractersticas operacionales. La red vial que se utilizar
bsicamente para asignar los viajes de transporte privado, estar constituida por las
principales vas e intersecciones de la ciudad. En ella operan tambin los servicios de
transporte pblico, los que para efectos de la red vial, generan flujos fijos
(determinados por las frecuencias de los servicios) de vehculos de transporte pblico
sobre sus arcos.
Cada arco de la red vial tiene asociada una funcin de costo, conocida como curva
flujo-velocidad, cuyos parmetros ser necesario calibrar.
La red vial puede tambin ser utilizada para asignar (cuando se considere
conveniente) los viajes de caminata. En este caso, la funcin de costo de los arcos
debera estar relacionada con factores constantes como el largo del arco y su
pendiente, por ejemplo.
Cada modo de transporte pblico requiere una red de rutas que se construye a partir
de la descripcin de los recorridos fsicos y de las frecuencias de los servicios de
transporte. En este caso, la funcin de costo de cada arco de la red, representa el
L80
M
1
? C
v
1
S 1
C 1
L C
37
costo generalizado de viaje (que debe ser calibrado) en un determinado modo de
transporte pblico.

5.7 Jerarqua y atributos en la red de un modelo.
En la Figura 5-4 se muestra la jerarqua de los diferentes componentes de la red en un
modelo de transporte en general.
Para un mayor detalle de cada componente es importante documentarse de los
Manuales de usuario de diferentes Software de Planeacin de Transporte.
Figura 5-4 Jerarqua de la red en un modelo de transporte
Fuente: Elaboracin Propia y diversos software
L80
M
1
? C
v
1
S 1
C 1
L C
38
5.8 Categorizacin de la demanda
El objetivo del modelo de demanda es explicar y predecir las decisiones de los
usuarios respecto a la generacin, distribucin y particin modal de los viajes. Sin
embargo, dependiendo entre otras cosas de sus atributos personales y propsitos de
viaje, los usuarios tienen comportamientos diversos, por lo que es necesario
categorizar la demanda para permitir su mejor explicacin.
La primera estratificacin de la demanda se realiza a nivel de propsitos de viaje, dado
que el comportamiento de los usuarios puede ser notablemente distinto para cada
motivo de viaje. Considerando los perodos de anlisis antes sugeridos los propsitos
de viaje principales sern tres: trabajo, estudio y otros.
Es necesario sealar que los propsitos de viaje indicados son para utilizarse en el
contexto de los submodelos de distribucin de viajes y particin modal de viajes del
modelo de transporte. Sin perjuicio de ello, los modelos de generacin y atraccin de
viajes pueden considerar una desagregacin ms detallada, debido a que los viajes
basados en el hogar de ida, retorno o no basados en el hogar, tienen normalmente
variables explicativas distintas. Por otro lado, es necesario recordar que los modelos
de asignacin no distinguen distintos propsitos de viaje.
Desde el punto de vista de la demanda de transporte, la caracterstica ms relevante
del usuario es su nivel socioeconmico. Pero dado que es difcil determinar este nivel
para cada usuario en particular, en lugar de clasificar a los individuos normalmente se
categorizan los hogares que habitan. Cada hogar tiene asociado un cierto ingreso
familiar y una cierta tasa de motorizacin, variables que son utilizadas para categorizar
los hogares y por extensin, a los individuos que viven en l.
El nmero de categoras de demanda ser determinante para definir las dimensiones
del modelo, sus requerimientos de informacin y calibracin, y finalmente la precisin
de sus resultados. Esto hace que el nmero de categoras utilizado en los estudios de
transporte sea muy variable; siempre ser deseable una mayor desagregacin de la
demanda, pero ello debe conciliarse con la disponibilidad de informacin necesaria
para modelar cada categora.
L80
M
1
? C
v
1
S 1
C 1
L C
39
Tomando en cuenta estas restricciones, se estima que una categorizacin adecuada
de los hogares debera considerar al menos tres niveles de ingreso (ingreso bajo,
medio y alto) y al menos dos niveles de tasa de motorizacin del hogar (sin auto,
con auto). Eventualmente, si existiera una gran cantidad de hogares poseedores de
ms de un vehculo y su comportamiento fuera significativamente diferente de aquellos
que poseen slo un auto, es recomendable desagregar la variable posesin de
automvil. Ello permite estratificar la demanda de transporte en distintas categoras
cruzadas de ingreso y tasa de motorizacin, cada una de las cuales podr ser
modelada -en principio-separadamente para cada propsito y perodo considerado.
Alternativamente, puede considerarse la agregacin de categoras extremas.
Normalmente, ellas corresponden a los cruces de categoras de ingreso bajos y
medios con 2 o ms. En stas, es normal obtener escasas observaciones en la
muestra, no por problemas de muestreo o de nmero de encuestas, sino que por
existir un muy bajo nmero de hogares que presenten dichas caractersticas.
En la Tabla 5-3 se muestra la categorizacin base en el estudio (JICA, 2004) en el
cual se define los 9 categoras. Respecto a los rango de ingreso familiar se obtuvo que
el rango bajo son el 27% de los hogares, rango medio el 37% de los hogares; estos
dos rangos no se pueden subdividir, rango alto medio con el 17% de los hogares y
rango alto con el 19% de los hogares.
Respecto a la posesin de autos, basado en el mismo estudio (JICA, 2004), se tiene
que sin auto son el 83% de los hogares y con 1 auto el 14% y con 2 ms autos
el 3% de los hogares.
Tabla 5-3 Definicin de categoras
Rango en Nuevos Soles (1) Sin Auto 1 auto 2 o ms
Bajo Menos de 600 1
Medio Entre 601 - 1,000 3
Alto medio Entre 1,001 - 1,500
Alto Ms de 1,500 7 8 9
(1) a Junio del 2004
4

Rango de Ingreso Familiar Posesin de Autos/ Hogar

2
Fuente: EODH 2004
L80
M
1
? C
v
1
S 1
C 1
L C
40
De acuerdo a la publicacin (INEI, 2009) que se muestra en la Tabla 5-4, como se
puede apreciar no hay coincidencia en los rangos de ingresos con los adoptados en el
(JICA, 2004), su homologacin debe ser realizado con un anlisis especfico.
Una recomendacin casi siempre til, es analizar los requerimientos de informacin
que imponen los distintos modelos a calibrar, para diversas alternativas de
categorizacin; de tal suerte que, la definicin de categoras propuesta, sea
consistente con las posibilidades que ofrece la informacin recabada.
Tabla 5-4 Definicin rangos de ingreso
Fuente: INEI 2009
Es recomendable que los rangos de ingreso adoptados permitan representar grupos
con un comportamiento diferente desde el punto de vista de la demanda de transporte.
Indudablemente, cada categora de ingreso es estrictamente funcional al desarrollo
econmico de cada ciudad.
Dado que la metodologa recomienda estratificar la demanda segn ingreso y nmero
de autos, es evidente que la calibracin posterior de modelos considerar
exclusivamente aquellos hogares que reporten ambas variables.
Por ltimo, es necesario indicar que existen variables que explican mejor que el
ingreso del hogar la generacin de viajes con algn propsito, por ejemplo: nmero de
trabajadores en el hogar, nmero de estudiantes. Sin embargo, el uso de estas
variables tiene implcito un problema posterior de prediccin, muy difcil de solucionar,
por lo que la metodologa aconseja utilizar las variables ingresos y nmero de autos,
como una solucin de compromiso entre la calidad de los modelos y la posibilidad de
predecir en forma confiable las variables independientes a futuro.
L80
M
1
? C
v
1
S 1
C 1
L C
41
MUDELU CLASICU DE ETAPAS
La operacin del modelo de transporte requiere como datos de entrada los vectores
origen-destino de viajes para cada perodo de anlisis, clasificados por propsitos de
viaje y por categoras de demanda. La estimacin de tales vectores constituye el
objetivo de los modelos de generacin/atraccin.
Idealmente debiera estimarse un vector de orgenes y un vector de destinos por cada
propsito y categora de demanda, pero en la prctica la clasificacin por categoras
de demanda no siempre es posible. Dado que stas se definen a partir de los niveles
de ingreso y tasa de motorizacin de los hogares, la categorizacin de los orgenes
(producciones de viajes) es fcil de hacer cuando los viajes se originan en el hogar, lo
cual es una caracterstica de la mayora de los viajes en el perodo punta de la
maana y una proporcin importante en los otros perodos.
Sin embargo, durante estos mismos perodos la mayora de los viajes se realizan
hacia lugares distintos del hogar, por lo que una eventual categorizacin de los
destinos (atracciones de viajes) resultara arbitraria en el mejor de los casos.
Considerando lo anterior, el modelo propuesto supone que slo los orgenes son
clasificables por propsito p-categora n y los destinos en cambio, son clasificables
slo por propsitos de viaje p. As, el modelo de transporte recibe como datos de
entrada un vector Origen i por cada propsito de viaje y por cada categora de
demanda { }
SQ
L
2 ; y un vector Destino j por cada propsito de viaje, en el que todas las
categoras de demanda estn agrupadas { }
S
M
' . Adems, debe cumplirse:

=
L S Q M S
S
M
SQ
L
' 2

Donde:
SQ
L
2 = Nmero de viajes generados en la zona i, de la categora n con propsito p.
S
M
' = Nmero de viajes atrados por la zona i, con propsito p.
Por razones metodolgicas, las generaciones de viajes (orgenes) son modeladas
independientemente de las atracciones de viajes (destinos), aunque evidentemente
L80
M
1
? C
v
1
S 1
C 1
L C
42
sus resultados deben ser consistentes. Por otra parte, dado el mayor desarrollo
conceptual de los modelos de generacin de viajes, habitualmente el analista tiende a
confiar ms en sus resultados y por lo tanto, normalmente se ajustan las atracciones a
las generaciones de viajes.
Una manera simple de realizar este ajuste, es calcular un factor de correccin para
cada propsito de viaje, de la siguiente manera:

=
M
S
M
L Q
SQ
L
S
'
2
I
Y luego se multiplica dicho factor por los componentes del vector de destinos del
propsito correspondiente, obtenindose los valores ajustados.
S
M S
D S
M
' I ' .
) (
=
Eventualmente, para algn propsito de viaje, la calibracin del modelo de atraccin
podra entregar resultados ms confiables que la correspondiente a los modelos de
generacin. En este caso, es recomendable ajustar la generacin a la atraccin de
viajes. Por ejemplo, si se conoce los viajes que llegan a un gran centro comercial, etc.
El ajuste tambin se puede hacer por grupos de zonas de atraccin segn se tenga los
datos ms confiables.
Dos tipos de modelos se utilizan para explicar la generacin de viajes: regresin lineal
y anlisis por categora. La eleccin de uno u otro, depende de las caractersticas de
los viajes cuyos orgenes o destinos se desea explicar. Si bien los modelos de anlisis
por categora son conceptualmente ms adecuados, su mbito de aplicacin se
reduce bsicamente a aquellos viajes originados en el hogar. Por otra parte, aunque
los modelos de regresin lineal no son especialmente adecuados para explicar la
generacin de viajes, en casos tales como las atracciones de viajes y las generaciones
de viajes no originados en el hogar, suelen ser la nica herramienta metodolgica
disponible para estudiarlos.
6.1 Generacin de viajes
Las generaciones de viajes ms relevantes pueden diferenciarse en tres tipos:
i. Generacin de viajes basados en el hogar de ida.
L80
M
1
? C
v
1
S 1
C 1
L C
43
ii. Generacin de viajes basados en el hogar de retorno.
iii. Generaciones de viajes no basadas en el hogar.
Los primeros sern estimados mediante modelos de Anlisis de Categoras (AC), en
tanto que para los segundos y terceros se puede utilizar modelos de regresin lineal
mltiple (RLM). Es decir, los orgenes de una zona pueden ser expresados como
sigue:
SQ
QEK L
SQ
EKU L
SQ
EKL L
SQ
L
2 2 2 2
) ( ) ( ) (
+ + =
Donde:
SQ
L
2 = Nmero total de viajes con propsito p, categora n en la zona i.
SQ
EKL L
2
) (
= Nmero de viajes basados en el hogar de ida (bhi).
SQ
EKU L
2
) (
= Nmero de viajes basados en el hogar de retorno (bhr).
SQ
QEK L
2
) (
= Nmero de viajes no basados en el hogar de ida (nbh).
Esta distincin es metodolgicamente importante por las siguientes razones. En primer
lugar, la importancia de cada tipo de viaje depende del perodo de modelacin. Es as
como, los viajes basados en el hogar de ida se realizan principalmente en el perodo
punta de la maana. En segundo lugar, la generacin de los viajes basados en el
hogar de ida es explicada por las variables socioeconmicas asociadas al hogar del
viajero. Por su parte, la generacin de viajes no basados en el hogar y basados en el
hogar de retorno puede ser explicada por aquellas variables asociadas a las
actividades que se desarrollan en las zonas.
6.1.1 Generacin de viajes basados en el hogar de ida (bhi)
Los viajes basados en el hogar de ida, para el propsito p y categora de usuarios n
{ }
SQ
EKL L
2
) (
, se calcula utilizando el mtodo de Anlisis por Categoras (AC), segn la
siguiente ecuacin.
SQ Q
L
SQ
EKL L
W + 2 .
) (
=
Donde:
SQ
EKL L
2
) (
= Nmero de viajes con propsito p generados por los hogares de la categora
n de la zona i.
L80
M
1
? C
v
1
S 1
C 1
L C
44
Q
L
+

= Nmero de hogares en la zona i, correspondiente a la categora de hogares n
SQ
W
=
Tasa de viajes por propsito p y de hogares de categora n
Este modelo requiere conocer el nmero de hogares por categora en cada zona, lo
cual debe ser determinado o estimado a partir de informacin socioeconmica
independiente: normalmente del Censo Poblacional o de otros catastros urbanos.
Recurdese adems, que es necesario conocer la distribucin de hogares por
categora no slo en el ao base de anlisis; tambin se requiere la distribucin futura
de los hogares para cada uno de los cortes temporales. Estas proyecciones son parte
del mbito de especializacin de otras disciplinas, por lo que en el contexto de la
metodologa que aqu se discute, la distribucin de hogares por categora se
considerar como un dato exgeno.

Luego, el problema se reduce a encontrar las tasas de generacin de viajes para
cada categora de hogar y propsito. Esta tarea ha sido habitualmente realizada con
los denominados modelos de anlisis por categoras, los cuales determinan las tasas
de generacin buscadas a partir de una muestra de hogares, simplemente dividiendo
para cada categora ingreso-tasa de motorizacin, el nmero de viajes observados de
un propsito por el nmero de hogares en la muestra.
La determinacin de las tasas de generacin puede abordarse mediante dos marcos
conceptuales diferentes: Anlisis por Categora Simple (AC) y Anlisis de Clasificacin
Mltiple (ACM). Cada enfoque presenta ventajas y desventajas y por lo tanto, la
recomendacin establecida en la presente metodologa recoge una solucin de
compromiso, en el sentido de privilegiar la confiabilidad en la prediccin futura, ms
que la disponibilidad de indicadores estadsticos asociados a las tasas. En sntesis, se
privilegia el uso de modelos funcionales para predecir el funcionamiento del sistema,
ms que para explicar.
La recomendacin anterior, se sustenta en el trabajo esclarecedor respecto de esta
decisin (Guevara & Thomas, 2009). La conclusin final de la investigacin realizada
permite recomendar fundadamente el uso de tasas simples obtenidas del anlisis de
categoras tradicional, descartando el uso de modelos basados en el anlisis de
clasificacin mltiple (ACM) debido a problemas estructurales de sus parmetros que
L80
M
1
? C
v
1
S 1
C 1
L C
45
limitan su uso para una prediccin confiable, esto a pesar de que se intent mejorar
los modelos basados en el mtodo ACM utilizando diversos enfoque tcnicos. La
conclusin a que se llega en el artculo recin citado, apunta a establecer que el uso
de tasas ACM sistemticamente sobreestima los viajes generados, en las categoras
de ms altos ingresos y motorizacin, sesgando los pronsticos que las utilizan.

La conclusin obtenida en dicho estudio es tan rotunda, que opaca las ventajas
objetivas que ofrece el enfoque de tasas basadas en ACM. ( i) Dispone de medidas
estadsticas que permiten seleccionar entre esquemas alternativos de categorizacin y
adems, obtener una estimacin global de la bondad de ajuste del esquema de
clasificacin escogido y ii) La determinacin de la tasa de una categora especfica, no
depende del nmero de observaciones que se dispongan en esa categora).
En conclusin, la metodologa recomienda utilizar un enfoque de tasa simple (AC)
para la estimacin de modelos de generacin de viajes con propsito p de los hogares
de la categora n. La tasa AC ) (
SQ
W , se calcula como:

=
Q
L
SQ
EKL L SQ
+
R
W
) (
Para efectos de orientar ilustradamente los lmites de los rangos de ingreso a
adoptar en la categorizacin, puede utilizarse el mtodo de Anlisis de Varianza
(ANOVA) en un factor (ingreso-tasa de generacin), para determinar categoras en
que exista un diferencia estadsticamente significativa en las tasas de generacin de
viajes a nivel de ingreso. Finalmente, dicho antecedente deber contrastarse (e
inclusive puede quedar determinado) por la disponibilidad de informacin consistente
para aplicacin (p.ej. categorizacin de un Escenario de Uso de Suelos disponible) y
coherencia global con rangos aceptables.
Finalmente, puede resultar que el estimar las tasas se obtengan resultados
contraintuitivos, es decir, tasas que no sean crecientes segn nivel de ingreso y
motorizacin (variables relevantes de esta metodologa y que como se ha indicado
corresponden a una decisin de compromiso). Una forma que se ha demostrado til
en la prctica para evitar este problema es el de agregacin de categoras, para
efectos del clculo.
L80
M
1
? C
v
1
S 1
C 1
L C
46
6.1.2 Generacin de viajes basados en el hogar de retorno (bhr).
La generacin de este tipo de viajes (muy raros en el perodo punta maana y ms
frecuentes en el perodo fuera de punta), debe ser modelada con regresin lineal
mltiple (RLM) a nivel zonal, dado que en este caso el mtodo AC es inaplicable,
puesto que el origen del viaje no es el hogar y por ello, no es lcito considerar el
nmero de hogares como variable explicativa.
En consecuencia, la modelacin de este tipo de viajes ser funcin de variables
asociadas con el uso de suelos y las actividades de una zona. En este sentido, las
variables explicativas del modelo de RLM sern casi las mismas utilizadas por los
modelos de RLM de atraccin de viajes.
Sin embargo, -a diferencia de los modelos de atraccin de viajes-, la generacin de
viajes debe clasificarse por categora de demanda, de manera que se plantean dos
alternativas. La primera consiste en calibrar un modelo RLM por categora, mientras
que la segunda consiste en calibrar un modelo RLM que no distingue categoras
(modelo conjunto) y aplicar posteriormente factores que representen adecuadamente
la proporcin de cada tipo de usuarios.
La primera alternativa es la ms deseable, sin embargo su utilizacin y grado de
confiabilidad est limitada por el nmero de viajes observados en cada categora de
demanda. Es por ello que ese mtodo puede presentar problemas de calibracin y
probablemente sea difcil obtener modelos de RLM estadsticamente robustos. La
segunda alternativa, requiere conocer el porcentaje de viajes basados en el hogar de
retorno, generados por zona de acuerdo a la clasificacin de demanda. Esta
informacin no es fcil de obtener, a menos que se cuente con un banco de datos del
tipo de una Encuesta Origen Destino, que se propone como parte de la presente
metodologa.
Finalmente, es necesario sealar que tal como antes se indicara, en el perodo
punta de la maana, este tipo de viajes es muy raro, por lo que una posibilidad
para incluirlos ser amplificar los viajes generados en el hogar de ida para cada
zona (modelados con tasas AC segn se discuti antes), por un cierto porcentaje
L80
M
1
? C
v
1
S 1
C 1
L C
47
que represente a los viajes basados en el hogar de retorno. Ciertamente, este es
un procedimiento arbitrario que debe entenderse como un recurso extremo.
6.1.3 Generacin de viajes no basados en el hogar (nbh)
La generacin de viajes no basados en el hogar debe ser modelada con regresin
lineal mltiple (RLM) a nivel zonal, puesto que en este caso el mtodo AC es
inaplicable.

La modelacin de estos viajes, ser funcin de variables asociadas con el uso de
suelos y las actividades de una zona. En este sentido, las variables explicativas del
modelo RLM de generacin de viajes sern bsicamente las mismas utilizadas en
los modelos RLM de atracciones de viajes que se discutirn en la seccin
siguiente.
No obstante -a diferencia del caso de las atracciones de viajes-la generacin de viajes
debe ser clasificada por categora de demanda, de manera que debe calibrarse un
modelo RLM para cada categora. Ello puede presentar problemas de calibracin,
puesto que especialmente en el perodo punta maana, el nmero de viajes no
originados en el hogar puede ser muy pequeo. Si a ello se agrega que este escaso
nmero de viajes debe ser diferenciado por propsito y categora, se entiende que
probablemente sea difcil obtener modelos RLM estadsticamente robustos.

Si este problema se presenta, una posibilidad ser amplificar los viajes originados
en el hogar en una zona (modelados con AC segn se discuti antes) por un cierto
porcentaje que represente a los viajes no originados en el hogar, respecto al total
de viajes producidos en una zona. Ciertamente este es un procedimiento arbitrario,
que debe ser entendido como recurso extremo. Adems se requiere conocer (o
estimar) el porcentaje de viajes originados y no originados en el hogar por cada
zona, propsito y categora. Esta informacin no es fcil de obtener, a menos que
se cuente con un banco de datos del tipo de una Encuesta Origen-Destino, que se
propone como parte de la presente metodologa.

L80
M
1
? C
v
1
S 1
C 1
L C
48
6.1.4 Modelos de Atraccin de viajes
Para efectos de los modelos de atraccin de viajes, es recomendable considerar el
menos dos alternativas:
i. La primera de ellas, aplicable a viajes atrados basados en el hogar de ida (bhi)
y viajes no basados en el hogar (nbh). Para estos dos casos, las variables
explicativas corresponden normalmente a equipamientos por zona, dedicados
a cada actividad y no los hogares (recurdese que ninguno de estos viajes
tiene por destino el hogar). Tal como se ha discutido antes respecto a la
atraccin de viajes, si se exceptan los mtodos de regresin lineal,
prcticamente no existen opciones metodolgicas de anlisis. Por lo tanto, un
modelo de este tipo debe ser calibrado a nivel zonal para cada propsito y
perodo de anlisis definidos utilizando tcnicas de regresin lineal mltiple
(RLM).
ii. La segunda es aplicable para modelar la atraccin de viajes basados en el
hogar de retorno (bhr). En este caso, dado que el destino del viaje es el hogar,
la nica variable explicativa posible ser el nmero de hogares por zona. En
este caso, es posible utilizar la tcnica de regresin lineal simple (RLS) y
tambin es posible considerar modelos de tasas AC de atractividad para
modelar estos viajes. Es interesante comparar los resultados de la modelacin
utilizando RLM con el modelo de tasas AC obtenido, dado que ambos utilizan
la misma variable explicativa.

La distincin antes indicada es recomendable para los modelos correspondientes al
perodo fuera de punta, puesto que en dicho perodo se verifica un nmero relevante
de viajes basados en el hogar de retorno (bhr). Tal como antes se discutiera, para el
caso del perodo punta maana, los viajes de este tipo son escasos, por lo que no es
recomendable su separacin. Evidentemente, la atraccin total de viajes
corresponder a la suma de los resultados de ambos modelos.

M
N
MN MN R
S
M
; ' + + =

.

Donde:
S
M
' = Nmero de viajes con propsito p, atrados por la zona j.
N
= Parmetro de calibracin.
L80
M
1
? C
v
1
S 1
C 1
L C
49
MN
; = Variables explicativas (promedios zonales).
M
= Error de la estimacin para la zona j.
Estos modelos estiman el nmero de viajes atrados por una zona, suponiendo una
relacin lineal de esta variable con ciertas caractersticas de la zona. En general, estas
caractersticas se refieren al equipamiento existente en la zona, en trminos de las
actividades relevantes segn propsito de viaje:
Viajes con propsito trabajo: Estos son atrados por las actividades que ofrecen
empleos. Las ms relevantes son el comercio, oficinas, servicios y la industria.
Viajes con propsito estudio: Son atrados por la presencia de establecimientos
educacionales (nmero de matrculas por nivel de educacin: bsica, media y
superior).
Viajes con otros propsitos: Corresponden a los viajes de compras, trmites, y
salud entre otros. Las actividades relevantes sern el comercio, los servicios y
las atenciones de salud. Adems, para incluir el efecto de los viajes con
motivos sociales suele incluirse como variable explicativa el total de hogares
existentes en una zona.
Para obtener los valores de estas variables, normalmente se puede recurrir diversas
fuentes independientes. Por ejemplo, el nmero de matrculas por cada zona es fcil
de obtener en los organismos oficiales del Ministerio de Educacin. Otra tpica e
importante fuente de informacin es del Ministerio de Industria y Turismo que
habitualmente dispone de datos respecto a metros cuadrados construidos por tipo de
utilizacin (comercio, industrias, oficinas, salud, educacin, etc.) o del Censo
Econmica del Instituto Nacional de Estadsticas e Informtica (INEI).
Idealmente el modelo debera determinar el nmero de viajes atrados por zona, no
slo para cada perodo y propsito, sino tambin para cada categora de demanda.
Desafortunadamente, en el caso de las atracciones de viajes -dado que se
desconocen otras formas de entender el fenmeno de forma ms desagregada-
habitualmente se considera cada zona y sus caractersticas globales como unidad de
anlisis del modelo, lo cual hace muy difcil clasificar las atracciones por categora de
demanda.
L80
M
1
? C
v
1
S 1
C 1
L C
50
En otras palabras, las atracciones de viajes son modeladas a nivel zonal, lo que
normalmente implica que slo sern explicadas por perodo y propsito, pero no por
categora socioeconmica. En el contexto de la metodologa simplificada, ste ser
tambin el modus operandi adoptado.
En general, deber verificarse la coherencia de los valores de los estimadores en
relacin a cada variable explicativa. No es posible entregar rangos de validez, dado
que estos dependern de cada ciudad y aplicacin, sin embargo conviene verificar por
ejemplo que en el caso de la atraccin de viajes de estudio, el ponderador de las
matriculas sea cercano a uno.
6.1.5 Resumen de modelos de generacin y atraccin de viajes
La Tabla 6-1 6-1 presenta, consistentemente con lo indicado en la seccin anterior,
una recomendacin acerca de los modelos a calibrar para cada tipo de viajes.
Tabla 6-1 Recomendacin de modelos
Tipo de viaje Generacin Atraccin
Basado en el hogar de ida (bhi) Tasas AC(1) RLM(2)
Basado en el hogar de retorno (bhr) RLM (1) RLS (3)
Tasas AC (2)
No basados en el hogar RLM(1) RLM(2)
Donde:
Tasas AC (1): Modelos que usan en el mtodo de Anlisis por Categora Simple, para
explicar la generacin de viajes basados en el hogar de ida (bhi). Dado que el origen
es el hogar, siempre la variable explicativa son los hogares segn categora.
RLM(1): Modelo de regresin lineal mltiple para explicar la generacin de viajes
basados en el hogar de retorno (bhr) y no basados en el hogar (nbh). Dado que el
origen de estos viajes no es el hogar, nunca se utiliza la variable explicativa nmero de
hogares.
RLM(2): Modelo de regresin lineal mltiple para explicar la atraccin de viajes
basados en el hogar de ida (bhi) y no basados en el hogar (nbh). Dado que el destino
de estos viajes no es el hogar, nunca se utiliza la variable explicativa nmero de
hogares.
L80
M
1
? C
v
1
S 1
C 1
L C
51
RLS(3): Modelo de regresin lineal simple para explicar la atraccin de viajes basados
en el hogar de retorno (bhr). Dado que el destino de estos viajes es el hogar, se utiliza
exclusivamente la variable explicativa nmero de hogares.
Tasas AC (2): Modelos de tasas AC de atractividad, para explicar la atraccin de viajes
basados en el hogar de retorno (bhr). Es dable utilizar este mtodo dado que el
destino (variable explicativa) es el hogar.
6.1.6 Productores especiales de viajes
Los productores especiales de viajes, se caracterizan por tener una actividad
homognea y en grandes reas y en ambientes fsicos cerrados. Adems como ya se
mencion deben ser considerados una zona de trnsito independiente por su
singularidad. Estas zonas de transito singulares, como ya se mencion son por
ejemplo: Grandes centros comerciales, Universidades, Hospitales, estadios deportivos,
etc.
El acceso a estas zonas son mayormente controlados por lo que es relativamente
simple identificar mediante encuestas las caractersticas principales de los viajeros.
6.2 Distribucin de viajes
El modelo de distribucin de viajes corresponde a uno del tipo gravitacional y su forma
funcional es:
( )
LM
S
M
S
M
SQ
L
SQ
L
SQ
LM
F I ' % 2 $ 7 . =
Donde:
SQ
LM
7 es el nmero de viajes entre el par origen destino (i,j) para el propsito p y
categora n;
SQ
L
2 representa orgenes segn propsito p y categora n y
S
M
' destinos
segn propsito p;
SQ
L
$ y
S
M
% representan factores de balance en orgenes y destino
respectivamente y ( )
LM
F I es una funcin de costo de viaje de uno o ms parmetros
para calibrar. Esta funcin a menudo se llama funcin de disuasin porque
representa el desincentivo para viajar, como la distancia o el tiempo o costos, las
versiones ms populares son:
( ) ( )
LM LM
F F I = exp Funcin exponencial
( )
Q
LM LM
F F I

