Está en la página 1de 66

Planificación:

Modelo clásico del transporte


¿Modelo?

Representación simplificada de la realidad, que


facilita su comprensión y el estudio de su
comportamiento
El proceso de modelación

Definición del problema

Capturar información
Formulación problema y
construcción del modelo
• Inventario de infraestructura y
Resolución servicios
• Inventario de usos del suelo
Verificación, validación, • Encuestas de viaje y conteos
refinamiento asociados de tráfico
• Estudios de velocidad
Interpretación y análisis de • Otros estudios de tránsito: tasas
resultados de ocupación, estacionamiento,
demoras, accidentalidad
Implantación y uso • Información socio-económica
extensivo
Tener en cuenta..

ZAT’s y Redes

• Nivel de detalle (resolución):


• Proyectos a estudiar

?
• Tipo de variables a incluir
• Tratamiento del tiempo

• Compromiso costo-exactitud:
• Recolección de información
• Análisis
Principios de zonificación
• Objetivo e hipótesis implícita

• Dimensiones: número y tamaño de zonas


• Contexto, esquemas a modelar, tipo de
viajes
• Estudios estratégicos v/s locales
• Horizonte de análisis

• Zonas externas o internas

• Criterios de zonificación
• Tamaño (error de agregación)
• Compatibilidad (censos)
• Homogeneidad (uso de
suelo/población)
• Límites compatibles (vías importantes)
• Tamaño similar (unidades de tiempo)
Tener en cuenta..

Representación de redes de Transporte

• Sistema de nodos y arcos


• Nodos
• Arcos (¿ficticios o reales?)
• Características de los arcos • Longitud, capacidad
• Velocidad de flujo libre
• Relación flujo-tiempo
t

q
q q
Límite zona externa

Límite zonal

Arco de la Red

Nodo

Centroide

Conector
Tener en cuenta..
Periodización
• Periodos homogéneos para caracterizar oferta y demanda de forma
apropiada.

• Objetivo: Encontrar número limitado de periodos que garanticen nivel


de precisión adecuado.

• Beneficios de un proyecto dependen de condiciones de operación…


éstas varían con los flujos, frecuencias y capacidades; y éstos, varían
durante cada día.. mes.. o año.

 NO se debe predecir con los valores promedio para el año


considerado (demoras, consumos y combustible y otras fuentes de
beneficio no son lineales con flujos y capacidades)
Tener en cuenta..
Periodización
• Caso Urbano: Acá, el criterio único son las demoras y, normalmente se
llega a tres periodos: punta AM, punta PM y FP

• Caso Interurbano: Periodización se basa en niveles de flujo circulante

 Estacionalidades (ej. Invierno, verano, resto del año)

Diarios laboral
fin de semana
festivo
En cada sub-período se debe seleccionar “horas representativas” a fin
de efectuar mediciones
Encuestas

• Preferencias reveladas (PR).

• Preferencias declaradas (PD).

PD opciones no presentes en el año base, o determinar el efecto de


variables subjetivas o difíciles de medir.

¿Los individuos si actuarían como han declarado hacerlo cuando se


enfrenten en la realidad a la situación hipotética
Encuestas
Encuestas sección transversal
• Observaciones en un instante de tiempo (un
día, un mes, un año). Ej: Origen – destino a
hogar.
• Muestreo uniforme y suelen tener un alto costo
de recolección y procesamiento
• Normalmente incluyen: Encuesta Diario de
Viajes

Encuestas Longitudinales
Encuestas OD metropolitanas
Todas las personas + Todos los modos +Todos los viajes
+ Gran nivel de detalle (incluyendo geocodificación)

Viajes que cruzan el


Área, con Origen y
Destino Fuera de Ella

Viajes de No
Residentes Hacia y
Desde el Área
Viajes de Residentes
Viajes de Residentes Dentro del Área
del Área
Encuestas

• Encuestas en hogares (y lugares de trabajo)


• Encuestas de intercepción en cordones y líneas pantalla
• A la vera del camino
• A bordo de vehículos
• En terminales
• Conteos de tráfico y de personas
• Otras encuestas
• Uso de suelo, incluyendo nivel y composición de empleos.
• Grupos focales, PD, estudios de actitudes
• Encuestas a transportistas, embarcadores
• Información de la red (rutas, niveles de servicio)
• Información del sistema (tarifas, frecuencias)
• Encuestas de tiempos de viaje (GPS)
Encuesta en Hogares

