Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RÁPIDO
ENTRE BARRANQUILLA Y CARTAGENA
1. JUSTIFICACIÓN
Un experimento puede ser entendido como una serie de pruebas donde los cambios controlados
están presentes por las variables de entrada de un proceso o sistema para identificar las razones
de los cambios que se pueden observar en la variable de salida (Montgomery, 2013). Aunque en la
mayoría de las aplicaciones de diseño y análisis de experimentos se encuentra en el sector
industrial (Eriksson et al., 2008) está claro que su alcance incluye analizar innumerables
fenómenos, como combustible automotriz, precio al por mayor de productos químicos, o
rendimiento de maíz por acre (Goupy y Creighton, 2007). En el ámbito de la ingeniería de
transporte, diseño y análisis de experimentos se han utilizado en diferentes contextos. Por
ejemplo, para analizar el impacto de usar sistemas de transporte inteligentes en distribución redes
de bienes por carretera (Polo-Navarro et al., 2014), para estudiar la fiabilidad y la seguridad de la
industria marítima sistemas de transporte (Xie et al., 2012), o para explorar conceptos de
capacidad, eficiencia y flexibilidad del aire sistemas de transporte (Wilson, 2011).
En los últimos años, los responsables políticos en Europa y Estados Unidos ha considerado el
desarrollo de la infraestructura ferroviaria de alta velocidad como una posible estrategia para
reducir los impactos climáticos del sector transporte (Clewlow et al., 2014). El crecimiento
ferroviario de alta velocidad ha llevado a cambios importantes en el suministro del
transporte interurbano en los países que se han extendido sus redes y servicios (Albalate et al.,
2015).
La infraestructura ferroviaria también ha experimentado un crecimiento próspero en China debido
a una gran cantidad de la inversión que permitió el gobierno beneficiando a la sociedad y
economía china, dado la mejora de la eficiencia del transporte ferroviario y regional accesibilidad
(Chen et al., 2016). Está claro que el transporte afecta el medio ambiente de muchas maneras La
reducción de las externalidades del medio ambiente es un beneficio potencial de la inversión del
ferrocarril de alta velocidad, aunque esto depende del volumen de la demanda se desvió de los
menos ecológicos modos de transporte y si la demanda es alta suficiente para compensar las
externalidades negativas durante la construcción, el efecto barrera, el ruido e intrusión visual (de
Rus y Kågeson, 2012). En el caso colombiano, se ha demostrado la relevancia de incluir los costos
externos en la estrategia modelización de redes interregionales de transporte de mercancías como
parte de una política que apoya mecanismos de gestión y fijación de precios para lograr el óptimo
social (Márquez y Cantillo, 2013).
La Planificación del servicio ferroviario interurbano de pasajeros abarca una amplia gama de
actividades de ajuste de las configuraciones del servicio (por ejemplo, frecuencias y servicios a
bordo) para el establecimiento de nuevas rutas donde actualmente no existe servicio (Sperry y
Morgan, 2010). En este sentido, este documento discute la planificación y realización de un
experimento para analizar los factores que influyen en la voluntad pagar (WTP) por un nuevo tren
de pasajeros de alta velocidad servicio entre Barranquilla y Cartagena. Como este es un servicio
que todavía no está disponible para el potencial usuarios, una técnica de valoración contingente
como herramienta para la experimentación se utiliza, que por definición pretende simular un
mercado a través de la topografía usuarios potenciales (Riera, 1994), para saber qué la WTP de los
usuarios para este nuevo servicio sería. Después del razonamiento, la estructura de este
documento es como sigue. En primer lugar, el experimento de selección que identifica los factores
que tienen un efecto significativo en WTP se muestra. En segundo lugar, el factorial final
experimento y la adaptación del modelo de regresión son presentados. En los tres casos, la
adecuación de los modelos propuestos son verificados. Más tarde, los análisis de los resultados
están hechos y conducen a la optimización diseño del sistema de transporte. Finalmente, las
principales conclusiones del artículo son reportados.