= Funcin potencial
L80
M
1
? C
v
1
S 1
C 1
L C
52
( ) ( )
LM
Q
LM LM
F F . F I = exp . Funcin combinada o tipo gamma.
Donde: 0 0 > > \ Q y K>0 parmetros a calibrar y
LM
F es el tiempo o costo
generalizado entre un par de origen destino (i,j).
6.3 Modelos de particin modal
El modelo de particin modal divide la matriz de viajes proveniente de la etapa de
distribucin, en tantas matrices como modos de transporte existan disponibles para los
usuarios. Un modelo de particin modal ser necesario para cada categora de
demanda, propsito de viaje y perodo de anlisis.
Los modelos de particin modal denominados de eleccin discreta, constituyen
buena parte de las actuales aplicaciones en estudio de transporte. Como su nombre lo
indica, estos modelos estn orientados a simular el proceso de eleccin de un
individuo enfrentado a un conjunto de alternativas discretas de eleccin. La hiptesis
subyacente en este tipo de modelos es que la probabilidad de que un individuo escoja
una alternativa determinada es funcin de las caractersticas (socioeconmicas) del
individuo y de la atractividad relativa de cada opcin.
Desde el punto de vista de la particin modal, la extensin del concepto anterior es
inmediata. Para viajar entre un origen y un destino determinado, un usuario de la
categora n dispone de un conjunto finito y discreto
Q
$ de modos de transporte
alternativos. La eleccin de un modo especfico m
Q
$ , depender de las
caractersticas del usuario y de los atributos de los modos disponibles.
Para representar estas caractersticas, se define una funcin de utilidad asociada a
cada una de las alternativas disponibles y se supone que el usuario elegir aquella
que le reporte una mayor utilidad. La funcin utilidad normalmente se expresa con una
formulacin lineal en los parmetros:

+ =
N
SQP
N
SPQ
N
SQP SQP
LM
; 8
Donde los
SQP
N
; representa los atributos de los viajeros de propsito p, categora n y
modo m. Tpicamente esta expresin incluye como atributos del modo sus variables de
L80
M
1
? C
v
1
S 1
C 1
L C
53
servicio (tiempo de viaje, tiempo de espera, tarifa, etc.) y como caractersticas del
usuario, su ingreso, nivel educacional y otros.
Los coeficientes
SQP
N
representan el peso que los usuarios de propsito p, categora n
y modo m asignan a cada variable incluida en la funcin de utilidad. La constante
SQP

corresponde a una constante modal que representa ciertas caractersticas especficas

que el modo m tiene para los usuarios de propsito p y categora n, y que no estn
representados en el resto de la funcin de utilidad del modo. Por razones derivadas
de la forma de estimar los coeficientes de la funcin, es necesario fijar en cero la
constante modal de una de las alternativas de referencia. El resto de las constantes
modales sern relativas a dicha alternativa de referencia.
Sin embargo, existen adems ciertas caractersticas subjetivas en la eleccin modal
de los usuarios, que no son observables por el modelador (comodidad, privacidad,
gustos, etc.). Por lo tanto, la funcin utilidad debe incluir un trmino observable (como
el que se mencion antes) y un trmino aleatorio que refleje aquellas variables
ignoradas en la decisin modal de los usuarios:
SQP
LM
SQP
LM
SQP
LM
9 8 + =
Donde:
SQP
LM
8 = Funcin de utilidad completa de la alternativa m para los usuarios de propsito
p y categora n.
SQP
LM
9 = Parte observable de la funcin de utilidad.
SQP
LM
= Parte no observable (aleatoria) de la funcin de utilidad.
Las distintas hiptesis respecto a la distribucin de la probabilidad del trmino aleatorio
SQP
LM
darn origen a distintos tipos de modelos de eleccin discreta para la particin
modal. Dado que se trata de simular comportamiento de individuos, la distribucin
normal debera ser la ms indicada para el trmino aleatorio y en este caso se puede
derivar el denominado modelo Probit de particin modal. Sin embargo, la complejidad
matemtica de la distribucin normal hace la aplicacin sea muy dificultosa para ms
de tres alternativas.
L80
M
1
? C
v
1
S 1
C 1
L C
54
En cambio, si se supone una distribucin Gumbell para el trmino aleatorio, se puede
derivar en el denominado modelo logit multinomial de particin modal que se
muestra:
( )
( )

=
N
SQN
LM
SQP
LM SQP
LM
8
8
S
exp
exp
Donde:
SQP
LM
S = Es la probabilidad de que un usuario del propsito p y categora de usuarios n,
escoja el modo m para viajar entre el par origen destino (i,j).
SQN
LM
8 =Funcin de utilidad de viajar en el modo k (m pertenece a k), entre un par
origen destino (i,j) para un propsito p y categora n.
Una condicin implcita que permite la derivacin de este modelo es la hiptesis de
que los trminos aleatorios asociados a cada alternativa modal, son independientes e
idnticamente distribuidos, de otra manera el modelo no se puede formular, o al
menos no tiene la forma notablemente simple que se ha propuesto aqu.
En la prctica la condicin mencionada implica que las alternativas modales deben ser
percibidas claramente diferenciadas por los usuarios; de lo contrario el modelo
entregar resultados espurios. Este problema suele presentarse en las grandes
ciudades cuando existen alternativas muy parecidas entre s o cuando es necesario
considerar alternativas multimodales en la particin modal.
Para superar el problema de correlacin de alternativas, existen opciones de
tratamiento ms complejas que el modelo logit multinomial (MNL). Una de ellas es el
modelo logit jerrquico (HL) que agrupa las alternativas correlacionadas y explica la
eleccin modal como un proceso escalonado de decisiones. Ambos tipos de modelos
son los ms utilizados en la modelacin de transportes.
Una vez definida la probabilidad de que un usuario de propsito p, categora n y modo
m para viajar entre el par (i,j), el nmero de viajes en ese modo se obtiene
multiplicando dicha probabilidad por el nmero de viajes en ese par:
SQP
LM
SQ
LM
SQP
LM
3 7 7 . =
L80
M
1
? C
v
1
S 1
C 1
L C
55
Este resultado es una matriz de viajes por modo entre cada par origen destino. Lo que
sigue es asignar estas matrices de viajes a las redes correspondientes a cada modo.
6.4 Modelos de asignacin.
A continuacin se describe los mtodos de asignacin ms comunes.
6.4.1 Transporte privado
Este proceso de asignacin consiste en asociar la oferta y la demanda, mediante un
proceso iterativo hasta alcanzar el principio de equilibrio. El equilibrio se obtiene
cuando el costo de operacin (tiempo) es igual, para todos los caminos alternativos
sobre la red para cada par origen destino.
Los supuestos para el comportamiento de los usuarios son los siguientes:
Los usuarios son individuos racionales ya que intentan maximizar su utilidad
personal (o minimizar sus costos)
Tienen conocimiento perfecto de las condiciones de operacin de la red en
cualquier momento.
En una asignacin por equilibrio, el tiempo de viajes se calcula como la suma del
tiempo del auto sobre los enlaces y los tiempos en los giros.
El costo generalizado se modifica cuando en un enlace el usuario tiene un costo
adicional, por ejemplo un peaje. Entonces, se puede expresar como
tiempo+peaje*peso, donde el peso es un parmetro de calibracin (inversa del Valor
del Tiempo que depende de cada estrato de viajero).
Al momento de iniciar el proceso de asignacin se precarga con los volmenes de
transporte pblico, estos volmenes se asignan de forma previa a los enlaces mixtos
(aquellos que comparten el transporte pblico y el privado) en autos equivalentes, con
la finalidad de considerar la congestin aporta el transporte pblico.
Para propsitos de comparar los diferentes proyectos en la ciudad de Lima
Metropolitana, se recomienda utilizar el mtodo de asignacin de equilibrio de
usuario (UE) multimodal multiclase que se encuentra presente en todos los Software
de planeacin de transportes.
L80
M
1
? C
v
1
S 1
C 1
L C
56
Aspectos adicionales a considerar:
Funciones de demora (volumen/capacidad) en los enlaces.
Funciones de demora en intersecciones.
Puntos de semaforizacin en la red vial y reduccin de capacidad de acuerdo al
ciclo.
Los criterios de parada en la asignacin:
Nmero de iteraciones.
Relative gap.
Otros determinados por cada Software.
Es importante que se debe reportar estos criterios de parada, para los modelos
estratgicos deben tener menor exigencia de convergencia que para el modelo tctico.
6.4.2 Transporte Pblico
El concepto de estrategia ptima es una generalizacin del concepto de ruta. El tipo de
estrategia del modelo considera lo siguiente: Debido al tiempo de espera involucrado
en este sistema de transporte, el usuario puede escoger un conjunto de rutas factibles
para llegar a su destino y aborda el vehculo que llegue primero y desciende en una
parada o estacin predeterminada, basado en el tiempo esperado de viaje de la
parada hacia su destino; este proceso se repite hasta que el usuario llegue a su
destino final. Dado que la red de transporte pblico tiene varios modos de transporte,
durante la espera en la parada puede escoger otro conjunto de lneas factibles de
otros modos distintos para llegar a su destino. La estrategia ptima es aquella que
minimiza el tiempo total de viaje o el costo generalizado (CG). Los tiempos
considerados incluyen el de espera, en el vehculo y la caminata, de acuerdo a la
siguiente ecuacin.
D DWD FD HVSHUD
7 SW SWUDQV W SF W SZ 79 &* . . .
min
+ + + + =
Donde:
TV = Tiempo de viaje dentro del vehculo de transporte pblico.
pw = Peso del tiempo de caminata (a calibrarse)
HVSHUD
W = Tiempo de espera del usuario a la ruta o rutas.
L80
M
1
? C
v
1
S 1
C 1
L C
57
pc = Peso del tiempo de caminata (a calibrarse)
DWD FD
W
min
= Tiempo de caminata (en el origen y en el destino).
ptrans = Peso del transbordo (a calibrarse).
pt = Factor para convertir la tarifa en minutos.
D
7 = Tarifa total del viaje
El tiempo de espera depende de la frecuencia combinada de las rutas factibles en una
parada determinada. Por ejemplo, para calcular el tiempo de espera en una parada
donde hay un par de rutas factibles A y B y cada una de ella tiene una intervalo de
paso, est dado por:
% $
HVSHUD
,QWHUYDOR ,QWHUYDOR
W
1 1
+
=

Donde es el factor de tiempo de espera, es un parmetro para modelar diferentes
percepciones del tiempo de espera o diferentes distribuciones de tiempos de paso de
los vehculos.
La probabilidad de elegir una ruta, est dada tambin por el intervalo combinado de las
rutas factibles en determinada parada. La probabilidad de usar la ruta A se puede
expresar como:
% $
$
$
,QWHUYDOR ,QWHUYDOR
,QWHUYDOR
3
1 1
1
+
=
Con el propsito de comparar los diferentes proyectos que se desarrollan en Lima
Metropolitana, se recomienda utilizar los mtodos de asignacin siguiente:
Estrategia ptima (EMME3, 2009),
Pathfinder (TransCAD50, 2008),
Headway-based Assignment (VISUM10, 2007),
Tambin mtodo similar basado en intervalos de cualquier otro Software de
planeacin.
Para una profundizacin del tema de transporte pblico y en particular para la
formulacin de modelos de transporte para proyectos de Bus Rapid Transit o BRT,
recomendamos fuertemente la lectura de Bus Rapid Transit Planning Guide (Hook &
L80
M
1
? C
v
1
S 1
C 1
L C
58
Wright, 2007) y tambin Characteristics of Bus Rapid Transit for Decision-Making por
(Diaz, Chang, & Autores, 2004)
METUDULUCIA DE CALIBRACIUN UN MUDELU

7.1 Representatividad y prediccin en modelos de transporte

La formulacin de cualquier modelo requiere la definicin de un fenmeno (una
variable o un conjunto de variables) que necesita ser explicado y por otra parte, la
definicin de un conjunto de variables explicativas que se supone determina la
caracterstica del fenmeno que interesa analizar.
En transporte urbano, fenmenos tpicos que interesa estudiar son por ejemplo, el
nmero de viajes producidos y atrados por zona, por propsito y categora, la
probabilidad de utilizar un cierto modo de transporte, los flujos en los arcos de una
determinada red, etc. Para explicar estos fenmenos se recurre a variables tales como
las caractersticas socioeconmicas de los individuos, niveles de servicio de los modos
de transporte y otras.

Sin embargo, los modelos de transporte son utilizados no slo para explicar los
fenmenos mencionados sino tambin para predecir sus comportamientos futuros.
Por ello, es pertinente mencionar un problema habitual de cualquier modelo que va
a ser utilizado para determinar el valor futuro de una cierta variable y que dice
relacin con la factibilidad de predecir los valores de las variables explicativas
correspondientes. La calibracin de estos modelos normalmente enfrenta una
disyuntiva entre los requerimientos de la explicacin y los requerimientos de la
prediccin.
Si el primer objetivo del modelo es explicar de la mejor manera posible el fenmeno
observado en un momento determinado, entonces es correcto recurrir a toda variable
que ayude a este propsito. Pero, si el objetivo del modelo es predecir el
comportamiento futuro del fenmeno que se intenta explicar, entonces es necesario
privilegiar la inclusin de aquellas variables explicativas cuya evolucin en el tiempo
sea factible determinar razonablemente. Buena parte del arte de modelar radica en la
habilidad con que se resuelve este conflicto de objetivos.
L80
M
1
? C
v
1
S 1
C 1
L C
59
En el caso de la presente metodologa, todas las definiciones que ya se han hecho y
que se harn ms adelante respecto a las variables explicativas de los modelos, tienen
en especial consideracin la factibilidad de estimar sus valores futuros, habida cuenta
de la necesidad de utilizar la capacidad predictiva de los modelos. En resumen, lo que
interesa en este caso son modelos de tipo predictivos.
7.2 Calibracin de los modelos de demanda
Consistente con lo indicado en las secciones precedentes, la calibracin de modelos
de demanda por transporte se realiza para los viajes de tipo urbano, es decir, para
aquellos viajes que tienen por origen y destino zonas urbanas (o internas).

En este sentido, resulta relevante que los viajes considerados para las etapas de
modelacin de demanda (Generacin-Atraccin, Distribucin y Particin Modal) sean
realizados a base de un conjunto consistente de informacin. Para apoyar una mejor
definicin de este criterio que con frecuencia es olvidado, a continuacin se indica a
modo de recomendacin una serie de criterios que pueden ser usados para
seleccionar los viajes requeridos para calibracin de modelos de demanda.

Los viajes para calibracin de modelos de Generacin y Atraccin consideran valores
poblacionales, es decir la muestra expandida y corregida por sus factores de
correccin. Se usa la poblacin en este caso porque los modelos buscan relacionar
viajes con variables de usos de suelos, que consideran siempre totales zonales. A
continuacin algunos criterios recomendados.

Viajes que tengan origen destino en zonas internas (urbanas)
El viaje tenga una hora media de viaje en el perodo de anlisis.
El viaje tenga propsito consistente con la definicin.
El viaje pertenezca a un hogar al que se le pueda establecer categoras (nivel
de ingreso y posesin de autos).
Viajes que son realizados en modos modelables
No sean viajes intrazonales.
Los viajes tengan un tiempo de viaje razonable.
Los factores de correccin son:
Expansin segn el criterio utilizado.
L80
M
1
? C
v
1
S 1
C 1
L C
60
Correccin por tamao del hogar.
Correccin por gnero y edad.
Factor de correccin por sub reporte de viajes.
Entonces, los viajes que no tengan los criterios mencionados no se deben incorporar
en el anlisis.
7.2.1 Correccin por Subreporte de Viajes
Dado que la encuesta a hogares se obtiene de una muestra de la poblacin, es
necesario ajustar sus resultados a fin de que la represente en forma adecuada.
Para ello es necesario someterla a un proceso de correccin y expansin, para
obtener informacin representativa de la poblacin.

El proceso de ajuste involucra, adems de la expansin de la muestra, el efectuar
los siguientes tipos de correccin a los resultados, los que son realizados como
parte de la realizacin de la Encuesta:

Correccin por tamao del hogar.
Correccin socio-demogrfica.
Sin perjuicio de lo anterior, resulta recomendable la verificacin de la necesidad de
incluir un factor adicional denominado factor por sub-reporte de viajes, en el caso que
la situacin as lo amerite.
Las mediciones de flujos captan por lo general, la totalidad de los desplazamientos
que pasan por un determinado punto, independientemente de las caractersticas de
esos viajes. A este respecto, es necesario indicar que los desplazamientos captados
incluyen viajes habituales y otros no habituales; estos ltimos relacionados
normalmente con el desarrollo de las actividades productivas.
En general, la informacin de la encuesta domiciliaria, tiende a captar en mejor forma
el primer tipo de viajes, puesto que por su habitualidad, es usual que las personas los
reporten ms fcilmente al ser entrevistadas; por otro lado, el segundo tipo de viajes
est subreportado o simplemente no est reportado, dado que las personas
normalmente los olvidan.

Para solucionar el problema planteado, es posible concebir nuevos instrumentos
L80
M
1
? C
v
1
S 1
C 1
L C
61
de medicin, mejorar los existentes, o combinar la informacin de la encuesta a
hogares con la de usuarios, para captar viajes no habituales. Sin embargo, es
necesario ser cuidadoso, porque las posibilidades de modelacin de ese tipo de
viajes es incierta, dado que sus criterios de comportamiento no corresponden
necesariamente a los considerados en los modelos de transporte urbano (pinsese
en camiones repartidores, taxis vacos, etc.).

Un procedimiento arbitrario, que debe ser entendido como un recurso extremo, habida
cuenta de la limitacin de los instrumentos de medicin considerados para captar
todos los viajes que se realizan, es el de incluir en la encuesta un factor de correccin
de subreporte, a fin de superar de alguna forma aceptable la falencia indicada. Este
mtodo plantea calcular un factor de subreporte, contrastando la informacin de viajes
detectada en la encuesta a hogares, con la informacin de pasajeros que cruza una (o
ms) lnea(s) cortina. El mtodo planteado tienen la ventaja de corregir directamente la
encuesta a hogares, evitando en la medida de lo posible, inconsistencias posteriores
de uso. Sin embargo, ciertamente ste es un procedimiento arbitrario, que debe ser
entendido como un recurso extremo, cuando los resultados del clculo del factor de
subreporte arrojen valores significativos.

La implementacin del mtodo requiere definir lnea(s) cortinas(s) en la ciudad (Lnea
cortina del ro Rmac o la Panamericana Sur) y tener la precaucin de contar con
puntos de conteo y de tasas de ocupacin sobre ellas. Sobre cada lnea cortina, a
base de los puntos de conteo, se calculan los flujos de pasajeros que las cruzan en los
distintos modos, para el perodo definido. Por otro lado, a partir de la encuesta a
hogares se calculan los viajes totales que sean comparables con los antes indicados.
Se debe tener especial cuidado en descontar los viajes detectados en la encuesta de
cordn externo, que crucen las lneas cortinas definidas (fcilmente identificable al
conocer los orgenes y destinos de los mismos); finalmente calcular un factor de
correccin de viajes no reportados o sub-reportados, aplicable a los viajes motorizados
de la Encuesta a hogares (aquellos viajes captados en los puntos de conteo de las
lneas pantalla), por sentido y obtener, -en caso que los valores sean similares-, un
factor nico como un promedio ponderado por los flujos.

Como recomendacin general se plantea el clculo del Factor de Subreporte para
punta maana y fuera de punta. La prctica ha mostrado que en perodos de fuera de
L80
M
1
? C
v
1
S 1
C 1
L C
62
punta el nivel de subreporte es elevado (aconsejndose su inclusin), mientras que en
perodos punta es menor y no de carcter sistemtico. Luego, se puede plantear la
siguiente recomendacin general:

Cuando el factor de sub-reporte promedio del sistema resulte mayor a 1,1 (diez
por ciento de desviacin) y el factor de sub-reporte en una mayora significativa
de las lneas cortina resulte superior a 1, se justificara su inclusin, ya que,
"presumiblemente
14
" el sub-reporte sera de carcter sistemtico.
Cuando el factor de sub-reporte promedio del sistema resulte mayor a 1,1 (diez
por ciento de desviacin) y el factor de sub-reporte a nivel de las distintas
lneas pantalla presente una tendencia errtica (valores superiores a 1 en unos
casos e inferiores a 1 en otros casos), se recomienda en primer lugar, la
revisin detallada de la informacin de la Encuesta y Conteos para descartar
un error, en caso de persistir las diferencias, la recomendacin general es de
no incorporar el factor, ya que, las diferencias son en este caso de carcter
aleatoria y no sistemticas.
Valores inferiores a la unidad en general deben considerarse adecuados,
destacndose el hecho de que estructuralmente existen diferencias
metodolgicas entre informacin obtenida de la Encuesta a Hogares y la
informacin de Conteos usadas para estimar Factores de Subreporte.

Es importante sealar que el hecho de que el factor resulte levemente inferior a uno,
se explica porque la definicin de "hora media de viaje" utilizada para obtener
informacin de la EOD a hogares no es perfectamente consistente con la informacin
de flujos medida en la red.
La ventaja de este mtodo es que la lnea cortina capta por definicin a todos los
viajes que la cruzan. El factor de subreporte se aplica a viajes y no a hogares y debe
incluirse como un factor adicional en la encuesta.
Es importante sealar que la inclusin del factor de Subreporte alterar los totales
poblacionales (no la muestra) y por lo tanto, en caso de incluirse dicho factor,
adicionalmente es necesario volver a realizar la seleccin de viajes (incluyendo
adems de los factores de expansin y correccin tradicionales, el factor de sub-
L80
M
1
? C
v
1
S 1
C 1
L C
63
reporte), para calibracin de modelos de Generacin y Atraccin, ya que stos
correlacionan valores de viajes totales con ndices totales de actividad por zona.
7.2.2 Modelos de generacin y atraccin de viajes
La operacin del modelo de transporte requiere como datos de entrada los vectores
origen-destino de viajes para cada perodo de anlisis, clasificados por propsitos de
viaje y por categoras de demanda. La estimacin de tales vectores constituye el
objetivo del modelo de generacin.

Idealmente debiera estimarse un vector de orgenes y un vector de destinos por cada
propsito y categora de demanda, pero en la prctica la clasificacin por categoras
de demanda no siempre es posible. Dado que stas se definen a partir de los niveles
de ingreso y tasa de motorizacin de los hogares, la categorizacin de los orgenes
(producciones de viajes) es fcil de hacer cuando los viajes se originan en el hogar, lo
cual es una caracterstica de la mayora de los viajes en el perodo punta de la
maana y una proporcin importante en el perodo fuera de punta.

Sin embargo, durante estos mismos perodos la mayora de los viajes se realizan
hacia lugares distintos del hogar, por lo que una eventual categorizacin de los
destinos (atracciones de viajes) resultara arbitraria en el mejor de los casos.
Considerando lo anterior, el modelo propuesto supone que slo los orgenes son
clasificables por propsito-categora y los destinos en cambio, son clasificables slo
por propsitos de viaje. As, el modelo de transporte recibe como datos de entrada un
vector Origen por cada propsito de viaje y por cada categora de demanda y un
vector Destino por propsitos de viaje.
La aplicacin detallada de la metodologa se puede ver en los captulos anteriores.
7.2.3 Consideraciones adicionales en la calibracin de modelos de generacin
y atraccin.
7.2.3.1 Calibracin de modelos de generacin y atraccin para distintos sectores del
rea de estudio.
Cuando se detecten casos en que al interior del rea de estudio, exista un
comportamiento marcadamente diferente en cuanto a producciones y atracciones de
L80
M
1
? C
v
1
S 1
C 1
L C
64
viajes, lo que sucede normalmente en las distintas distritos que conforman ncleos
conurbados como los del Lima Metropolitana, una tcnica que se ha demostrado muy
til, es la de considerar distintos modelos para cada sector del rea de estudio.
As, especficamente se calibran modelos de generacin y atraccin especficos para
porciones del rea de estudio que tienen caractersticas diferenciadas. La definicin de
tales sectores deber entregarla el analista tomando en consideracin naturalmente
las distintas caractersticas de los subsectores y la disponibilidad de informacin.
Este tipo de tratamiento puede dar mayor nivel de realismo a la modelacin de
transporte. Naturalmente en este caso deber considerarse la necesaria consistencia
en el tratamiento a nivel de calibracin y aplicacin del modelo.
7.2.3.2 Agregacin de zonas.
Un procedimiento utilizado especialmente para los viajes con propsito estudio,
considera la agregacin de zonas que presentan diferencias significativas entre el
nmero de matrculas y el nmero de viajes atrados por dichas zonas.
Esta situacin se presenta, por ejemplo, cuando establecimientos educacionales se
ubican en los lmites entre dos o ms zonas: las matrculas se asignan slo a una de
ellas, mientras que los viajes pueden ser reportados en distintas zonas, generndose
as problemas en la estimacin de modelos. La solucin a este problema es agregar
las zonas involucradas y estimar modelos considerando agregacin de matrculas y
viajes, y luego repartir los viajes estimados de acuerdo a proporciones de viajes
observados en dichas zonas.
7.2.3.3 Agregacin de usos de suelos (variables explicativas).
Un procedimiento que tambin puede ser utilizado para mejorar los viajes modelados
mediante Regresin Lineal Mltiple (RLM), considera la agregacin de usos de suelos
(variables explicativas en este caso), como una forma de obtener mejores modelos, en
el sentido de mejorar ndices globales de ajuste, o bien, evitar la omisin de una
variable, que se estima relevante y que calibrada en forma aislada se justificara su
omisin.
L80
M
1
? C
v
1
S 1
C 1
L C
65
Ejemplos de lo anterior son la agregacin por ejemplo de usos comerciales + servicios
(propsitos trabajo u otros) o bien, matrculas medias + educacin superior para el
caso del propsito estudio.
7.2.4 Validacin de Modelos Calibrados
Una vez calibrados los modelos de Generacin y Atraccin de Viajes, conviene
verificar el nivel de reproduccin de los modelos respecto de los valores de viajes
obtenidos de la EOD.

Al efecto, se recomienda considerar las siguientes verificaciones:

i. Contraste en el nmero total de viajes generados por tipo (bhi, nbh y bhr),
propsito y perodo entre los modelos calibrados (usando como variables
explicativas los datos exgenos de calibracin) y los valores observados obtenidos
de la EOD. Revisin y ajustes. Como medidas de ajuste, se pueden considerar:
Agregacin de variables (como por ejemplo, comercio + servicio)
Calibracin de modelos espacialmente ms agregados (juntando zonas con
diferencias que se compensen)
ii. Contraste en el nmero total de viajes generados a nivel zonal por perodo, que
resulta de aplicar los modelos calibrados (usando como variables explicativas los
datos exgenos de calibracin) y los valores observados obtenidos de la EOD.
Dicho anlisis debe complementarse con los siguientes estudios:
Estimacin de correlacin entre viajes observados y modelados.
Verificacin visual a nivel de contraste entre viajes generados y atrados a nivel
zonal.
iii. Como resultado del procedimiento de validacin, se debe obtener como producto
final, los vectores origen-destino (para los perodos de modelacin) que representa
el dato de entrada para el modelo de transporte.
L80
M
1
? C
v
1
S 1
C 1
L C
66
7.2.5 Verificacin Final Generacin-Atraccin
A continuacin se entrega una lista de verificacin cuyo objetivo es apoyar la
correcta especificacin y calibracin de los modelos de Generacin y Atraccin de
Viajes.