• Tamaño muestral entre 1.500 y 40.000 hogares


• Alto costo por viaje, pero:
• Datos clave para Generación de Viajes
• Útiles para modelar Tasa de Motorización
• Útiles para modelos desagregados de PM y hora de viaje
• Provee información para distribución (longitud de viaje)
• En general menos de un hogar por día por encuestador
(a no ser que se trate de auto-llenado)
• Problema con no residentes en hogares (hoteles, pensiones,
hospitales, cuarteles
Expansión de la muestra

A
Fi 
Factor de expansión:
B
A= total de direcciones en la zona (de donde se extrajo la muestra)
B= total de direcciones muestreada

Pero, típicamente:

C= número de direcciones muestreadas no elegibles (ej.: demolidas, no-


residenciales)
D= número de direcciones sin respuesta

A C 
A  C  D
B B 
 Fi 
B C  D
Modelo Clásico de Transporte

TEORÍA:
Usuarios del sistema de transporte realizan sus
viajes en base a un conjunto de elecciones:

Decisión de viajar (generación y atracción)

hacia un destino (distribución)

en un modo de transporte (partición modal)

y a través de una ruta determinada (asignación).


Figura Modelo Clásico de Transporte

Generación y
Atracción de Viajes

Distribución

Partición Modal ? 123

Asignación

123
Datos de Entrada Modelo Técnica Analítica

Información socio- Regresión lineal múltiple


económica (SE) a nivel
de hogares o personas
Generación Análisis de clasificación
en cada zona de múltiple
Viajes Modelo logit (frecuencia)
Accesibilidades
Total de viajes generados
y atraídos por zona
O i , Dj
Datos de Entrada Modelo Técnica Analítica

Modelo gravitacional (agregado)


Oi, Dj
Distribución
de
Costos generalizados
de viaje (Cij)
Viajes Modelo logit (desagregado)

Total de viajes entre cada


Vij par de zonas (i, j)
Datos de Entrada Modelo Técnica Analítica

Vij Modelo logit


Información SE a
nivel individual
Partición Modelo logit jerárquico
modal
Costos modales de Modelo probit
viaje (Cijk)

Total de viajes por cada medio k


Vij k
entre par de zonas (i, j)

? 123
Datos de Entrada Modelo Técnica Analítica

Asignación de equilibrio
Vijk
Asignación Equilibrio bimodal
Red de transporte público de redes
y privado con relaciones Asignación de transporte
flujo-velocidad público con líneas comunes

k,r
Total de viajes modales por
Vij cada ruta entre el par de zonas (i, j)

123
1. Generación y Atracción de Viajes

Objetivo: Modelar totales de viajes generados (Oi) y atraidos (Dj) por cada
zona ( i o j )

Para esto normalmente se ocupan las variables de planificación


(población, empleo, ingreso, tasa de motorización), así:

Oi = f ( P, I, TM )

Y el Costo del viaje – Cambios en la red?:


Por fuera del Modelo clásico y de la etapa de Generación y Atracción.
Generación y Atracción de Viajes
Modelos
Generación a nivel de Hogar (no zonal):
•Método de regresión lineal
•Análisis por categorías

𝑂𝑖 = 𝐻𝑖 ∗ 𝑌𝑖

Atracción a nivel de Zonas:


•Método de regresión lineal

En caso de viajes poco frecuentes (cruzan un área) también pueden


utilizarse modelos de Factor de Crecimiento
Generación y Atracción de Viajes
Regresión Lineal

𝑌𝑖 = Cantidad de viajes en la zona i


𝑋𝑗 = Variables que influyen en la G/A de viajes
𝑌𝑖 = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 + 𝑏3 𝑋3 + ⋯ + 𝑒 𝑏𝑖 = Regresores – impacto marginal de vble
𝑒 = Término error – mediciones.

1. Evaluar razonabilidad .
2. Evaluar estadística. (Test T - Variables relevantes).
Ho: parámetros estadísticamente dft de cero.