2. EXPERIMENTO DE SELECCIÓN
En general, el diseño 2k en las etapas iniciales del trabajo experimental se utiliza, ya que
proporciona el menor número de carreras de los k factores que pueden ser estudiado en un
diseño factorial completo (Montgomery, 2013). En este caso, el trabajo presentado se encuentra
en el contexto del análisis de los sistemas de transporte, particularmente en el diseño de sistemas
basados en transporte de pasajeros. Geográficamente, el estudio es parte de la prestación de
servicios de transporte entre Barranquilla - Cartagena, considerando la existencia
(hipotéticamente hablando) de un tren de alta velocidad servicio entre las dos ciudades.
2.1 DISEÑO
Como este es un nuevo servicio de transporte, es considera que su análisis puede hacerse a través
de experimentación. Inicialmente, los objetivos a ser logrado se relacionan con la posibilidad de
identificar los factores más relevantes que influyen en la WTP de usuarios potenciales del servicio
de tren de alta velocidad. Normalmente, la WTP para servicios de transporte es asociado con
factores como el tiempo de viaje, el tren avance y el nivel de servicio (Jaimes & Márquez, 2009),
pero recientemente el efecto de la fiabilidad (Zheng et al. al., 2010 ;. Xie et al., 2012) y el efecto
del accidente riesgo también se han estudiado (Rheinberger & Bründl, 2008), entre otros factores.
Recientemente, algunos estudios han abordado la influencia de los servicios de Wi-Fi y eléctricos
conexiones sobre la decisión de los usuarios de viajar en tren, encontrando que hay una influencia
positiva, que podría incluso conducir a un aumento del 36% de la demanda declarada en los
servicios existentes (Mokhtarian et al., 2013, Ettema et al., 2012), y genera una mayor disposición
a pagar por nuevos servicios (Maccagni, 2012).
El experimento consideró cuatro factores: tres cuantitativos y uno cualitativo, como lo es se
muestra en la Tabla 1. Comparado con el modo de bus, que el tiempo de viaje es de 200 minutos,
el tren de alta velocidad ahorra tiempo considerable, como se ve en el rango propuesto eso varía
entre 60 y 90 min. En este particular experimento, el efecto del riesgo de accidente no era
considerado debido a la dificultad de considerar naturaleza cualitativa y actitudinal de la seguridad
(Daziano, 2012). De acuerdo con estudios viales previos, es espera que el avance promedio del
tren sea de 1 hora (SITR Mobility Consortium, 2014) y, para esto razón, se decidió experimentar
con niveles de 30 y 90 min. Dado que la longitud de ruta estimada es 135 km, suponiendo una
velocidad promedio de 110 km / h se espera que tenga un tiempo de viaje de 75 minutos, por lo
que se considera razonable usar valores de 60 y 90 min para este factor.
La fiabilidad del tiempo de viaje para los servicios ferroviarios generalmente es alta, por lo que una
gran variación de tiempo de viaje no es esperada. Una variación del 15% sobre el promedio de
viajes el tiempo es razonable (Li et al., 2010) y, para eso razón, valores de 5 y 20 minutos para
Propósitos son propuestos.
La variable de respuesta del experimento, en miles de pesos colombianos, es la DAP para el nuevo
servicio de transporte. Teóricamente, la relación entre la WTP y los factores A, B y C sugieren un
efecto negativo, es decir, un avance del tren más largo o un un viaje más largo, menor será la WTP
del usuario. Lo mismo el comportamiento debe exhibir el viaje de fluctuación tiempo (recíproco de
fiabilidad) y, como fluctuación aumenta se espera que disminuya la DAP, dado la pérdida de
confiabilidad, Por el contrario, en el caso de Wi-Fi y enchufes eléctricos un efecto positivo se
espera, ya que tener el servicio (alto nivel de factor) sería implica un aumento en la WTP del
usuario. Es importante resaltar que todos los elegidos factores son parte de los factores de diseño
del sistema de transporte en estudio, por lo que el resultado del experimento sería muy útil en el
diseño fase. Dependiendo de la tecnología elegida y condiciones de infraestructura menor o
mayor viaje los tiempos se pueden lograr. Dado un nivel fijo de demanda, el intervalo deseado
entre las salidas podría determinar la capacidad de los vagones. Dependiendo de los sistemas de
control que se implementarán, sería posible mantener la fluctuación del tiempo de viaje en ciertos
niveles. Del mismo modo, si la disponibilidad de Wi-Fi y tomacorrientes tiene un efecto
significativo en WTP, podría evaluarse si se ofrece o no este servicio.