Definicin de criterios de caractersticas de modelacin.
Criterios de seleccin de viajes para calibracin de modelos de demanda.
Correccin de subreportes de viajes.
Calibracin de tipologa de modelos de generacin y atraccin.
Consideraciones adicionales
Validacin final de modelos
Construccin de vectores origen destino.
7.3 Calibracin de modelos de distribucin.
Se describe las metodologas que permiten obtener, calibrar o ajustar la distribucin de
de demanda.
7.3.1 Mtodo de factor de crecimiento.
Este es el caso ms sencillo, en el cual a toda una matriz se le afecta de un solo factor
constante.
LM LM
W I 7 . =
Donde:
LM
W = Matriz base
LM
7 = Matriz final
I = factor
7.3.2 Mtodo factor de crecimiento doblemente acotado o fratar
Este mtodo permite ajustar una matriz base ha vectores origen y destino objetivo
y consiste en: El balanceo de matrices en dos dimensiones, considera la matriz
inicial
LM
W
, una matriz de origen
L
2
(la produccin de viajes) y una matriz destino
M
'
(la atraccin), para calcular la matriz origen destino
LM
7
(la matriz balanceada),
consiste en encontrar coeficientes de balanceo por origen
L

y coeficientes de
balanceo por destino
M

, tal que satisface.

L80
M
1
? C
v
1
S 1
C 1
L C
67
LM M L LM
W 7 . . = por par O-D (i,j)
L
M
LM
2 7 =

por origen i.
M
L
LM
' 7 =

por destino j.
0
LM
7 por par OD (i,j).
Se asume que:

=
M
M
L
L
' 2
Estos modelos de distribucin son llamados Multiplicativos, desde que
LM
7 es el
producto de
L
,
M
y
LM
W . El algoritmo de solucin es usualmente llamado mtodo de
factor de crecimiento o Fratar /Furness o tambin Bi-Proporcional
Es importante mencionar algunos aspectos:
Si la matriz base tiene muchos ceros, puede tener problemas de convergencia.
Una desventaja de los mtodos de factor de crecimiento, es que necesitan datos
de muy buena calidad (matriz base) a pesar de sus deficiencias
Pero su defecto ms importante es que las predicciones no se ven afectadas por
cambios en los costos de transporte; por ejemplo, introduccin de nuevos modos o
nueva infraestructura
7.3.3 Modelos gravitacionales sintticos o funcin de impedancia o disuasin.
Como se describi el los captulos anteriores, la distribucin de viajes esta asociados a
factores de ajuste tanto en los vectores de origen de viaje como en el destino, tambin
est afectado por una funcin de impedancia o de disuasin ( )
LM
F I de las formas
funciones descritas.
Entonces, calibrar el un modelo gravitacional consiste en estimar los parmetros de la
funcin de impedancia tal que el modelo reproduzca, de la manera ms exacta posible
la produccin, atraccin y la distribucin de longitud de viajes.
El procedimiento requiere la entrada de datos de:
Vector de Origen y Destino de viajes.
Una matriz de impedancia o de tiempos.
L80
M
1
? C
v
1
S 1
C 1
L C
68
Una capa de zonas de trnsito.
Una seleccin de zona que deseamos incluir.
Todos los procedimientos de calibracin utilizan los vectores de Origen Destino y la
matriz de impedancia generada por la longitud de distribucin de viajes observada
(OTLD), el objetivo es calibrar el modelo tal que OTLD reproduzca lo ms prximo
posible.
7.3.3.1 Calibracin de funcin tipo exponencial y potencial.
Se refiere a la calibracin de las siguientes funciones de impedancia o de disuasin
por propsito de viaje y perodo de modelacin, de tal manera que estas funciones
estn lo ms prximo posible a OTLD
2
.
( ) ( )
LM LM
F F I = exp Funcin exponencial
( )
Q
LM LM
F F I

= Funcin potencial
Para estimar 0 0 > > \ Q se debe seguir el siguiente procedimiento.
Es un caso particular, el mtodo de calibracin ms eficiente es logrando por
comparacin, en cada iteracin la impedancia media del modelo y la impedancia
media observado, donde la impedancia media es definida como:
Donde:
LM
7 = Viajes entre la zona i a j.
LM
F = Impedancia o costo generalizado.
T = Viajes totales por propsito, perodo de modelacin.
Cada iteracin de la calibracin consiste en los siguientes pasos:
i. Calcula la matriz de factor de friccin basado en la estimacin del parmetro
L
S (esto puede ser el n ). El parmetro inicial es tomado como la inversa
de media del costo del ao base u observado
*
F .
ii. Evaluando las restricciones del modelo gravitacional de las producciones y
atracciones. Este produce una nueva matriz de flujos.

C1Lu C 1 L u
7
F 7
'
LM
LM LM
=
.
L80
M
1
? C
v
1
S 1
C 1
L C
69
iii. Calcular la impedancia media
L
F y comparando con
*
F . Si converge se detiene
el procedimiento y se obtiene los parmetros
iv. Calcular el nuevo parmetro basado en:
L L L
F F S ,
1 , 1
y
*
F usando la siguiente
ecuacin.
( ) ( )
1
1
*
1
*
1
. .

=
L L
L L L L
L
F F
S F F S F F
S
En la primera iteracin se utiliza la siguiente ecuacin.
*
1
F
S F
S
L L
L
=
+
v. Retornar al primer paso
Figura 7-1 Variacin de la funcin exponencial

W
H W )

= ) (
L80
M
1
? C
v
1
S 1
C 1
L C
70
Figura 7-2 Variacin de la funcin potencial

C










Q
Como un caso de aplicacin en el rea Metropolitana de Lima y Callao y a manera de
referencia se muestra en la Tabla 7-1, el modelo gravitacional del estudio (MTC/JICA,
2004), el parmetro (n) corresponde a la forma funcional de potencia ( )
Q
LM LM
F F I = ,
segn estrato socio econmico y propsito de viaje.
Tabla 7-1 Parmetro de modelo gravitacional
ESTRATO
Propsito de Viaje Parmetro Correlacin R
Al Trabajo - 0.943 0.758
Al Colegio - 1.554 0.706
Negocios - 1.018 0.599
Asunto Privado - 1.453 0.736
Al Hogar - 1.005 0.769
Al Trabajo - 0.864 0.707
Al Colegio - 1.454 0.704
Negocios - 0.721 0.472
Asunto Privado - 1.583 0.722
Al Hogar - 0.934 0.754
Al Trabajo - 1.329 0.787
Al Colegio - 1.865 0.793
Negocios - 1.303 0.536
Asunto Privado - 1.824 0.828
Al Hogar - 1.181 0.756
Al Trabajo - 1.206 0.723
Al Colegio - 2.106 0.697
Negocios - 1.570 0.577
Asunto Privado - 1.754 0.778
Al Hogar - 1.301 0.741
AB
C
D
E
L80
M
1
? C
v
1
S 1
C 1
L C
71
El lector interesado, puede recurrir al captulo 11 del informe final del estudio
(MTC/JICA, 2004).
7.3.3.2 Calibracin de la funcin tipo combinada o gamma
La funcin es la siguiente:
( ) ( )
LM
Q
LM LM
F .F F I = exp Funcin combinada o tipo gamma.
Donde: 0 0 > > \ Q y K>0 parmetros a calibrar y
LM
F es el tiempo o costo
generalizado entre un par de origen destino (i,j).
El procedimiento para calcular los parmetros son:
i. Aplicar el modelo gravitacional utilizando el ms reciente parmetro y las
matrices de produccin y atraccin del ao base. Esto produce una nueva
matriz produccin-atraccin.
ii. Extraer desde este nueva matriz el TLD
3
, comparando este TLD con el OTLD
(rango por rango). Si la convergencia del criterio es satisfecho por cada rango,
el procedimiento se detiene.
iii. Actualizacin del factor de friccin (F) por cada rango de impedancia r.
U
U
U
L
U
L
7/'
27/'
) ) .
1
=
Donde:

U
L
) = Valor del factor de friccin de la impedancia en el rango r de la iteracin i.

U
L
)
1
= Valor del factor de friccin de la impedancia en el rango r de la iteracin i-1.

U
27/' = El porcentaje de viajes observados en la impedancia de rango r.

U
7/' = El porcentaje de viajes del modelo en la impedancia de rango r.
iv. Calculando una regresin lineal con filas de factor de friccin como
observaciones para estimar los nuevos valores de los parmetros de la funcin
gamma.
v. Retornar al primer paso.

1Lu 1 L u
L80
M
1
? C
v
1
S 1
C 1
L C
72
Figura 7-3 Variacin de la funcin combinada

C
8
8
8
8
8
A modo de referencia, se presenta las funciones tipo combinado obtenido en el estudio
(Sogelerg, CalyMayor, & Cesel, 1998), que corresponde al modelo gravitacional tipo
funcin combinada para el rea Metropolitana de Lima y Callao.
Tabla 7-2 Modelos gravitacionales tipo combinadas
Modo Periodo Pico de la Maana Perodo pico de la Tarde
Viajes en Autos
( )
LM
F
LM LM
H F F I
1 , 0
7 . 0
1
.

=
( )
LM
F
LM LM
H F F I
11 , 0
5 . 0
2
.

=
( )
LM
F
LM LM
H F F I
1 , 0
6 . 0
1
.

=
( )
LM
F
LM LM
H F F I
12 , 0
5 . 0
2
.

=
Viajes en Transporte
pblico
( )
LM
F
LM LM
H F F I
105 , 0
7 . 0
1
.

=
( )
LM
F
LM LM
H F F I
1 , 0
5 . 0
2
.

=
( )
LM
F
LM LM
H F F I
11 , 0
5 . 0
1
.

=
( )
LM
F
LM LM
H F F I
12 , 0
5 . 0
2
.

=
7.3.4 Mtodo de ajuste de matrices Tri-dimensional.
Este mtodo consiste en considerar una tercera dimensin (respecto al bi
dimensional antes descrito) y se obtiene a partir de agrupar los pares O-D (i,j) en N
clases, las cuales estn basados en la impedancia
LM
F para hacer el viaje entre i a j.
L80
M
1
? C
v
1
S 1
C 1
L C
73
Un par O-D pertenece a la clase N con impedancia
LM
F tal que N
LM
N
F F F donde
N
F y
N
F son los lmites menor y mayor del intervalo N . Una matriz con elementos
LM
N es
utilizado para identificar el par O-D entre el intervalo N .
La informacin para la seleccin de clases (impedancia de intervalos) es obtenida
desde un histograma de distribucin de tiempos de viaje de la matriz del ao base y
que corresponde a los tiempos de viaje. Es decir, los tiempos de viaje de la red.
En la Figura 7-4 se muestra el histograma de una matriz de viaje base con su
respectiva impedancia, as mismo los intervalos de clase
N
) , tambin se puede
obtener de muestra de encuestas Origen Destino con el propsito de actualizarlos.
Los modelos de distribucin de viajes utilizan un balanceo tridimensional, toma una
matriz de entrada
LM
W , un vector origen de viaje
L
2 , un vector destino de viajes
M
' y la
tercera matriz de totales
N
) para cada intervalo N que es
LM
N . Se calcula una matriz O-
D balanceada
LM
7 calculando los coeficientes de balanceo por origen
L
, coeficientes
de balanceo por destino
M
y el coeficiente de balanceo tridimensional
LM
N
, tal que
satisface.
LM N M L LM
W 7
LM
. . . = para cada par O-D.
Tal que:
L
M
LM
2 7 =

por origen i.
M
L
LM
' 7 =

por destino j.
N
N N M L
LM
) 7
LM
=

= , ) , (
para cada intervalo N
Adems que:

= =
N
N
M
M
L
L
) ' 2
L80
M
1
? C
v
1
S 1
C 1
L C
74
Esta clase de modelos de distribucin tambin es multiplicativo tal que
LM
7 es la
multiplicacin de
L
,
M
y
LM
N
y
LM
W . El algoritmo de balanceo toma en cuenta la
tercera dimensin los totales de
N
) por cada intervalo N .
Figura 7-4 Pares O-D con impedancia

I M
7.3.5 Recomendaciones importantes.
A continuacin van algunas recomendaciones:
Matrices con muchos ceros, ya sea verdaderos o debidos a problemas de
muestreo; este problema afecta a modelos de tipo bi y/o tri proporcional
o Plantar valores pequeos en las celdas vacas.
Tratamiento de zonas (y viajes) externas
o Usualmente se utilizan tcnicas biproporcionales (Fratar/Furness)
Los viajes intrazonales no son bien representados por los modelos gravitacionales.
o Es conveniente modelarlos en forma separada
Modelacin para distintos propsitos de viaje.
o Viajes obligados (trabajo, estudio) modelo doblemente acotado
o Otros viajes modelos simplemente acotados
Los modelos gravitacionales no es capaz de capturar relaciones especiales entre
zonas
o Por ejemplo, que puedan haber crecido al mismo tiempo
L80
M
1
? C
v
1
S 1
C 1
L C
75
o Si una empresa construye viviendas para sus empleados, puede existir una
conexin especial con una zona de atraccin
o En tales casos (relaciones especiales)se puede recurrir a factores tipo K,
por ejemplo: ( )
LM
S
M
S
M
SQ
L
SQ
L
SQ
LM
F I ' % 2 $ . 7 . . =
o Sin embargo, un exceso de factores K va a atentar contra la capacidad de
prediccin del modelo.
o Por lo tanto deben usarse con sumo cuidado y slo si hay razones vlidas
para creer que tales relaciones interzonales vayan a permanecer a futuro
La distribucin de viajes es probablemente el eslabn ms dbil en la modelacin
de demanda por transporte.
Nunca se ha probado que los modelos gravitacionales se ajusten muy bien a los
datos.
Las matrices verdaderas no son muy verdaderas tampoco.
Las comparaciones deben hacerse a un nivel ms agregado (por ejemplo, reas o
municipalidades) y ah a los modelos gravitacionales le va mejor.
Por otro lado, no hay muchas alternativas
El mtodo incremental o Fratar tiene la ventaja de preservar ms de la
informacin contenida en una buena matriz inicial.
Algunos errores en las matrices de viaje se compensan en la etapa de
asignacin pero no siempre.
7.4 Calibracin de la particin modal
La calibracin del modelo de particin modal propuesto en la presente metodologa,
consiste en estimar los valores de los parmetros de la funcin de utilidad, los modelos
ms utilizados en la prctica son:
7.4.1 Logit multinomial
La caracterstica principal de esta metodologa, es la independencia entre las
alternativas que enfrenta un individuo. Es decir, la probabilidad de elegir una
alternativa de transporte es independiente de la presencia o atributo de cualquiera de
las otras alternativas.
Sea los siguientes modos disponibles para un individuo:
L80
M
1
? C
v
1
S 1
C 1
L C
76
Figura 7-5 Modelo logit multinomial
Auto Bus Tren
Entonces:
La probabilidad de elegir viajes en Auto es:
7UHQ EXV $XWR
$XWR
8 8 8
8
$XWR
H H H
H
3
+ +
=
La probabilidad de elegir viajes en Bus es:
7UHQ EXV $XWR
%XV
8 8 8
8
%XV
H H H
H
3
+ +
=
La probabilidad de elegir viajes en Tren es:
7UHQ EXV $XWR
7UHQ
8 8 8
8
7UHQ
H H H
H
3
+ +
=
Donde:
WUHQ %XV $XWR
8 8 8 , , = Funciones de utilidad por cada modo de transporte.
7UHQ %XV $XWR
3 3 3 , , = Probabilidad de eleccin de los modos.
H = base de los logaritmos neperianos= 2.7182
Este mtodo es ampliamente utilizado por que es simple y fcil de implementarse. La
mayor crtica que tiene esta metodologa es cuando las alternativas no son
independientes, para este caso tenemos el mtodo de Logit Jerrquico.
7.4.2 Logit jerrquicos.
Este mtodo resuelve el problema de la no independencia entre las alternativas, por
ejemplo: si un individuo enfrenta una eleccin en transporte pblico entre un sistema
de Bus y otro de Tren Ligero es ms probable que primero elija entre estos modos
porque tienen algunas caractersticas en comn, antes que cambiarse al auto o taxi.
Sean las siguientes alternativas disponibles.
L80
M
1
? C
v
1
S 1
C 1
L C
77
Figura 7-6 Modelo Jerrquico
Auto
Taxi
Tren
Ligero
(TL)
Bus
Transporte
Publico (TP)
Entonces, tenemos las siguientes probabilidades condicionales.
La probabilidad de elegir Bus dado que eligi TP:
( )
WS
7/
WS
EXV
WS
EXV
8 8
8
H H
H
73 %XV 3

+
=
La probabilidad de elegir Tren Ligero (TL) dado que eligi TP es:
( )
WS
7/
WS
EXV
WS
7/
8 8
8
H H
H
73 7/ 3

+
=
Luego,
La probabilidad de elegir Auto es:
( )
73 73 73 WD[L $XWR
$XWR
8 8 8
8
H H H
H
$XWR 3
+
+ +
=
.
) (

La probabilidad de elegir Taxis es:

( )
73 73 73 WD[L $XWR
7D[L
8 8 8
8
H H H
H
7D[L 3
+
+ +
=
.
) (

La probabilidad de elegir el transporte pblico (TP) es:

( )
( )
73 73 73 WD[L $XWR
73 73 73
8 8 8
8
H H H
H
73 3
+
+
+ +
=
.
.
) (

Donde:

+ =
73
7/
73
EXV
8 8
73
H H

log , Conocido como utilidad mxima esperada, o logsum.
L80
M
1
? C
v
1
S 1
C 1
L C
78
7/ %XV 7D[L $XWR
8 8 8 8 , , , = Funciones de utilidad por cada modo de transporte.
73
8 = Funcin de utilidad de las variables comunes a los modos de transporte pblico.
) ( ), ( ), ( ), ( 7/ 3 %XV 3 7D[L 3 $XWR 3 = Probabilidad de eleccin de los modos
Por lo tanto:
Probabilidad de elegir Bus es: ( ) ( ) ( ) 73 3 37 %XV 3 %XV 3 . =
Probabilidad de elegir Tren Ligero (TL) es: ( ) ( ) ( ) 73 3 37 7/ 3 7/ 3 . =
El lector interesado en mayor informacin puede consultar (Koppelman & Bhat, 2006)
que tiene un resumen respecto a estos dos mtodos.
7.4.3 Proceso de calibracin
En general, la probabilidad de que un individuo (con ciertas caractersticas personales
conocidas) escoja una cierta alternativa (con determinados atributos conocidos) entre
un conjunto de alternativas disponibles, puede ser entendida en funcin de un grupo
de coeficientes que se denominan y cuyos valores deben ser calibrados.
Dado que no es posible observar probabilidades de eleccin, sino directamente la
eleccin de cada individuo, normalmente se recurre a la tcnica estadstica de mxima
verosimilitud para calibrar los parmetros. Esta tcnica se basa en el hecho de que a
pesar de que una cierta muestra cualquiera de datos puede provenir de distintas
poblaciones, una muestra en particular tiene una mayor probabilidad de provenir de
una poblacin especfica que de otras. Por lo tanto, el mtodo de la mxima
verosimilitud estima los parmetros de

tal forma que ellos sean consistentes lo ms

a menudo posible con cualquier muestra observada de la poblacin. Ello se logra
maximizando la funcin de verosimilitud respecto de los parmetros.

Supngase que se dispone de una muestra de N individuos y que se puede formular la
probabilidad (en funcin de los coeficientes de que cada individuo k escoja la
alternativa i que efectivamente eligi: ) (L 3
N
. Supngase adems que existen M
alternativas de eleccin y que cada individuo tiene un conjunto Ck de alternativas
disponibles.

L80
M
1
? C
v
1
S 1
C 1
L C
79
Si ahora se agrupan los individuos de acuerdo a la alternativa escogida por ellos, se
obtendrn M subconjuntos de probabilidades, cada uno de los cuales tendr un
nmero de elementos igual al nmero de individuos que escogieron cada alternativa:
N1, N2,....NM.

As, la funcin de verosimilitud adquiere la siguiente forma:
( ) ( ) ( ) ( )

= + + + =
+
+ =
=
1
2 1
2 1
1
1 1 ... 1
.. .......... 2 1
1
N
1
1 1 N
N
1 1
1 N
N N
0 3 3 3 /
Esta expresin se puede simplificar definiendo una variable dummy
LN

N
que tomar
un valor 1 para la alternativa i Ck escogida por el individuo k y tomar un valor 0
en otros casos:
( ) ( )

=
=
1
N & L
N
N
N
L 3 /
1

Y puesto que se trata de maximizar esta funcin, un procedimiento equivalente

resulta de maximizar el logaritmo natural de la funcin de verosimilitud, que es ms
simple y conduce al mismo ptimo:
( ) ( ) ( )

=
= =
1
N & L
N LN
N
L 3 / O
1
ln ln

La maximizacin de la funcin ( ) O respecto de los coeficientes, entregar los
*

ptimos que corresponden a los coeficientes de calibracin que se buscan. Existen
diversos programas computacionales que permiten realizar esta tarea, pero ellos
dependen del tipo de modelo de particin modal que se est proponiendo y que
definir la formulacin de la probabilidad ( ) L 3
N
. En el caso de los modelos logit
multinomiales y jerrquicos, los programas disponibles son diversos y bien conocidos,
adems son los modelos ms utilizados.
7.4.4 Criterios de calibracin.
Para la calibracin del los modelos, los indicadores normales de verificacin son:
L80
M
1
? C
v
1
S 1
C 1
L C
80
Signos y significancia estadstica de los coeficientes de las variables.
Log-likehihood (modo final, inicial y solo constantes).

ajustado
Porcentaje correctamente predicho de los modos.
Pesos en las componentes de tiempos de viaje en vehculo, tiempos de espera
y caminata.
Valores subjetivos del tiempo de los usuarios que se desprenden de los
modelos calibrados.
7.4.5 Especificacin de las funciones de utilidad.
Es recomendable que la especificacin de las funciones de utilidad sea como la
siguiente ecuacin (Ortzar & Willumsen, 2001):
mk
ij
k z
mk
z
mk
z
mk m m
ij
X . Y . U

+ + =
Donde:
m
ij
U = Funcin de utilidad del modo m, entre el origen i y el destino j.
m
= Constante especfica del modo m, se consider como modo base.
mk
= Efecto principal de la variable k en el modo m
mk
z
= Coeficiente de la variable z (socioeconmica), que interacta con la variable
principal k en el modo m.
mk
z
Y = Variable z, es una variable principalmente socio econmica que interacta
con la variable principal k.
La ventaja principal de esta especificacin es que se pueda obtener un Valor Subjetivo
del Tiempo (VST) en funcin de las variables socio econmica y tambin se puede
utilizar todo el conjunto de la base de datos recopilados.
El Valor Subjetivo del Tiempo (VST), tiene la siguiente especificacin.
L80
M
1
? C
v
1
S 1
C 1
L C
81

+
+
=
z
mc
z
mc
z
mc
z
mt
z
mt
z
mt
m
Y .
Y .
VST
Donde:
t se refiere al coeficiente relacionado a la variable principal de tiempo.
c se refiere al coeficiente relacionado a la variable principal de costos o tarifa.
z son las variables que interacta con las variables tiempos o costos.
7.4.6 Mtodo incremental en cambio modal
El mtodo incremental o Pivot consiste en modificar la particin modal base (calibrado
a un ao base) con la variacin de las variables de la funcin de utilidad en el futuro,
es decir para un modo L :
Donde:
= Particin modal existente (base) del modo L
= Probabilidad futura del modo L

= Utilidad del modo existente (base) L
= Utilidad del modo L en el futuro (son las mismas variables)
= Nmero de modos disponibles.
A continuacin se muestra un caso de aplicacin, en la Figura 7-7 se muestra los
resultados de las funciones de utilidad de una ciudad, para modo transporte pblico y
privado.

=
N
M
8
M
8
L I
L
M
L
H 3
H 3
3
1
L
3
I
L
3
L
I
L L
8 8 8 =
L
8
I
L
8
N
L80
M
1
? C
v
1
S 1
C 1
L C
82
Figura 7-7 Caso de mtodo incremental de Transporte Pblico y Privado
Nota:
Las funciones de utilidad son reales, pero de otra ciudad (no aplicable al Per), solo se muestra como
ilustracin.
En la Figura 7-8 se muestra la sensibilidad utilizando el mtodo incremental, el cambio
modal de viajeros en autos respecto a la variacin del costo de viaje en auto; en este
caso se refiere al costo directo que viene a ser el costo del combustible y el valor del
estacionamiento en la zona central de una ciudad.
L80
M
1
? C
v
1
S 1
C 1
L C
83
En la Figura 7-9 se muestra la sensibilidad con el mtodo incremental del cambio
modal, debido a variacin del ingreso familiar.
Figura 7-8 Sensibilidad a cambio modal de viajes en auto y los costos del auto.

C L USD
l A
l M
l 8
Figura 7-9 Sensibilidad a cambio modal por variacin en el nivel de ingreso familiar

8 M A
C

C I I
1
1
L80
M
1
? C
v
1
S 1
C 1
L C
84
Importante:
Este mtodo es aplicable si se define los modos viajes al inicio del proceso de
modelacin, es decir en la Produccin/Atraccin de viajes y luego en la distribucin. La
particin modal base se calibra con informacin de flujo vehicular y de pasajeros en la
red de transportes.
7.4.7 Casos de referencia.
Como una referencia, a continuacin mostramos los resultados de la funcin de
utilidad y los valores del tiempo y los pesos de las variables de los estudios (Sogelerg,
CalyMayor, & Cesel, 1998) realizado en 1997 y el estudio del Tren Elctrico (Martinez,
2001) realizado en el 2001. El mtodo empleado fue la de Eleccin Binaria.
Tabla 7-3 Coeficientes de las funciones de utilidad 1997 y 2001.
Propsito
de viaje
Constante
Tarifa por
viaje
Tiempo en
vehiculo
Caminata Transferencia
VST
(S/./Min)
VST (USD
$/Hr)
Peso
Caminata
Peso
Transferencia
Referencia
(ao de
encuesta)
Tipo de
Cambio
Trabajo 0.4087 -1.3640 -0.0354 -0.1924 -0.1808
(1)
0.026 0.570 5.435 5.107 1997 1$ =S/. 2.73
Estudio 0.2439 -1.6130 -0.0442 -0.2232 -0.1383
(1)
0.027 0.602 5.050 3.129 1997 1$ =S/. 2.73
Trabajo 0.4781 -1.7809 -0.0533 -0.5101 -0.1484
(1)
0.030 0.513 9.570 2.784 2001 1$ =S/. 3.50
Estudio 0.1400 -2.8197 -0.0757 -0.4247 -0.1595
(1)
0.027 0.460 5.610 2.107 2001 1$ =S/. 3.50
Nota:
(1)
Considera el tiempo de espera y transferencia como una sola variable.