• Viajes Basados en hogar: independiente de límites zonales


• Viajes Basado en zonas: Sólo puede explicar variaciones
interzonales. Mayor zona, menor capacidad de predicción.

• Problema de no linearidad – Categóricas y Cualitativas:


• Transformar las variables para linearizar sus efectos
(log,exp, box culvert)

• Uso de variables mudas


Regresión Lineal

𝑌𝑖 = 0.91 + 1.44 𝑋1𝑖 + 1.07 𝑋2𝑖 Variables continuas.

𝑌𝑖 = 0.84 + 1.41 𝑋1𝑖 + 0.75 𝑋2𝑖 + 3.14 𝑋2𝑖

Variable Dummy – 0 o 1.

Obtención de totales zonales

Basado en hogares

Sin variables muda 𝑇𝑖 = 𝐻𝑖 (0.91 + 1.44 𝑋1𝑖 + 1.07 𝑋2𝑖 )


Con variables muda 𝑇𝑖 = 𝐻𝑖 (0.84 + 1.41 𝑋1𝑖 ) + 0.75 𝐻1𝑖 + 3.14 𝐻2𝑖 )
Hji es el número de hogares de clase j en zona i
Regresión Lineal
Sentido común..

Significativamente No significativamente
Variable
diferente de 0 diferente de 0
Signo
OK Mantener en el modelo
correcto
Relevante
Signo
Gran problema Problema
incorrecto
Signo Test para incluir o no
OK
correcto en el modelo.
Otra
Signo
Sacar del modelo Sacar del modelo
incorrecto
Análisis de Clasificación Múltiple

Tasas medias de viajes por categorías según variables.


Definición de categorías: entre mayor cantidad, mayor
difícil es el análisis.
Hogares: Viajes:

Tamaño del hogar Promedio según


(DANE) categorías

 Muestras grandes × Predecir número de hogares a


futuro
 Tasas medias en categorías sin
definición muestral. × Significancia estadística.
Análisis de Clasificación Múltiple

Número de hogares por categorías.

Viajes promedio por categorías.

Note que 4 tienen menos de 50 observaciones


Análisis de Clasificación Múltiple

1.54-0.26+0.90 = 2.18
1.54-1.07-0.81= -0.34 = 0

1.54+0.36+0.90= 2.80
Media Global
Regresión – Atracción de viajes

Modelo de regresión lineal

𝐷𝑗 = 𝜃0 + ෍ 𝜃𝑛 𝑋𝑗𝑛 + 𝑒
𝑛

Variables explicativas utilizadas por propósito de viaje (Xjn):

–Viajes con propósito Trabajo (actividades que ofrecen empleo)


»m2 de comercio »m2 de servicios
»m2 de industrias »m2 de oficinas

–Viajes con propósito Estudio (establecimientos educacionales)


»número de matriculas por nivel de educación: básica, media y superior

–Viajes con Otros propósitos (compras, diligencias, salud, etc.)


»m2 de comercio »atenciones de salud
»m2 de servicios »hogares en la zona (para explicar viajes con motivos sociales)
2. Distribución
El modelo de Distribución permite estimar el número de viajes
realizados durante un determinado período entre las distintas
zonas del sistema analizado.
Prod / Atrac 1 2  j  n V
j
ij

1 V11 V12  V  V1n O1


1j
V1 D2 O2 2 V21 V22  V  V2 n O2
2j
2   
D1 O21   
1 V2 j Vi1 Vi 2  Vij  Vin Oi
Vn
1      
1
V1 Dn On n Vn1 Vn 2  Vnj  Vnn On

n
n
Vij D1 D2  D j  Dn Vij  V
ij
i
Distribución De Viajes

Notar que los métodos de generación de viajes no garantizan que:

O   D
i
i
j
j

Por esto, y para asegurarse que la matriz anterior sume V, los


resultados para los Dj se corrigen por el factor:
V
f  en que V   Oi
 Dj
j
i

Las matrices pueden desagregarse, por ejemplo: por tipo de


persona (n) y modo (k), como en: Vijkn → Oikn
También se pueden desagregar por propósito del viaje y hora del día
V j
ij  Oi

