Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelo 1.
3.3.3 Conclusión
Modelo 1.
Modelo 2.
Error de resolución.
Error de estimación.
Error exógeno.
57
vm = 48[1 − (k/100)1,15 )]
Modelo alimentado.
Error de percepción.
Modelo 1.
Modelo 2.
Error de formulación.
56
Donde:
tt : tiempo de recorrido
T : variables de tránsito
O : características de la oferta
D : características de la demanda
Modelo formal.
Modelo 1.
tt = αx/(N/S)−b
Modelo 2.
tt = x/vm
Modelo resoluble.
y = mx + b
Donde:
y = log(tt)
m = −b
x = log (y)
y = (N/S)
b = log (α)
55
30
25
Especificacion 1
Especificacion 2
15
10
0
0 500 1000 1500 2000 2500 3000
Flujo [vehiculos/hora]
NUMERO DE COMPORTAMIENTO DE
CARRILES LAS VARIABLES DE
TRANSITO
TIEMPO DE
LONGITUD DEL RECORRIDO
FLUJO
TRAMO
VELOCIDAD
CONCENTRACION
TRAZADO
GEOMETRICO
ESTADO DE LA
SUPERFICIE DE CAPACIDAD DE LA
RODAMIENTO INFRAESTRUCTURA
VARIABLES
TIPO DE REGULACION CONDICIONES SISTEMA DE
EXOGENAS
CLIMATOLOGICAS INFORMACION
Modelo semántico.
Fórmula característica.
tt = f (T (O, D))
54
3.2 Actividades
3.3 Evaluación
3.1 Lecturas
Y = F (X)
Los trabajos ingleses sobre la afectación en el seno de un esquema a cuatro etapas concluyen en la necesi-
(Ashley 1981) sintetiza una investigación sobre la
dad de investigaciones numéricas.
incertidumbre en la aplicación de un esquema a cuatro etapas. Evocan-
do sucesivamente la generalización, la distribución, la elección modal y la
afectación, examina y compara para cada etapa el error ligado a la esti-
mación, enseguida el error sobre los datos de entrada propagados mecáni-
camente en el modelo, finalmente el error de predicción ligado al ajuste
temporal entre la situación de la estimación y el horizonte de la simulación.
Para la etapa de las distribuciones, recomienda tratar los flujos OD de la
demanda como variables aleatorias, de la cual Ashley lamenta no poder
estimar las covarianzas.
El análisis de la etapa de afectación es menos rica, principalmente de-
bido al carácter estadístico rudimentario del procedimiento utilizado (el
modelo determinista a tiempo variable y demanda fija y homogénea). Ash-
ley prescribe simulaciones numéricas (de Monte Carlo) para establecer los
margénes de incertidumbre “a la salida”, a partir de margénes de incer-
tidumbre “a la entrada” sobre los flujos OD, así como sobre los parámetros
de las funciones de tiempo de recorrido y el coeficiente de compensación
entre tiempo y distancia.
Roger Marche desarrolló (1988-1991) una metodología para valorar las pre-
visiones de ingresos de una autopista de cuota. Identifica cuatro ejes prin-
cipales de error, que él supone independientes:
Horowitz ilustra los efectos potenciales sobre casos particulares sin indicar
los órdenes de magnitud de alcance general.
46
Los
Del lado práctico: cierto desentendimiento, no hay interpretación ni estudio del error de cálculo.
técnicos de modelación en un estudio de planeación son optimistas y pre-
sumen que el error de cálculo compensa las hipótesis sólidas de la mo-
delación: por ejemplo, respecto al principio de Wardrop, algunos dicen que
más vale no llevar la automatización a fondo de la elección de itinerario, ya
que existen conductores que no optimizan. Esta posición lleva a abandonar
el control del modelo.
También en materia de condición de convergencia, los usuarios de los mo-
delos operacionales se limitan a seguir las prescripciones de quien concibe
el programa de cómputo que están utilizando.
44
La práctica limpia: tomar partido de las observaciones disponibles apoyándose en una her-
Algunos técnicos del transporte modifican los parámetros
ramienta utilizada.
del modelo con el objeto de mejorar en lo posible el ajuste, respecto a las
observaciones disponibles.