Igualmente, se realizaron encuestas de preferencias declaradas con la finalidad de

obtener modeles de eleccin modal en el rea Metropolitana de Lima y Callao (JICA,
2004) que se muestra a continuacin. El mtodo empleado fue el ranking.
Tabla 7-4 Coeficiente de funciones de utilidad del MTC/JICA 2004
AB C D E AB C D E
1 CONST de carro 0.115 -0.642 -2.138 -6.118 -1.397 -3.152 -2.931 -17.680 0.347 -0.635
2 CONST de Taxi -0.746 -0.126 19.726 -2.397 -0.064 -0.505 -0.127 -1.905 0.544 -0.922
3 CONST de Bus -2.037 -1.841 -1.772 -1.615 -1.956 -1.564 -3.324 -2.401 -1.012 -1.056
4 CONST de Bus Troncal -0.529 -0.395 0.360 -0.096 0.399 0.983 -0.813 -0.172 0.505 0.375
5 TIEMPO -0.047 -0.044 -0.043 -0.014 -0.040 -0.035 -0.075 -0.023 -0.049 -0.032
6 COSTO -0.499 -0.730 -1.058 -0.426 -0.502 -0.631 -1.827 -0.722 -0.577 -0.522
7 Tiempo de Espera de Taxi -0.275 -0.049 -6.473 -0.089 -0.173 -0.253 -0.406 -0.162 -0.256 -0.169
8 Tiempo de Espera de Bus -0.012 -0.099 -0.295 -0.236 -0.203 -0.281 -0.034 -0.153 -0.215 -0.240
9 Tiempo de Transferencia de Bus -0.314 -0.089 -0.792 -1.349 -0.676 -0.926 -2.847 -0.165 -0.267 -0.430
10 Tiempo de Espera de Bus Troncal -0.113 -0.198 -0.306 -0.303 -0.305 -0.546 -0.520 -0.394 -0.263 -0.258
11 Tiempo de Transferencia de Bus Troncal -0.050 -0.102 -0.246 -0.295 -0.861 -0.558 -0.362 -0.165 -0.105 -0.253
12 Tiempo de Espera de Tren -0.192 -0.318 -0.225 -0.339 -0.340 -0.488 -0.711 -0.342 -0.211 -0.215
13 Tiempo de Transferencia de Tren -0.173 -0.016 -0.421 -0.215 -0.188 -0.110 -0.362 -0.586 -0.105 -0.327
Soles/Minutos 0.095 0.061 0.040 0.032 0.081 0.055 0.041 0.032 0.085 0.061
Soles/Hora 5.684 3.635 2.421 1.929 4.833 3.294 2.451 1.941 5.081 3.687
USD/Hora (TC=3.27 en el 2004) 1.687 1.078 0.718 0.572 1.434 0.977 0.727 0.576 1.508 1.094
Valor
Subjetivo
del Tiempo
(VST)
Motivo Trabajo por Estrao Propsito Estudio por Estrato Propsito
Negocios
Propsito
Privado
Variables Secuencia

L80
M
1
? C
v
1
S 1
C 1
L C
85

7.5 Calibracin de la asignacin en Transporte Privado

A continuacin se mostrar el proceso de calibracin de la asignacin de transporte
privado.
7.5.1 Preparacin de los datos para el proceso de calibracin
En la Figura 7-10 7-10 se muestra el requerimiento del conjunto de datos para el inicio
del proceso de calibracin en general.
Para la comprensin especfica se debe referir a los manuales de usuario de cada
Software de Planeacin de Transporte.
Figura 7-10 Preparacin de los datos
L80
M
1
? C
v
1
S 1
C 1
L C
86
7.5.2 Metodologa del proceso de calibracin
En todo proceso de calibracin de un modelo de transporte, se debe iniciar por el
transporte privado. En la Figura 7-11 7-11 se muestra la metodologa recomendada
para este proceso.
La calibracin de transporte privado tiene por objetivo reproducir la situacin real de
tiempos y volmenes vehiculares en la red vial, verificando que los caminos en el
modelo corresponden a las alternativas que efectivamente los usuarios utilizan para
realizar sus desplazamientos.
Figura 7-11 Metodologa de calibracin de transporte privado
L80
M
1
? C
v
1
S 1
C 1
L C
87
Para lograr este objetivo, se debe utilizar los tornillos de ajuste que a continuacin se
menciona:
i. Precarga. Las rutas de transporte pblico tiene rutas fijas por lo tanto siempre
estarn presentes en la red vial en la cual este permitida su circulacin. Entonces,
antes que se asignen los autos existir la presencia de los vehculos de transporte
pblico es decir, habr una precarga-. Sin embargo, esta precarga debe ser la
que corresponde al flujo de vehculos reales de transporte pblico, por lo tanto es
importante conocer el intervalo de paso de cada ruta, para establecer la cantidad
de vehculos que circulan por la red vial y se tenga una precarga real. En otras
palabras, se debe calibrar el flujo vehicular de transporte pblico y por aadidura
se debe haber calibrado el intervalo de paso de cada ruta.
ii. Camiones de carga.- Si se tiene matrices de camiones se puede incorporar
igualmente como precargas. En otros casos, agregar el flujo de camiones de
acuerdo a flujos aproximados obtenidas en aforos vehiculares.
iii. Vehculos equivalentes.- Tanto al precarga de vehculos de transporte de pblico
como la de camiones deben estar en vehculos equivalentes de acuerdo a la Tabla
4-1.
Tabla 7-5 Vehculos Equivalentes (Veq)
Vehiculo
Vehiculos Equivalente
(Veq)
Motocicleta 0.50
Mototaxi 0.75
Auto 1.00
Taxi 1.00
Auto Colectivo 1.00
Combi 1.25
Microbus 2.50
Bus 3.00
Other bus 3.00
Camin Pequeo 1.50
Camin Grande 2.50
Camiones Articulados 6.00
Fuente: (MTC/JICA, 2004)
iv. Capacidad de las vialidades.- Las capacidades de las vas deben ser consistentes
con el perodo de modelacin y deben considerar todos los efectos tal como la
semaforizacin, pendientes, cantidad de carriles etc. Una buena referencia es la
sobre este tema es (Cal y Mayor & Crdenas, 2006).
L80
M
1
? C
v
1
S 1
C 1
L C
88
v. Funciones de Volumen Demora.- En la calibracin del transporte privado, los
parmetros de las funciones de volumen demora y las penalizaciones en
intersecciones son uno de los tornillos ms importantes que hay ajustar para
lograr reproducir la situacin real de los tiempos y aforos sobe la red.
Para poder determinar los valores de los parmetros de las funciones asignadas a
la red vial, se debe seguir un procedimiento iterativo modificando dichos
parmetros de manera razonable hasta lograr reproducir en forma aproximada los
tiempos de viaje de la red y los flujos vehiculares. Un aspecto importante que
apoya este proceso, es la adecuada clasificacin vial funcional tal como se
mencion en puntos anteriores, que incluye la determinacin de las velocidades de
flujo libre.
Es importante que se deban eliminar previamente posibles errores de codificacin
de la red vial, conectividad, atributos como longitud y cantidad de carriles y la
simetra de dichos datos.
Funcin BPR (Buraeu of Public Roads)
) ) ( * 1 ( *
0

&DSDFLGDG
9ROXPHQ
Y
ORQJLWXG
W + =

En la Figura 7-12 7-12 se muestra algunas funciones para algunas vialidades

tpicas, se puede apreciar la variacin de la velocidad respecto a la relacin
Volumen/Capacidad.
Figura 7-12 Funcin tipo BPR algunos valores
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
80.0
90.0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
0
.3
0
0
.3
5
0
.4
0
0
.4
5
0
.5
0
0
.5
5
0
.6
0
0
.6
5
0
.7
0
0
.7
5
0
.8
0
0
.8
5
0
.9
0
0
.9
5
1
.0
0
1
.0
5
1
.1
0
1
.1
5
1
.2
0
1
.2
5
1
.3
0
1
.3
5
1
.4
0
1
.4
5
1
.5
0
V
e
l
o
c
i
d
a
d

(
K
m
/
h
r
)
Relacin Volumen/Capacidad
Arterial, Alfa=3.75;Beta=3.35
Colectoras,Alfa=1.1;Beta=3.2
Vias Expresas, Alfa=2.55;Beta=2. 65
Locales, Alfa=1.38; Beta=2.35
Tpica, Alfa=0.15;Beta=4

L80
M
1
? C
v
1
S 1
C 1
L C
89
Funcin tipo cnica o de Heinz Spiess

+ =
&DSDFLGDG
9ROXPHQ
&DSDFLGDG
9ROXPHQ
Y
ORQJLWXG
W
R
1 1 2 *
2
2
2

Donde:
2 2
1 2

Figura 7-13 Funciones tipo Cnica tpicas.

0
20
40
60
80
100
120
0
.1
6
0
.3
0
0
.4
3
0
.5
6
0
.6
9
0
.8
2
0
.9
5
1
.0
9
1
.2
2
1
.3
5
1
.4
8
1
.6
1
1
.7
4
1
.8
8
V
e
l
o
c
i
d
a
d

(
K
m
s
/
h
r
)
Volumen/Capacidad
alfa=2
alfa=3
alfa=4
alfa=5
alfa=6
alfa=7

vi. Conversin de matrices de viaje.- Las matrices de viajes estn generalmente en

viajes-persona. Para el caso de asignacin de transporte privado se asigna
matrices en vehculos o autos. Entonces, es necesario realizar la conversin de
viajes-persona a viajes-auto.
Se puede obtener un vector de tasa de ocupacin de pasajeros/auto (auto y taxi)
por cada zona origen de viajes de la EODH y esto permite realizar la conversin,
segn perodo de modelacin. Un recurso extremo es a partir de las encuestas en
lneas cortinas de ocupacin de auto (auto particular y taxi) determinar la tasa de
ocupacin promedio y aplicar directamente a las matrices de viajes-persona.
Finalmente, este proceso nos lleva a comparar los resultados finales siguientes:
DOHV 0RGHOR
3~EOLFR 7UDQVSRUWH 9HKLFXORV 3~EOLFR 7UDQVSRUWH 9HKLFXORV
Re

DOHV 0RGHOR
$XWRV $IRURV $XWRV $IRURV
Re

DOHV 0RGHOR
5HFRUULGR 7LHPSR 5HFRUULGR 7LHPSR
Re

DOHV 0RGHOR
&DPLQRV &DPLQRV
Re

L80
M
1
? C
v
1
S 1
C 1
L C
90
En el caso de los parmetros de calibracin, o sea, los reales, stos deben ser
medidos u observados directamente en campo, considerando la realizacin de aforos
vehiculares y estudios de tiempos de recorrido para los dos primeros casos. Para la
calibracin de los caminos es necesario contar con conocimiento de cmo se realizan
los desplazamientos en la red vial.

7.6 Calibracin del Transporte Pblico

7.6.1 Preparacin de los datos
Para la asignacin de transporte pblico es necesario tener la los datos de acuerdo a
la Figura 7-14, antes de proceder al inicio del proceso de calibracin.
Figura 7-14 Preparacin de datos para asignacin de transporte pblico
L80
M
1
? C
v
1
S 1
C 1
L C
91
7.6.2 Metodologa de calibracin de transporte pblico.
continuacin se muestra una metodologa que se recomienda para los procesos de
calibracin de transporte pblico.
El objetivo de este proceso es, lograr reproducir en forma razonable los pasajeros y
tiempos de viaje observados y modelados. As tambin, el camino o el conjunto de
rutas que determinados viajes utilizan para realizar entre un Origen Destino.
Figura 7-15 Metodologa de calibracin de Transporte Pblico
Asignacin de Transporte Privado
(CaIibrado)
Tiempo de Viaje en T. Priv
Estimacin de la relacin de velocidades de
Auto y Transporte Pblico
Velocidad T. Pub = f(Velocidad T. Priv)
PESOS
- Tiempo en el vehculo
- Tiempo de caminata
- Tiempo de espera
- Costo del viaje
- Tiempo de trasbordo
Asignacin de Transporte pbIico
Comparacin de:
- Tiempos de recorrido
- Tiempos de caminata
- Tiempos de espera
- Tiempos de trasbordos
Observados y Asignados
Comparacin de
volmenes de pasajeros
por corredor observados y
asignados
ModeIo CaIibrado
- ntervalo efectivo en cada ruta
- Tiempos de demora en
estaciones
Pasajeros Observados
Tiempos observados en
campo tanto de autos y
autobuses, trfico mixto
Matrices de Transporte Pblico
Calibrado?
No
Si
Los tornillos a utilizar para la calibracin son:
i. Se debe previamente haber obtenido una relacin para trfico mixto la relacin de
tiempo en transporte pblico y el de transporte privado. Esto se obtiene a partir de
mediciones de tiempo de viaje tanto de transporte privado como de transporte
pblico. Entonces se debe obtener una funcin de la siguiente caracterstica.
SULYDGR WUDQVSRUWH SXEOLFR WUDQVSRUWH
NW W

=
L80
M
1
? C
v
1
S 1
C 1
L C
92
Donde 1 > N y se pude diferencia segn tipo de ruta, corredores mixtos, tipo de
vehculo de transporte pblico (Combi, Microbs y mnibus), etc.
ii. Los pesos de los diferentes componentes del tiempo viaje en transporte pblico.
Estos pesos inicialmente se obtienen a partir de una Encuesta de Preferencia
Declarada ver Tabla 7-3. Sin embargo, podra modificarse dentro de un rango
razonable.
iii. Los intervalos efectivos de las rutas.- Los tiempos de espera estn en funcin del
intervalo de una ruta. Entonces, para el caso de rutas que tengan un intervalo real
ms de 15 minutos, es recomendable utilizar este valor como el umbral mximo.
Esto es por sencilla razn de que el usuario al conocer el intervalo de la ruta, el
arribo no ser aleatorio y su tiempo de espera no est asociado al intervalo real de
la ruta.
Entonces, para poder calibrar el modelo de transporte pblico, se debe comparar:
DOHV 0RGHOR
3DVDMHURV 9ROXPHQ 3DVDMHURV 9ROXPHQ
Re

DOHV 0RGHOR
5HFRUULGR 7LHPSR 5HFRUULGR 7LHPSR
Re

DOHV 0RGHOR
DWD &D 7LHPSR DWD &D 7LHPSR
Re
min min
DOHV 0RGHOR
(VSHUD 7LHPSR (VSHUD 7LHPSR
Re

DOHV 0RGHOR
V 7UDQVERUGR 1~PHUR V 7UDQVERUGR 1~PHUR
Re

DOHV 0RGHOR
&DPLQRV &DPLQRV
Re

Como se puede observar, existe un mayor nmero de datos de comparacin entre el
modelo y la situacin real, lo que resulta en un proceso ms complejo de calibracin
que en el caso del transporte privado.
7.7 Criterios de calibracin
7.7.1 Datos en la red vial
Los criterios para la comparacin de datos observados en la red son aplicables para
los siguientes casos de comparacin:
Aforos de vehculos.
Flujo de Pasajeros en tramos de la red vial o de sistemas de rutas.
L80
M
1
? C
v
1
S 1
C 1
L C
93
Tiempos de viaje en tramos de la red vial.
Los datos en la red a comparar puede ser lo ms desagregado que sea posible por
ejemplo: tipo de vehculo, por ruta, tipo de va, etc.
7.7.1.1 Indicador GEH
Estadstico GEH
4
por enlace, aceptado por la mayora de los consultores como un
indicador de calibracin sobre la red. Su formulacin es:
Donde:
L
& es el dato observado y
L
$ es el dato asignado por el modelo en el enlace L .
Los criterios de aceptacin son:
El valor de GEH<=4 para lneas cortinas, un corredor de inters de estudio.
Al menos el 60% tengan GEH<=5.
El 90% de casos el GEH <=10
El 100% de casos menor GEH<=12
Un GEH mayores todava puede ser aceptado, siempre y cuando estos estn muy
lejanos de la zona de mayor inters de estudio.
La razn para introducir este estadstico en la calibracin es la incapacidad que tiene
la diferencia absoluta o la diferencia relativa para hacer frente a un amplio rango de
flujos. Por ejemplo, una diferencia absoluta de 100 autos/da puede tener una gran
relevancia si el flujo est en el orden de 200 autos/da, pero podra considerarse sin
importancia para flujos del orden de varios miles de autos al da. De manera similar, un
error del 10% sobre 100 autos/da podra no ser tan relevante, mientras que un error
del 10% sobre 3,000 autos/da podra significar la diferencia entre construir un carril
extra o no.

L CLP C P L C

L S SA1u8n vlSuM
( )
( ) 2
) (
2
L L
L L
$ &
$ &
L *(+
+

=
L80
M
1
? C
v
1
S 1
C 1
L C
94
7.7.1.2 Estadstico %RMSE
El Root Mean Square Error (RMSE), es la raz cuadrada de las diferencias al cuadrado
entre la prediccin (asignacin) y el anlisis de los datos observados divididos entre el
nmero de observaciones.
Su formulacin es:
Donde:
L
& es el dato observado y
L
$ es el dato asignado por el modelo en el enlace
L , N es nmero de observaciones.
El criterio de aceptacin es: %RMSE<=30%
Esta medicin tambin se pude hacer, respecto a la lnea cortina o corredor de inters.
Se puede aceptar valores mayores de %RMSE, siempre y cuando que estos
corresponden al conjunto los valores que estn muy alejados de la zona de mayor
inters del estudio.
7.7.1.3 Diagrama de dispersin y estadstico R
2

Es el coeficiente de determinacin R
2
, es consecuencia de los niveles de ajustes del
GEH y %RMSE y se debe verificar los siguientes rangos de valores.
Sea:
REVHUYDGR HOR
'DWR % $ 'DWR *
mod
+ =
El criterio de aceptacin es:
Estadstico
2
5
>0.80 y
A=0 y B=0.85 1.15
7.7.2 Calibracin de parmetros con histogramas.
Aqu se refiere a la comparacin de histogramas de datos observados sobre todo el
sistema que se obtienen a partir de las EODH o de una muestra y los histogramas
obtenidos como resultado del modelo de transportes. Una forma ms precisa de
calibrar es comparando los promedios y desviacin estndar de cada histograma, en
muchos casos son reportados por los software de planificacin o se puede obtener
fcilmente en forma externa.
Los histogramas ms importantes son:
Tiempos de viaje total por modos.
Tiempo de espera en paraderos en transporte pblico.
( )
( )
1
&
1
$ &
506(
L
L L

=
1
* 100
2
L80
M
1
? C
v
1
S 1
C 1
L C
95
Tiempo de caminata.
Nmero de transbordos.
Matrices de viajes, si se realiza ajuste por aforos.
La calibracin de estas variables se realiza comparando valores promedios obtenidos
a travs de encuestas donde se pregunta directamente al usuarios, con los valores
promedios resultantes de la calibracin del modelo.
Para realizar la calibracin de estos valores, es necesario ajustar los pesos que
tienen el tiempo de espera, el tiempo de caminata y el de trasbordo en la asignacin.
En la Figura 7-16 se muestra el histograma de tiempos de viaje en transporte pblico,
el promedio de este tiempo debe compararse con el obtenido en alguna encuesta EOD
o muestra con el propsito de calibracin.
Figura 7-16 Histograma de tiempos de viaje en transporte pblico
En la Figura 7-17 7-17 se muestra el histograma del tiempo de caminata igualmente se
debe comparar el tiempo promedio de caminata obtenida en una EOD de transporte
pblico con el obtenido del histograma del modelo.
L80
M
1
? C
v
1
S 1
C 1
L C
96
Figura 7-17 Histograma de tiempos de caminata en transporte pblico.
En la Figura 7-18 7-18 se muestra el histograma de tiempos de espera en paraderos,
igualmente esta informacin se obtiene a partir de una EOD mencionado y se compara
el promedio con el obtenido del modelo.
Figura 7-18 Histograma de tiempos de espera en paraderos
En la Figura 7-19 7-19 muestra el histograma de tiempos de viaje dentro de las rutas
de transporte pblico, esta se calibra con los tiempos promedios que de recoge en los
diferentes estudios que se realiza, tal como Subida/Baja en las rutas en donde tambien
se considera los tiempos de recorrido, luego estos se comparan con los obtenidos en
los modelos.
L80
M
1
? C
v
1
S 1
C 1
L C
97
Figura 7-19 Histograma de tiempos de viaje dentro de un vehculo de T.P.
En la Figura 7-20 7-20 se muestra el histograma de transbordos en transporte pblico,
esto tambin se obtiene de la EOD en transporte pblico y luego se compara con el
obtenido del modelo.
Figura 7-20 Histograma de nmero de transbordos en transporte pblico.
La Figura 7-21 muestra el histograma de comparacin de dos matrices antes y
despus del ajuste por aforos. Esta comparacin es importante para ver que tanto se
ha distorsionado la matriz original. Para hacer este ajuste se debe tener en cuenta las
recomendaciones que mencionan en el captulo de ajuste de matrices por aforos
L80
M
1
? C
v
1
S 1
C 1
L C
98
Figura 7-21 Histograma de comparacin de matrices ajustados por aforo.
7.7.3 Calibracin de los caminos o rutas.
7.7.3.1 Caminos en red privada.
Antes de terminar la calibracin del modelo, es importante analizar los caminos o que
estn utilizando los viajes entre determinados pares Origen Destino. Esto se puede
hacer con:
Elegir 10 pares Origen Destino y mostrar grficamente los caminos que toman
para viajar entre cada par y los tiempos de viajes del modelo y elaborar una
matriz 10x10 de tiempos de viaje. Los caminos elegidos debe ser validados por
personas que hacen dichos viajes o por personas conocedores y viajeros entre
dichos pares.
Elegir un centroide en la zona cntrica de el rea de estudio y a partir de este
centroide construir lneas iscronas (igual tiempo) en toda la red vial en
intervalos de 10 minutos, ser validado igualmente que el caso precedente.
La calibracin de los caminos de viaje permite verificar que el modelo est asignando
los viajes a caminos lgicos, o sea, que los usuarios efectivamente utilizan en sus
desplazamientos. Como el modelo es de equilibrio, para un mismo par de origen
destino pueden haber diversos caminos utilizados, sin embargo solamente se puede
verificar en pantalla aquellos que inclusive incluyendo el redondeo constituyan el
camino ms corto.
7.7.3.2 Caminos en red de transporte pblico.
La calibracin de los caminos o de las estrategias es muy importante en el caso del
transporte pblico. Permite verificar si las estrategias que los usuarios seleccionan
L80
M
1
? C
v
1
S 1
C 1
L C
99
para desplazarse de un par de origen destino a otro son razonables, considerando el
conocimiento previo que se tenga del patrn de desplazamientos de los usuarios. Se
toman en cuenta el nmero de trasbordos, el tiempo de caminata y espera, el tiempo
de viaje para realizar esta verificacin.
Al igual que el caso anterior, se debe elaborar una matriz de 10x10 zonas para mostrar
los diferentes componentes de los viajes y los caminos o rutas que eligen para viajar
entre dichos pares.
7.7.4 Lneas de deseo de viajes.
Se debe mostrar en tablas y grficamente las lneas de desea de pares Origen Destino
emblemticos de la ciudad, por modo y motivo de viaje por cada perodo de
modelacin.
7.8 Criterios de validacin.
La validacin de un modelo de transporte consiste en probar la capacidad de un
modelo calibrado en pronosticar los resultados razonables en el futuro o en otras
partes de red no calibrada.
Se tiene dos formas de validar un modelo una vez calibrado:
Se entregue una fuente de datos externos y no utilizados en la calibracin y que
corresponda al rea de estudio y tenga una fuente confiable, se incorpora al
modelo y se vuelve a verificar los estadsticos.
De los datos disponibles para calibracin, de forma aleatoria se extrae el 10% de
ellos y no se utiliza en el proceso de calibracin. Entonces, luego estos datos se
incorporan luego y nuevamente se verifica los estadsticos.
A continuacin se muestra a modo de ejemplo los grficos de dispersin para un
modelo calibrado y el mismo modelo calibrado ms datos de validacin; de igual forma
se debe validar los otros estadsticos.
L80
M
1
? C
v
1
S 1
C 1
L C
100
Figura 7-22 Histograma de calibracin de un modelo
Figura 7-23 Histograma de calibracin + validacin de un modelo
L80
M
1
? C
v
1
S 1
C 1
L C
101
REQUERIMIENTU DE INFURMACIUN
Una vez que se ha definido el tipo de modelo, las fases del modelo y los procesos de
calibracin, ahora debemos de saber la informacin a recopilar de campo, las cuales
enumeramos a continuacin.
8.1 Encuesta Origen-Destino en Hogares (EODH).
La principal fuente de informacin es una encuesta origen destino de viajes realizada
en hogares (EODH). Otros instrumentos de medicin tambin propuestos, estarn
bsicamente destinados a complementar y verificar los datos obtenidos de la EOD.
Las razones de esta proposicin se resumen como sigue:

i. La EODH representa la fuente de datos ms confiable y vlida para los
objetivos de calibracin de modelos, especialmente los modelos de demanda.
La experiencia internacional con otros mtodos de obtencin de informacin
para estos objetivos, no ha sido particularmente exitosa.
ii. La EODH permite tener una visin general de las caractersticas del sistema de
transporte y de sus patrones de comportamiento. Ello es particularmente
importante en ciudades donde existe escasa o ninguna informacin histrica.
iii. La diversidad y completitud de la informacin obtenida en una EODH,
representan una base de datos til para muchas tareas adicionales de anlisis
de transporte.

La recoleccin de informacin no es independiente del tamao de la ciudad y del
nmero de habitantes. La logstica necesaria para abordar una encuesta de gran
tamao, amerita un tratamiento especial, para lo cual se debe desarrollar una
metodologa de diseo e implementacin del proceso de recoleccin de toda la
informacin necesaria para caracterizar el sistema de transporte urbano.

Sobre las tcnicas y estimacin del tamao de muestra, se encuentran en el Anexo A.
8.1.1 Encuestas Origen Destino interceptacin (EODI).
La encuesta origen destino de interceptacin (EODI) entrega informacin que es la
base para el anlisis de proyectos en los cuales se espera que exista reasignacin de
viajes, cambios en la divisin modal o redistribucin de viajes, a travs de ella ser
L80
M
1
? C
v
1
S 1
C 1
L C
102
posible conocer algunas caractersticas bsicas de los viajes que se registran en la
red (origen-destino, propsito, horario, etc.).
Estas encuestas de EODI permitir complementar la matriz origen destino que ser
asignado a la red o bien generar la matriz a priori que permitir la estimacin de ella.
Tambin permitir validar los resultados de los modelos de demanda de transporte
calibrados y alternativamente, proveer de una matriz de viajes para efectos de
calibracin de redes de transporte pblico y privado.
Existe una diversidad de mtodos para realizar EODI; dentro de los ms conocidos
son los siguientes:
i. Encuesta Directa. Esta tcnica consiste en detener a los vehculos en la va
en ciertos puntos de control y hacerles un conjunto de preguntas
predeterminadas acerca de su viaje (destino, origen y propsito del viaje como
mnimo). El mtodo es til para obtener informacin que no es fcil de recopilar
por observacin directa. La encuesta directa debe ser muy corta, precisa y no
sujeta a interpretaciones por parte del encuestado ni del encuestador. Su
procesamiento es fcil y directo. Tiene la desventaja de que puede provocar
molestias al usuario por la demora en su viaje que la encuesta significa.
ii. Encuesta a pasajeros. Esta modalidad es aplicable a pasajeros de modos de
transporte pblico, tales como micro, mnibus. Consiste en abordar a una
muestra aleatoria de pasajeros, ya sea a bordo del vehculo o en una
instalacin terminal, entrevistndolos para obtener informacin acerca del viaje
que estn realizando y acerca de sus caractersticas socioeconmicas.
iii. Mtodo de las placas. Este mtodo consiste bsicamente en ubicar
observadores a la orilla de la va, en todas las entradas y salidas del rea de
estudio, a fin de que anoten el nmero de la placa (y a veces el tiempo de
pasada) de cada vehculo. Las rutas seguidas por los vehculos pueden ser
posteriormente deducidas al hacer calzar los nmeros de las placas. Esta
tcnica es apropiada para seguir los desplazamientos del trnsito en
situaciones caracterizadas por un gran nmero de orgenes y destinos
enlazados por un sistema de calles complejo. La gran desventaja del mtodo
es que se requiere un gran esfuerzo para el anlisis y procesamiento de los
datos.
L80
M
1
? C
v
1
S 1
C 1
L C
103

El mtodo recomendado es la encuesta directa para todo tipo de vehculo y la
encuesta a pasajeros en los modos de transporte pblico. Por lo tanto debieran ser
utilizados por el analista salvo que los requerimientos especficos del proyecto le
aconsejen el uso de un mtodo alternativo.
Para la expansin es necesaria que al mismo tiempo se realicen la Ocupacin Visual y
Aforos vehiculares.

8.2 Encuestas de Preferencia Declarada
Las tcnicas de Preferencias Declaradas se refieren a un conjunto de metodologas
que se basan en juicios declarados por los individuos acerca de sus preferencias
sobre diferentes situaciones hipotticas. De esta manera es posible estudiar el
comportamiento de los individuos mediante la descripcin de situaciones en
determinados contextos.
Este tipo de encuesta surge como una alternativa frente a las tcnicas de preferencias
reveladas (o mediciones directas), las cuales se basan en el comportamiento
observado de los individuos. Esto se debe a que en determinadas situaciones es difcil
y a veces imposible obtener informacin sobre el comportamiento de los individuos.
Este es el caso de estudios sobre nuevas alternativas de transporte (un nuevo modo
de transporte o un nuevo trazado de camino), estudios sobre la valoracin de atributos
no medibles como la comodidad, la seguridad o el impacto ambiental, o estudios en
que existe correlacin inevitable entre atributos. Por lo tanto, este tipo de encuesta
puede ser aplicada a la eleccin de ruta, divisin modal, eleccin de destino del viaje,
eleccin de localizacin y a la valoracin subjetiva del impacto ambiental, entre otras
aplicaciones.

