Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Naaaaa Tempo
Naaaaa Tempo
Generacin de Viajes
Distribucin de Viajes
Divisin Modal
GENERACIN DE VIAJES
I
2.
Estudio del uso del suelo. Dnde estarn localizadas esas actividades?
3.
4.
Viaje: movimiento en un sentido desde un punto de origen a un punto de destino. Estos puntos se denominan
extremos del viaje. El viaje se refiere a una persona o a un vehculo.
2
Verbigracia modelos. En todo el proceso de determinacin de la demanda de transporte dirigida a redes se
utilizarn modelos. La definicin genrica de modelo es la siguiente: representacin parcial y aproximada de
la realidad.
II
5.
6.
7.
8.
rea en estudio. Los BHT y NBH debern estar siempre presentes mientras que los BHE,
BHC y BHO pueden mantenerse separados o combinarse segn su importancia relativa.
Para cada uno de los propsitos considerados se deber desarrollar un modelo de
generacin que cuantifique los viajes generados con ese propsito.
El restante atributo es el horario en que se realiza el viaje. Se consideran viajes en hora
pico (matutino y vespertino) y viajes diarios (total en el da sin considerar la hora en que se
realizan). Los modelos de generacin pueden estar construidos para estimar viajes en hora
pico o viajes diarios. Este ltimo caso es el ms comn, ya que a partir de los viajes diarios
y mediante factores horarios se pueden calcular los volmenes en cualquier hora del da.
La generacin de viajes puede dividirse en dos pasos: i) determinacin del nmero de viajes
originados en cada zona (producciones) y ii) determinacin del nmero de viajes destinado
a cada zona (atracciones).
Para toda el rea en estudio el nmero de producciones deber ser obligatoriamente igual al
de atracciones, aunque no necesariamente para cada una de las zonas en particular. Esto se
debe a que por definicin los viajes basados en el hogar (BH_) siempre son producidos por
la zona que contiene al hogar y atrados por la zona del otro extremo, en cualquier sentido
que se realice el viaje. Los viajes no basados en el hogar (NBH) son producidos por la zona
origen y atrados por la zona destino.
Por lo anterior en las zonas que son principalmente residenciales las producciones sern
mayores que las atracciones, mientras que en las zonas que son mayoritariamente
comerciales, industriales o educacionales las atracciones sern mayores que las
producciones.
Esta divisin en viajes de produccin y atraccin es relevante cuando se utiliza un modelo
gravitatorio para la etapa de distribucin, no as para los otros mtodos de distribucin, en
los que solamente se considera el origen y el destino de los viajes.
Variables que explican la generacin de viajes
Uso del suelo
El uso del suelo puede ser determinado y pronosticado con facilidad y aceptable precisin.
Dentro de esta variable se pueden distinguir tres atributos que influyen en la generacin de
viajes, esos atributos son: tipo, intensidad y ubicacin.
Los diferentes tipos de usos del suelo tienen diferentes caractersticas de generacin y por
ello es importante distinguirlos. La clasificacin de tipos de usos del suelo ms habitual
suele ser: residencial, comercial, industrial, educacional y de esparcimiento. El uso del
suelo residencial produce ms viajes que los otros usos, mientras que los restantes usos son,
en general, mayores atractores de viajes que productores.
La intensidad del uso del suelo expresa el nivel de actividad que caracteriza una
determinada zona y usualmente se expresa en trminos de cantidad o de densidad tal como
3
TIPO DE ACTIVIDAD
-
Residencial.
MEDIDA DE LA INTENSIDAD
-
Superficie
de
suelo
residencial
Unidades habitacionales.
Unidades hab. por unidad
de superficie.
Densidad de poblacin.
Poblacin total.
Empleos totales.
Empleos clasificados por
tipo.
Empleos por unidad de
superficie.
Area de suelo ocupada.
Matrculas
Nro.
de
elementos
apropiados
(capacidad,
butacas, amarras, etc.).
Industrial
Comercial
Educacin
Esparcimiento
Industria manufacturera.
Servicios.
Comercio mayorista.
Comercio minorista.
Oficinas.
Universidad.
Secundario.
Primario.
A determinar.
Caractersticas socioeconmicas
Las caractersticas socioeconmicas que influyen en la generacin de viajes se refieren a
los hogares y son las siguientes: ingreso familiar, tamao del hogar, posesin de automvil,
tipo de vivienda y actividad de los integrantes del hogar.
j =1
Siendo:
ACCi = accesibilidad de la zona i.
Aj
= viajes atrados por la zona j. Se adoptan las atracciones como ponderacin de la
importancia relativa de cada zona.
Fij = factor de impedancia entre la zona i y la zona j, a mayor factor mayor accesibilidad.
n
= nmero de zonas.
III
Relevamiento de
uso del suelo
Ha.
500
100
50
Censo O-D
(extremos de viaje)
Tasa de Generacin
(viajes / ha.)
4.000
3.000
2.000
8
30
40
Las tasas son de produccin y atraccin de viajes por lo que este mtodo abarca ambos
pasos del proceso.
La estimacin de la generacin futura se realiza determinando la evolucin de las reas para
cada tipo de uso del suelo. De esa manera, si se estima que el rea residencial crecer a
1.000 Ha., la generacin futura de viajes de la zona causada por el uso del suelo residencial
ser de 8.000 viajes (1.000 Ha. x 8 viajes / ha.). De la misma forma se procede con los
restantes usos del suelo.
La simpleza de este mtodo hace que sea rpido y econmico de aplicar pero no tiene en
cuenta otras variables explicativas tales como el ingreso, el tamao del hogar y la
motorizacin, lo que lo hace poco preciso. Su utilidad est en la actualizacin a bajo costo
de estudios anteriores.
Mtodo del Factor de Crecimiento
Este es tambin un mtodo expeditivo y poco preciso y es generalmente utilizado en la
actualizacin y proyeccin de viajes estimados de estudios anteriores. La expresin bsica
de este modelo es la siguiente:
Ti = Fi t i
Donde:
Ti = viajes futuros de la zona i.
ti = viajes actuales de la zona i.
Fi = factor de crecimiento.
6
PIN I in M in
Pi 0 I i0 M i0
(T
ST =
Test )
N m
Donde:
Ti = valores observados de la variable dependiente (viajes zonales).
Test = valores de Ti calculados mediante la ecuacin de regresin.