( tabla )
( Tabla )
(tabla 4)
(figura 2)
El análisis de varianza del experimento fue hecho, encontrando que los efectos de los factores
estudiados fueron significativos. Esto significa que algunos niveles de factores analizados producen
diferentes valores de la WTP variable de respuesta. Para responder qué niveles de cada uno de los
factores están causando esta diferencia en realidad el análisis de contraste se realizó utilizando la
múltiple prueba de alcance de WTP para cada uno de los factores considerados. Las pruebas
realizadas en cada par de cada uno de los variables de diseño indicaron que en todos los casos hay
diferencias significativas.
(tabla 5)
La Tabla 5 muestra la media de la VDP para cada nivel de los factores. También muestra el error
estándar de cada medio, que es una medida de su variabilidad de muestreo. Las dos columnas más
a la derecha muestran un 95% de confianza intervalos para cada uno de los medios. Como se
indicó anteriormente, los valores medios de los niveles de cada factor son estadísticamente
diferente entre ellos.
La verificación de la suposición de normalidad fue explicado gráficamente como se muestra en la
Figura 3, que tiende a doblarse ligeramente hacia abajo desde la izquierda lado, también implica
que los residuos negativos no son tan grande (en valor absoluto) como se esperaba. Sin embargo,
este gráfico no muestra una desviación marcada de la distribución normal. Al verificar el
distribución de los residuos con la prueba Kolmogorov-Smirnov se encontró que efectivamente
encajan en una distribución normal.
(figura 3)
Con el objetivo de detectar las correlaciones entre los residuos una parcela de los residuos en el
orden de tiempo de la recolección de datos fue diseñado, como se muestra en la Figura 4, que
también muestra el gráfico de autocorrelación. Se puede ver que la dispersión residual no varía
con el tiempo ya que el experimento progresa, permitiendo el cumplimiento de la suposición de
independencia. Además, en el auto correlación del primer retraso es igual a 0.0287 que garantiza
la independencia de los residuos. Si el modelo es correcto y las suposiciones están satisfechos, los
residuos deben ser sin estructura; en particular, no deben relacionarse con ninguna otra variable,
incluida la variable de respuesta (Montgomery, 2013). Al aplicar la prueba de Bartlett se encontró
que la suposición de homoscedasticidad no fue violado. Debería ser aclaró que como el
experimento corresponde a un modelo equilibrado y la asunción de la normalidad fue verificado,
la violación de la homocedasticidad la suposición no afecta significativamente la prueba F.
(figura 4)
4. RESULTADOS
Varias especificaciones del modelo de regresión fueron probados, encontrando que el mejor
modelo lineal es el uno que incluye la constante y los tres principales factores. La Tabla 6 muestra
los resultados de ajustar un múltiplo modelo de regresión lineal para describir la relación Entre la
WTP y las tres variables independientes. La ecuación del modelo ajustado es
La Tabla 6 indica que el modelo presentado es significativo. Además, de acuerdo con la estadística-
t se puede decir que todos los factores incluidos en el modelo son estadísticamente significativos.
Junto a los coeficientes estimados tienen signos correctos porque, como se anticipó al elegir las
variables, el mayor avance del tren y el mayor el tiempo de viaje disminuye la WTP de los usuarios.
