Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESCUELA DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA DE TRANSPORTE Y LOGÍSTICA
ICT 2213 – Modelos de Demanda de Transporte
Profesor: Sebastián Raveau y Jaime Soza
Primer Semestre de 2019
1. Objetivo
Estimar modelos agregados de distribución de viajes mediante distintos métodos y con distitnas
formulaciones, con el fin de comparar sus resultados a través de un análisis crítico realizado desde
una perspectiva de evaluación de proyectos urbanos y de transporte.
2. Información disponible
Los datos a utilizar provienen de la Encuesta Origen-Destino (EOD) de Santiago del año 2001,
incluyendo información sobre costos promedio entre zonas. Las zonas están agregadas a nivel
comunal. Cada grupo usará una base de datos de viajes distinta, siendo una submuestra de la muestra
total. La base de datos está conformada por cinco hojas de datos que contienen la siguiente
información:
• La hoja “costos” que contiene los costos considerados en los modelos de distribución.
Específicamente, contiene las siguiente variables:
• La hoja “OD” que contiene los vectores de viajes totales generados atraídos a nivel comunal.
Los campos contenidos son los siguientes:
• La hoja “viajes por grupo” indica las submuestras correspondientes para cada grupo.
La finalidad de esta etapa es caracterizar y analizar los datos que se utilizarán para estimar modelos
de distribución de viajes de la siguiente etapa. Como mínimo, los alumnos deben describir la
estructura de viajes observada (e.g. concentración de viajes, análisis de costos, uso de suelos, etc.),
mediante el uso de estadísticos descriptivos y análisis gráfico. Además, deberán plantear hipótesis
apropiadas con respecto al modelo que estimarán según el análisis hecho.
En esta etapa deben estimar un modelo gravitacional de distribución de viajes doblemente acotado,
a partir de la estructura de viajes y costos. Para estimar el parámetro β se deberá utilizar el algoritmo
de Hyman, mientras que para estimar los factores de balanceo deberán utilizar el algoritmo de
Furness. Use criterios de convergencia adecuados para los algoritmos.
En esta etapa deben estimar un modelo triproporcional de distribución de viajes acotado a orígenes,
destinos y costos. Para ello, deberán construir intervalos de costos adecuados para poder estimar el
modelo triproporcional. Luego, mediante el uso del algoritmo iterativo de Furness, deberán estimar
los factores de balanceo del modelo.
3.4. Estimación de modelo simplemente acotado a orígenes
En esta etapa deben estimar un modelo simplemente acotado a orígenes. El modelo debe ser
estimado mediante Mínimos Cuadrados Ordinarios, utilizando la transformada de Berkson-Theil.
En esta etapa deben mejorar el modelo estimado en el punto 3.4 con una métrica de atractividad
asociada a cada destino. Las variables que componen dicha métrica deberán ser definidas y
recopiladas por los estudiantes. Algunos ejemplos de dichas variables pueden ser: usos de suelos,
accesibilidad, conectividad, entorno construido, disponibilidad de servicios, etc.
Entre los cuatro modelos estimados, se debe seleccionar el mejor. Para ello, deben realizar al menos
las siguientes comparaciones:
a) Histogramas de costo observado y modelado.
b) Gráficos de dispersión entre los viajes observados y los viajes modelados.
c) Test 𝜒 2 .
d) Adicionalmente, al menos tres otras medidas de comparación a partir de Smith y Hutchinson
(1981).
Se espera que los grupos utilicen el mejor modelo estimado para predecir el efecto de dos escenarios
hipotéticos. El primero es la construcción de un centro comercial sobre las matrices de distribución
de viajes, en tres zonas distintas de la ciudad de Santiago; una comuna de ingresos altos (Lo
Barnechea, Las Condes o Vitacura), una comuna de ingresos medios (Maipú, Pudahuel o San
Miguel) y una comuna de ingresos bajos (La Pintana, El Bosque o San Ramón). El centro comercial
atraerá 100.000 viajes diarios. Los orígenes de estos nuevos viajes serán proporcionales a los viajes
generados por cada comuna antes de la construcción del centro comercial.
El segundo consiste en la implementación de una política pública que subvenciona los viajes
proporcionalmente según la lejanía entre las zonas, que tiene como efecto reducir los costos
entregados en un 30% para los viajes entre aquellas zonas que no colindan en sus límites, en un 20%
para los viajes entre aquellas zonas cuyos limites colindan entre sí, y en un 10% para los viajes
intrazonales. Utilicen los modelos de distribución en modalidad predictiva como se detalla a
continuación:
En ambos casos deben analizar cómo cambia la matriz de viajes predicha por el mejor modelo. Para
el caso del primer escenario, deben determinar dónde y por qué escogerían construir el centro
comercial, en base a criterios de planificación de transporte. Para el caso del segundo escenario,
deben evaluar cuantitativa y cualitativamente cuál es el impacto en la matriz de viajes obtenida con
los cambios en los costos.
