Traducido del inglés al español - www.onlinedoctranslator.

com

1
Introducción

1.1 Planificación y modelado del transporte

1.1.1 Antecedentes
El mundo, incluido el transporte, está cambiando rápidamente. Todavía encontramos muchos de los mismos problemas
de transporte del pasado: congestión, contaminación, accidentes, déficits financieros y focos de acceso deficiente. Cada
vez somos más ricos en dinero y pobres en tiempo. Sin embargo, hemos aprendido mucho de largos períodos de
planificación de transporte débil, inversión limitada, énfasis en el corto plazo y desconfianza en el modelado de
transporte estratégico y la toma de decisiones. Hemos aprendido, por ejemplo, que los viejos problemas no desaparecen
bajo la presión de los intentos de reducirlos mediante una mejor gestión del tráfico; Los viejos problemas reaparecen
bajo nuevas apariencias con un vigor aún mayor, penetrando áreas más amplias, y en sus nuevas formas parecen más
complejos y difíciles de manejar.
Ahora tenemos más confianza en las soluciones técnicas que en el siglo anterior. Esta no es la
anterior confianza en la tecnología como la solución mágica a los problemas económicos y
sociales; también hemos aprendido que esto es un espejismo. Sin embargo, la tecnología de la
información ha avanzado lo suficiente como para posibilitar nuevas concepciones de
infraestructura de transporte (p. ej., informática de transporte por carretera), sistemas de
movimiento (p. ej., trenes automáticos sin conductor) y pagos electrónicos (p. ej., tarjetas
inteligentes, telepeaje). Los teléfonos móviles y los servicios de GPS están cambiando la forma de
brindar información útil al viajero, facilitando el pago y el cobro por el uso de las instalaciones de
transporte. De particular interés para el tema de este libro es el advenimiento de la computación
de bajo costo y alta velocidad; esto prácticamente ha eliminado el poder de cómputo como un
cuello de botella en el modelado de transporte.
Los países emergentes son cada vez más importantes en el escenario mundial, pero también sufren graves problemas
de transporte. Estos ya no son solo la falta de caminos para conectar áreas rurales distantes con los mercados. De hecho,
los nuevos problemas del transporte tienen algunas similitudes con los que prevalecen en el mundo posindustrializado:
congestión, contaminación, etc. Sin embargo, tienen una serie de características muy distintivas que merecen un
tratamiento específico: ingresos relativamente bajos, rápida urbanización y cambio, alta demanda de transporte público,
escasez de recursos, incluidos capital, datos sólidos y personal calificado.
El nacimiento del siglo XXI estuvo dominado por dos poderosas tendencias que afectaron la mayoría de los aspectos
de la vida y el progreso económico. La tendencia más fuerte esglobalización, apoyado y alentado por la otra tendencia,
barato y de gran capacidadtelecomunicaciones. La combinación de los dos está cambiando la forma en que percibimos y
abordamos muchos problemas modernos; su influencia en la planificación del transporte empieza a ser

Transporte de modelado, Cuarta edición. Juan de Dios Ortúzar y Luis G. Willumsen. ©

2011 John Wiley & Sons, Ltd. Publicado en 2011 por John Wiley & Sons, Ltd.
2 Transporte de modelado

sintió. Algunas de estas influencias son el papel de una buena infraestructura de transporte para mejorar la competitividad
económica de las economías modernas; una aceptación más amplia de las ventajas de involucrar más estrechamente al sector
privado en el suministro y las operaciones de transporte; el posible papel de las telecomunicaciones en la reducción de la necesidad
de viajar.
Desde mediados de la década de 1970 se han producido importantes avances técnicos en la
modelización del transporte, en particular en los principales centros de investigación; estos
desarrollos han sido mejorados e implementados por un pequeño grupo de consultores
ingeniosos. Sin embargo, muchas de estas innovaciones y aplicaciones han recibido una atención
limitada fuera de las revistas más académicas. Después de estos años de experimentación, ahora
hay un mejor reconocimiento del papel del modelado en el apoyo a la planificación del transporte.
Este libro intenta una revisión de las mejores prácticas actuales en el modelado del transporte; en
la mayoría de las áreas cubre el 'estado del arte' pero hemos seleccionado aquellos aspectos que
ya se han implementado con éxito en la práctica. El libro no representa la vanguardia de la
investigación en modelado. Intenta, más bien,
La modelización del transporte no es planificación del transporte; solo puede respaldar la planificación y, en algunos casos,
puede tener el papel más importante en el proceso. Hemos conocido a muchos buenos profesionales que han desarrollado
modelos de transporte sofisticados pero se sienten frustrados porque aparentemente su trabajo ha sido ignorado en muchas
decisiones clave de planificación. En verdad, la planificación y la implementación tienen el poder de cambiar el mundo y el
modelado del transporte solo puede ayudar en esto si se adopta como una ayuda efectiva para la toma de decisiones. Esto requiere
planificadores sabios y, sobre todo, mejores modeladores.