Entre las observaciones se encuentran no solamente los flujos, sino también
los tiempos de recorrido. Intuitivamente, esta base de ajuste es preferible si
se admite que la persona que se desplaza elige el itinerario de coste mínimo
(por lo tanto, se refiere a tiempos más que a flujos).
Para ajustar los resultados del modelo a las observaciones, es necesario apo-
yarse para dar órdenes y una máquina para ordenar. Las correcciones ma-
nuales de los parámetros aislados alcanzan rápidamente sus límites; só-
lo una automatización, por medio del empleo de un programa de cómputo
especia-
lizado permite llegar más lejos. Un programa de cómputo especializado
ofrece ventajas determinantes: legibilidad por parte de un agente exter-
no, potencia de cálculo que permite probar múltiples combinaciones. Este
tipo de herramientas existe en el caso de la elección modal (Alogit, CRT,
Hiellow), para la estimación de matrices origen-destino (incluidas en los
programas TRIPS, Saturn, emme2, polidrome, Oedipe) y a veces de mu-
chos objetos de estimación.
Estos procedimientos deben de aplicarse en el buen sentido, a fin de in-
corporar un sentido correcto a los datos de aplicación del modelo, no de
restringirlo brutalmente para hacer pasar con éxito las pruebas de vali-
dación.
Con la finalidad de prevenir eventuales excesos en la materia, el TAM
propone dejar de lado ciertas medidas de flujo y de tiempos de ajuste
para utilizarlos exclusivamente en el control de la actitud reproductiva
del modelo. De manera más teórica, es bueno que el método de ajuste
proceda de un marco probabilístico claramente definido al cual se adjunta
una interpretación física.
41
Contrariamente
La práctica sin herramienta especializada: constatar en lugar de actuar.
a las contribuciones teóricas que fijan sin restricción las hipótesis necesarias
a la resolución de un problema, los métodos prácticos dependen crucial-
mente de las condiciones materiales de la aplicación: pocas observaciones
(frecuentemente disparatadas o de calidad dudosa), así como pocas her-
ramientas operacionales.
Frecuentemente, en la ausencia de funciones especializadas en el progra-
ma de cómputo-operaciones, la parte “ajuste” de una aplicación se limita
a constatar los margénes entre las observaciones y la reconstitución pro-
ducida por el modelo. Este hecho se consuma generalmente a partir de
observaciones locales (por ejemplo: a nivel de un arco). Ciertos técnicos
de modelación modifican los parámetros según su intuición, sin garantías
sobre la eficiencia final de su intervención.
Frecuentemente, las consultorías en transporte producen un diagrama que
compara los flujos simulados con los flujos observados y afirman que el
ajuste es satisfactorio. Algunos van más lejos y miden la calidad de la
regresión por medio de indicadores estadísticos: el coeficiente de regre-
sión (Florian 1976), un error cuadrático medio o una distancia de khi-dos
(Thomas 1991).
40
2.7.4 Balance
a los individuos (Heggie 1978) propone una metodología según las dimen-
siones siguientes: sexo, intervalo de edad, categoría socioprofesional, com-
posición del hogar, posición en el ciclo de vida, equipamiento en términos
de medios de transporte y accesibilidad a las redes.
En cuanto a la codificación y jerarquización de redes, en materia de
afectación se requiere de un consenso para proceder a codificar. Éste puede
ser en el orden de importancia de las carreteras o vialidades.
Referente a la selección de itinerarios, hacen falta referencias para la
afectación unimodal y multimodal. Existen algunas indicaciones relativas
a la tendencia de los autores de los desplazamientos a acercarse a una línea
recta (Tiaglacozzo 1973), a las características de los itinerarios elegidos
(Antonisse 1989), a los arbitrajes entre tiempo y distancia, o entre tiem-
po y precio (Marche 1973); pero no hay una guía general. Se abandona
generalmente al modelo cuidando de determinar el itinerario siguiendo un
criterio del camino más corto; por afectación multimodal conviene precisar
las circunstancias y las prácticas de cambios de modo en el transcurso del
desplazamiento.