Las etapas 3.2, 3.3 y 3.6 se realizarán utilizando Macros de Excel, herramienta que será enseñará a
los estudiantes a través de un laboratorio que se subirá en el Siding. El resto de las etapas pueden
ser realizadas usando la herramienta que los estudiantes estimen conveniente (e.g. R para los
modelos de regresión lineal múltiple).
El informe puede ser entregado hasta las 23:59 hrs. del miércoles 15 de mayo, y debe consistir en la
entrega de distintos archivos subidos al cuestionario habilitado para tales efectos en la página web
del curso, que contenga la siguiente información:
• Informe en formato WORD y PDF, con portada y pauta de evaluación. El nombre debe ser
“GXX_T2InformeFinal.pdf/doc”.
• Informe en formato WORD, sin portada y pauta de evaluación (i.e. únicamente el cuerpo
del informe). El nombre debe ser “GXX_T2Cuerpo.doc”.
• Planillas utilizadas y cálculos realizados en EXCEL (debe ser auto-explicativo, ya que la
organización de estos archivos se tendrá en cuenta en la evaluación). Los nombres deben
ser “GXX_T2YYYYYY.xls”, donde YYYYYY es el nombre autoexplicativo del Excel (por
ejemplo, modalidad predictiva).
• Archivos de apoyo del software utilizado “Macros”. Para ello, deben copiar todos los
códigos de las macros utilizadas y subirlas en un archivo Word titulado
“GXX_T2Macros.doc”. Recuerden titular cada macros programada, para que sea
autoexplicativa.
Si el tamaño del archivo excede el máximo permitido en SIDING, se deberá entregar un pendrive con
esta información, junto con el informe impreso, en la Secretaría del Departamento de Ingeniería de
Transporte y Logística.
Además, tienen hasta las 23:59 del viernes 17 de mayo para hacer entrega de la autoevaluación del
trabajo en el cuestionario habilitado en la página web del curso.
• Autoevaluación: correspondiente a un ponderador que oscila entre 0,5 y 1,31. Cada alumno
dispondrá de una cantidad fija de puntos igual a 5∙n, siendo n el número de integrantes del
grupo; el alumno deberá́ repartir estos puntos entre los integrantes. Si un alumno no suma
más de 5 puntos para grupos de 3 o más de 7,5 puntos para grupos de 4, sin contar el puntaje
auto-otorgado, obtendrá la nota mínima en el taller (1,0). Si un alumno no envía su
evaluación de pares dentro del plazo establecido, se asumirá que asigna 5 puntos para cada
uno de los integrantes del grupo, incluyéndose a sí mismo. Dicho esto, sólo es necesario
enviar la evaluación de pares en el caso de que se desee entregar una repartición diferente de
puntos a cada integrante.
• Nota grupal: esta se calcula utilizando la tabla que se adjunta al final de este documento.
La nota individual será el producto del factor obtenido en la autoevaluación y la nota grupal.
El profesor se reserva el derecho a llamar a interrogación oral a cualquier alumno tras la entrega del
trabajo, razón por la cual se recomienda conocer y entender todas las tareas realizadas por el grupo
durante el Taller. Se recomienda encarecidamente que no dividan el trabajo en tres partes realizadas
individualmente por cada integrante. Suena eficiente, pero no lo es; interesa que aprendan a trabajar
en equipo, discutiendo cada paso del proyecto.
6. Referencias
Ortúzar, J. de D. y Willumsen, L.G. (2011) Modelling Transport. Cuarta Edición, John Wiley and
Sons, Chisterter.
Smith, D.P. y Hutchinson, B.G. (1981) Goodness of fit statistics for trip distribution models.
Transportation Research 15A, 295–303.
1
Siendo x es el total de puntos recibidos, el ponderador será el polinomio -0,0015x2+ 0,08733x + 0,0301 para grupos
de tres integrantes y -0,000711x2 + 0,057657x + 0,131235 para grupos de cuatro integrantes.
PAUTA INFORME TALLER Nº 2
PRESENTACIÓN (10%)
Redacción y ortografía (máx: 1,5)
Cumplimiento del formato (binario: cumple o no) (máx: 0,5)
Presentación gráficos y figuras (máx: 0,5)
Orden y coherencia en la presentación de resultados (máx: 0,5)
Índices (0,5)
Introducción (0,5)
(máx: 3,0)
Resumen ejecutivo (0,5)
Anexos (1,5)
TOTAL
CONCLUSIONES (35%)
Construcción de un centro comercial (Modalidad predictiva)
(2,5) (máx: 5,0)
Implementación de política pública de reducción de costos (2,5)
Conclusiones (máx: 1,0)
TOTAL