→ Doble o simplemente acotada


Restricciones:
V i
ij  Dj
Modelos de Distribución

a) Modelos de factor de crecimiento


Supongamos que se conoce una matriz v (a priori o anterior); se
desea estimar la matriz para un año de diseño (por ejemplo en
10 años más). Dependiendo de la información disponible, se
pueden utilizar distintos métodos..

i) Método del factor uniforme


𝑉𝑖𝑗 = 𝐹 ∙ 𝑉𝑖𝑗 , para cada par (i,j)

Supone que toda el área crecerá en forma uniforme; esto es, en


general, poco realista excepto en el corto plazo.
Modelos de Distribución

ii) Métodos de factor de crecimiento doblemente acotados

Aquí se tienen dos conjuntos de factores de crecimiento para cada


zona. Se ajusta utilizando el método de Furness

Vij= vij · Fi· Fj · Ai · Bj = vij · ai · bj

Factores de balanceo

𝑂𝑖 𝑚𝑒𝑡𝑎 𝐷𝑗 𝑚𝑒𝑡𝑎
𝑎𝑖 = 𝑂𝑖 𝑏𝑎𝑠𝑒
𝑏𝑗 = 𝐷𝑗 𝑏𝑎𝑠𝑒
Modelos de Distribución

Problema de expansión de matriz doblemente acotada

D1 D2 D3 D4 j
Oi
Meta

O1 5 50 100 200 355 400

O2 50 5 100 300 455 460

O3 50 100 5 100 255 400

O4 100 200 250 20 570 702

i
205 355 455 620 1635

Dj 260 400 500 802 1962


Modelos de Distribución

Solución al problema de expansión matriz doblemente acotada

D1 D2 D3 D4  Oi
j Meta

O1 5,25 44,12 98,4 254,25 401,85 400

O2 45,30 3,81 84,78 329,11 462,99 460

O3 77,04 129,50 7,21 186,58 400,34 400

O4 132,41 222,57 309,77 32,07 696,82 702

i
260,00 400,00 500,00 802,00 1962

Dj 260 400 500 802 1962

No sensible a costos; amplifica errores preliminares (ceros?).


Modelos de Distribución

b) Modelo Gravitacional (maximización de la entropía)


“Fuerza entre dos cuerpos a α las masas y α 1/distancia”

El modelo plantea que:


  Cij
Vij  AO
i i Bj Dj e
ai bj
donde:
1 1
 - Cij   - Cij 
Ai    B j D j e  y B j    Ai Oi e 
 j   i 
Modelos de Distribución

b) Modelo Gravitacional (maximización de la entropía)

−𝛽𝐶𝑖𝑗
𝑒
Matriz de costo ij
𝐶𝑖𝑗 D1 D2 D3 D4
Factor de balanceo a ser
estimado por método O1 3 11 18 22
Hyman O2 12 3 13 19
O3 15.5 13 5 7
O4 24 18 8 5

Ventaja: Distribución de viajes sensibles a los costos


generalizados teniendo en cuenta posibles formas funcionales
3. Partición Modal

• En el caso de transporte, un usuario de la categoría


q, para viajar entre un par O-D determinado :
• Dispone de un conjunto finito, discreto y conocido
de modos de transporte alternativos.
» Auto
» Bus
» Metro
» Caminata 123

» etc.

• La elección de un modo específico, dependerá de las


características del usuario y de los atributos (costo,
tiempo de viajes, comodidad, seguridad, etc.) de los
modos disponibles.
Formulación de
Modelos de Elección Discreta

Uiq: Utilidad asociada a la alternativa i por un individuo


de categoría q.

xiq Vector de características observadas de la


alternativa i por un individuo de categoría q.

Luego, cada individuo q escoge la alternativa que


máxima su utilidad, esto es, escoge la alternativa i
si y sólo si: Uiq>Uij
Formulación de
Modelos de Elección Discreta

No se conocen todos los factores que afectan la decisión de un


individuo:
𝑈𝑖𝑞 = 𝑉𝑖𝑞 + 𝜀𝑖𝑞

Viq Es la Componente εiq es la componente


observada (determinística); aleatoria de la utilidad:
depende de los atributos • Idiosincrasia
medidos. • Gustos del individuo
• Errores de medición y
observación.
Modelos de Elección Discreta

Función de utilidad
En general para Vi se utiliza una formulación aditiva y
lineal en los parámetros:
K
Viq   ikq X ikq
k 1

Xijk representa el valor del atributo k de la alternativa


para el individuo q .  son parámetros a estimar
Modelos de Elección Discreta

• La especificación del error determina el modelo.