8.3 Informacin para el modelo de oferta.
8.3.1 Caractersticas fsicas de la red vial base.
La informacin referente a la oferta vial de transporte son las caractersticas fsicas de
la vialidad: longitud, ancho de calzada, nmero de carriles y estado del pavimento.
Tambin el sentido de circulacin, pasos a desnivel y giros permitidos, vas de
contraflujo y las horas en que estos operan, tramos de la red en tnel.
L80
M
1
? C
v
1
S 1
C 1
L C
104
Se debe identificar las restricciones de circulacin de vas exclusivas para autos o
vehculos ligeros o para ciertos tipos de camiones o carga peligrosa, as tambin para
sistemas de vas exclusivas para transporte pblico (BRT o Metro). Esta informacin
debe estar por cada perodo de modelacin.
8.3.2 Vialidad relevante de caminata.
Para los sistemas de transporte pblico masivo (BRT y Metro), es importante
identificar las longitudes de los enlaces de caminata que proporcionan acceso y salida
de las estaciones de estos sistemas y si son acceso/salida por caminata o por medio
de escaleras mecnicas o elevadores, etc. Igualmente se debe medir los tiempos
medios de recorrido o estimar valores de velocidades razonables para su modelacin.
8.3.3 Conectores centroides
La longitud de los conectores centroides debe tener un criterio razonable y ser
consistente con la naturaleza de la accesibilidad. Sin embargo, se recomienda en lo
posible tengan todos estos conectores longitudes similares.
8.3.4 Capacidad vial.
A partir de las caractersticas fsicas del sistema, se puede estimar la capacidad en
cada uno de los tramos de la red. La capacidad se define como el volumen mximo
que puede pasar por una seccin determinada en un periodo de tiempo determinado.
Para el transporte en la vialidad, la capacidad se define en trminos de vehculos/hora.
Para la capacidad vial de la red se debe tener en cuenta:
Manual de capacidad y niveles de servicio en intersecciones semaforizadas
Instituto Metropolitano de Planeamiento (IMP) - 1992.
Highway Capacity Manual (HCM) - 2000.
8.3.5 Intersecciones con semforos.
La autoridad de la gestin de trnsito local debe tener la ubicacin exacta de las
intersecciones semaforizadas en la red vial urbana del rea de estudio. Entonces, es
importante actualizar esta informacin y hacer una validacin en campo. Los datos
importantes que se debe tener son:
Ubicacin exacta de la interseccin, recomendable en sistema de informacin
geogrfica.
L80
M
1
? C
v
1
S 1
C 1
L C
105
Los tiempos de cada ciclo semafrico.
Si existe algn sistema de semforos coordinados, etc.
8.3.6 Tiempos de recorrido para viajes en autos y transporte pblico.
Con el fin de obtener las velocidades de operacin de la red vial de las principales
vialidades y evaluar las condiciones en las que operan, se deben desarrollar
mediciones de tiempos de recorrido por medio del mtodo del vehculo flotante, el cual
consiste en elegir un automvil aleatoriamente dentro de un grupo de vehculos y
seguirlo en el tramo de inters, imitando todas las actitudes del mismo, dejando pasar
tantos vehculos como los que se pasen. Se toman los datos mediante el uso de un
aparato de GPS. Los recorridos se llevaron a cabo para das entre semana en los
mismos perodos de modelacin. El tamao de muestra debe ser no menos de 3
mediciones por sentido, tipo de vialidad y por cada perodo.
Al mismo tiempo es importante la realizacin de la medicin de los tiempos de viaje en
las rutas de transporte pblico en aquellas vas de trnsito mixto. Esta medicin
normalmente se realiza en conjunto con otra actividad como Subida/Bajada de
pasajeros, etc.
El objetivo de hacerlo en forma conjunta es poder construir un modelo matemtico que
relacione los tiempos de autos y las rutas de transporte pblico segn tipo de vehculo
y luego generalizar para el resto de la red vial de trfico mixto.
8.4 Sistema de rutas transporte pblico
El planificador tiene que conocer el sistema de transporte con sus caractersticas
operacionales ms generales, tales como empresas, rutas, tipo y nmero de vehculos
y intervalos de las rutas. La conformacin de las rutas define la cobertura. El tipo y
nmero de vehculos y los intervalos definen la oferta del transporte. Es importante
tambin contar con informacin de terminales y puntos de transferencia.
8.4.1 Inventario de Rutas de Transporte Pblico y tiempos de viaje.
El inventario de todas las rutas de transporte pblico se debe realizar utilizando GPS
para determinar el recorrido exacto de las mismas, adems permitir medir los lugares
de paradas, demoras y tiempos de viaje.
L80
M
1
? C
v
1
S 1
C 1
L C
106
8.4.2 Estudio de Frecuencia de Paso
Este estudio tiene por objetivo contabilizar el nmero de vehculos por cada ruta de
combis, microbuses y buses (de colectivos si las hubiera) que pasan por un punto.
Bsicamente la informacin que se toma de cada vehculo corresponde a la hora de
paso, la ruta y el tipo de vehculo. Los resultados de este estudio son validados con el
estudio de aforo vehicular de transporte pblico, lo cual permite asegurar la calidad de
la informacin recopilada.
La importancia de esta informacin, radica en que el proceso de asignacin considera
como base el intervalo de cada ruta, por lo tanto esta informacin debe ser lo ms
actual y real posible.
8.5 Informacin de trnsito.
8.5.1 Aforos de vehculos.
Los volmenes de trnsito pueden ser entendidos como la utilizacin de la vialidad por
la demanda de transporte, su medicin se debe realizar cada 15 minutos por sentido.
Esta informacin es importante en la calibracin de los modelos de transporte o para
su utilizacin directa en estudios de corto plazo con la aplicacin de factores de
crecimiento por tramos. Hay tambin metodologa para su utilizacin como variable
para actualizar matrices origen-destino ya existente.
Es interesante mantener en el sistema de informacin todos los aforos realizados por
las entidades municipales en sus diferentes trabajos. Se debe desarrollar un
procedimiento de obtencin de la informacin, organizacin de la base de datos y
anlisis de congruencia de la informacin obtenida. La informacin debe estar siempre
clasificada por tipo de vehculo y ser lo ms desagregada posible, una clasificacin
que puede proponerse es la siguiente:
Motocicleta
Automviles de uso particular.
Taxis (distinguiendo los formales e informales de ser posible).
Colectivos o taxi colectivos
Mototaxi.
Combi (Con ruta de transporte pblico urbano).
Microbs (Con ruta de transporte pblico urbano).
mnibus Convencional (Con ruta de transporte pblico urbano).
L80
M
1
? C
v
1
S 1
C 1
L C
107
mnibus Articulado (Con ruta de transporte pblico urbano).
Combi (Servicio Escolar u otro servicio).
Microbs (Servicio Escolar u otro servicio).
mnibus (Servicio Escolar u otro servicio incluye interprovincial).
Camiones Pequeos de 2 ejes (Capacidad de carga hasta 3.5Toneladas)
Camiones Grandes de 2 ejes (Capacidad de carga ms de 3.5 Toneladas)
Camiones de 3,4, ejes
Esta desagregacin de los aforos vehiculares permitir abordar muchos tipos de
proyectos, tanto en sistemas de transporte pblico o sistemas de transporte privado.
Algunos aspectos a considerarse:
En algunos lugares existe una fuerte presencia de vehculos de mototaxi y
cumplen una funcin por lo que siempre se debe considerar.
Los vehculos de transporte escolar es importante su presencia en las horas de
entrada salida de los estudiantes y se debe diferenciar estos tipos de vehculos
debido a que puede generar distorsin de los vehculos de transporte pblico.
Igualmente se debe identificar los vehculos de servicios tursticos.
En los puntos de acceso a la ciudad es relevante la presencia de vehculos de
transporte pblico interprovincial y se debe identificar por separado.
Separar los camiones pequeos de 2 ejes hasta de 3.5 toneladas es muy
importante para ser considerados en los proyectos de autopistas urbanas de
peaje.
La agregacin final de los aforos vehiculares, dependern de las matrices de viajes por
cada tipo de vehculo o sistema de transporte que tenga, en caso contrario se debe
adoptar un criterio razonable de precarga puntual en las vialidad de estos aforos.
8.6 Costos de operacin.
El costo de operacin se representa por el monto que implica tener en funcionamiento
las vehculos el cual incluye bsicamente el costo del combustible; los costos
relacionados con la distancia recorrida y; los costos que dependen de la cantidad de
tiempo que la unidad est en operacin.
En el caso del costo de operacin de los vehculos se sugiere utilizar la metodologa
elaborada por Banco Mundial (Archondo & Faiz, 1994) aplicables a la ciudad de Lima.
L80
M
1
? C
v
1
S 1
C 1
L C
108
En general, estas metodologas permiten relacionar la velocidad de operacin en la
red a una unidad determinada de transporte a un costo por dicho concepto, teniendo
expresiones matemticas del tipo:
L L L
L
L
/ 9 G 9 F E
9
D
& . . .
2

+ + + =

Donde:
L
& = Costo de operacin por tramo L .
G F E D , , , , = coeficientes que dependen del tipo de terreno; del estado de la
superficie y; del tipo de vehculo.
L
/ = longitud del tramo L (Km.)
L
9 = Velocidad comercial en el tramo L [km/h]
Entonces, el costo de operacin entre un origen destino o por cada ruta de transporte,
ser la suma de los costos de cada segmento de la red.
8.7 Informacin de demanda en rutas de transporte pblico
La demanda de transporte es la representacin del deseo de desplazamiento de una
persona de un punto de origen a un destino. As, estos puntos tienen una ubicacin en
el espacio. Como es imposible la representacin individualizada de la demanda, sta
se agrega en reas. Lo interesante es que estas reas sean una agregacin de las
unidades estadsticas que en el mejor de los casos debe ser una manzana o zona de
trnsito.
8.7.1 Encuestas Origen Destino a bordo de rutas de Transporte Pblico.
La encuestas de origen destino a bordo de vehculos de transporte pblico tienen
como objetivo conocer las caractersticas de los viajes de los usuarios. Cada encuesta
origen destino puede preguntar la siguiente informacin al usuario:
Ruta, hora de encuestas
De dnde viene? (origen del viaje)
Viene de su: casa, trabajo, escuela u otro.
Adnde va? (destino del viaje)
Va a su: casa, trabajo, escuela u otro.
Cunto tiempo dura su viaje? (tiempo de recorrido)
Utiliza otro vehculo en su viaje?
L80
M
1
? C
v
1
S 1
C 1
L C
109
En qu orden utiliza esos vehculos?
Cul es su ingreso mensual?
Cada cundo realiza este viaje? (frecuencia de viaje), etc.
Para obtener una matriz de viajes en la ruta, es necesario considera lo siguiente:
hacer conteos de subida y bajada en paraderos al mismo tiempo y en el mismo
vehculo donde se realice la encuesta origen - destino.
Las direcciones o lugares de origen destino, debe permitir codificar de
acuerdo a las zonas de trnsito.
La muestra de vehculos a encuestar debe ser representativo por sentido y en
los diferentes periodos de modelacin, se puede adoptar el 25% de vehculos
que operan en una hora o 1 vehculo de muestra por cada 15 minutos.
La muestra debe comenzar preferentemente al mismo en ambos sentidos de la
ruta.
Registrar el universo de los vehculos en operacin por hora sentido de la ruta,
durante todo el perodo de estudio.
Se recomienda que el vehculo muestreado sea diferente en cada muestra.
8.7.2 Estudio de Ocupacin Visual de transporte pblico y privado.
Este estudio se realizar simultneamente y en los mismos sitios que el de frecuencia
de paso por ruta y aforos vehiculares, y permite estimar el nmero total de pasajeros
que cruzan el tramo en intervalos de tiempo definidos (15 minutos).
El estudio consiste en apuntar para cada vehculo de transporte pblico y el privado la
hora y minuto que pas por el punto, el tipo de vehculo y la cantidad de personas que
ocupan, por sentido y durante el perodo de modelacin.
Se debe utilizar la siguiente tabla de conversin para poder obtener la cantidad de
pasajeros observados en determinado punto de la red.
Tabla 8-1 Ocupacin dentro del vehculo de transporte pblico.
Complete
Sentado 100%
De pie 50%
Sentados
100%
Sentados
50%
Casi vacio Vacio
Omnibus 77 50 33 17 8 0
Microbus 37 30 23 12 6 0
Combi 15 15 15 8 3 0
Ocupacin dentro del vehculo (Pasajeros)
Tipo de
Vehiculo
L80
M
1
? C
v
1
S 1
C 1
L C
110
Esta tabla es utilizada desde el estudio (Sogelerg, CalyMayor, & Cesel, 1998) hasta la
actualidad, esto permite comparar los diferentes datos obtenidos hasta la fecha.
8.7.3 Estudio de Ascenso (Subida) y Descenso (Bajada) de Pasajeros.
Este estudio tiene por objetivo conocer el polgono de cargas de las rutas de
transporte estudiadas, adems de los principales puntos de ascenso y descenso de
pasajeros. Esta informacin permite revisar la ubicacin de paradas o de los cierres de
circuito, as como incrementar o reducir los recorridos, pero su utilizacin ms comn
es la determinacin de las secciones de mxima demanda.
Esta actividad se realizar con la participacin de personal a bordo del vehiculo. En
cada punto de parada se anotar la hora, la ubicacin, el nmero de pasajeros que
suben y el nmero de pasajeros que bajan de la unidad.

Como parte de los resultados obtenidos en esta actividad, se puede obtener: la
afluencia de usuarios a las principales paradas, polgonos de carga de las rutas,
ndices de rotacin, tiempo de recorrido total de la ruta y entre paradas, velocidad de
operacin y comercial, etc.
8.8 Informacin para pronsticos
8.8.1 Datos Socioeconmicos
El dato socioeconmico bsico para el estudio de la demanda, es la distribucin de la
poblacin. Este dato est disponible en el Instituto Nacional de Estadstica e
Informtica (INEI). Otro dato importante es la caracterstica econmica de esta
poblacin (los niveles de ingreso).
Los datos del INEI estn disponibles para los aos cuando se realiza el censo, de
1993 y 2007 a nivel de manzanas. Consecuentemente la informacin no est
disponible en los aos intermedios, siendo necesaria su estimacin por parte de los
planificadores. El INEI realiza tambin el censo econmico que provee datos de
empleo. La estimacin puede ser hecha proyectando tasas de crecimiento basadas en
las tendencias de los decenios anteriores, complementadas por un anlisis simple de
L80
M
1
? C
v
1
S 1
C 1
L C
111
factores econmicos de crecimiento de la ciudad. Este anlisis puede ser mejorado
con datos complementarios de uso del suelo.
Una metodologa simple para hacer proyecciones, consiste en estimar inicialmente la
cantidad total de empleos y la poblacin para toda la ciudad. Despus se distribuye el
rea necesaria para el uso no residencial (ubicacin de los empleos). A continuacin
se hace la estimacin del rea residencial y se distribuye el rea, respetando valores
mximos de densidad de ocupacin para cada zona. La funcin de ocupacin debe
tener la forma presentada en la grfica siguiente.
La hiptesis es que las zonas se ocupan en un ritmo bajo al inicio. Con el tiempo, este
ritmo se acelera hasta llegar al punto en que pocos terrenos estn disponibles; es
entonces cuando el ritmo empieza a disminuir hasta llegar a su mximo.
Este anlisis puede ser mejorado utilizando variables de uso del suelo actual e
hiptesis de uso del suelo futuro.
8.8.2 Pronstico de tasa de motorizacin
Para el caso de transporte urbano, se han utilizado los siguientes modelos, el lector
interesado en ampliar el tema, puede recurrir a (Ortzar & Willumsen, 2001):
8.8.2.1 Extrapolacin en el tiempo
Est claro que la tasa de motorizacin no debera crecer indefinidamente en el tiempo,
por lo tanto, las curvas de crecimiento postulados tienen forma de S; de hecho, si se
grafica la variable autos/persona en funcin del tiempo.
Curva logstica de Tanner, para pronstico de tasa de motorizacin:
( )

+
=
0
0
0
0
exp 1
& 6
6 J
&
& 6
6
&
W
W
Donde:
C
t
= Tasa de motorizacin en ao t.
C
0
= Tasa de motorizacin en ao base.
g
0
= Porcentaje de cambio de nmero de autos per cpita en ao base.
S = Nivel de saturacin de la tasa de saturacin.
L80
M
1
? C
v
1
S 1
C 1
L C
112
Objeciones a este mtodo.
S es fijo y permanece constante en el tiempo; esto no es realista, ya que las
actitudes cambian. Adems, incluso el mtodo usado para determinar S ha sido
criticado.
No entrega informacin sobre distintos tipos de autos o nmero de personas con 0,
1 y 2 y mas autos, lo que es muy importante para la planificacin.
No toma en cuenta variables econmicas; por lo tanto, si la correlacin de sta
cambia en el tiempo, se van a obtener malos resultados.
8.8.2.2 Mtodos economtricos.
Intenta explicar el comportamiento de los viajeros; generalmente usan datos para un
instante de tiempo (corte transversal). En sta lnea se ha propuesto varios mtodos,
los dos ms importantes son:
8.8.2.3 Mtodo de Quarmby y Bates (1970)
Utiliza dos parmetros, ingreso y densidad residencial, a pesar de que reconoce que
hay varios otros factores de inters, tales como tamao familiar y precio de los autos.
Las relaciones bsicas son:

R R
F E
R
R
R
' ,
3
3

=

.
1

( )
1
1 1
1
2
exp .
F
' , E D
3
3

=
1
2 1
= + + 3 3 3
R
( )
' F , E D
3 3 6
3
ln ln ln
1
ln
1 1 1
2 0
2
+ =

Donde:
, = Ingreso familiar anual (miles de $)
D = Densidad de residentes /Km
2
S = nivel de saturacin de P
2
.
L
3 = Probabilidad de tener 0,1 y 2 y ms autos por hogar.
L L L
F E D , , = Parmetros a calibrar.
L80
M
1
? C
v
1
S 1
C 1
L C
113
8.8.2.4 Mtodo del RHTM (Bates 1978)
Este combina lo mejor de los dos anteriores; primeramente, se definen las siguientes
variables:
P(1+) = porcentaje de hogares con 1 o ms autos, con nivel de saturacin S(1+)
P(2+) = porcentaje de hogares con 2 o ms autos, con nivel de saturacin S(2+)
Por lo tanto, las probabilidades del mtodo anterior se pueden derivar como sigue:
( ) + = 1 1 3 3
R
( ) ( ) + + = 2 1
1
3 3 3
( ) + = 2
2
3 3
y,

+
+
= +

1
1
exp 1
) 1 (
) 1 (
E
W
W
W
3
,
D
6
3

+
+
= +
W
W
W
3
,
E D
6
3
2 2
exp 1
) 2 (
) 2 (
Donde (I
t
/P
t
) es el Ingreso familiar anual, deflactado por un ndice de precio de autos.
Para hacer estimaciones a futuro se debe suponer una cierta distribucin del ingreso
(por ejemplo tipo Gamma); para convertir los valores del modelo a autos/persona
( )
S
& , se pueden utilizar datos censales.
Es decir, por ejemplo: ) 2 ( . ) 1 ( + + + = 3 N 3 &
S
8.8.2.5 Desarrollo econmico y posesin de automvil
5
El nivel de posesin de autos en Amrica Latina es menor que los Comunidad
Europea. En la mayor parte de Amrica Latina la posesin de auto es visto como

L 1 l L W AnAM xll C
L80
M
1
? C
v
1
S 1
C 1
L C
114
smbolo de estatus e indicador de progreso. A pesar de su relativa bajo nivel de
motorizacin, la congestin puede ser muy significativa en grandes ciudades Este es
de particular preocupacin, como la posesin de autos crecer con el crecimiento del
nivel de ingreso familiar colocando an ms presin en la infraestructura generando
ms demoras y emisiones.
El cual se resume en el siguiente grfico, al que se le ha denominado La trampa del
desarrollo.
En lo que se puede mostrar, que el desarrollo econmico (que trae consigo un
aumento de los ingresos), genera un incremento en la posesin de autos, originando
un mayor uso del automvil y reduccin el uso de transporte pblico generando una
afectacin al medio ambiente y reduccin en la calidad de vida.
Tabla 8-2 Desarrollo econmico y posesin de autos
Fuente: Luis Willumsen PANAM XII
L80
M
1
? C
v
1
S 1
C 1
L C
115
Entonces, desde una perspectiva de pronstico de posesin de automvil, sta se
encuentra muy relacionada con el desarrollo econmico de las ciudades.
8.8.3 Uso del Suelo
Otra variable importante pero no siempre disponible y utilizada en la planeacin es el
uso del suelo. Este dato est disponible en los catastros de inmuebles para fines de
impuestos. Los catastros generalmente contienen ms informacin que la necesaria
para fines de planeacin; como valor de los inmuebles, nombre del dueo e impuestos
pagados. Es interesante obtener una base de datos parcial que contenga datos
agregados por manzana de los siguientes atributos:
Manzana
Tipo de inmueble :
o Industria pesada
o Industria ligera
o Comercio grande (plazas comerciales, grandes tiendas)
o Comercio pequeo
Servicios pblicos y privados
Escuelas
Hospitales
rea construida
rea de terreno
nmero de pisos
rea del terreno ocupada por construccin
8.8.4 Actividades Econmicas y Productivas Relevantes

La informacin relativa a la caracterizacin de las principales actividades econmicas y
productivas que nos permitan conocer y establecer una adecuada relacin con los
volmenes y estructura espacial de los flujos que se registran entre las distintas zonas
que el rea de influencia involucra. Para tal efecto, deber establecerse la localizacin
geogrfica de las principales actividades.

L80
M
1
? C
v
1
S 1
C 1
L C
116
8.8.5 Equipamiento
En el transporte urbano cierta proporcin de los viajes de personas que se realizan
puede explicarse por las diferencias de equipamiento disponibles entre distintas zonas.
En este sentido el equipamiento constituye una variable clave a considerar en la
calibracin de modelos de atraccin de viajes.
Las variables de equipamiento que se recomienda considerar son los servicios
pblicos, comercio, servicios privados, establecimientos de educacin y salud, etc.
Estos servicios pueden ser expresados en trminos cuantitativos utilizando variables
tales como nmero de plazas en establecimientos educacionales, nmero de camas
de hospital, m
2
en comercio y servicios, etc. y debe quedar claramente establecida su
localizacin espacial.
8.8.6 Aspectos Urbano-Ambientales
El objetivo de este diagnstico es poder visualizar y describir en forma global la
situacin urbana del rea en que se encuentra inserto el proyecto bajo anlisis de tal
manera de analizar la consistencia entre la funcin transporte de la va bajo anlisis y
los usos de suelo adyacentes.
Adems se pretende identificar el carcter y rol urbano del espacio objeto de la
intervencin, caracterizando adecuadamente los distintos elementos propios de la
plataforma pblica tales como usos de suelo, bordes constituyentes y actividad
vehicular y peatonal, describiendo y analizando las caractersticas urbano-espaciales,
la normativa urbana respectiva.
En sntesis producto de esta actividad se elaborar un plano de condicionantes que
constituye una herramienta grfica de importancia y mxima utilidad para la
percepcin de la interaccin entre los componentes urbanos, viales y la normativa
correspondiente.
Este plano debe incorporar como mnimo los siguientes elementos: identificacin de
condicionantes fsicas (edificios, parques, elementos de la infraestructura y del medio
natural); condicionantes normativas; e identificacin de condicionantes de valoracin y
de percepcin ciudadana (hitos, usos, elementos de percepcin y de la estructura
social).
L80
M
1
? C
v
1
S 1
C 1
L C
117
8.8.7 Tendencias
Dado que la modelacin requiere realizar proyecciones, resulta conveniente lograr una
apreciacin del potencial de crecimiento de las actividades de mayor relevancia en
trminos de generacin y atraccin de flujos. Ello puede quedar expresado en la
evolucin de las distintas variables explicativas de los modelos de generacin y
atraccin de viajes y puede estar asociado a la evolucin de la poblacin, de su nivel
de ingresos y/o a la materializacin proyectos productivos o industriales cuya
ejecucin ya est decidida, o que podran llevarse a cabo si el proyecto vial se
materializa.
Parte de esta informacin puede obtenerse mediante consultas a autoridades pblicas,
empresarios locales, cmaras de comercio, asociaciones gremiales, etc.
La informacin recogida se resumir en un catastro de proyectos y un cuadro de
tendencias de cada una de las variables explicativas.
Tambin debe obtenerse informacin socio-econmica con el fin de vincular las
actividades y estas variables econmicas. En este contexto interesar, por ejemplo,
variables como el nivel de PBI y su tasa de crecimiento.
8.8.8 Transporte Pblico