3
N = nmero de casos.
m = nmero de parmetros estimados de la ecuacin de regresin (coeficientes y
trmino independiente).
El error estndar de la estimacin (ST) debe ser lo ms pequeo posible.
Los valores obtenidos de los parmetros de la ecuacin de regresin (b1 a bn) tambin
deben ser sometidos a tests de hiptesis a travs del estadstico t:
bj
t=
S bj
Siendo Sbj el desvo estndar del coeficiente. Para que el valor del coeficiente bj sea
significativo, es decir que la variable Xj tenga importancia en la explicacin, se debe
cumplir que t sea mayor que 24, de otro modo es conveniente eliminar la variable de la
ecuacin.
En rigor el trmino independiente k debera ser cero, ya que representa la porcin de los
viajes que no dependen de ninguna variable explicativa. Si este valor es grande con
respecto al valor medio de T la ecuacin debera ser descartada, por el contrario si el valor
de k es pequeo se puede re-estimar la funcin obligndola a pasar por el origen.
Las variables independientes a considerar debern ser seleccionadas de acuerdo con su
disponibilidad y facilidad de proyeccin. En general son variables que representan las
caractersticas socioeconmicas de cada zona, tales como:
Produccin y atraccin de viajes basados en el hogar:
Poblacin
Poblacin mayor de 5 aos
Nmero de hogares
Nmero de personas empleadas
Nmero de automviles
Poblacin estudiantil
Area de suelo residencial
Distancia al distrito central
Produccin y atraccin de viajes no basados en el hogar:
Empleos industriales
Empleos en servicios
Empleos en comercio minorista
Empleos pblicos
Otros empleos
Empleos totales
Matricula estudiantil
4
En rigor se debe determinar el valor de t en cada caso para los grados de libertad del problema y el nivel de
confianza adoptado. Estos valores son prximos a 2 para un nivel de confianza de 95%.
Tamao familiar
1
1
2
NHij
N de hogares con
NSE=2 y tamao=2
3
4
5 ms
En cada una de las celdas se coloca el nmero de hogares correspondiente.
2.
3.
Vijk
NH ij
10
Donde:
tijk
I
II
III
IV
V
Promedio
Estrato Socioeconmico
Total
Alto
Medio
Bajo
C/Auto
S/Auto C/Auto S/Auto C/Auto S/Auto
13,55
8,95
8,93
5,75
8,09
3,82
5,69
12,45
8,55
9,02
5,51
6,81
4,63
7,25
11,84
5,32
7,08
6,05
5,41
4,14
5,47
8,75
5,21
6,88
4,73
5,56
3,80
4,95
7,45
6,40
4,74
3,74
4,43
3,78
4,13
10,69
6,91
7,25
5,12
5,75
3,97
5,40
Se observa como varan las tasas de produccin de viajes segn el NSE, la posesin de
automvil y la accesibilidad.
Existen tablas similares para cada uno de los propsitos considerados. El nivel
socioeconmico fue medido a travs del siguiente indicador:
I ij =
Aij
Pij C ij
ijk
Siendo:
Iij = ndice socioeconmico de la vivienda j en la zona i.
Aij = nmero de ambientes, sin contar cocina y bao, con que cuenta la vivienda.
Pij = nmero de personas que habitan en la vivienda.
Cij = calidad o categora de la vivienda.
Tijk = tipo de ocupacin de la persona k.
Para cada uno de los estratos de NSE (alto, medio y bajo) se determinaron lmites del
indicador.
11
Los viajes futuros producidos por cada zona se calculan multiplicando las tasas de
generacin para cada categora de hogar por la cantidad de los mismos que se prev existir
en cada una de dichas zonas.
Este procedimiento se repite para cada uno de los propsitos de viaje considerados.
b) Atracciones
Mediante el mtodo de clasificacin cruzada se calculan las producciones. Para calcular las
atracciones se utiliza el mtodo de regresin lineal simple o mltiple, ya explicado. Las
ecuaciones que se plantean son, por ejemplo, las siguientes:
Atracciones BHT = f(Empleos Comercio Minorista, Otros Empleos)
Atracciones BHE = f(Matrculas de Estudiantes)
Atracciones BHC = f(Hogares, Empleos Comercio Minorista, Otros Empleos)
Atracciones BHO = f(Hogares, Empleos Comercio Minorista, Otros Empleos)
Atracciones NBH = f(Hogares, Empleos Comercio Minorista, Otros Empleos)
Determinacin de los Viajes de Produccin y Atraccin Futuros
En primer lugar se debern proyectar las variables independientes utilizadas en el modelo,
para cada una de las zonas, tales como poblacin, accesibilidad, nmero de hogares por
nivel socioeconmico y motorizacin, empleos, matrculas, etc.
En segundo lugar se calculan las producciones y atracciones por zona y por motivo,
aplicando las ecuaciones o tasas segn el mtodo elegido.
Luego se debern balancear producciones y atracciones por propsito, ya que al haber sido
calculadas con distintos procedimientos generalmente no coincidirn. Se deber cumplir
que:
m
Pik = Aik
k = i =1
k =1 i =1
Donde:
m = nmero de propsitos.
n = nmero de zonas.
Pik = producciones de la zona i con propsito k.
Aik = atracciones de la zona i con propsito k.
El balanceo se realiza prorrateando las diferencias entre las atracciones, ya que por lo
general stas son determinadas con modelos de menor precisin que las producciones.