Los mecanismos explicativos son la parte visible del iceberg de las especifi-
caciones. Se trata de las relaciones causales incluidas en el modelo, elegidos
entre múltiples posibilidades. Para consultar una lista de estas relaciones
respecto a la afectación estática ver por ejemplo: en el caso de la afectación
para los transportes colectivos con (Spiess 1985), y (De Cea 1993), y en
caso de la elección modal (Ortuzar 1990).
2.6.3 Contribución: realizar algunos estudios empíricos para guiar las demarcaciones
estadísticas
2.5.3 Balance
¿Por qué y en nombre de qué preferir un modelo que otro para representar
un fenómeno? Las respuestas a esta pregunta proceden de tres argumen-
31
Tratar el error significa intentar reducirlo, pero sobre todo tratar de medirlo
y considerarlo durante la predicción.
nos dará un marco concreto que tendrá que completarse para tratar el caso
general.
Yi = α + βXi + εi ,
Donde:
i: índice de la observación
Yi : variable endógena, explicada
Xi : variable exógena, explicativa
α, β : coeficientes (parámetros) a estimar, llamados respectivamente or-
denada al origen y pendiente
εi : término aleatorio para integrar las partes del fenómeno inexplicados
por el analista
Las hipótesis probabilísticas sobre los términos aleatorios determinan el
modelo. Éste reposa sobre las seis hipótesis siguientes:
H1 : el modelo es lineal en Xi
H2 : los valores de los Xi son observados sin error
H3 : Cov(Xi ; εj ) = 0 entre los errores y las variables explicativas
H4 : los errores εi son centrados: E(εi ) = 0
H5 : los errores εi tienen la misma varianza: E(ε2i ) = σ 2ε
H6 : los errores εi verifican Cov(εi ; εj ) = 0 si i 6= j
29
1.5 Simulación
1.4.3 Síntesis
1.4 Modelación
1.1 Modelo
1.2 Sistema
8.1.1. Recomendación 1: usar información independiente para examinar el subreporte de viajes . 144
5.2.4. Discusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.5. Cálculo del tamaño muestral de una EODH según distintos objetivos . . . . . . . . . . . . . . . . . . . . . . . . . 82
2.6.3. Contribución: realizar algunos estudios empíricos para guiar las demarcaciones estadísticas 37
2.7.4. Balance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3. Ejercicios y actividades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.1. Lecturas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2. Actividades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3. Evaluación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.3. Conclusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
1.5.5. Pasos en un proceso de simulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.5.3. Balance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Índice general
1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1. Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4. Modelación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.3. Síntesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5. Simulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Este evento académico y estas notas pudieron ser concretadas gracias al apoyo incondi-
cional de la Facultad de Ingenieria, a través del programa PIFI-2002, la Coordinación
General de Investigación de la UAEM, por medio de un apoyo especial para la organi-
zación de eventos académicos, el Consejo Nacional de Ciencia y Tecnología a través del
proyecto de investigación 41078 y el Instituto Mexicano del Transporte al dar las faci-
lidades necesarias para que los investigadores mencionados participaran como ponentes
y como asistentes. Agradecemos también a las entidades públicas y privadas que dieron
un empuje definitivo a esta primera parte del diplomado y sin cuya participación no se
hubiera concretado esta iniciativa. Finalmente, damos las gracias a Montserrat Rojas L.
y Silvia García G. por su invaluable apoyo en la edición del documento.
libro Modelos econométricos de elección discreta del profesor Ortúzar. El módulo "Tópicos
avanzados de economía del transporte" puede ser consultado en los artículos (Jara-Díaz
2003); (Jara-Díaz 2003); (Jara-Díaz 1987) del profesor Jara Díaz.
Óscar Sánchez
Septiembre 2004
Prefacio
Rector
Secretaria de Docencia
Secretario de Administración
Secretario de Rectoría
de la Facultad de Ingeniería
de la Facultad de Ingeniería
Juan de Dios Ortúzar, Oscar Sánchez
Versión 2 (revisada)
7 de octubre de 2004
UAEM