Esta seccin contiene la definicin de procedimientos para la obtencin de informacin
que permita caracterizar el transporte pblico de pasajeros en el rea de anlisis de
impactos del proyecto.
Esta seccin debe ser considerada cuando los requerimientos especficos del proyecto
impliquen la necesidad de incluir divisin modal en la modelacin.
Tambin se requiere cuando se espera, como consecuencia de la ejecucin de los
proyectos o del desarrollo futuro del sistema de actividades, cambios importantes en
los recorridos, frecuencias, tarifas u otras caractersticas de los servicios de transporte
pblico de pasajeros.
L80
M
1
? C
v
1
S 1
C 1
L C
118
PRESENTACIUN DE INFURME
El proceso de modelacin de transporte sienta la base de toda la credibilidad de un
proyecto determinado, la presentacin de los resultados o del reporte final debe tener
las siguientes caractersticas:
i. Claridad en la redaccin con tablas, grficos e imgenes en un formato nico.
ii. Razonabilidad en la calibracin del modelo.
iii. La calibracin del modelo debe ser auditable y reproducir todos los indicadores
reportados.
iv. La disponibilidad de los datos tanto el original como el final.
v. Se debe incluir cualquier informacin que permita generar mayor confianza y
credibilidad de los resultados obtenidos.
vi. Tambin se debe mencionar las debilidades del modelo de transporte, de tal
manera que cualquier analista econmica - financiero pueda valorar este factor
dentro de sus anlisis de riesgos.
A continuacin se indican aspectos importantes que debe contener la presentacin del
informe.
9.1 Formato de presentacin base de datos.
Con el objetivo de mantener un criterio de uniformidad en la presentacin de las bases
de datos, estos deben estar en los siguientes formatos.
Las tablas y grficos utilizados en el informe central, en formato *.xls
Base de datos tabulares, en formato *.txt, *.dbf
Base de datos de sistema de informacin geogrfica, debe estar en formato *.shp,
adems en su formato nativo.
9.2 Fuente de datos secundaria
La informacin relevante a reportar son:
Fuente de la informacin secundaria, de preferencia de instituciones serias.
Un resumen de la metodologa empleada.
Fecha de actualizacin. Aqu importa la fecha de actualizacin de los datos y la
fecha del reporte.
Entregar, la base de datos original y el final despus de haber sido analizado y
depurado.
L80
M
1
? C
v
1
S 1
C 1
L C
119
9.3 Fuente de datos primaria.
Se refiere a los datos recopilados por el consultor en el estudio determinado, se debe
reportar lo siguiente:
Objetivo de los trabajos de campo.
Resultados de las pruebas piloto.
Metodologa para estimacin del tamao de muestra.
Metodologa de codificacin de los datos.
Descripcin del protocolo de la depuracin y validacin de los datos recopilados.
Metodologa de expansin de la muestra.
Memoria descripcin de los campos o columna de datos.
Los formatos de las encuesta empleadas.
Ubicacin exacta de los trabajos de campo, de preferencia en una capa de puntos
con coordenadas de GPS.
Base de datos original y el depurado en formato lo ms general posible.
9.4 Construccin de los modelos.
La construccin de los modelos de transporte, en todas sus fases debe ser lo ms
transparente posible, para ello se debe presentar la siguiente informacin.
Banco de datos del modelo calibrado por cada periodo de modelacin en formato
nativo del software utilizado.
El banco de datos calibrado pero en formato general y con una descripcin de los
datos de fuente primaria o secundaria cargados utilizados y que puede ser ledo
por cualquier software de planeacin. Particular atencin es al formato de rutas de
transporte pblico, que debe ser entregado como una secuencia de nodos,
consistentes con el archivo de nodos del banco de datos.
Los reportes de calibracin reportados y los requeridos, deben ser obtenidos con
estas dos banco de datos, sin necesidad de efectuase la asignacin nuevamente.
Banco de datos con la implementacin de los diferentes proyectos tanto en formato
nativo y en formato general para ser ledo por cualquier otro software de
planeacin. Respecto a las rutas de transporte pblico seguir la recomendacin
anterior.
L80
M
1
? C
v
1
S 1
C 1
L C
120
Con el propsito de replicar los resultados de asignacin de calibracin o de un
escenario de proyecto, se debe entregar los cdigos de macros o script utilizado en
cada caso y una gua de instructivo para la aplicacin de la secuencia de cdigos.
Las macros o script deben replicar todos los resultados entregados en los reportes
del informe central, entonces debe ser transparentes todos los supuestos,
parmetros empleados para la obtencin de los resultados.
Aunque redundante, es necesario que se entregue en forma digital las matrices
individuales iniciales y finales en formato *.dbf y en formato nativo del software, por
cada perodo y una breve descripcin de su contenido.
9.5 Reporte de indicadores importantes.
El escenario antes de un proyecto, se refiere al modelo calibrado y pronosticado hacia
los aos horizonte, es decir el sin proyecto es como si no realizara ningn cambio al
modelo calibrado (o el escenario calibrado mejorado segn corresponda).
Es importante que la informacin entregada sea por cada periodo de modelacin, as
tambin el resultado expandido al da y por cada ao horizonte analizado:
Vehculo kilmetros, antes y despus de un proyecto y de cada uno de los
escenarios.
Pasajero hora, antes y despus de un proyecto y de cada escenario
desarrollado.
Tiempos promedio de viaje en vehculo (auto o transporte pblico) antes y despus
de un proyecto por modo y motivo de viaje al menos.
Longitud promedio recorrido antes y despus de un proyecto por modo y motivo de
viaje.
Tiempos de caminata, espera y cantidad de transbordos antes y despus de un
proyecto.
Cambio modal en los aos horizonte, como impacto de variables de polticas
pblicas.
Polgono de carga de rutas de transporte emblemticos o de un proyecto de
transporte pblico antes y despus del proyecto.
Para proyectos de transporte pblico, reportar la matriz de viajes entre paraderos o
estaciones de rutas emblemticas.
L80
M
1
? C
v
1
S 1
C 1
L C
121
Grficamente en el software nativo, se debe generar planos digitales al menos en
tamao A3 o ms grande, los resultados de la asignacin por cada modo y las
datos visibles en la asignacin de la red vial, a su vez estos debe ser replicables
con los entregas ya mencionadas.
Bibliografa
Archondo, R. S., & Faiz, A. (1994). Estimating Vehicle Operating Costs. Washington D.C.: World
Bank.
Cal y Mayor, R., & Crdenas, J. (2006). Ingeniera de Trnsito, Fundamentos y Aplicaciones 8va
Edicin. Ciudad de Mxico: AlfaOmega.
Diaz, R., Chang, M., & Autores, O. (2004). Characteristics of Bus Rapid Transit for Decision-Making.
Washington: Federal Transit Administration - U.S. Department of Transportation.
EMME3. (2009). Emme User's Guide Ver 3.2.2. Montreal, Canada: INRO.
Guevara, C. A., & Thomas, A. (2009). About Multiple Classification Analysis in Trips Production
Models. Santiago de Chile: Transport Policy.
Hook, W., & Wright, L. (2007). Bus Rapid Transit - Planning Guide. New York, USA: institute for
Transportation & Development Policy.
INEI. (2009). Planos Estratificados de Lima Metropolitana a nivel de Manzanas. Insituto Nacional de
Estadisticas e Informtica. Lima: Insituto Nacional de Estadisticas e Informtica.
MTC/JICA. (2004). Plan Maestro de Transporte Urbano para el rea Metropolitana de Lima y Callao.
Lima: Ministerio de Transportes y Comunicaciones - Agencia de Cooperacion Internacional de Japn
(JICA).
Koppelman, F. S., & Bhat, C. (2006). A Self Instructing Course in Mode Choice Modeling:
Multinomial and Nested Logit Models. USA: U.S. Departement of Transportation, Federal Transit
Administration.
Martinez, M. (2001). Actualizacin de los modelos de eleccin autobus y tren pesado. Lima:
Autoridad Autnoma del Tren Elctrico.
MED. (2008). Ministerio de Educacin. Lima y Callao.
MIDEPLAN. (2008). Metodologia de Analisis de Sistemas de Transporte de Ciudades de Tamao
Medio. Santiago de Chile, Chile: Ministerio de Planificacin.
Ortzar, J. d., & Willumsen, L. G. (2001). Modelling Transport Third Edition. England: John Wiley &
Sons, Ltd.
Sogelerg, Cal y Mayor, & Cesel. (1998). Estudio Complementario de la Red del Metro de Lima. Lima:
Autoridad Autonoma del Sistema de Tren Electrico.
TransCAD50. (2008). Travel Demand Modeling with TransCAD 5.0 User's Guide. Boston, USA:
Caliper Corp.
VISUM10. (2007). PTV Vision VISUM 10 User Manual. Portland, USA: PTV America.
ANEX0 A
HET000L0C|A 0E EN6UE8TA 0E
h0CARE8 - HET000 0E
6ATEC0R|A8

3(5
0LQLVWHULR
GH7UDQVSRUWHV
<&RPXQLFDFLRQHV
9LFHPLQLVWHULR
GH7UDQVSRUWHV
6HFUHWDUtD 7pFQLFD GHO
&RQVHMR GH 7UDQVSRUWH
GH/LPD\&DOODR

L|ma, Enero 2010

001-2010
WZj
D
d
z
s
d
^ d
d
>
1

1 Definicin de tamao de muestra .......................................................................... 2

2 Criterios para la toma de muestra. ......................................................................... 2
3 Diseo del tamao de muestra. ............................................................................. 3
4 Categora de hogares por ingreso familiar y posesin de autos............................. 5
5 Categora por tamao de hogar, ingreso familiar y posesin de autos................... 6
6 Tasa de motorizacin en hogares en localidades. ................................................. 7
7 Bibliografa............................................................................................................. 9
WZj
D
d
z
s
d
^ d
d
>
2
METODOLOGA DE ENCUESTAS DE HOGARES
1

(METODO DE CATEGORIAS)
1 Definicin de tamao de muestra
Los criterios de tamao de muestra, est basado en el mtodo de categoras.
Entonces, se explicar en qu consiste el mtodo luego se dimensionar y finalmente
cual es su implicancia en la construccin de la matriz de Origen Destino.
2 Criterios para la toma de muestra.
El marco muestral de las encuestas de movilidad en una ciudad es el hogar. Esto es
porque los integrantes de un hogar mantienen una dependencia que puede ser
econmica o de filiacin; entonces el comportamiento de sus viajes est asociado a
las caractersticas de ese hogar tales como ingreso familiar (si hay ms de uno que
trabaja o jubilados), posesin de autos en el hogar, actividades que realizan (trabajan,
estudian, etc.) y cantidad de residentes en el hogar.
A partir de los hogares, podemos construir los patrones de viajes segn sus
caractersticas; este enfoque permite primeramente categorizar los hogares y
dimensionar un tamao de muestra por categora. Las ms usuales son:
Viajes por persona segn ingreso familiar y posesin de autos.
Viajes por persona segn ingreso, tamao de hogar y posesin de autos.
Tasa de motorizacin por localidades.
El enfoque de muestras por categoras permite optimizar la recopilacin de
informacin segn categora establecida. La informacin que se obtienen son tasas
de generacin de viajes, distribucin (modelos gravitacionales) y particin modal.
Segn Smith (1979), se requiere el 4% de muestra de hogares para permitir estimar
los nmeros de viajes entre pares OD con un 25% de error. Sin embargo, esta cifra es
bastante conservadora. Segn (MIDEPLAN II, 1998), para zonificaciones de ms de

>
^
>D
WZj
D
d
z
s
d
^ d
d
>
3
100 zonas es prcticamente imposible reducir los errores lo suficiente mediante
encuestas en hogares ya que el tamao de muestra requerida tiende al de la
poblacin.
Entonces, para construir una matriz origen destino, es necesario combinar encuestas
de hogares y encuestas de interceptacin (aforos, ocupacin visual, etc.) y la
aplicacin de mtodos de ajustes de matrices de viaje que vienen en los Software
especializados de planeacin de transportes (EMME3, VISUM, TransCAD, CUBE,
etc.).
A continuacin se explica el proceso de estimacin del tamao de muestra por
categora de hogares.
3 Diseo del tamao de muestra.
Se analiza las diferentes categoras planteadas con este propsito, en este caso se ha
utilizado la recopilacin de informacin de los 35,000 hogares en la encuesta de
hogares del 2004.
Para estimar tasas de generacin de viajes por hogar es indispensable, en primer
lugar, clasificar los hogares en categoras definidas de acuerdo a variables que
influyan directamente en la produccin de los viajes, como nivel de ingreso y tasa de
motorizacin (nmero de autos en el hogar). Un tamao muestral adecuada debiera
tener suficiente observaciones en todas las categoras.
El tamao muestral requerido para estimar una variable poblacional puede ser
calculado si se conoce lo siguiente (Smith,1979). Una definicin clara de la variable a
ser estimada: en nuestro caso la variable de inters es nmero de viajes por hogar. El
coeficiente de variacin (CV) de la variable a medir: calculado como el cuociente entre
la desviacin estndar de cada clase y su media.
El grado de exactitud (E.) y nivel de confianza ( ) deseados: usualmente se elige un
5% de error y un 90% de nivel de confianza respectivamente; para este ltimo se usa
el valor crtico correspondiente de la variable normal estndar (

= =1.645 y =90%),
WZj
D
d
z
s
d
^ d
d
>
4
con estos datos, el tamao muestra es:

=
(
= &9
1

, por lo tanto es necesario
conocer los coeficientes de variacin de la variable a estimar.
El procedimiento definido por Smith (MIDEPLAN II, 1998) el que se ha aplicado en
este anlisis; para considerar el problema de clculo del tamao muestral apropiado
cuando existen clases o categoras se resumen a continuacin.
Calcular coeficientes de variacin modificados (CV*) para cada categora,
dividiendo la desviacin estndar de la variable en cada celda () no por su
promedio, sino que por el promedio general en la poblacin (
[
). La clase con
mayor CV* se denomina celda crtica.
Calcular la frecuencia de cada categora en la poblacin.
Multiplicar cada CV* por su correspondiente frecuencia; en adelante se
denominar factor al resultado de esta multiplicacin; la suma de estos
factores se denota como C*.
Escoger el nivel de exactitud deseado y nivel de confianza requerido; (se utiliz
5% de error y 90% de confianza).
Calcular F como Z

2
/E
2
, en este caso 1,645
2
/(0,05)
2
= 1082.
Multiplicar F por el cuadrado de C* y as obtener el tamao muestral inicial
(ptimo); ste corresponde al tamao de muestra requerido si se utilizara un
muestreo estratificado.
Dividir cada factor por C*, obteniendo as el peso de cada categora.
Multiplicar este peso por el tamao inicial ptimo; este es el nmero de
muestras para cada categora, si se utilizara un muestreo estratificado.
Multiplicar la frecuencia de cada celda por el tamao inicial ptimo; ste es el
nmero de hogares esperado para cada categora si se tomara una muestra
aleatoria.
Identificar como celda crtica a la con mayor coeficiente de variacin (max CV*)
y determinar si existe diferencia entre la muestra esperada y la calculada segn
este mtodo.
Si existe diferencia, amplificar para cada categora su valor de muestra
esperada por el cociente, para la categora crtica, entre la muestra obtenida
WZj
D
d
z
s
d
^ d
d
>
5
mediante este mtodo y la esperada. La suma de las cantidades as obtenidas
representa la muestra aleatoria total requerida para obtener suficientes
observaciones en la celda crtica.
De no existir diferencia en la categora que tiene el mayor coeficiente de
variacin, se utiliza la muestra esperada.
As mismo, criterios adicionales se explican en los mismos tpicos analizados.
4 Categora de hogares por ingreso familiar y posesin de
autos.
La categora definida por hogar es la que sigue:
Tabla 4-1 Categorizacin de la demanda
Ingreso familiar mensual Sin autos 1 o ms autos
menor o igual a USD 400 1 2
Entre USD 400 y USD 600 3 4
Mayor de USD 600 5 6
El nmero dentro de las casillas son categora.
Aplicando el mtodo explicado donde [ = tasa media de viaje por hogar y =
desviacin estndar de la tasa de viajes por hogar, tenemos.
Tabla 4-2 Muestra segn categora de la demanda
Clase Hogares Frecuencia CV* Factor Peso Optimo Esperado Final
1 5937 37% 5.51 3.52 0.575 0.2103 0.328 146 163 188
2 1508 9% 5.99 4.17 0.681 0.0633 0.099 44 41 48
3 2524 16% 6.05 3.58 0.586 0.0911 0.142 63 69 80
4 1744 11% 6.38 4.10 0.670 0.0721 0.112 50 48 55
5 1410 9% 6.82 4.52 0.739 0.0642 0.100 45 39 45
6 3102 19% 6.95 4.51 0.737 0.1410 0.220 98 85 98
16225 100% 6.12 0.6420 1.000 446 446 514

[
En este cuadro, se puede apreciar en la columna final, que todas las clases o
categoras tienen ms de 30 observaciones (Condicin de leyes de grandes nmeros
que se debe satisfacer), de acuerdo a esto, slo se requiere de una muestra de 514
hogares. Sin embargo, sera bastante insuficiente.
WZj
D
d
z
s
d
^ d
d
>
6
5 Categora por tamao de hogar, ingreso familiar y posesin
de autos.
Para esta categora, se estableci las siguientes clases:
Tabla 5-1 Categorizacin por tamao, ingreso y posesin de autos
Habitantes por hogar Ingreso Familiar Mensual Sin auto 1 auto o ms
menor o igual a USD 400 1 2
Entre USD 400 y USD 600 3 4 1 a 2
Mayor de USD 600 5 6
menor o igual a USD 400 7 8
Entre USD 400 y USD 600 9 10 3 a 4
Mayor de USD 600 11 12
menor o igual a USD 400 13 14
Entre USD 400 y USD 600 15 16 5 y ms
Mayor de USD 600 17 18
Dentro de las celdas, son nmero de clase:
Los resultados de la aplicacin del mtodo donde [ = tasa media de viaje por hogar y
= desviacin estndar de la tasa de viajes por hogar, los resultados se muestran en
el siguiente cuadro:
Tabla 5-2 Muestra por categora de tamao, ingreso y posesin de autos
Clase Hogares Frecuencia CV* Factor Peso Optima Esperado Final Min 30
1 2878 17.7% 3.6543 1.8898 0.3088 0.0548 0.1073 30 50 101 669
2 654 4.0% 3.8104 2.2665 0.3704 0.0149 0.0292 8 11 23 152
3 2662 16.4% 6.8141 3.3156 0.5418 0.0889 0.1741 49 46 93 619
4 725 4.5% 7.1022 3.9428 0.6443 0.0288 0.0564 16 13 25 169
5 397 2.4% 10.1776 5.2261 0.8541 0.0209 0.0409 12 7 14 92
6 129 0.8% 10.8058 5.9871 0.9784 0.0078 0.0152 4 2 5 30
7 900 5.5% 3.6844 1.7912 0.2927 0.0162 0.0318 9 16 32 209
8 603 3.7% 3.7828 1.8582 0.3037 0.0113 0.0221 6 10 21 140
9 1377 8.5% 6.8207 3.1654 0.5173 0.0439 0.0860 24 24 48 320
10 975 6.0% 7.1403 3.5105 0.5737 0.0345 0.0675 19 17 34 227
11 247 1.5% 10.3515 4.6427 0.7587 0.0116 0.0226 6 4 9 57
12 166 1.0% 11.3458 6.2927 1.0284 0.0105 0.0206 6 3 6 39
13 417 2.6% 3.5779 1.6653 0.2722 0.0070 0.0137 4 7 15 97
14 852 5.3% 3.8768 1.9270 0.3149 0.0165 0.0324 9 15 30 198
15 768 4.7% 7.3233 3.9238 0.6412 0.0304 0.0594 17 13 27 179
16 1833 11.3% 7.4997 4.0240 0.6576 0.0743 0.1455 41 32 64 426
17 225 1.4% 11.0921 5.6637 0.9256 0.0128 0.0251 7 4 8 52
18 417 2.6% 10.7882 6.1146 0.9992 0.0257 0.0503 14 7 15 97
16225 100.0% 6.1192 0.5107 1.0000 282 282 568 3773
[
WZj
D
d
z
s
d
^ d
d
>
7
Cuando se tiene la columna final, se tiene que algunas categoras no cumplen con
tener cuando menos 30 hogares en la clase, por lo tanto, se identifica la celda crtica
con la menor frecuencia (en este caso es la celda de frecuencias 0.8% (en realidad es
0.0079507), entonces la muestra sera 3773 = 30/0.0079507, que se muestra en la
columna de Min 30.
Entonces, para este grupo de clases, se requiere una muestra de 3,773 hogares.
6 Tasa de motorizacin en hogares en localidades.
A partir de estimar la tasa de motorizacin (autos por hogar) segn localidades.
Considerando [ = promedio de autos por hogar segn localidades y = desviacin
estndar de autos por hogar segn localidades, tenemos:
Tabla 6-1 Muestra segn tasa de motorizacin por municipios
Municipios Hogares Frecuencia CV* Factor Peso Optima Esperado Final Final 100
Municipio 1 3,848 0.79% 0.4095 0.5494 1.161 0.0092 0.0067 13 16 26 646
Municipio 2 873 0.18% 0.7037 0.6688 1.413 0.0025 0.0019 4 4 6 146
Municipio 3 15,392 3.16% 0.6499 0.7052 1.490 0.0471 0.0346 69 63 103 2,583
Municipio 4 26,961 5.54% 0.4050 0.5703 1.205 0.0667 0.0491 98 111 180 4,524
Municipio 5 11,515 2.36% 0.5656 0.7175 1.516 0.0358 0.0264 53 47 77 1,932
Municipio 6 20,460 4.20% 0.3026 0.5147 1.087 0.0457 0.0336 67 84 137 3,433
Municipio 7 13,378 2.75% 0.2581 0.5073 1.072 0.0294 0.0217 43 55 90 2,245
Municipio 8 9,271 1.90% 0.4206 0.6418 1.356 0.0258 0.0190 38 38 62 1,556
Municipio 9 13,522 2.78% 0.3135 0.5079 1.073 0.0298 0.0219 44 56 91 2,269
Municipio 10 14,657 3.01% 0.5818 0.8636 1.824 0.0549 0.0404 81 60 98 2,459
Municipio 11 9,998 2.05% 0.3088 0.5435 1.148 0.0236 0.0173 35 41 67 1,678
Municipio 12 11,654 2.39% 0.7249 0.7702 1.627 0.0389 0.0286 57 48 78 1,955
Municipio 13 21,483 4.41% 0.5195 0.6817 1.440 0.0635 0.0467 93 88 144 3,605
Municipio 14 9,670 1.99% 0.3969 0.5714 1.207 0.0240 0.0176 35 40 65 1,622
Municipio 15 7,984 1.64% 0.9371 0.9231 1.950 0.0320 0.0235 47 33 53 1,340
Municipio 16 14,256 2.93% 0.5512 0.7035 1.486 0.0435 0.0320 64 59 95 2,392
Municipio 17 11,868 2.44% 0.3283 0.5392 1.139 0.0278 0.0204 41 49 79 1,991
Municipio 18 16,287 3.34% 0.9370 0.8097 1.711 0.0572 0.0421 84 67 109 2,733
Municipio 19 13,203 2.71% 0.5901 0.7098 1.499 0.0407 0.0299 60 54 88 2,215
Municipio 20 11,913 2.45% 0.8376 0.7614 1.608 0.0393 0.0289 58 49 80 1,999
Municipio 21 22,233 4.57% 0.6630 0.6869 1.451 0.0662 0.0487 97 91 149 3,730
Municipio 22 12,637 2.60% 0.4066 0.5590 1.181 0.0306 0.0225 45 52 85 2,120
Municipio 23 12,850 2.64% 0.2717 0.6962 1.471 0.0388 0.0286 57 53 86 2,156
Municipio 24 19,125 3.93% 0.3080 0.4876 1.030 0.0405 0.0298 60 79 128 3,209
Municipio 25 8,588 1.76% 0.2639 0.5673 1.198 0.0211 0.0155 31 35 57 1,441
Municipio 26 10,162 2.09% 0.3325 0.5009 1.058 0.0221 0.0162 32 42 68 1,705
Municipio 27 10,497 2.16% 0.2371 0.4721 0.997 0.0215 0.0158 32 43 70 1,761
Municipio 28 1,012 0.21% 0.2167 0.4155 0.878 0.0018 0.0013 3 4 7 170
Municipio 29 1,518 0.31% 0.3488 0.6860 1.449 0.0045 0.0033 7 6 10 255
Municipio 30 6,146 1.26% 0.7290 0.8115 1.714 0.0216 0.0159 32 25 41 1,031
Municipio 31 1,849 0.38% 0.5161 0.8045 1.700 0.0065 0.0047 9 8 12 310
Municipio 32 4,618 0.95% 0.2910 0.5208 1.100 0.0104 0.0077 15 19 31 775
Municipio 33 15,692 3.22% 0.8081 0.9633 2.035 0.0656 0.0482 96 64 105 2,633
Municipio 34 4,812 0.99% 0.5167 0.6557 1.385 0.0137 0.0101 20 20 32 807
Municipio 35 11,859 2.44% 0.2769 0.5007 1.058 0.0258 0.0190 38 49 79 1,990
Municipio 36 9,397 1.93% 0.8824 1.0490 2.216 0.0428 0.0315 63 39 63 1,577
Municipio 37 8,097 1.66% 0.5815 0.6269 1.324 0.0220 0.0162 32 33 54 1,359
Municipio 38 16,939 3.48% 0.3620 0.5497 1.161 0.0404 0.0297 59 70 113 2,842
Municipio 39 14,025 2.88% 0.2638 0.5074 1.072 0.0309 0.0227 45 58 94 2,353
Municipio 40 21,493 4.41% 0.3738 0.6424 1.357 0.0599 0.0441 88 88 144 3,606
Municipio 41 4,010 0.82% 0.6385 0.6706 1.417 0.0117 0.0086 17 16 27 673
Municipio 42 10,621 2.18% 0.2485 0.4839 1.022 0.0223 0.0164 33 44 71 1,782
Municipio 43 596 0.12% 0.2778 0.4609 0.974 0.0012 0.0009 2 2 4 100
Total general 486,969 100.00% 0.4734 1.3593 1.0000 2,000 2,000 3,260 81,706
[
WZj
D
d
z
s
d
^ d
d
>
8
En la columna final, se puede observar que existen localidades que no tienen el
mnimo requerido de 100 hogares por localidad (supuesto). Entonces, si para la menor
proporcin consideramos 100 hogares ( 81,706 = 100/0.0012239), tenemos que el
tamao de muestra sera de 81,706 hogares, algo bastante grande para los beneficios
que queremos obtener.
Lo que hacemos es agrupar localidades que tengan tasas de motorizacin similares,
entonces esta agrupacin se muestra a continuacin.
Tabla 6-2 Agrupacin de municipios
Municpios Agrupacin
Municipio 27 1
Municipio 28 1
Municipio 25 2
Municipio 39 2
Municipio 42 2
Municipio 7 3
Municipio 11 3
Municipio 35 3
Municipio 1 4
Municipio 6 4
Municipio 9 4
Municipio 17 4
Municipio 24 4
Municipio 38 4
Municipio 14 5
Municipio 22 5
Municipio 23 5
Municipio 26 5
Municipio 29 5
Municipio 40 5
Municipio 43 5
Municipio 2 6
Municipio 4 6
Municipio 8 6
Municipio 13 6
Municipio 32 6
Municipio 34 6
Municipio 3 7
Municipio 5 7
Municipio 10 7
Municipio 12 7
Municipio 16 7
Municipio 19 7
Municipio 21 7
Municipio 30 7
Municipio 31 7
Municipio 37 7
Municipio 41 7
Municipio 20 8
Municipio 36 8
Municipio 15 9
Municipio 18 9
Municipio 33 9
WZj
D
d
z
s
d
^ d
d
>
9
Los resultados mediante esta agrupacin de localidades, tenemos los siguientes
resultados:
Tabla 6-3 Muestra segn agrupacin de municipios
Agrupacin Hogares Localidades Frecuencia CV* Factor Peso Optima Esperada Final Final 150
1 11509 2 2.4% 0.2336 0.4624 0.977 0.0231 0.0169 34 48 66 150
2 33234 3 6.8% 0.2579 0.5111 1.080 0.0737 0.0540 109 137 191 433
3 35235 3 7.2% 0.2779 0.5129 1.083 0.0784 0.0575 116 146 203 459
4 85762 6 17.6% 0.3232 0.5198 1.098 0.1934 0.1418 285 355 494 1,118
5 68926 7 14.2% 0.3564 0.6040 1.276 0.1806 0.1324 267 285 397 898
6 68018 6 14.0% 0.4460 0.6284 1.328 0.1854 0.1360 274 281 392 886
7 123012 11 25.3% 0.6177 0.7340 1.550 0.3917 0.2872 578 509 709 1,603
8 21310 2 4.4% 0.8551 0.8844 1.868 0.0818 0.0599 121 88 123 278
9 39963 3 8.2% 0.8854 0.8996 1.900 0.1559 0.1143 230 165 230 521
Total general 486969 43 100.0% 0.4734 1.3639 2,013 2,013 2,805 6,347
[
Entonces, si consideramos en la clase critica un mnimo de 150 hogares (supuesto),
tenemos que una muestra de 6,347 hogares (6,347 = 150/0.02363).
El lector interesado en profundizar el tema, puede recurrir a las referencias
bibliogrficas.
7 Bibliografa
Guevara, C. A., & Thomas, A. (2009). About Multiple Classification Analysis in Trips
Production Models. Santiago de Chile: Transport Policy.
MTC/JICA. (2004). Plan Maestro de Transporte Urbano para el rea Metropolitana de
Lima y Callao. Lima: Ministerio de Transportes y Comunicaciones - Agencia de
Cooperacion Internacional de Japn (JICA).
MIDEPLAN II, S. P. (1998). Actualizacin de Encuesta Origen Destino de Viajes, Etapa
II. Santiado de Chile: SECTRA-CHILE.
MIDEPLAN V, S. P. (2001). Actualizacin de Encuestas de Origen Destino de Viajes,
V Etapa. Santiago de Chile: SECTRA - Universidad Catlica de Chile.
MIDEPLAN, S. (2008). Metodologia de Analisis de Sistemas de Transporte de
Ciudades de Tamao Medio. Santiago de Chile, Chile: Ministerio de Planificacin.
Ortzar, J. d., & Willumsen, L. G. (2001). Modelling Transport Third Edition. England:
John Wiley & Sons, Ltd.
ANEX0
ANAL|8|8 0E L08 H00EL08 0E
TRAN8P0RTE REAL|ZA008 EN EL AREA
HETR0P0L|TANA 0E L|HA Y 6ALLA0
3(5
0LQLVWHULR
GH7UDQVSRUWHV
<&RPXQLFDFLRQHV
9LFHPLQLVWHULR
GH7UDQVSRUWHV
6HFUHWDUtD 7pFQLFD GHO
&RQVHMR GH 7UDQVSRUWH
GH/LPD\&DOODR

L|ma, Enero 2010

001-2010
L80
M
1
C
v
1
S 1
C 1
L C
1
Contenido
1 INTRODUCCIN................................................................................................... 3
2 EL MODELO DE TRANSPORTES EN REA METROPOLITANA DE LIMA Y
CALLAO. ...................................................................................................................... 3
2.1 El Modelo de Transporte Urbano - MTU2001.................................................. 4
2.1.1 Modelo de oferta:....................................................................................... 4
2.1.2 Modelo de demanda: ................................................................................. 4
2.1.3 Manuales desarrollados............................................................................. 4
2.1.4 Utilizacin del modelo MTU2001. .............................................................. 8
2.1.5 Mejoras al modelo de transporte ............................................................... 9
2.2 El modelo de transportes del Plan Maestro 2004. .......................................... 10
2.2.1 Zonas de trnsito..................................................................................... 10
2.2.2 El modelo de demanda de viaje............................................................... 10
2.2.3 Modelo de produccin de viajes. ............................................................. 11
2.2.4 Modelo de generacin/atraccin de viajes............................................... 11
2.2.5 Modelo de distribucin de viajes.............................................................. 11
2.2.6 Modelo de distribucin modal .................................................................. 12
2.2.7 Modelo de asignacin de trfico .............................................................. 13
2.2.8 Tiempos de viaje ..................................................................................... 14
2.2.9 Transbordos en transporte pblico .......................................................... 14
2.2.10 La posesin de autos particulares ........................................................ 14
2.2.11 Aforos en lnea cortina.......................................................................... 15
2.2.12 Costos en Transporte. .......................................................................... 15
3 MODELOS DE TRANSPORTE REALIZADOS DESDE EL 2004 Y 2007............. 17
3.1 Estudios a ser analizados. ............................................................................. 17
3.2 Enfoque de los modelos de transporte........................................................... 17
3.3 Anlisis de matrices de viajes. ....................................................................... 18
3.4 Matrices de viajes y celdas no vacas. ........................................................... 19
4 ANLISIS DE LOS MODELOS DE DEMANDA. .................................................. 20
L80
M
1
C
v
1
S 1
C 1
L C
2
5 ANLISIS DEL MODELO DE OFERTA. .............................................................. 22
5.1 Caractersticas importantes globales. ............................................................ 22
5.2 Caractersticas relativas de caractersticas .................................................... 23
5.3 Comentarios generales.................................................................................. 25
6 PROCESOS DE CALIBRACIN Y VALIDACIN................................................ 25
6.1 Transporte pblico ......................................................................................... 25
6.2 Comentarios generales.................................................................................. 26
6.3 Transporte Privado ........................................................................................ 26
7 PERSPECTIVAS DEL MODELO DE TRANSPORTE.......................................... 27
7.1 El modelo de transporte. ................................................................................ 27
7.2 Metodologa para actualizar el modelo de transporte..................................... 28
8 Bibliografa........................................................................................................... 29
L80
M
1
C
v
1
S 1
C 1
L C
3
INTRUDUCCIUN
Los fundamentos de modelacin de transporte fueron desarrollados en U.S.A. durante
1950s, en el contexto de los estudios pioneros de transporte en Detroit y Chicago.
Durante los 20 aos siguiente hubieron notables aportes tericos tanto en Inglaterra y
U.S.A. en los 1970s el marco de la teora econmica fue desarrollado para
proporcionar justificacin y clarificacin de mtodos que fueron propuestos
esencialmente en el terreno prctico, por otro lado el mayor incremento de la potencia
en computacin en las ltimas dcadas ha expandido la escala y detalle del problema
que pueden ser analizados por las tcnicas de modelacin (Hensher & Button, 2000).
Los modelos y tcnicas utilizados para el anlisis de sistemas de transportes requieren
de conocimientos de varias disciplinas tales como planeamiento urbano, economa de
transporte, anlisis de sistemas espaciales (uso de suelos) y de ingeniera de control.
La dificultad, pero a su vez lo fascinante, de esta prctica profesional deriva de la
intrnseca complejidad del sistema de transporte; Habr de hecho sistemas complejos
internamente, muchos elementos que se influencian entre ellos directa o
indirectamente, a menudo de manera no lineal, y muchos ciclos retroalimentados.
Algunos elementos del sistema son tcnicos (p.e. los vehculos, infraestructura, etc.)
que son gobernados por leyes de la fsica y por otro lado la demanda de viajes y
comportamiento de usuario (Casceta, 2001).
La modelacin es una parte importante de los procesos de toma de decisin en
proyectos de transporte, intuitivamente nosotros tenemos un modelo mental de cmo
el mundo trabaja cuando nosotros hacemos una decisin. Esto significa que nosotros
simplificamos y abstraemos para hacer el proceso de toma de decisin ms manejable
dado el limitado poder de clculo de la mente humana. Nosotros hacemos una
focalizacin en las relaciones claves o relevantes y los datos disponibles para el mejor
entendimiento que nosotros percibimos de la situacin actual y como estos pueden
con o sin nuestra interferencia evolucionar en el futuro. Hay literalmente innumerable
posibles resultados que pueden emerger, pero debemos concentrarnos en cual parece
ser el elemento principal que ms probablemente podr definir a donde estamos
yendo (Hensher & Button, 2000).
EL MUDELU DE TRANSPURTES EN REA
METRUPULITANA DE LIMA Y CALLAU
Se desarrollaron modelos de transportes en 1973, 1988, 1998, 2004 hasta el 2007
1
.
Los resultados relevantes se muestran en las Tabla 2-1 al Tabla 2-5.