Las producciones se determinan a partir de informacin primaria proveniente de las
encuestas domiciliarias, mientras que las atracciones son ecuaciones de regresin ajustadas
12
Figura N 1
ACTIVIDAD
ECONOMICA Y
POBLACION
RELEVAMIENTOS
DE USO DEL
SUELO
SITUACION
PRESENTE
Y
CALIBRACION
DE TECNICAS
Y MODELOS
CARACTERISTICAS
DE LOS VIAJES,
ENCUESTAS
CARACTERISTICAS
DEL SISTEMA DE
TRANSPORTE
PLANTEO DEL
SUB-MODELO DE
GENERACION
ZONIFICACION Y
RED EXISTENTE
PRODUCCION
Y ATRACCION
DE VIAJES
SUB-MODELO DE
DISTRIBUCION
CALIBRACION
Ciclo de
Calibracin
SUB-MODELO
DE DIVISION
MODAL
ASIGNACION
VIAJES ACUALES
A RED EXISTENTE
AJUSTE DE LA RED
PROYECCIONES
ECONOMICAS Y
DE POBLACION
PREVISION DE
FUTUROS USOS
DEL SUELO
GENERACION
DE VIAJES
FUTUROS
PRODUCCIONES
Y ATRACCIONES
FUTURAS
DETERMINACION
DE LA DEMANDA
FUTURA
SUB-MODELO DE
DISTRIBUCION
VIAJES FUTUROS
SUB-MODELO
DE DIVISION
MODAL
METAS Y
OBJETIVOS DEL
PLANEAMIENTO
PLANTEO DE
PLANES Y
PROYECTOS
ANALISIS DE
SISTEMAS,
EVALUACION Y
RECOMENDACIONES
CURSOS DE
ACCION,
REDES FUTURAS
Ciclo de elaboracin
del Plan
ASIGNACIONES
A REDES FUTURAS
ANALISIS Y
EVALUACION
PROPUESTA DE
PLAN DE
TRANSPORTE
MONITOREO
Y SEGUIMIENTO
DEL PLAN
REPLANTEO DE METAS,
OBJETIVOS Y
PROYECCIONES
Ciclo de revisin
del Plan
13
SEGUIMIENTO
Y MONITOREO
DEL PLAN
DISTRIBUCION DE VIAJES
I
INTRODUCCION
1.
Viaje: movimiento en un sentido desde un punto de origen a un punto de destino. Estos puntos se denominan
extremos del viaje. El viaje se refiere a una persona o a un vehculo.
14
El factor F depende del uso del suelo, de las caractersticas socioeconmicas del rea y de
las perspectivas de crecimiento futuro. Si bien en la frmula anterior aparece como un
factor nico, cada uno de los mtodos que se vern plantean uno o varios factores.
Los factores de crecimiento se plantean generalmente relacionando una situacin futura
estimada con una situacin presente (o pasada reciente) conocida, de acuerdo a una
expresin como la siguiente:
F=
f (TM f , P f , Y f )
f (TM a , P a , Y a )
Siendo:
TMa, TMf = tasa de motorizacin actual y futura.
Pa, Pf
= poblacin actual y futura.
Ya, Yf
= ingreso actual y futuro.
Los mtodos basados en factores de crecimiento tienen las siguientes desventajas:
-
Como principal ventaja puede sealarse que son sencillos y fciles de programar y aplicar.
Se aplican a predicciones de demanda a corto y, eventualmente, mediano plazo y cuando se
espere bajo crecimiento, siendo especialmente indicados para esos casos.
En reas urbanas complejas los modelos del factor de crecimiento se utilizan para proyectar
los viajes externos, que no son estimados por el modelo de generacin, sino detectados en
los censos de cordn.
No son aplicables para realizar predicciones largo plazo, cuando se prevean grandes
crecimientos y cambios significativos en el uso del suelo.
Los mtodos ms aplicados de distribucin basados en el factor de crecimiento son:
1. Factor uniforme.
2. Factor promedio.
3. Mtodo de Fratar.
15
1.1
Factor uniforme
Consiste en aplicar un factor de crecimiento nico para todos los movimientos interzonales
del rea y equivale a la multiplicacin de la matriz base por un escalar. La hiptesis bsica
en que se basa este modelo es que todas las zonas crecern uniformemente, lo mismo que
los viajes intercambiados.
La frmula matemtica de este modelo es igual a la anterior:
Tij = t ij F
F=
T
t
Donde:
T = nmero total de viajes futuros en el rea de estudio.
t = nmero total de viajes actuales en el rea de estudio.
Este constituye el mtodo ms simple de distribucin de viaje futuros, y a la vez el menos
preciso. La principal crtica que se le efecta a este mtodo es que todas las zonas del rea
evolucionan de la misma manera, lo que en la realidad generalmente no sucede. Se aplica
para actualizar matrices de origen y destino anteriores y para realizar proyecciones cuando
no existe tiempo ni recursos para la aplicacin de mtodos ms detallados.
1.2
Factor promedio
Este mtodo constituye un avance con respecto al anterior, ya que considera factores de
crecimiento por zona. Su expresin matemtica es la siguiente:
Tij = t ij
Fi =
Fj =
Siendo:
tij
Tij
ti(G) tj(G)
Ti(G), Tj(G)
(F
+ Fj )
2
Ti ( G )
t i (G )
T j (G )
t j (G )
16
Dado que los flujos totales calculados con este mtodo no coincidirn con los estimados en
la etapa de generacin, se aplica un proceso iterativo en el que se utilizan los flujos totales
de la iteracin anterior para calcular nuevos factores de crecimiento.
En general se comprobar que:
Ti Ti ( G )
n
Ti = Tij
j =1
Primera iteracin:
Tij = t ij
(F
+ Fj )
2
Ti = Tij
j =1
n
T j = Tij
i =1
Segunda iteracin:
Fi1 =
F j1 =
Ti ( G )
Ti
T j (G )
Tj
T = Tij
1
ij
(F
+ F j1
Mtodo de Fratar8
17
Se debe especificar un factor de crecimiento para cada zona de origen y para cada zona de
destino.
El proceso matemtico es el siguiente:
Tij ( k +1) = (Tijk F jk ) Fik
F jk =
T j (G )
n
T
i =1
Fik =
ijk
Ti ( G )
(T
n
j =1
ijk
F jk )
Siendo:
k = nmero de iteracin.
Fjk = factor del destino j (columna), iteracin k.
Fik = factor del origen i (fila), iteracin k.
El equilibrio se obtiene cuando los factores se aproximan a la unidad.
En el Anexo 1 se desarrolla un ejemplo de aplicacin del mtodo para una matriz de origen
y destino de 4 zonas. En dicho ejemplo se alcanza el equilibrio en 4 iteraciones, aunque ya
en la iteracin 3 los resultados pueden considerarse como aceptables.
2.
Mtodos sintticos
18
Modelo Gravitatorio
2.1.1 Teora.
El denominado Modelo Gravitatorio (MG) de distribucin de viaje se origin en la
ecuacin de la ley de gravitacin universal de Newton:
F =G
M1 M 2
d2
Donde:
F
= fuerza con que se atraen dos cuerpos.
M1, M2 = masa de los cuerpos.
d
= distancia que separa los cuerpos.