• Si el error es Gumbell independiente e idéntico, se
tiene un modelo logit multinomial

 es un factor de escala que normalmente se asume


igual a 1


exp(  Viq ) 6
Piq 

Aj  A( q )
exp(  V jq )
Logit Multinomial

Se desea identificar la probabilidad de elección de modo de 10.000 viajes entre un


par de zonas. Se ha estimado un modelo logit multinomial y se ha obtenido la
siguiente función de utilidad para los modos 𝑖 en términos del tiempo de viaje (𝑡𝑖 ) en
minutos y el costo ( 𝐶𝑖 ) en miles de pesos. La constante modal se indica en la tabla
final.
𝑉𝑖 = 𝜃𝑖 − 0,08 𝑡𝑖 − 0.4 𝐶𝑖
Según un estudio de la población, del total de viajes, el 30% tiene disponibles todas
las alternativas, el 40% no pose vehículos, el 20% no tiene cobertura del transporte
público y el 10% restante solo tiene disponible el bus para realizar sus viajes. Los
costos de viajar en cada modo, según los atributos incorporados, se presentan en la
siguiente tabla.

Tiempo Costo
Alternativa
(minutos) (pesos) 𝜽𝒊
Automóvil 20 5.500 1.5
Transmetro 25 2.400 1.1
Bus 35 2.200 0
4. Asignación de rutas

Una vez definidos los viajes O-D dentro del sistema


analizado para un determinado período (Distribución)
y los modos utilizados (Partición Modal), la etapa de
Asignación determina las rutas empleadas en la
realización de sus viajes.

Se consideran dos enfoques:


•Sin congestión
•Con congestión
El Problema de Flujo de Mínimo Costo
(PFMC)

Este modelo tiene muchas aplicaciones conocidas:


 Distribución de un producto desde plantas de
producción hasta bodegas, o desde bodegas hasta
comercio detallista.

 El flujo de materias primas y productos intermedios


a través de varias maquinarias en una línea de
producción.

 Ruteo de llamadas a través del sistema telefónico.


Formulación Matemática

Min 
i , j A
cij xij

S . A.
 xij   x ji  bi i  N
 j /  i , j A  j /  j ,i A
lij  xij  uij   i, j   A
xij entero   i, j   A
Ejercicio

Un cliente demanda 1300 toneladas. Usted como proveedor puede


suministrarle de dos plantas: A y B. La planta A tiene disponibles 600 ton.
y la planta B 1000 ton. Para transportar la mercancía usted puede
enviarlas directamente por camión desde las plantas hasta el cliente, o
enviarlas por camión hasta una estación consolidadora donde transborda
a un tren hasta llegar al cliente.

El costo por tonelada enviando directamente por camión desde A es


$1000/Ton y desde B es $1300. A su vez, el costo del camión hasta la
estación de transbordo desde A es $600/ton y desde B es $700/ton. El
transbordo cuesta $100/Ton y el costo por tren desde la estación
consolidadora hasta el cliente cuesta $300 pesos por tonelada.

Las rutas por carretera tienen una capacidad límite de envío de 500
toneladas y la ruta por tren de 1000. Planifique el transporte y evalúe el
costo
Redes sin congestión
Asignación a Rutas Mínimas
 Se trata de encontrar la ruta de menor distancia, o costo,
entre el punto de partida o nodo inicial (s) y el destino o
nodo terminal (t).

 Aparece a menudo en la práctica, en general con la


distribución de mercancías (paquetes, llamadas,
vehículos, etc), rutas de transporte, etc.