L80
M
1
C
v
1
S 1
C 1
L C
4
Estos modelos lo podemos agrupar de la siguiente manera
2
:
a. Modelos de transporte antes del 2000 (1973, 1988 y 1998).
b. Modelos de transporte despus del 2000, como el MTU2001 y el Plan Maestro
PMTU 2004.
2.1 El Modelo de Transporte Urbano - MTU2001.
En el ao 2001 el equipo tcnico de la Gerencia de Desarrollo (GD) y la direccin del
Metro de Lima (hoy Tren Urbano), realiz un esfuerzo sin precedentes en actualizar
los datos, documentar los procesos y recalibrar el modelo de transporte desarrollado
en 1998. Este trabajo fue uno de los mayores aportes como herramienta de planeacin
de transporte que se haya hecho hasta ese entonces. Este proceso, desde su
planeacin hasta su culminacin fue realizado desde Agosto del 2001 hasta Marzo del
2002 o llamado MTU (MTU2001, 2001), las actividades relevantes fueron:
2.2 Modelo de oferta:
Reclasificacin y mayor detalle el sistema de red vial de la ciudad.
Refinacin en el clculo de la capacidad de va.
Medicin de tiempos de viaje en vas principales.
Actualizacin del sistema de rutas de transporte urbano a septiembre del 2001.
Calibracin de funciones de flujo - velocidad en vas principales.
Funciones de tiempo de viaje entre transporte privado (autos) y transporte pblico.
2.3 Modelo de demanda:
Se increment la zonificacin de 586 a 631 zonas de trnsito, con el propsito de
poder identificar potenciales estaciones del metro y/o sistema alimentador.
Actualizacin de las matrices de viajes de 1998 por cada perodo mediante aforos.
Se utilizaron 210 puntos en total y 108 puntos del 2001.
Actualizacin de las preferencias declaradas, incorporando nuevas caractersticas.
2.4 Manuales desarrollados
Manual de aforos y ocupacin visual.
Manual de tiempos de viaje y calibracin de la funciones flujo velocidad.
Manual de encuestas de preferencias declaradas y su actualizacin.
Manual de calibracin del modelo MTU2001.
Manual de usuario del modelo MTU2001.
El modelo desarrollado en 1998 Estudio complementario de la Red del Metro de Lima
(Sogelerg, CalyMayor, & Cesel, 1998), estima la demanda del sistema Metro. Este
modelo por haber sido desarrollado a nivel estratgico, no est orientado a estimar

L

L80
M
1
C
v
1
S 1
C 1
L C
5
demandas de rutas de transporte pblico por estar muy agregados. Esto motiv a
recalibrar el modelo a nivel tctico operativo tomando como base el modelo anterior
del Metro de Lima.
Tabla 2-1 Principales estudios de Movilidad
d
L80
M
1
C
v
1
S 1
C 1
L C
6
Tabla 2-2 Encuestas Origen Destino y los Censos de Poblacin y Vivienda
Tabla 2-3 Principales resultados de encuestas de movilidad
L80
M
1
C
v
1
S 1
C 1
L C
7
Tabla 2-4 Caractersticas de oferta y particin modal
Tabla 2-5 Caractersticas y propsitos de viaje
L80
M
1
C
v
1
S 1
C 1
L C
8
Las principales conclusiones del modelo MTU2001 fueron:
El primer modelo de transporte en la cual se ha documentado ntegramente todo el
proceso de calibracin. Algo que antes no existi, convirtiendo a los modelos en
una especie de cajas negras, cosa que se ha superado en este caso.
La documentacin lleva a mostrar las potencialidades y debilidades del modelo
para que estos pueden ser mejorados. Ningn modelo es la panacea del sistema
de transporte. Sin embargo, se intenta despersonalizar el anlisis de los proyectos
y orientar un curso de accin a tomar.
La metodologa utilizada en el ajuste de las matrices de viajes ha sido probada con
mucho xito en varias ciudades, el cual ahorra recursos econmicos.
Se ha logrado obtener datos observados tanto propios como de diferentes fuentes
secundarias. Se actualizaron y validaron para utilizar en el ajuste de la matriz de
viajes, sta ha originado una buena representacin del flujo sobre la red vial, que
es al final lo ms relevante.
Est representado los modos de transporte privado y transporte pblico lo que
permite decir que se ha considerado en conjunto todos los factores (los ms
relevantes) que intervienen en la modelacin de un sistema de transportes.
En el proceso de calibracin se ha hecho el esfuerzo de utilizar la mayor cantidad
de datos acopiados en la misma ciudad reducindose al mnimo la adopcin de
parmetros de otras ciudades como ha sido frecuente.
La necesidad de efectuar una encuesta domiciliaria para elaborar la matriz de
origen y destino de viajes a fin de afinar la produccin de viajes. Pero mayor es la
necesidad en la estratificacin de la demanda con la finalidad de obtener matrices
estratificadas y poder modelar de acuerdo al valor subjetivo del tiempo en los
diferentes modos.
Se ha identificado en los servicios de transporte pblico los siguientes modos de
transporte: mnibus, Microbs, Camioneta Rural, Colectivos, Taxis y Mototaxis.
Estos modos se caracterizan por tener atributos (velocidad, tarifa, recorrido) muy
diferenciados y que hacen que los viajeros utilicen estos modos.
La medicin de los tiempos de viajes de transporte en autos y en transporte pblico
deben ser mejorados en el tamao de la muestra y ampliando la longitud de los
puntos de medicin.
La necesidad de aforos en el perodo valle; debido a que se ha observado
variaciones muy fuertes en muchos ejes viales en donde respecto a los viajes pico
de la maana las horas valles se reducen al 30% y otros solo al 70%.
2.1.4 Utilizacin del modelo MTU2001.
Los estudios que utilizaron el modelo fueron:
Marzo Diciembre del 2002. Clculo de la contaminacin del aire por fuentes
mviles (sistema de transporte), este estudio fue realizado para el Comit de Aire
Limpio de Lima y Callao en el Ministerio de Vivienda y Construccin. Para este
estudio el modelo MTU2001 proporcion el modelo de red con los flujos de
vehculos y velocidad.
Octubre 2002 - Febrero 2003. Estudio de demanda en el Corredor Segregado de
Alta Capacidad COSAC. Analizado y utilizado en la estimacin de la demanda del
L80
M
1
C
v
1
S 1
C 1
L C
9
proyecto, fue migrado totalmente al software de planeacin de transporte
TransCAD.
Abril Junio 2003. fue usado para el proyecto Estudio de Demanda, Localizacin
y Anlisis Econmico-Financiero del(os) Terminal(es) Interprovincial(es) de
Pasajeros para el rea de Lima Metropolitana fue migrado al software de
planeacin CUBE.
Octubre 2003. El modelo MTU2001 fue utilizado por el Tren Urbano (antes Metro
de Lima) para la estimacin de demanda de la lnea Villa el Salvador Hospital 2
de Mayo. Se realiz mediante el software nativo del MTU2001 el EMME/2. En esta
oportunidad se calibr los valores anteriores, debido a que el Tren Urbano oper
durante un perodo de 6 meses en el ao 2003.
Abril 2004 Febrero 2005. Estudio de factibilidad para el proyecto ferroviario
urbano de Lima, fue desarrollado por DMJM+HARRIS (USA) con fondos de la
U.S. Trade and Development Agency para el Tren Urbano. Realizaron anlisis
muy riguroso en la que fue utilizado el MTU2001 generando resultados razonables
y validaron los resultados con otros sistemas de trenes que operan en otras
ciudades de Latino Amrica y obtuvieron resultados satisfactorios.
Octubre 2004 - Mayo 2005. Estudio de racionalizacin de rutas en el rea de
influencia del corredor segregado de alta capacidad, COSAC I, se utiliz el
TransCAD en todo su desarrollo, solo se realiz la modelacin de transporte
pblico de la red de rutas actualizada al 2004.
Como se puede apreciar, el modelo MTU2001 fue utilizado por estudios muy
importantes para la ciudad de Lima que ha permitido orientar a los planificadores de
transportes y a los tomadores de decisiones.
Otro logro importante, es haber desmitificado la complejidad de un modelo de
transporte, debido a su transparencia en la documentacin de los mtodos empleados,
su capacidad de ser comprendido rpidamente y su fcil migracin a cualquier
plataforma de software de planeacin. Adems, haber logrado internalizar en los
ejecutivos de la ciudad y tomadores de las decisiones que cualquier proyecto de
transporte de gran impacto debe utilizar modelos de transporte para su anlisis.
2.1.5 Mejoras al modelo de transporte
La mayor actualizacin se dio con dos estudios de digitalizacin de rutas de transporte
pblico.
a. Digitacin de rutas de Rutas de Urbanas e Interurbanas en el Sistema de
Informacin Geogrfica de la DGTU, Junio Julio 2003.
b. Digitacin complementaria de rutas de Rutas de Urbanas e Interurbanas en el
Sistema de Informacin Geogrfica de la DMTU, Agosto Septiembre 2003
En el estudio (a) se dio el enfoque del modelo de oferta orientada a modelacin (red
vial y rutas de transportes) y que luego fueron adoptados por los estudios posteriores.
Estas mejoras fueron incorporadas en el ao 2004 al modelo MTU2001 y
posteriormente al estudio del Plan Maestro.
L80
M
1
C
v
1
S 1
C 1
L C
10
2.2 El modelo de transportes del Plan Maestro 2004.
El modelo de transporte fue desarrollado por un equipo de especialistas de la Agencia
de Cooperacin Internacional del Gobierno de Japn - JICA en respuesta del
requerimiento del MTC/ST-CTLC contraparte Peruana para el Estudio de Plan
Maestro de Transporte Urbano (PMTU) de Lima y Callao (JICA, 2004) en el ao 2004.
A continuacin se analizar el modelo de transporte.
2.2.1 Zonas de trnsito
La zonificacin desarrollada por el PMTU es de 427 zonas dentro de la lnea cordn y
19 zonas de trnsito externas. Si bien la zonificacin tiene una base muy bien
sustentada en el cual se ha considerado, lmites administrativos, zonas censales de
poblacin, patrn de uso de suelos, fronteras fsicas, vas arteriales, vas frreas y
cerros. Sin embargo, la experiencia desarrollada en el modelo MTU2001 es que para
proyectos que se requieran resultados con mayor grado de precisin, sean para casos
de (Vukan, 2005):
Definir paraderos en sistema de buses que deben estar entre 300 a 500 metros,
con distancias de acceso de caminata de 75 a 250 metros.
Separacin de rutas de transporte pblico mnimo de 800 metros (300 -500 metros
en reas centrales).
Estaciones en rutas de sistema metro o de trenes, entre 600 1000 metros.
Paraderos en sistema de bus rpido (BRT) de 200 400 metros.
El modelo debe ser capaz de identificar paraderos o estaciones potenciales en un
sistema de transporte, por lo tanto la zonificacin inicial de 427 zonas de trnsito,
deber ser dividida para soportar pronsticos de escenarios ms detallados a una
cantidad de zonas mayor o igual de 631 (MTU2001, 2001).
2.2.2 El modelo de demanda de viaje
El enfoque de modelacin esttica secuencial de 4 fases, es popularmente utilizado en
la planeacin estratgica durante los ltimos 30 a 40 aos que obedece a un enfoque
prctico y tradicional.
La clasificacin de la demanda de viajes por estratos
3
AB, C, D, E creo que es el
mayor aporte en esta fase, pues el enfoque es ms realista para la ciudad de Lima
(MTU2001). Respecto a los propsitos de viaje, existe un diferente enfoque. Los
propsitos de viajes deben ser caracterizados sin estos estn basados en el hogar o
no basados en el hogar (Ortzar & Willumsen, 2001), pues permite utilizar variables de
hogar para los pronsticos. Respecto a los modos considerados el Transporte Privado
incluye a los viajes en auto privado y en taxi; mientras que, el Transporte Pblico son
los servicios de bus, metro o trenes. El taxi como servicio es considerado pblico pero

v
L80
M
1
C
v
1
S 1
C 1
L C
11
su comportamiento sobre la red es como de un auto privado, entonces el enfoque es el
adecuado, pues el que viaja es el usuario del taxi.
En el PMTU no ha considerado las encuestas de interceptacin (p.e. en la lnea
pantalla), este tipo de encuestas permiten complementar las encuestas domiciliarias y
permite validar los caminos seguidos por los viajeros hacia el destino.
2.2.3 Modelo de produccin de viajes.
Otros de los aportes es el enfoque de pronosticar la tasa de viajes por estrato y viajes
motorizados para la poblacin mayor de 6 aos.
2.2.4 Modelo de generacin/atraccin de viajes
los modelos fueron desarrollados por estratos la cual es buena, se han utilizado
variables como empleos segn sector econmico primario, secundario y terciario,
tambin la poblacin en edad escolar y los puestos escolares en los colegios.
Ningn modelo de generacin de viajes contiene la variable de posesin de autos en
el hogar, como el modelo depende de los empleos normalmente eso puede crecer a
tasas diferentes que el de la posesin de autos en el hogar y por lo tanto las tasas de
viajes.
El modelo fue expandida con la base de datos de hogares y poblacin por zona de
trnsito pronosticado del censo 1993. Entonces, ser necesario actualizarlo con los
resultados del ltimo Censo de Octubre del 2007.
2.2.5 Modelo de distribucin de viajes
Los modelos de distribucin deben calibrarse de acuerdo a la distribucin de longitud
de viaje (en tiempos) que se logra en la muestra de una encuesta (Papacostas &
Prevedourus, 1993) de acuerdo a ello se ha observado en estudios anteriores
realizados en la ciudad de Lima y tambin en el PMTU 2004, como se observa en la
Figura 2-1, la distribucin de los viajes respecto a los tiempos, sigue una tendencia de
curva tipo gamma. Los modelos gravitacionales son funciones que mejor representan
los patrones de viajes e interacciones espaciales de viajes urbanos, un ejemplo de eso
son las funciones tipo gama.
ij
C
ij
e C f

. =
, donde C
ij
es tiempo o costo de transporte
entre zona i con zona j, , parmetros que se debe calibrar; la principal ventaja de
esta funcin es que permite modelar mejor viajes cortos de baja frecuencia que la
funcin decreciente del tipo

ij
C f =
(EMME, 2009) .
Entonces, es un tema que ser motivo de discusin en la metodologa posteriormente
en este mismo informe.
L80
M
1
C
v
1
S 1
C 1
L C
12
2.2.6 Modelo de distribucin modal
La importancia de esta fase radica en intentar representar claramente el
comportamiento que tienen los usuarios en elegir un modo determinado, esto se
obtiene mediante la tcnica de Encuestas de Preferencia Declarada (EPD) y la teora
de utilidad aleatoria.
El trmino Preferencia Declarada se refiere a un amplio vector de posibles formas de
preguntar al consumidor acerca de su preferencias, eleccin, formas de utilizar,
frecuencia de usos, etc.
Figura 2-1 Calibracin de modelos de distribucin
0
50
100
150
200
250
300
350
10 20 30 40 50 60 70 80 90 100 110 120 130 140
Tiempos (minutos)
V
i
a
j
e
s

d
e

l
a

M
u
e
s
t
r
a
Distribucin de viajes - Muestra
Distribucin de viajes - Calibrada
Fuente: Encuesta a bordo de rutas de transporte pblico ECRML 1998 Cal y Mayor y Asociados S.C. et al, Lima Per.
Observaciones de comportamiento asociados en cualquier punto del tiempo reflejan
una mixtura de distribucin de condiciones de comportamiento dentro de un conjunto
de condiciones precedentes.
Ejemplo. Un nuevo sistema de transporte (Nueva ruta o servicios tal como carril
exclusivo de buses, autopistas de cuota, etc.) requiere que el consumidor sea
consciente que eso existe y es una opcin antes que ellos elijan usarlos. An si es
consciente de una nueva opcin, los consumidores son improbables para elegir y
usarlos sin evaluarlo y compararlo con las opciones existentes. An siendo evaluado
favorablemente, los consumidores sern poco probable para elegir usarlo a menos
que puedan actuar en su evaluacin. Finalmente, an si los consumidores estn
consientes, y evaluarlo positivamente al actuar no podran elegir o usar una opcin si
otras opciones son ms convenientes para un particular propsito de viaje.
L80
M
1
C
v
1
S 1
C 1
L C
13
En la ciudad de Lima, se realizaron las siguientes encuestas de preferencias
declaradas.
Eleccin entre metro y sistema convencional de mnibus y metro con el automvil,
el mtodo de encuesta fue experimento de eleccin binomial, es decir al
encuestado se le presenta un conjunto de atributos de cada modo y el encuestado
elige entre una u otra opcin (Sogelerg, CalyMayor, & Cesel, 1998). Los resultados
fueron obtenidos por modo y propsito.
Actualizacin del anterior estudio y tambin incorporar ms atributos, como buses
alimentadores, sistema de buses rpidos (Martinez, 2003). Los resultados fueron
obtenidos por modo y propsito.
Encuestas de preferencias declaradas entre transporte pblico (bus convencional,
buses troncales y trenes) y transporte privado (taxis y autos), el mtodo empleado
fue el ranking, los resultados fueron por modo, estrato y propsito (MTC/JICA,
2004).
2.2.7 Modelo de asignacin de trfico
En esta ltima fase de modelacin, los mtodos de asignacin estn fuertemente
influenciados por las facilidades que ofrecen la herramienta (software), de tal manera
que el anlisis no se centra en los mtodos para el cual existe abundante literatura al
respecto, si no en los insumos que se utilizaron en estos.
Modelo de asignacin de modo privado.- en esta fase se asignan los viajes en autos,
en taxis y camiones (en unidades vehiculares). La curva de flujo velocidad que se
utilizada, es algo muy general y del tipo de 4 zonas, mayormente utilizado por modelos
muy estratgicos como fue este caso. Sin embargo, existe suficiente informacin como
para poder haber calibrado curvas de flujo velocidad ms continua (EMME, 2009).
En el informe central, no se muestra la calibracin de velocidades en la red (a pesar
que fue tomado con GPS), tampoco no se muestra la calibracin de los aforos de
flujos vehiculares en la red.
Modelo de asignacin de modo pblico.- La asignacin se realiza por unidades de
viaje personas, es una asignacin que no congestiona la va, pero si a los vehculos,
entonces el enfoque es apropiado. Sin embargo, la asignacin solo depende de la
frecuencia de las rutas de transportes, pero no se muestra la calibracin de las
frecuencia de las rutas, siendo esto un atributo crtico se debi haber calibrado, pues
es normal que los intervalos que declaran los operadores de transportes es modificada
por las acondiciones del trfico, demanda de viaje y hbitos de conductor.
No se muestra los parmetros calibrados de los tiempos de caminata, tiempo de
espera, tiempo de transferencia estos son muy importantes, pues permite conocer si el
modelo de transporte es muy prxima a la realidad.
L80
M
1
C
v
1
S 1
C 1
L C
14
2.2.8 Tiempos de viaje
Los tiempos de viaje en sus diferentes componentes, como son tiempos de caminata,
tiempo de espera tiempo de trasbordo y tiempo de viaje en vehculo, son variables
muy importantes que deben ser medidos apropiadamente. Sin embargo, sobre los
tiempos de viaje por lo general se realizan bajas muestras (1 a 3) por perodo de
modelacin (pico AM, pico PM y hora valle). Por otro lado la captacin de los tiempos
dentro de una encuesta de hogares involucra la percepcin de los encuestados del
tiempo de duracin de su viaje
4
, por lo tanto se debe calibrar con los tiempos medidos
en la red, pero esta calibracin se debe de realizar dentro del modelo de transporte.
2.2.9 Transbordos en transporte pblico
Se ha observado dos tipo de resultados ver Tabla 2-5, mientras que en la encuesta de
hogares muestran que los usuarios que realizan 1 o ms transbordos es el 21.7%, en
una encuesta de servicios de transporte pblico los usuarios declaran que el 55%
realizan su viaje sin trasbordo y el 45% realizan 1 o ms transbordo - ambos
realizado en las mismas fechas - (MTC/JICA, 2004). Esta ltima cifra es ms
coherente con los anteriores estudios y que puede explicar los altos costos de
transporte en la ciudad. Este parmetro no se muestra que haya sido calibrado en el
modelo.
2.2.10 La posesin de autos particulares
Este aspecto merece un tratamiento especial, debido a que en el estudio del PMTU del
2004 identifica solamente 386,000 automviles en hogares con una tasa de 48
5
autos/1000 habitantes, este valor difiere de lo que existe en las estadsticas de
Ministerio de Transportes y Comunicaciones (MTC) para el Departamento de Lima que
para el 2004 tiene un estimado de 85 autos/1000 habitantes. Si bien este ltimo dato
del MTC es para todo el departamento, es muy difcil de pensar que el 44% de los
automviles este fuera de la ciudad de Lima y Callao o que sean de propiedad de
empresas.
Se conoce la fuerte relacin que existe entre la tendencia de la tasa de motorizacin
con el mayor crecimiento del ingreso per. cpita, en consecuencia la gran importancia
de poder incluir en los modelos de demanda la propiedad de autos, tema que ha sido
dejado de lado en la construccin de los modelos de generacin de viajes, los modelos
debieron haber sido estratificados adems del propsito, estrato, y posesin de autos
es decir el mtodo de Anlisis de Clasificacin Mltiple (ACM). Los modelos para
predecir los cambios en la propiedad de autos son datos esenciales para la planeacin
del transporte (Ortzar & Willumsen, 2001).

L M1u
L

L80
M
1
C
v
1
S 1
C 1
L C
15
Esto se debe a que el crecimiento econmico trae consigo un mejoramiento de los
ingresos de la poblacin y esto a su vez se convierte en la posibilidad de adquirir uno o
ms autos dentro de las familias, el resultado de esto es que estas familias
aumentarn su tasas de viajes y aumentar el flujo de trnsito en las vas de la ciudad
aumentando la congestin. Es lo que se conoce como la trampa del desarrollo
(Willumsen, 2002)
2.2.11 Aforos en lnea cortina.
En la lnea cortina principal que se eligi, fueron los puentes a travs del ro Rimac,
varios puntos tienen un gran problema, debido bsicamente a la estructuracin de las
rutas de transporte pblico y de la vialidad, esta situacin hace que exista un doble
hasta triple conteo, pues las rutas y tambin en transporte privado cruzan varias veces
los puentes antes de terminar totalmente en el otro lado.
El anlisis de los puentes principales
6
, por ejemplo ver la Figura 2-2, entre los puntos
SL-12 (Puente Nuevo) y SL-11 (Puente Huscar) existe 14 rutas que las cruzan, entre
SL-12 y SL-10 (Puente Hunuco) son 11 rutas y entre SL-11 y SL-10 la cruzan 10
rutas, finalmente por los puntos SL-10, SL-11 y SL-12 son recorridos por 10 rutas. Esta
situacin incorpora un fuerte sesgo tanto en aforos vehiculares pblico y privado como
tambin de flujo de pasajeros al momento de calibrar el modelo. Esto sugiere que el
ro Rmac debe ser analizado con mucho cuidado como lnea cortina en la ciudad, se
debe hacer el esfuerzo en no incluir estos puntos conflictivos y calibrar con los aforos
de los dems puntos.
2.2.12 Costos en Transporte.
Los costos de transportes en la ciudad de Lima Metropolitana, de acuerdo al estudio
del PMTU del 2004, ver Tabla 2-6.
En donde se observa que ms del 90% de los hogares gastan ms del 15% de sus
ingresos en costos de transporte (todos los propsitos).
Al respecto el Banco Mundial
7
menciona el concepto la mxima de Armstrong Wright,
segn la cual situaciones donde ms del 10 por ciento de los hogares gastan ms del
15 por ciento de sus ingresos en viajes al trabajo pueden ser consideradas como
discriminatorias, ha sido a menudo interpretada como una regla razonable para
determinar el nivel de un precio administrado polticamente.