G
= constante.
Esta formulacin puede aplicarse al transporte, suponiendo que la fuerza de atraccin son
los viajes interzonales, las masas estn representadas por las producciones y atracciones de
las zonas y la distancia por la separacin espacial entre las mismas, medida en unidades
relativas al transporte (distancia, tiempo, costo, etc.).
Se puede decir entonces que la cantidad de viajes de personas entre dos zonas es
directamente proporcional al producto de las producciones, atracciones y una funcin de la
separacin espacial:
Tij Pi A j Fij K ij
Siendo:
Tij = viajes producidos por la zona i y atraidos por la zona j.
Pi = viajes producidos por la zona i.
Aj = viajes atraidos por la zona j.
Fij = factor de impedancia9 entre zonas i y j, tambin llamado factor de friccin.
Kij = factor de ajuste socioeconmico para el par ij.
El factor de ajuste socioeconmico se utiliza para corregir ciertas deficiencias que presenta
el MG y ser explicado ms adelante.
9
El concepto de impedancia, por analoga con la electricidad, se refiere a la dificultad de moverse en una red
de transporte urbana y puede medirse en distancia, tiempo o costo.
19
(1)
(2)
Por lo tanto:
Ci =
[A
n
j =1
Fij K ij
Tij =
Pi A j Fij K ij
[A
n
j =1
Fij K ij
El factor Fij surge de una funcin exponencial inversa de la impedancia: Fij = f [1/Iij], y
deben ser determinados a travs del proceso de calibracin, que se realiza mediante
iteracin.
Calibracin.
El objetivo de la calibracin es hacer que el MG reproduzca la distribucin en el ao base
de los viajes de acuerdo a la impedancia11. La distribucin de viajes en funcin de la
impedancia consiste en una tabla en que se suman los viajes con igual impedancia, para
cada propsito de viaje:
10
11
Los caminos mnimos dentro de una red se determinan mediante el submodelo de asignacin.
Los viajes en el ao base son determinados mediante las encuestas domiciliarias y de intercepcin.
20
Unidades de
Impedancia
1
2
...
...
r
Tabla de
Viajes
Total de viajes
con impedancia
1
Idem
impedancia 2
...
...
Idem
impedancia r
Tr0
Trk 1
Donde:
k
= nmero de iteracin.
r
= rango de impedancia.
Tr0 = total de viajes en el ao base para el rango de impedancias r.
Trk-1 = total de viajes calculados en la iteracin k-1 para el rango de impedancias r.
Segundo paso (se calcula el entero ms prximo por redondeo):
21
f rk
F = ENTERO
k
MIN f r
k
r
( )
Con los factores de friccin de la primera iteracin se calcula una nueva matriz de viajes y
se repite el procedimiento. En la columna 7 se muestran los viajes calculados, cuya
distribucin coincide con la buscada, por lo que puede considerarse al modelo como
calibrado. En la columna 8 se calculan los factores de acuerdo al primer paso y en la
columna 9 los factores de friccin definitivos, de acuerdo al segundo paso, los que se
utilizarn para la distribucin de viajes futuros. Se muestra tambin la matriz final de
produccin y atraccin para el ao base. (Viajes Calculados It=2).
Ajuste de las atracciones.
Cuando se aplica el MG, el total de producciones calculadas por zona ser igual a la dada
como dato, por la estructura del modelo12, pero no necesariamente suceder lo mismo con
las atracciones. En general se cumplir que:
n
T
j =1
ij
= Pi
i =1
ij
Aj
Para que el modelo reproduzca tambin las atracciones se realiza un procedimiento iterativo
hasta que las atracciones estimadas con el modelo coincidan con los valores deseados
(atracciones dato, provenientes de la etapa de generacin).
Luego de cada iteracin se recalculan las atracciones de acuerdo a la siguiente frmula:
A jk =
Aj
C j ( k 1)
A j ( k 1)
Donde:
Ajk = atraccin ajustada para la zona j, iteracin k (Ajk = Aj cuando k=1)
Cjk = atraccin actual para la zona j, iteracin k, calculada por el MG.
Aj = atraccin deseada (dato) para la zona j.
En cada iteracin se aplica el MG para calcular los viajes usando las atracciones
modificadas en la iteracin precedente. El proceso se detiene cuando el MG alcanza una
aproximacin suficiente en el clculo de las atracciones deseadas.
12
22
Zonas Residenciales
A ltos Ingresos
Zonas Resincenciales
Bajos Ingresos
Zonas de
Em pleos
Fabriles
13
En general las zonas con empleos de altos ingresos se ubican en reas centrales de la ciudades, mientras que
las zona industriales se ubican en los suburbios.