Del mismo modo, teniendo acceso a servicios de Wi-Fi y enchufes aumenta la WTP de las
personas.
(tabla 6)
También se puede observar que los residuos no tienen estructura con respecto a ninguna de las
variables explicativas. Además, una estructura obvia de los residuos no está presente con respecto
a la variable predicha.
Esta situación permite afirmar que el modelo está bien especificado y explica satisfactoriamente la
DAP de los posibles usuarios del servicio.
La Tabla 8 muestra las correlaciones estimadas entre los coeficientes en el modelo ajustado.
Normalmente, estos las correlaciones se pueden utilizar para detectar la presencia de
multicolinealidad grave, es decir, correlación entre las variables predictoras En nuestro caso, no
hay correlaciones con valores absolutos superiores a 0,5 (sin incluir el término constante).
(tabla 8)
En base a las pruebas estadísticas realizadas, se concluye que el modelo de regresión propuesto
no debe ser simplificado Por otra parte, ya que ninguna otra especificación probada dieron buenos
resultados, se puede decir que un mejor modelo con los datos disponibles podría difícilmente ser
desarrollado. Intervalos de confianza para el coeficientes del modelo de regresión se presentan en
la Tabla 9. Los intervalos de confianza muestran con qué precisión los coeficientes se pueden
estimar dado el monto de los datos disponibles y el ruido que también está presente.
(tabla 9)
(tabla 10)
Teniendo en cuenta que el transbordador tiene acceso a Wi-Fi y conexiones eléctricas, el modelo
puede ser reescrito como:
(figura 5)
5. CONCLUSIONES
Los políticos de todo el mundo tienen considerada infraestructura ferroviaria de alta velocidad
desarrollo como una posible estrategia para resolver el problema de transporte de pasajeros entre
las ciudades. Como se discute en este artículo, a pesar de los importantes la inversión, el
ferrocarril de alta velocidad podría reducir externalidades ambientales. En Colombia, alta
velocidad servicios ferroviarios de pasajeros no están siendo ofrecido pero esta idea ha sido
considerada en algunos itinerarios, como la ruta entre Barranquilla y Cartagena
La disposición a pagar (WTP) del potencial usuarios de un hipotético tren de pasajeros de alta
velocidad servicio entre Barranquilla y Cartagena tiene sido estudiado experimentalmente De una
proyección experimento se encontró que la variación en los viajes tiempo asociado con la
confiabilidad del transbordador no produce un efecto significativo en WTP de usuarios
potenciales, es decir, aquellos que actualmente usan el servicio de transporte público entre las dos
ciudades. Usando un experimento factorial basado en 180 observaciones se encontró que el
intervalo entre oficinas, tiempo de viaje y acceso a Wi-Fi y electricidad los sistemas tienen un
efecto significativo en la WTP de los usuarios. Además, al realizar contrastes entre pares de cada
una de las variables de diseño, se encontró que en todos los casos hay diferencias significativas
entre los niveles considerados para cada factor.
Un modelo de regresión de primer orden que satisfactoriamente explica la WTP en términos de
variables de intervalo, tiempo de viaje y Wi-Fi y conexiones eléctricas fue calibrado El modelo de
regresión se utilizó para optimizar el diseño del sistema, concluyendo que, dentro del rango
operativo considerado, el máximo valor de la WTP se alcanzaría para un tiempo de viaje de 60
minutos y un avance del tren de 30 minutos, siempre que los usuarios tienen acceso a Wi-Fi y
conexiones de energía. Bajo estas condiciones de operación, la WTP sería 39 miles de pesos
colombianos, en comparación con una tasa de 50 mil pesos colombianos, estimada de los puntos
de referencia internacionales, cuestiona la viabilidad del sistema propuesto.
RECONOCIMIENTO
Estamos agradecidos con el Departamento del Atlántico Gobierno y el Sistema General de
Regalías, por haber financiado parcialmente este trabajo a través del Proyecto
LOGPORT, BPIN 20120001001911050672.