 Es fácil de resolver eficientemente, aunque tiene la


bondad de capturar varios de los ingredientes de
problemas más complejos.
El algoritmo Dijkstra

 Trabaja sobre redes con costos no negativos


 Mantienen una etiqueta d(i) iN que indica el límite
superior de la distancia entre s e i
Algoritmo de Rutas Mínimas. DIJKSTRA

• Es un algoritmo del tipo “Fijación de Etiqueta”. En cada


iteración se define un pivote, que hace parte de la ruta
mínima, desde el cual se verifican los nodos que pueden
alcanzarse desde él
• En cada iteración se verifica la condición:
d (i )  c(i, j )  d ( j )  0 arco(i, j )
• Al nodo que es elegido pivote se le fija la etiqueta y así se
va formando el árbol de rutas mínimas.
• El algoritmo finaliza cuando todos los nodos hacen parte
del árbol.
Encontrar el árbol de rutas mínimas desde S

B H

S
C F

Nomenclatura
D
3(4) Significa Arco 3,
Costo= 4
E
Primera Iteración. Condiciones iniciales

(*,) (*,)

B H
(S,0)
(*,)
S (*,)
C F
Pivote

Nomenclatura
(*,)
La etiqueta (p,d) indica el
predecesor y la distancia D
desde el origen (*,)
E
Segunda Iteración

(S,4) (*,)

B Nuevo pivote
H
4
(S,0)
(S,5)
S 5 (*,)
C F
Pivote
4

El nuevo pivote se elige


entre B y D, al tener costos
D (S,4)
(*,)
iguales (4). Se elige B
E
Tercera Iteración

(S,4) (B,8)
Pivote 4
B H
3
(S,0)
(S,5)
S (*,)
C F

Nuevo pivote: D
D (S,4)
(*,)
E
Cuarta Iteración

(S,4) (B,8)

B H
(S,0)
(S,5)
S (*,)
C F
3

(S,4)
Nuevo pivote: C
D 15
Pivote
E (D,19)
Quinta Iteración

(S,4) (C,7)

B H
(S,0) 2

(S,5)
S (C,10)
C 5
F
Pivote

(S,4)
Nuevo pivote: H
D
E (D,19)
Sexta Iteración

(S,4) (C,7)
Pivote
B H
(S,0)
(S,5)
S (C,10)
C F

(S,4)
Nuevo pivote: F
D
E (D,19)
Séptima Iteración

(S,4) (C,7)

B H
(S,0)
(S,5)
S Pivote (C,10)
C F

6
(S,4)
Esta es la última iteración, ya
D
todos los nodos tienen
etiqueta permanente E (F,16)
Árbol definitivo

(S,4) (C,7)

B H
(S,0)
(S,5)
S (C,10)
C F

(S,4)
D
E (F,16)
1 2 3 4 5 6 7
S (S,0) - - - - - -

B (*,) (S,4) - - - - -

C (*,) (S,5) (S,5) (S,5) - - -

D (*,) (S,4) (S,4) - - - -

E (*,) (*,) (*,) (D,19) (D,19) (D,19) (F,16)

F (*,) (*,) (*,) (*,) (C,10) (C,10) -

H (*,) (*,) (B,8) (B,8) (C,7) - -


Pivote S B D C H F E
Arbol S S,B S,B,D S,B,D,C S,B,D,CH S,B,D,CH, S,B,D,CH
F ,F,E
Examinados - 3 2 2 2 0 1
Modificados - 3 1 1 2 0 1
EQUILIBRIO DE USUARIOS

Principios de Equilibrio

• Wardrop: En el equilibrio, ningún usuario puede reducir


unilateralmente sus tiempos (costos) de viaje mediante
un cambio de ruta.

• Smith: Los usuarios de la red sólo cambiarán de ruta si el


costo total de operación sobre ella, calculado a base de
los costos observados antes del cambio, disminuye.
EQUILIBRIO DE USUARIOS

Ejemplo Ca

F
TOD TOD
O O D D

Cb
EQUILIBRIO DE USUARIOS

Se cumple Wardrop y Smith.


Ejercicio

• Entre Buena Esquina y Bellas Flores hay dos carreteras. En la


carretera uno la variación del tiempo de viaje en función del
flujo es t1=40+0,005q1, en la segunda tal función es
t2=25+0,01q2, donde t es el tiempo de viaje (minutos) y q es
el flujo (veh/h). Cuales son los flujos en cada una de las vías y
los tiempos de viaje correspondientes si el flujo total entre
ambos pueblos es:

a. 1.000 veh/h
b. 4.000 veh/h

66