23
24
ANEXO 1
Ejemplo de Aplicacin del Mtodo Fratar
Matriz Original Ao Base
O\D
1
2
3
4
Tij
Tj(G)
Fjo
1
0
4000
3000
1000
8000
10000
1.2500
Matriz Iteracin 1
O\D
1
2
3
4
Tij
Fj
1
0
5000
3750
1250
10000
1
Matriz Iteracin 1
O\D
1
2
3
4
Tij
Fj1
1
0
6923
4390
698
12011
0.8326
2
2000
0
2000
2000
6000
20000
3.3333
3
3000
3000
0
3000
9000
30000
3.3333
4
4000
1000
1000
0
6000
40000
6.6667
Tij
9000
8000
6000
6000
29000
3
10000
10000
0
10000
30000
1
4
26667
6667
6667
0
40000
1
Fi1
Tij
43333 0.923077
21667 1.384615
17083 1.170732
17917 0.55814
3
9231
13846
0
5581
28658
1.0468
4
24615
9231
7805
0
41651
0.9604
Tij
40000
30000
20000
10000
Fi
3
9663
14494
0
5843
30000
1
4
23640
8865
7495
0
40000
1
Tij
40264
29123
19980
10633
Fi2
0.993442
1.030107
1.001006
0.940483
Ti(G)
40000
30000
20000
10000
Ajuste por
columnas
2
6667
0
6667
6667
20000
1
Matriz Iteracin 2
1
2
3
4
Tij
Fj
Ajuste por
columnas
1
2
0
6962
5764
0
3655
8829
581
4209
10000
20000
1
1
1
1
1
1
25
Fio
4.4444
3.7500
3.3333
1.6667
Matriz Iteracin 2
1
2
3
4
Tij
Fj2
4
23485
9132
7503
0
40119
0.9970
Tij
40000
30000
20000
10000
4
23415
9105
7481
0
40000
1
Fi3
Tij
40023 0.99943
29877 1.004125
20055 0.997256
10045 0.995482
4
23401
9142
7460
0
40004
0.9999
Tij
40000
30000
20000
10000
3
9576
14964
0
5460
30000
1
4
23399
9141
7459
0
40000
1
Fi4
Tij
40004 0.999892
29977 1.00078
20016
0.9992
10003 0.999695
4
23397
9148
7454
0
39999
1.0000
Tij
40000
30000
20000
10000
1
0
5937
3659
546
10143
0.9859
Ajuste por
columnas
1
2
3
1
0
7017
9591
2
5854
0
14918
3
3607
8967
0
4
539
4016
5490
10000
20000
30000
Tij
1
1
1
Fj
Matriz Iteracin 3 Ajuste por filas
1
2
3
1
0
7013
9586
2
5878
0
14980
3
3598
8942
0
4
536
3998
5466
10012
19953
30031
Tij
0.9988 1.0023 0.9990
Fj3
Fi
1
1
1
1
Matriz Iteracin 3
1
1
1
1
Matriz Iteracin 4
1
2
3
4
Tij
Fj
Ajuste por
columnas
1
2
0
7029
5871
0
3593
8963
536
4008
10000
20000
1
1
Fi
Matriz Iteracin 4
1
2
3
4
Tij
Fj4
26
Fi
1
1
1
1
ANEXO 2
Ejemplo de Calibracin de un Modelo Gravitatorio
Producciones y Atracciones
Zona
Produccin
Atraccin
1
7
11
2
11
7
3
7
7
2
1
6
7
3
4
5
4
Total
25
25
Matriz de Impedancias
Zona
1
2
3
1
8
3
2
Cuadro de Calibracin
Unidades de
Impedancia
1
2
3
4
5
6
7
8
Total viajes
Viajes
4
4
6
4
3
2
1
1
25
F
Inicial
Viajes
Calcul.
1
2
1
3
1
5
1
4
1
3
1
3
1
2
1
3
F mnimo=
2
2
3
2
F
Iteracin 1
2.04082
1.29870
1.23967
1.02041
0.97403
0.64935
0.51020
0.32468
0.32468
3
2 25
3 25
2 25
25
Viajes
Calcul.
6
4
4
4
4
6
3
4
3
3
2
2
2
1
1
1
F mnimo=
F
Iteracin 2
6.28571
4.00000
3.81818
3.20700
3.00000
2.00000
1.57143
1.00000
1.00000
27
2
4
2
1
6
4
4
3
3
2
2
1
3
2 77
3 77
2 77
25
DIVISION MODAL
Definicin: determinacin de la proporcin en que los usuarios seleccionan el modo
de transporte para la realizacin de sus viajes.
Factores que influencian la divisin modal
-
A j exp( I ijm )
A
j
14
exp( I ijm )
Nota: la expresin exp(x) es equivalente a ex, siendo e la base de los logaritmos naturales.
28
Fij + ij
VT
Pi = producciones de la zona i.
Aj = atracciones de la zona j.
= parmetro del modelo.
Iijm = impedancia entre i y j por el modo m.
tvij = tiempo de viaje (en vehculo).
tcij = tiempo de acceso (caminata).
teij = tiempo de espera.
ttij = tiempo de transbordo.
Fij = costo o tarifa.
ij = otros costos (estacionamiento, peaje, etc.).
VT = valor del tiempo.
Participacin del modo m en el mercado:
Pijm =
Tijm
Tij
Tij = Pi
m
A j exp( I ijm )
A
j
Pijm =
exp( I ijm )
A
j
Pi A j
j
exp( I ijm )
exp( I
ijm
exp( I ijm )
exp( I
ijm
Esta ltima expresin corresponde a los modelos denominados Logit por su semejanza con
la funcin logstica.
Cuando se trata de la divisin entre dos modos el modelo se denomina binario. Cuando
existen ms de dos modos el modelo se denomina multinomial..
Si bien fueron deducidos en forma conjunta, este tipo de modelos puede aplicarse
independientemente de la etapa de distribucin.
Calibracin de modelos Logit binarios
La calibracin consiste en encontrar el valor del parmetro del modelo (). La informacin
necesaria son las impedancias, Iij1 e Iij2, y la distribucin del trfico, Pijk, entre dos modos
conocidos para cada par ij.
Las proporciones para cada par ij en cada modo son las siguientes, obviando los subndices:
29
P1 =
1
1 + exp[ (I 2 I 1 )]
exp[ (I 2 I 1 )]
1 + exp[ (I 2 I 1 )]
Haciendo el cociente P1/ P2 :
P2 = 1 P1 =
P1
1
=
= exp[ (I 2 I 1 )]
(1 P1 ) exp[ (I 2 I1 )]
Aplicando logaritmos a ambos trminos y reagrupando:
P
log 1 = (I 2 I 1 )
1 P1
=
log[P1 P2 ]
I 2 I1
Te = tiempo de espera.
Pe = penalizacin por espera .
Tv = tiempo de viaje en el vehculo.
Pt = penalizacin por transbordo.
Wt = ponderacin del tiempo de transbordo.
Tt = tiempo de transbordo.
Tb = tiempo de egreso (caminata).
F = tarifa o costo de viaje.
VT = valor del tiempo.
VT = 0,33 * Ingreso/minuto = 0,33*Ingreso anual
120.000
El valor 120.000 son los minutos laborables en un ao (250d/a*8h*60m/h).
Una forma ms simple de la expresin anterior es la siguiente:
D = Tv + 2.5*Te + F/VT
El valor de Te incluye todos los tiempos de espera, acceso, transbordo, etc.
La cautividad del transporte pblico se define como la fraccin de viajes que no tiene otra
opcin que el transporte pblico, generalmente porque el usuario no posee automvil o
porque el automvil del hogar est siendo utilizando por otro integrante.
La diferencia de desutilidad se define de la siguiente manera:
Ddijk = (tij + tji Dij Dji )/2 Dck
Donde:
tij = tiempo de viaje entre i-j en auto.
tji = idem j-i
Dij = desutilidad en transporte pblico entre zona i y zona j.