8 uM1u

C M 8 8 M n
L80
M
1
C
v
1
S 1
C 1
L C
16
Figura 2-2 Puntos de aforos en lnea cortina Ro Rmac
Entonces, bajo este criterio a pesar de que hay un incremento en los niveles de
ingreso estos no son an lo suficiente pues los gastos que incurren los que viajan en la
ciudad de Lima son altamente discriminatorios, puede ser que por sobreoferta de rutas
de transporte pblico y por la aversin de las personas a caminar (PD 2001), las
personas estn utilizando ms el sistema de transporte pblico, otro aspecto sera que
la sobre oferta de rutas no garantiza el cumplimiento de sus recorridos autorizados
obligando al usuario a transbordar. Esta situacin plantea un mayor reto en el enfoque
de solucin del diseo de las rutas y la racionalizacin, en el cual un buen modelo de
transporte puede contribuir a disearla.
Tabla 2-6 Costos en transporte urbano
Diario Promedio
menos a 600 S/. 5.1 128 450 28.5% 389 26.04% 26.04%
6011,000 6.8 170 800 21.2% 557 37.28% 63.32%
1,0011,500 9.0 225 1,250 18.0% 269 18.01% 81.33%
1,5012,000 11.1 277 1,750 15.8% 133 8.90% 90.23%
2,001-3,000 14.2 356 2,500 14.2% 75 5.02% 95.25%
3,001-4,000 17.8 446 3,500 12.7% 35 2.34% 97.59%
4,001-7,000 26.3 658 5,500 12.0% 26 1.74% 99.33%
ms de 7,001 34.7 868 10,000 8.7% 10 0.67% 100.00%
Total 8.3 17.8% 1,494 100%
Tasa de No de
Hogares(%)
Acumulado
Tasa de No de
Hogares(%)
Ingreso del Hogar
Ingreso
Promedio de
los Hogares
Tasa de Costo
de Transportes
(%)
No. de
Hogares (000)
Costo de Transportes
por Hogar
Se considera 20 das al mes
Fuente: Plan Maestro de Transporte Urbano para Lima y Callao 2004 2025 MTC/JICA
L80
M
1
C
v
1
S 1
C 1
L C
17
MUDELUS DE TRANSPURTE REALIZADUS DESDE EL
Y
Para esta parte del documento, realizaremos un anlisis ms detallado respecto a los
modelos desarrollados en varios estudios ms recientes. El propsito de este anlisis
es identificar avances y/o mejoras a los modelos que pueden ser retomados para
futuros estudios.
3.1 Estudios a ser analizados.
A continuacin, se detalla los estudios que sern analizados segn fechas de las
encuestas o datos de campo ms relevante.
Tabla 3-1 Relacin de estudios que incluyen modelos de transporte
Cdigo Consultor Cliente Titulo del estudio Fecha (*)
CTY CET|N8A - TARYET PR0TRAN3P0RTE
Eslud|os Tcr|cos y Aro|erla|es de|
Corredor 3ereado de A|la Capac|dad
(C03AC l) y sus lerr|ra|es de lrarslererc|a
Aoslo 2002
PHTU|HT6|J|6A
YA6h|0
ENC|NEER|NC 60.,
LT0 con PA6|F|6
60N8ULTANT8
|NTERNAT|0NAL
VlNl3TERl0 0E
TRAN3P0RTE3 Y
C0VuNlCACl0NE3 -
3ECRETARlA
TECNlCA 0EL
C0N3EJ0 0E
TRAN3P0RTE 0E
LlVA Y CALLA0
P|ar Vaeslro de Trarsporle uroaro para e|
Area Velropo||lara de L|ra y Ca||ao er |a
Repuo||ca de| Peru 2005 - 2025 (lase 1)
Jur|o - Ju||o 2001
(Ercuesla de
loares).
ALC ALC - |N068A PR0TRAN3P0RTE
Eslud|o de Corredores Corp|ererlar|os. 0cluore y
Nov|erore de|
2005
CTY2 CET|N8A - TARYET PR0lNvER3l0N
E|aoorac|r de eslud|o de derarda para |a
corces|r de| proyeclo espec|a| s|slera
e|clr|co de lrarsporle ras|vo de L|ra y
Ca||ao, er e| Traro de |a Lirea 1, v|||a e|
3a|vador - Av. 0rau
Aoslo -
3epl|erore de|
200Z.
Fuente: Se indica
(*) Las fechas se refieren a los trabajos de campo de cada estudio o el ms relevante.
3.2 Enfoque de los modelos de transporte
EL enfoque adoptado en los diferentes modelos realizados en el rea metropolitana de
la ciudad de Lima y Callao son los siguientes:
L80
M
1
C
v
1
S 1
C 1
L C
18
Tabla 3-2 Enfoque de modelacin adoptados en estudios
Cdigo Enfoque de Modelacin
GTY
OPERATIVO, 631 zonas, Periodos Pico AM, Valle y Pico PM (Privado y
Pblico). Matriz OD base sinttica del MTU2001.
PMTU/MTC/JICA
ESTRATEGICO, 456 zonas, Periodos Pico AM y da. (Privado y Pblico).
Matriz OD base encuesta de Hogares.
ALG
ESTRATEGICO, 427 zonas, Periodos Pico AM y da (Privado y Pblico).
Matriz OD base encuesta de Hogares.
GTY2
ESTRATEGICO. 466 zonas, Periodos Pico AM y da (Privado y Pblico).
Matriz OD base encuesta de Hogares.

3.3 Anlisis de matrices de viajes.
La fuente de matrices de viajes en el rea Metropolitana de Lima y Callao es uno de
los insumos ms importantes a tener en cuenta en cualquier estudio de demanda de
transportes.
Entonces, se ha procedido analiza la cantidad de zonas de trnsito y los perodos de
modelacin. Estos dos aspectos son vitales para la construccin de un modelo de
acuerdo a las necesidades de respuestas a obtener.
El nivel de agregacin que se manifiesta en la cantidad de zonas, resulta crtico en los
problemas a resolver, pues una zona agregada puede ser insuficiente para abordar un
problema del tipo operativo.
La eleccin de los perodos a modelar tiene un fuerte impacto para la estimacin de la
demanda diaria, pues si se utiliza factor de expansin horaria puede resultar en fuertes
sesgos en la estimacin de la demanda diaria el cual puede afectar el anlisis de la
demanda ms detallada.
Tabla 3-3 Estudios y matrices de viaje.
Cdigo Matrices de viajes
GTY
631 zonas de trnsito, Periodos Pico AM, Valle y Pico PM (Privado y Pblico).
Matriz OD base sinttica y ajustada.
PMTU/MTC/JICA
446 zonas, Periodos Pico AM y da. (Privado y Pblico). Matriz OD base encuesta
de Hogares. Calibrado con lnea cortina
ALG
427 zonas, Periodos Pico AM y da (Privado y Pblico). Matriz OD base encuesta
de Hogares, ajustada a trabajos de campo.
GTY2
466 zonas, Periodos Pico AM y da (Privado y Pblico). Matriz OD base encuesta
de Hogares. Divisin de zonas en eje del Tren. Ajuste de matriz por aforos.
L80
M
1
C
v
1
S 1
C 1
L C
19
3.4 Matrices de viajes y celdas no vacas.
Es importante conocer la densidad de las celdas con viajes en una matriz de
demanda. Si existe una baja cantidad de celdas con viajes la matriz resultara porosa y
que podra no estar identificado muchos pares de viaje.
En realidad, no existe una proporcin de celdas para decir que una matriz es muy
porosa o no. Sin embargo, despus de seguir un proceso adecuado en la construccin
de las matrices se espera que la cantidad de celdas o pares de viajes deben ser
validados de alguna manera.
A continuacin se muestra, un resumen de las principales matrices de viajes
analizadas tanto para transporte pblico, como para transporte privado.
Tabla 3-4 Celdas no vacas en las matrices de transporte pblico
Cdigo Celdas con ms de 0.1
viajes
Viajes totales por
matriz
Viajes intrazonal
CTY
P|co AV (2|ora)=301,518 es dec|r e|
Z,
va||e (2 |ora) = 291,118 es dec|r e|
Z1,
P|co PV (2 |ora) = 2Z5,92Z es dec|r e|
9
P|co AV (2
|oras)=1,105,210 v|ajes
va||e (2 |oras)= 811,Z98
v|ajes
P|co PV (2 |oras) =
1,380,093 v|ajes
Er lodos |os periodos es reror
a 0.01


PHTU|HT6|J|6A
P|co AV: 33,31 ce|das es dec|r e|
18.3
0ia: 1Z,112 ce|das, es dec|r e| 25.9
P|co AV (1|ora): 818,81
v|ajes
0ia: 9'2Z1,Z1 v|ajes
P|co AV (1|ora): 5,2 v|ajes
(Z de| lola|).
0ia: Z,391 v|ajes (8.3 de|
lola|)
ALC
P|co AV: 11,52 ce|das, es dec|r e|
.3
0ia: 1,093 ce|das, es dec|r e| 25.3
P|co Ar (2 |oras): 1'198,300
v|ajes
0ia: Z'393,019 v|ajes
P|co Ar (2 |oras): 112,859
v|ajes (Z.5 de| lola|).
0ia: 118,515 v|aje (1. de|
lola|)
CTY2
P|co AV: 3,Z91 ce|das, es dec|r e|
1.9
0ia: 53,25 ce|das, es dec|r e| 21.5
P|co Ar (1 |oras): ZZ,288
v|ajes
0ia: 8'958,10 v|ajes
P|co Ar (1 |oras): 55,1 v|ajes
(Z.3 de| lola|).
0ia: Z53,195 v|aje (8.1 de|
lola|)
Comentario:
Respecto a la cantidad de celdas no vacas, resalta el perodo pico AM del estudio
ALG solamente con el 6.3% algo muy bajo respecto a los otros estudios. En el
estudio respectivo no se comenta ni se fundamenta este aspecto.
L80
M
1
C
v
1
S 1
C 1
L C
20
En cuanto a los viajes totales, respecto a los valores iniciales del PMTU 2004 tanto
en perodo pico AM y en el da, hay una tendencia hacia la baja.
Segn el estudio realizado para GTY2 en trabajos de campo de
Agosto/Septiembre del 2007, el flujo de pasajeros de transporte pblico en la lnea
cortina del rio Rmac haba disminuido en 5% respecto al de PMTU 2004, para el
caso de lnea cortina de la Panamerica Sur haba aumentado en 4%. Segn el
propio estudio estas variaciones podran deberse por la estacionalidad.
En algunos estudios, no hay suficiente informacin respecto a los procesos de
ajuste de matrices.
Tabla 3-5 Celdas no vacas en las matrices de transporte privado
Cdigo Celdas con ms de 0.1
viajes
Viajes totales por
matriz
Viajes
intrazonal
CTY
P|co AV (2|ora)=189,181 es dec|r e|
18
va||e (2 |ora) = 18Z,3Z es dec|r e|
1Z
P|co PV (2 |ora) = 1Z9,191 es dec|r e|
15
P|co AV (2 |oras)=23Z,Z8Z
ve|icu|os - v|ajes
va||e (2 |oras)= 190,150 ve|icu|os -
v|ajes
P|co PV (2 |oras) = 219,1Z
ve|icu|os - v|ajes
Er lodos |os periodos es
reror a 0.01

PHTU|HT6|J|6A
No d|spor|o|e No d|spor|o|e No d|spor|o|e
ALC
No d|spor|o|e No d|spor|o|e No d|spor|o|e
CTY2
P|co AV: 11,38 ce|das, es dec|r e|
5.2 (Aulos y Tax|s)
0ia: 1Z,122 ce|das, es dec|r e| Z.9
(Aulos y Tax|)
P|co Ar (1 |oras): 188,131
ve|icu|os - v|ajes (Aulos y lax|)
0ia: 2'320,153 ve|icu|os - v|ajes
(Aulos y Tax|)
P|co Ar (1 |oras): 8,3ZZ
ve|icu|os - v|ajes (1.5
de| lola|).
0ia: 1,5Z2 v|aje (Z.2
de| lola|)
ANLISIS DE LUS MUDELUS DE DEMANDA
A continuacin se hace un resumen de las principales caractersticas de los ltimos
estudios que consideraron la realizacin de un modelo de transportes. Esta tabla
resume como fue abordado algunos aspectos desde diferentes perspectivas de los
consultores.
Es importante, tener en cuenta estos aspectos para plantear futuras mejoras.
L80
M
1
C
v
1
S 1
C 1
L C
21
Tabla 4-1 Principales caractersticas de los modelos demanda
Concepto GTY PMTU/MTC/JICA ALG GTY2
Valr|ces de v|ajes 3e parle de lasas de
v|ajes, a parl|r de ura
E00l de 1992/1993, se
ul|||za |asla e| 2001.
ul|||za dalos de| Cerso
1993.
E00l er 35,000 |oares.
Eslos resu|lados serr
ul|||zados a parl|r de| 2001.
ul|||za dalos de| Cerso de
1993.
Aclua||za por
aloros y
0cupac|r
v|sua| por
ajusle de
ralr|ces
Aclua||za por
aloros y
0cupac|r
v|sua| por
ajusle de
ralr|ces
3ererlac|r de ralr|ces de
v|ajes
3o|o por rodo
Trarsporle Pr|vado y
Puo||co
3e ara||za var|os sererlos,
pero so|o queda d|spor|o|e
por Vodo Pr|vado y
lrarsporle puo||co.
3o|o por
rodo
Trarsporle
Pr|vado y
Puo||co
3o|o por rodo
Trarsporle
Pr|vado y
Puo||co
veclores de Producc|r /
Alracc|r de v|ajes
Tasas de v|ajes por
rodos, rol|vo y per|odo
de| dia
Ajusle por var|ao|es soc|o
ecorr|ca
Nada Nada
veclor de lasa de ocupac|r de
aulos
Prored|o para loda |a
c|udad
FALTA Prored|o
para loda |a
c|udad
Prored|o para
loda |a c|udad
Vode|os de 0|slr|ouc|r Corparac|r de |a
d|slr|ouc|r cor e|
eslud|o de 1998
Vode|o l|po decrec|erle, por
rol|vo de v|aje.
Nada Nada
Parl|c|r Voda| Ca||ora so|o aro oase Furc|ores de ul|||dad. Nada Nada
Vlodo de ap||cac|r er
0rardes Proyeclos
C03AC l, As|rac|r de
rulas.
TREN Y C0RRE00RE3,
rlodo L00lT
C0RRE00R
E3,
As|rac|r
de rulas.
TREN
As|rac|r de
rulas
Aloros y 0cupac|r v|sua| er
Lirea Corl|ra de Rio Rirac
8asado er 1998 y er e|
2001.
3|, er e| 2001 Nada 3|, er e| 200Z
Aloros y 0cupac|r v|sua| er
Lirea Corl|ra de Pararer|cara
3ur
3|, er 2001. 3|, er e| 2001 Nada 3|, er e| 200Z
Aloros, 0cupac|r v|sua| y
Ercuesla de 0r|er 0esl|ro er
Lirea Cordr Exlerro y
Aeropuerlo
Nada 3|, er e| 2001 Nada Nada
Ercueslas 0r|er 0esl|ro de
Trarsporle de Cara
Nada 3|, er e| 2001 Nada Nada
Ercueslas a Tax|s, Co|ecl|vos y
Vololax|s.
Nada 3|, er e| 2001 Nada Nada
L80
M
1
C
v
1
S 1
C 1
L C
22
ANLISIS DEL MUDELU DE UFERTA
Se realiza un recuento de las principales caractersticas de los modelos de transportes
realizados en los ltimos aos. Los atributos que se analizaran son:
Zonas de trnsito.- Como nodo especial la cantidad de centroide.
Nodos.- La cantidad de nodos regulares e incluye al centroide
Conector centroide.- es enlace especial que une el centroide con un nodo regular.
Enlaces.- Es la que une dos nodos regulares, para poder comparar se
contabilizaron por sentido.
Rutas de transportes.- Las rutas de transportes se contabilizan por sentido de
recorrido. Una ruta regular, estar en el modelo con 2 rutas (1 por sentido).
Segmentos de rutas.- Es la suma de enlaces entre nodos regulares por donde est
cruzando cada ruta.
La cantidad que se menciona en estas tablas podra ser algo diferente de los
resultados finales o existen varios escenarios y se toma el ms relevante. Sin
embargo, lo que se tendr en cuenta es el orden de magnitud final.
5.1 Caractersticas importantes globales.
En las siguientes tablas y figuras se muestran estos valores por cada estudio
realizado.
Tabla 5-1 Caractersticas globales de los modelos de transporte
Las siguientes caractersticas son los que resaltan:
Las zonas de trnsito se han reducido de 631 a 427 y 466, lo que genera una
sustancial agregacin de zonas de trnsito, lo que dificulta abordar
adecuadamente algunos proyectos a nivel operativo.
Los nodos se han incrementado casi en 3 veces al igual los enlaces en redes y
consecuentemente la cantidad de segmentos de las rutas de transporte.
Una mejora muy detallada de la red vial, pero con una zona de trnsito muy
agregado. Esta situacin es totalmente contradictorio con cualquier enfoque de
modelacin. La tendencia es, si tengo una red vial muy detallada, debo tambin
desagregar las zonas de trnsito
L80
M
1
C
v
1
S 1
C 1
L C
23
Figura 5-1 Principales caractersticas de los modelos de transporte.
Los grficos muestra la tendencia poco lgica del incremento en el detalle de la red
vial, pero con una agregacin de las zonas de trnsito.
5.2 Caractersticas relativas de caractersticas
Para completar el anlisis, se realiz una tabla de relaciones relativas importantes
caractersticas para ver desde otro punto de vista la construccin del modelo.
L80
M
1
C
v
1
S 1
C 1
L C
24
Tabla 5-2 Caractersticas relativas de los modelos de transporte
Figura 5-2 Caractersticas relativas de los modelos de transporte.
Resaltan algunos aspectos importantes:
Se han incrementado la cantidad de nodos/zonas en un orden ms de 5 veces.
Los conectores/zona ha crecido a no ms de 2 veces.
Los enlaces/zonas ha incrementado en ms de 4 veces
L80
M
1
C
v
1
S 1
C 1
L C
25
Las rutas por zona no es ms de 3 veces.
La cantidad de segmentos de rutas de transporte est entre 3 a 8 veces mayor.
5.3 Comentarios generales
Respecto a la construccin de los modelos de transporte son:
No se ha seguido un adecuado enfoque para la construccin de los modelos.
El modelo realizado por GTY, basado en el modelo MTU 2001 del Tren Urbano,
que sigue siendo la referencia ms importante de los ltimos aos. Con este
estudio se realiz el primer estudio de diseo operativo del COSAC I, (excepto la
matriz de viaje) el enfoque metodolgico adoptado en ese entonces fue
satisfactorio para los propsitos planteados.
Los posteriores estudios tuvieron un enfoque ms estratgicos, por lo que se
podra justificar la agregacin de las zonas de trnsito. Sin embargo, no fue
correcto el enfoque sobre la red vial y el sistema de rutas que est muy
desagregado el cual no le agrega valor al modelo, por el contrario genera una
demora en la ejecucin de los procesos de modelacin.
En los modelos resultantes van a generar muchos inconvenientes tales como,
debilidad en la definicin de estaciones de sistemas rpidos masivos, son el caso
de tren urbano y el COSAC I. pues es probable que 2 estaciones estn dentro de
una misma zona de trnsito.
Una gran zona de trnsito y una red vial y rutas muy detalladas, hace que en los
procesos de asignacin muchas rutas no tengan demanda en toda la ruta (si es
corta) o en un parte de la ruta. Esto dificulta un adecuado anlisis de los
resultados.
Algunos consultores han sustentado la dificultad en poder desagregar las zonas de
trnsito debido a la carencia de una metodologa clara al respecto.
PRUCESUS DE CALIBRACIUN Y VALIDACIUN
A continuacin se analizar los principales componentes del proceso de calibracin y
validacin seguido en los diferentes estudios.
6.1 Transporte pblico
Tabla 6-1 Indicadores de calibracin y validacin para transporte pblico
Concepto GTY PMTU/MTC/JICA ALG GTY2
Flujo de pasajeros por
Ocupacin Visual de
Transporte Pblico
R2=Si FALTA Error global = -0.80% y
Error Ponderado =
7.5%
R2=SI
GEH=Si,
%RMSE= Si
L80
M
1
C
v
1
S 1
C 1
L C
26
Tiempos de viaje de
transporte pblico
R2=Si Ninguna Ninguna Ninguna
Vehculos de transporte
pblico
R2=Si Ninguna Error global = -2.95% y
Error Ponderado =
7.8%
R2=Si
GEH=Si,
%RMSE= Si
Tiempo de caminata
Peso = 6.0 Am/4.5
resto del da
Peso = Peso =2.50 Peso =2.2 AM/2,42 Dia
Tiempo de espera
Peso =2.0 Peso = Peso =2.0 Peso =2.0 y transferencia
Nmero de transbordo
2 minutos
5 minutos tiempo de
acceso a terminal
Peso = Peso =3.0, penalizacin
adicional de transbordo
= 5.0
Peso =1.0
Valor Subjetivo del
Tiempo por motivo
(S/./min)
Todos= 0.0583 (3.5
S/./Hora)
Trabajo=
Estudio=
Otros=
Todos=0.02 (S/.
1.329/Hora)
Todos=0.088 AM /0.08
DIA
Validacin Ninguna Ninguna Ninguna ninguna
Modelo calibrado
mejorado
Ninguna Ninguna Ninguna ninguna
Plataforma de
aplicacin
TRANSCAD
4.5
JICA STRADA TRANSCAD
4.7
TRANSCAD 4.8
Algoritmo de asignacin Estrategias
ptimas
FALTA Usuario
Estocstico
PathFinder
6.2 Comentarios generales
Se puede observar que no existe criterios uniformes para la calibracin.
Ningn modelo ha realizado el proceso de validacin.
Ningn modelo tiene el modelo calibrado mejorado, es decir que incorpora los
proyectos en marcha en un corto plazo.
Faltan muchas caractersticas que se deben utilizar.
Los criterios de asignacin tambin son diferentes.
Falta exponer en forma escrita muchos de los atributos que se requiere.
6.3 Transporte Privado
Tabla 6-2 Indicadores de calibracin y validacin para transporte privado
Concepto GTY PMTU/MTC/JICA ALG GTY2
Flujo de vehculos,
aforos en Transporte
R2=Si R2=Si Error global = -4.85% R2=Si
L80
M
1
C
v
1
S 1
C 1
L C
27
Privado
Error ponderado = 13%
Tiempos de viaje en
Transporte privado
R2=Si Ninguna Ninguna Ninguna
Valor Subjetivo del
Tiempo en S/./min
FALTA No se indica Todos los
motivos = 0.1
Lneas Iscronas Si Si Ninguna Ninguna
Lneas de Deseo Si Si Ninguna Ninguna
Validacin Ninguna Ninguna Ninguna ninguna
Modelo calibrado
mejorado
Ninguna Ninguna Ninguna ninguna
Plataforma de
aplicacin
TRANSCAD
4.5
JICA STRADA TRANSCAD
4.7
TRANSCAD 4.8
Algoritmo de asignacin Equilibrio
Estocstico del
usuario
FALTA Equilibrio
Estocstico del
usuario
Equilibrio
Estocstico del
usuario
(Multiclase)
PERSPECTIVAS DEL MUDELU DE TRANSPURTE
7.1 El modelo de transporte.
Una de las mayores limitaciones de muchos modelos de demanda es la falta de
atencin y esfuerzo puesta en la fase de validacin del modelo desarrollado. La
validacin involucra probar las capacidades de prediccin del modelo. Modelos de
demanda necesitan poder reproducir las condiciones observadas (calibracin) dentro
de lo razonable antes de utilizarse para producir pronsticos. La credibilidad del
proceso en los tomadores de decisin depender grandemente en la habilidad del
anlisis en los procedimientos de validacin utilizados.
El proceso de modelar viajes ha sufrido muchos cambios en los ltimos aos para
evaluar acciones de poltica ms complejas que son el resultado situaciones tambin
complejas y aspectos como el medio ambiente, entonces los modelos de viaje se ha
puesto ms complejos y se debe tener los procedimientos necesarios para validarlos.
Hay a menudo una relacin entre la mayor confianza en el nivel de exactitud de los
modelos y el costo de coleccin de los datos y el esfuerzo exigido para validar un
modelo. Pruebas o chequeos evalan que la fiabilidad de modelos puede ir de una
valoracin simple de la racionalidad hasta las tcnicas estadsticas sofisticadas.
L80
M
1
C
v
1
S 1
C 1
L C
28
La planificacin de transporte en cualquier ciudad sea mediana o grande ya no se
puede concebir sin que este no tenga un buen modelo de transporte desarrollado, los
modelos de transporte son modelos abstractos de los aspectos ms relevantes del
complejo fenmeno del sistema de transporte.
La finalidad de un modelo de transporte es su capacidad de pronstico del
comportamiento del sistema como tal, ante cambios que se pueda efectuar como
efecto de desarrollo de infraestructuras o polticas de transporte. Un modelo sienta su
credibilidad en la forma en que est desarrollado, la transparencia del mismo, su
rpida comprensin y su entendimiento en todo su proceso. El modelo de transporte
debe dejar de ser una caja negra, pues esta situacin hace mucho dao en trminos
de avance en la planeacin en la ciudad y entonces los resultados de cualquier estudio
muchas veces se toman como verdades absolutas o los resultados son obtenidos a
gusto del cliente, sin embargo con un buen modelo, este se puede analizar con mayor
detalle y desde diferentes enfoques o puntos de vista. En este contexto cualquier idea
puede se modelada y ver cmo responde el sistema, lo que sera en enfoque de
planeacin continua.
7.2 Metodologa para actualizar el modelo de transporte
Por la experiencia de los ltimos aos, es muy recomendable actualizar el modelo de
transporte de la ciudad de Lima Metropolitana, teniendo en cuenta los diferentes
anlisis realizados. Esta actualizacin o construccin de un nuevo modelo se debe
hacer en un solo proceso exclusivo del nuevo Modelo de Transporte.
Posteriormente, este modelo debe ser uno solo para toda la ciudad y que pueda ser
utilizada en la evaluacin de los diferentes proyectos en la ciudad. Es muy
recomendable que la organizacin encargada de actualizar los modelos y se
actualicen cada 2 a 3 aos (recalibrados) y luego redistribuidos a las otras entidades.
Respecto a los proyectos de gran impacto, todos los estudios deben utilizar un nico
modelo de transporte. Por las experiencias anteriores, en muchos casos se
desperdicia la experiencia de profesionales nacionales o internacionales, pues se
gasta mucho tiempo en capturar datos y procesarlos, quedando poco tiempo para el
anlisis y plantear soluciones, entonces la tarea de toma de datos y de modelo deben
ser apropiadamente documentados e incorporados en el modelo por parte de la
entidad responsable de la ciudad, de tal manera que el aporte de profesionales sea
ms eficiente.
Tambin, por los diferentes esquemas o enfoques que se han observado que realizan
cada equipo de trabajo, es necesario establecer criterios metodolgicos con la
finalidad de establecer criterios mnimos para la construccin de un modelo de
transporte para la ciudad de Lima.
L80
M
1
C
v
1
S 1
C 1
L C
29
Bibliografa
ALG-INOCSA. (2005). Estudio de Corredores Complementarios. Lima, Per:
PROTRANSPORTE.
Casceta, E. (2001). Transportation Systems Engineering: Theory and Methods.
Castro, A. (2005). Congreso Lationamericano de Transporte Pblico - CLATPU. Lima.
Castro, A. (2003). Digitacin de rutas urbanas e interurbanas en Sistema de Informacin
Geogrfica -SIG. Lima: Concejo de Transporte de Lima y Callao - Secretaria de Tcnica.
EMME. (2009). User's Guide. Montreal: INRO.
GETINSA-TARYET. (2007). Elaboracin de estudio de demanda para la consecin del proyecto
especial sistema elctrico de transporte masivo de Lima y Callao, en el Tramo de la Linea 1,
Villa el Salvador - Av. Grau. Lima, Per: PROINVERSION.
Getinsa-Taryet. (2002). Estudio Tcnico y Ambientales del Corredor Segregado de Alta
Capacidad (COSAC I) y sus terminales de transferencia. Lima, Peru: PROTRANSPORTE.
Hensher, D., & Button, K. (2000). Handbook of Transport Modelling. Amsterdam: Pergamon.
MTC/JICA. (2004). Plan Maestro de Transporte Urbano para el rea Metropolitana de Lima y
Callao. Lima: Ministerio de Transportes y Comunicaciones - Agencia de Cooperacion
Internacional de Japn (JICA).
Martinez, M. (2003). Value of Facilities and Attributes of New Heavy Rail and Bus Rapid Transit
Projects in a Developing City. Lima: Transportation Research Record.
MTU2001. (2001). Manual de calibracin del Modelo de Transporte Urbano. Lima: Tren Urbano
de Lima - Gerencia de Desarrollo.
Ortzar, J. d., & Willumsen, L. G. (2001). Modelling Transport Third Edition. England: John
Wiley & Sons, Ltd.
Ortuzar, J. (2000). Stated Preference Modelling Technique. PTRC.
Ortuzar, J., Hensher, D., & Jara-Diaz, S. (1998). Travel Behaviour Research: Updating the state
of play.
Papacostas, C., & Prevedourus, O. (1993). Transportation Engineering and Planning.
Sogelerg, CalyMayor, & Cesel. (1998). Estudio Complementario de la Red del Metro de Lima.
Lima: Autoridad Autonoma del Sistema de Tren Electrico.
Vukan, R. V. (2005). Urban Transit - Operations, Planning and Economics.
Willumsen, L. (2002). European Transport Policy: Ideas for emerging countries. Quito: Panam
XII Pan American Traffic and Transport Engineering Conference.