Dji = idem j-i.
Dck = desutilidad especfica del TP para propsito k.
La divisin modal de los viajes se calcula de la siguiente manera:
1 Yik
t
pijk
= Si S j
+ Yik
d
1 + exp( M k Dijk )
Siendo:
ptijk = probabilidad de que un usuario tome TP entre i y j.
31
32
ANEXO
Estimacin de Modelos Logit Discretos
Introduccin a los Modelos de Eleccin Discretos
Los modelos tipo Logit son modelos de eleccin, es decir se construyen para la prediccin de la
eleccin que ciertos individuos realizarn frente un conjunto de opciones alternativas, por ejemplo
la eleccin del modo de transporte para la realizacin de un viaje. Estos modelos pertenecen al
grupo denominado modelos economtricos, los que para poder ser aplicados en la prediccin deben
ser primeramente estimados, entendindose por estimacin de un modelo economtrico a la
determinacin, mediante mtodos estadsticos, de los parmetros de ajuste del modelo.
En el texto anterior se expusieron modelos Logit agregados, en los que las variables entran en el
modelo representadas por promedios de la poblacin y la estimacin se realiza buscando los
parmetros que mejor se ajusten tambin para el promedio de la poblacin. En cambio, la
estimacin de modelos discretos o desagregados se basa en las decisiones tomadas por los usuarios
individuales.
Por razones de simplicidad se explicar la estimacin de un modelo binario, es decir en el que el
resultado del modelo puede tomar dos valores o que, en otras palabras, la eleccin se puede realizar
entre dos modos. El modelo Logit binario puede ser escrito matemticamente de la siguiente
manera:
P( y i = 1) =
1
1 + e xi
Donde:
P(yi = 1) es la probabilidad de que la variable binaria yi adopte el valor 1.
xi es una funcin lineal con k variables independientes xki
La variable binaria yi es una variable ficticia. Una variable ficticia es aquella que determina el
estado o decisin de un individuo i, por ejemplo el modo de transporte que elige para la realizacin
de un viaje. Siempre toma valores discretos, por ejemplo si elige auto es yi = 1 si elige transporte
pblico es yi = 0. Por lo tanto la probabilidad de que la variable yi adopte el valor 0 es P(yi = 0) = 1P(yi = 1).
Para la estimacin de un modelo Logit discreto es necesario contar con informacin representativa
de la poblacin que se quiere modelar, a partir de una muestra de individuos de esa poblacin. Para
esa muestra se deben observar las decisiones y atributos de los individuos, del viaje y de los modos
mediante la realizacin de una encuesta.
Este tipo de modelo se estima mediante el mtodo de mxima verosimilitud15, el que se basa en la
funcin de verosimilitud de la muestra. Dicha funcin se define como la probabilidad de que el
15
Por tratarse de una variable que slo adopta valores discretos no puede aplicarse el mtodo de ajuste por
cuadrados mnimos ordinarios, ya que ese mtodo dara por resultado una distribucin continua no restringida
al intervalo entre cero y uno.
33
L = P ( y i = 1 / xi ) P ( y i = 0 / xi )
i =1
Siendo:
L = indicador de verosimilitud
n = tamao de la muestra.
En la prctica, el clculo del indicador se realiza aplicando el modelo a cada elemento de la muestra
y multiplicando sucesivamente los resultados. Por ejemplo:
Elemento de
la muestra
1
2
3
...
n
yi observado
P(yi = 1) P(yi = 0)
0
1
0
...
1
P(y1 = 0)
P(y2 = 1)
P(y3 = 0)
...
P(yn = 1)
Funcin de
verosimilitud
Este indicador, por tratarse de un producto de probabilidades, deber necesariamente tener un valor
entre 0 y 1, siendo preferible el modelo que maximice la funcin L (mxima verosimilitud). Para
facilitar los clculos se utiliza el logaritmo natural de la verosimilitud, por lo que el Ln L ser
siempre un valor negativo y cuanto mayor, es decir ms prximo a cero, mejor resulta el ajuste del
modelo.
Modelo de Divisin Modal
Como se dijera al principio, la divisin modal de los viajes puede ser representada por un modelo de
eleccin, en el que el trmino eleccin puede definirse como: la expresin de las preferencias de un
individuo para la realizacin de un viaje. En este tipo de modelo, la eleccin del individuo se basa
en el principio de maximizacin de la utilidad. Este principio establece que un individuo elegir, de
entre las la opciones disponibles, aquella que maximice su utilidad o satisfaccin.
Esta utilidad podr ser expresada mediante una funcin, que ser una expresin matemtica, cuyo
valor depender de los atributos de las opciones disponibles y de las caractersticas y preferencias
del individuo. La funcin de utilidad expresa que si un individuo prefiere un determinado modo
sobre los dems, el valor de dicha funcin de utilidad para ese modo deber ser mayor que para los
restantes.
La expresin matemtica de la utilidad estar dada en funcin de un grupo de variables que
representarn las caractersticas y atributos de los modos de transporte y de los individuos y que
tienen influencia en la eleccin que realicen estos ltimos, por ejemplo: tiempo de viaje, nmero de
34
transbordos, tiempos de caminata y espera, costo del viaje, ingreso del individuo, posesin de
automvil, etc.
De acuerdo al principio de maximizacin de la utilidad, si un individuo prefiere el modo i al j ello
implica que:
U ( xi , S ) > U ( x j , S )
Donde:
U
= funcin de utilidad.
xi, xj = atributos de los modos i y j (tiempo de viaje, costo, etc.).
S
= atributos del individuo que influyen en la seleccin de modo.
La funcin de utilidad debe ser definida de manera que se cumplan las siguientes condiciones:
La forma de la funcin de utilidad deber ser la misma para todas las opciones. Su valor
depender de los atributos del modo y del individuo.
La utilidad de un modo depende exclusivamente de los atributos del modo y del individuo,
independientemente de los atributos de los otros modos.
La eleccin del individuo depende de las utilidades de todos los modos.
Para la definicin de funciones de utilidad para un caso especfico se debe identificar, en primer
lugar, las variables que describen los atributos de cada modo y los atributos de los usuarios. La
habilidad del modelo de predecir lo ms aproximadamente posible la divisin modal depende
fundamentalmente de la eleccin acertada de estas variables. No obstante, por ser el proceso de
seleccin de modo un proceso complejo en el que intervienen innumerables factores, no ser
siempre posible identificar a la totalidad de esas variables, siendo la omisin16 de ciertas variables y
los errores de medicin de las incluidas la principal fuente de error de prediccin de los modelos.
Las variables que forman parte de la funcin de utilidad pueden clasificarse de la siguiente manera:
Variables de poltica. Son las variables que adoptan valores que provienen de decisiones de
polticas deliberadas. La elaboracin de un modelo de demanda tiene por objeto el de
determinar las consecuencias que tendrn los cambios en el valor de estas variables. El
tiempo de viaje, la tarifa, la frecuencia, etc, son ejemplos de variables de poltica.
Variables genricas. Son las variables de poltica que figuran en todos los modos con el
mismo coeficiente.
Variables especficas de modo. Son las variables que entran en la funcin de utilidad con
distintos coeficientes en cada modo. Debe haber por lo menos un modo que no incluya a
dicha variable.
Variables demogrficas o socieconmicas (tambin variables de grupo). Son las variables
que permiten diferenciar el efecto de las medidas de polticas en los diferentes grupos
poblacionales. El ingreso y la posesin de automvil son ejemplos de este tipo de variables.
El valor de estas variables no est sujeto a decisin.
16
La no-inclusin de variables que influyen en el modelo puede deberse a que se las desconoce o por
imposibilidad de medirlas o estimarlas.
35
Las variables pueden figurar en la funcin de utilidad directamente con su valor o transformadas,
por ejemplo mediante la logaritmacin. Asimismo las funciones pueden ser lineales o no lineales.
Algunas variables, tales como el tiempo de viaje, pueden ser desagregadas en componentes, como
por ejemplo: tiempo de caminata y espera, tiempo en vehculo y tiempo de trasbordo, dado que
dichos tiempos son valorados de distinta manera por los usuarios (los tiempos de caminata, espera y
trasbordo tienden a ser percibidos como ms molestos que el tiempo en vehculo). En algunos casos
el tiempo de viaje puede constituir una variable especfica de modo como cuando se incluyen los
tiempos de espera y trasbordo, propios del transporte pblico pero no del automvil.
La variable ingreso o nmero de automviles en el hogar tambin pueden ser usadas como variables
especficas de modo cuando, por ejemplo, sectores de altos ingresos estn dispuestos a utilizar el
automvil no por ahorro de tiempo sino por comodidad y/o flexibilidad. Debe haber por lo menos
un modo sin estas variables.
Adems de las variables descriptivas de los modos y de los individuos se definen tambin las
denominadas constantes especficas de modo. Si dos modos tienen los mismos atributos las
probabilidades ser elegidos por individuos con las mismas caractersticas sern iguales, si bien
pueden presentar diferencias al usuario representadas por variables no incluidas en el modelo, tales
como confort, confiabilidad, seguridad, etc. Este defecto puede ser en parte subsanado mediante la
inclusin de constantes, diferentes, en la funcin de utilidad de todos los modos, excepto uno,
denominado modo base17.
Estimacin Economtrica de Modelos Logit Discretos
La estimacin de modelos Logit discretos, tanto binarios como multinomiales, se realiza mediante
paquetes estadsticos - economtricos. Los modelos binarios pueden estimarse mediante paquetes
convencionales, tales como EViews, SPSS, SAS, etc. Para el caso de los modelos multinomiales
debe recurrirse a software especial como ALOGIT o HIELOW.
A continuacin se desarrollar un ejemplo de estimacin de un modelo Logit binario mediante el
paquete estadstico economtrico EViews18.
Se parte de un relevamiento a travs de encuestas del modo de viaje al trabajo de una muestra de
usuarios. En la encuesta se relev, para cada elemento de la muestra, la distancia de viaje, los costos
del viaje en transporte pblico (TP) y en automvil (A), los tiempos de viaje en TP y en A, el
ingreso del individuo, la posesin de automvil y el modo utilizado para la realizacin del viaje.
Se plantea un modelo de divisin modal con la siguiente formulacin:
P ( A) =
e U a
e U a + e Utp
Siendo:
17
Si se incluyeran constantes en todos los modos las mismas seran matemticamente indeterminadas por lo
que el modelo no puede ser estimado.
18
Producto de Quantitative Micro Software, LLC (www.eviews.com)
36
U a = b Ta + c
Ca
Yi
U tp = a + b Ttp + c
C tp
Yi
U a = b Ta + c C a + d Yi
U tp = a + b Ttp + c C tp
Ta ,Ttp
Ca ,Ctp
a, b, c, d
Yi
Las variables T, C y C/Y son variables genricas de poltica y entran en la funcin con el mismo
coeficiente. El coeficiente a es una constante especfica de modo y solamente forma parte de la
funcin de utilidad del modo TP. La variable Y en la ecuacin 2 es una variable especfica de modo
dado que aparece solamente en la funcin de utilidad del modo A.
El modelo puede ser expresado de la siguiente manera:
Ecuacin 1:
P ( A) =
1
1+ e
(U tp U a )
1
1+ e
( a + bT + cC / Yi )
Ecuacin 2:
P ( A) =
1
1+ e
( a + bT + cC + d Yi )
La muestra que se utilice para la estimacin del modelo debe ser representativa de la poblacin del
rea de estudio que se quiere modelar, es decir que en ella deben formar parte todos los casos
posibles, de manera que el modelo tenga la capacidad de reproducir la eleccin de modo de
cualquier individuo dentro de esa poblacin. Esta es una condicin muy importante para que el
modelo sea aplicable para la determinacin de la divisin modal agregada del rea de estudio, tal
como se ver ms adelante.
37
Las planillas siguientes muestran la informacin relevada a 16 personas que realizan viajes diarios
al trabajo19. Los encabezamientos tienen el siguiente significado:
Dist
Costo_TP
Costo_Auto
19
Para casos reales, el tamao de muestra debe estar entre 1000 y 3000 encuestas. Para este tipo de encuestas
no existe un mtodo para la determinacin estadstica del tamao de muestra.
38
Modo:
OBS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Obs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
0
1
Dist Costo_TP
25
1.75
4
0.75
12
1.25
20
1.75
48
2.5
23
1.75
39
2.5
7
1.25
15
1.25
41
2.5
3
0.75
6
1.25
28
2.5
44
2.5
22
1.75
17
1.75
Delta_T
0.625
0.100
0.300
0.500
1.200
0.575
0.975
0.175
0.375
1.025
0.075
0.150
0.700
1.100
0.550
0.425
Auto
0
1
0
1
1
0
1
0
1
0
1
1
1
0
0
0
Modo
0
0
0
1
1
0
1
0
1
0
0
1
1
1
0
0
39
prediccin es correcta, lo mismo sucede si el dato real es 0 y el modelo predice una probabilidad
menor que 0,5.
Se observa que el modelo denominado Ecuacin 2 presenta mejores indicadores que el denominado
Ecuacin 1.
AJUSTE DEL MODELO
Observado Ecuacin 1 Ecuacin 2
0
0.45561
0.11092
0
0.22662
0.01760
0
0.19032
0.01417
1
0.58847
0.97929
1
0.94589
0.99967
0
0.38554
0.09956
1
0.22424
0.26667
0
0.13646
0.01688
1
0.46270
0.56423
0
0.80282
0.79397
0
0.24413
0.15677
1
0.31420
0.96754
1
0.73820
0.99889
1
0.86781
0.88186
0
0.25274
0.06051
0
0.16427
0.07146
Porcentaje
Correct.
Predicho
75.0%
87.5%
Ecuacin 1
C
Delta_t
DC_Y
Log Max Ver
-1.161796
3.785379
0.10787
-8.5388
Ecuacin 2
C
Delta_t
Delta_c
Ingreso
Log Max Ver
9.081511
59.91634
4.992237
-4.233454
-4.2335
Grfico de Ajuste
1.2
1
0.8
P1
Observado
Ecuac. 1
0.6
Ecuac. 2
0.4
0.2
0
1
10
11
12
13
14
15
16
Observacin
40
Ecuacin 1
P ( Auto) =
1
1 + exp[ (a + b T + c C / Y )]
z-Statistic
Prob.
C
DELTA_T
DC_Y
-1.161796 1.181815
3.785379 2.192012
0.107870 0.080796
-0.983061
1.726897
1.335101
0.3256
0.0842
0.1818
Mean dependent
var
S.E. of regression
Sum squared resid
Log likelihood
Restr. log likelihood
LR statistic (2 df)
Probability(LR stat)
0.437500
0.470393
2.876510
-8.538834
-10.96503
4.852386
0.088373
9
7
0.512348
1.442354
1.587215
1.449772
-0.533677
0.221266
Total obs
16
1.0
0.8
0.6
0.4
0.2
1.0
0.0
0.5
0.0
-0.5
-1.0
2
6
Residual
10
12
Actual
14
Fitted
41
16
Ecuacin 2
P ( Auto) =
1
1 + exp[ (a + b T + c C + d Y )]
C
DELTA_T
DELTA_C
INGRESO
9.081511
59.91634
4.992237
3.199807
0.437500
0.345188
1.429860
-4.233454
-10.96503
13.46315
0.003735
z-Statistic
Prob.
0.338765
0.631081
0.585113
1.851761
0.7348
0.5280
0.5585
0.0641
26.80768
94.94240
8.532089
1.727980
9
7
Total obs
16
1.0
0.8
0.6
0.4
0.2
1.0
0.0
0.5
0.0
-0.5
-1.0
2
6
Residual
10
Actual
12
14
Fitted
42
16
Formulacin
del Modelo
de Div. Modal
Datos de
Personas y
Modos (1)
Variables
Futuras
(2)
Estimacin
Economtrica
del Modelo
Procedimiento
de
Prediccin
Prediccin
Agregada
de Viajes
En la etapa de formulacin se proponen formas alternativas del modelo, como lo fueron, por
ejemplo, las ecuaciones 1 y 2 anteriores. Estas formas son estimadas y luego se selecciona la
considerada como la que mejor representa la eleccin de modo, de acuerdo a los criterios explicados
(mxima verosimilitud y porcentaje correctamente predicho). Se supone que este modelo es
aplicable a cualquier individuo o grupo de individuos dentro del rea de estudio.
Se utilizan varios procedimientos para la agregacin de los resultados obtenidos de los modelos
discretos. A continuacin se describen tres de ellos, para un modelo binario.
Mtodo Simple
Este mtodo consiste en reemplazar el valor de las variables explicativas del modelo por el valor
promedio de cada una de las variables futuras.
La aplicacin del mtodo simple puede producir errores significativos, dado que los resultados
obtenidos de la introduccin de valores promedio de las variables no son iguales a los que se
43
S ( A) =
1
1 + exp (U tp U a )
S (TP ) = 1 P( A)
Donde:
S(A), S(TP) = participacin agregada de los modos A y TP para una determinada poblacin.
a , tp
= valor de las funciones de utilidad de los modos A y TP calculadas con los promedios
de las variables explicativas para la poblacin de inters.
Mtodo de la Estratificacin del Mercado
El mtodo de la estratificacin del mercado consiste dividir a la poblacin objeto de la proyeccin
en estratos de caractersticas similares, teniendo en cuenta las variables explicativas. Para cada
estrato se realizan predicciones utilizando el mtodo simple y luego se promedia para toda la
poblacin, ponderando por el tamao del estrato. Este mtodo reduce los mrgenes de error del
mtodo simple. Como es lgico, la precisin de este mtodo aumenta con el nmero de estratos de
mercado. La forma de aplicacin es la siguiente:
N P ( A)
S ( A) =
N
i
S (TP ) = 1 P( A)
Siendo:
Pi(A) = probabilidad de seleccionar A dentro del estrato i, calculada con los promedios de las
variables explicativas dentro del estrato.
Ni
= tamao del estrato i.
44
P ( A)
i
S ( A) =
S (TP ) =
P (TP)
i
Na = Pi ( A)
i
Ntp = Pi (TP )
i
N = Na + Ntp
Donde:
Pi(A), Pi(TP) = probabilidades de que el individuo i seleccione los modos A y TP respectivamente.
N
= tamao de la muestra.
Na
= nmero de usuarios que eligen A.
Ntp
= nmero de usuarios que eligen TP.
45
Bibliografa
Introduccin al Planeamiento del Transporte, Michael J. Bruton, Ed. Troquel, 1975.
Urban Transportation
Administration, 1985.
Planning,
US
Department
of
Transportation,
Federal
Highway
46