1.1.2 Modelos y su rol

Amodeloes una representación simplificada de una parte del mundo real, el sistema de interés, que se centra en ciertos
elementos considerados importantes desde un punto de vista particular. Los modelos son, por lo tanto, específicos del
problema y del punto de vista. Una definición tan amplia nos permite incorporar tanto modelos físicos como abstractos.
En la primera categoría encontramos, por ejemplo, los utilizados en arquitectura o en mecánica de fluidos que están
básicamente destinados al diseño. En este último, el rango abarca desde los modelos mentales que todos usamos en
nuestras interacciones diarias con el mundo, hasta representaciones formales y abstractas (típicamente analíticas) de
alguna teoría sobre el sistema de interés y cómo funciona. Los modelos mentales juegan un papel importante en la
comprensión e interpretación del mundo real y de nuestros modelos analíticos. Se potencian a través de debates,
formación y, sobre todo, experiencia. Sin embargo, los modelos mentales son difíciles de comunicar y discutir.
En este libro nos ocupamos principalmente de una clase importante de modelos abstractos: los
modelos matemáticos. Estos modelos intentan replicar el sistema de interés y su comportamiento por
medio de ecuaciones matemáticas basadas en ciertos enunciados teóricos sobre el mismo. Aunque
todavía son representaciones simplificadas, estos modelos pueden ser muy complejos y, a menudo,
requieren grandes cantidades de datos para ser utilizados. Sin embargo, son invaluables al ofrecer un
'terreno común' para discutir políticas y examinar los compromisos inevitables requeridos en la práctica
con un nivel de objetividad. Otra ventaja importante de los modelos matemáticos es que durante su
formulación, calibración y uso, el planificador puede aprender mucho, a través de la experimentación,
sobre el comportamiento y funcionamiento interno del sistema bajo escrutinio. De este modo,

Un modelo solo es realista desde una perspectiva o punto de vista particular. Puede ser razonable usar un cuchillo y
un tenedor en una mesa para modelar la posición de los automóviles antes de una colisión, pero no para representar sus
características mecánicas o sus patrones de elección de ruta. Lo mismo ocurre con los modelos analíticos: su valor se
limita a una gama de problemas en condiciones específicas. La idoneidad de un modelo depende, como se analiza en el
resto de este capítulo, del contexto en el que se utilizará. La capacidad de elegir y adaptar modelos para contextos
particulares es uno de los elementos más importantes en el conjunto completo de herramientas del planificador.
Introducción 3

Este libro se ocupa de la contribución que la modelización del transporte puede hacer para mejorar la
toma de decisiones y la planificación en el campo del transporte. Se argumenta que el uso de modelos es
inevitable y el de modelos formales altamente deseable. Sin embargo, el modelado del transporte es solo
un elemento en la planificación del transporte: prácticas administrativas, un marco institucional,
profesionales calificados y buenos niveles de comunicación con los tomadores de decisiones, los medios
y el público son algunos de los otros requisitos para un sistema de planificación eficaz. Además, la
modelización del transporte y la toma de decisiones se pueden combinar de diferentes maneras según la
experiencia, las tradiciones y los conocimientos locales. Sin embargo, antes de discutir cómo elegir un
enfoque de modelado y planificación, vale la pena resumir algunas de las principales características de
los sistemas de transporte y sus problemas asociados.

1.2 Características de los problemas de transporte

Los problemas de transporte se han vuelto más generalizados y graves que nunca tanto en los países industrializados como en los
países en desarrollo. La escasez de combustible no es (temporalmente) un problema, pero el aumento general del tráfico por
carretera y la demanda de transporte ha dado lugar a congestiones, retrasos, accidentes y problemas medioambientales mucho
más allá de lo que se ha considerado aceptable hasta ahora. Estos problemas no se han limitado únicamente a las carreteras y al
tráfico de automóviles. El crecimiento económico parece haber generado niveles de demanda que superan la capacidad de la
mayoría de las instalaciones de transporte. Largos períodos de inversión insuficiente en algunos modos y regiones han resultado
en sistemas de suministro frágiles que parecen colapsar cada vez que algo difiere ligeramente de las condiciones promedio.

No es probable que estos problemas desaparezcan en un futuro cercano. Ha pasado suficiente tiempo con una mala o nula
planificación del transporte para garantizar que sea necesario un gran esfuerzo para mejorar la mayoría de las formas de
transporte, en contextos urbanos e interurbanos. Dado que los recursos no son ilimitados, este esfuerzo se beneficiará de
decisiones cuidadosas y consideradas orientadas a maximizar las ventajas de la nueva provisión de transporte mientras se
minimizan los costos monetarios y los efectos secundarios indeseables.

1.2.1 Características de la demanda de transporte

La demanda de transporte esderivado, no es un fin en sí mismo. Con la posible excepción del turismo, las personas viajan
para satisfacer una necesidad (trabajo, ocio, salud) realizando unactividaden lugares particulares. Esto es igualmente
importante para los movimientos de mercancías. Para comprender la demanda de transporte, debemos comprender la
forma en que estas actividades se distribuyen en el espacio, tanto en contextos urbanos como regionales. Un buen
sistema de transporte amplía las oportunidades para satisfacer estas necesidades; un sistema muy congestionado o mal
conectado restringe las opciones ylimitesdesarrollo económico y social.
La demanda de servicios de transporte es muycualitativoydiferenciado. Existe toda una gama de demandas específicas
de transporte que se diferencian por la hora del día, el día de la semana, el propósito del viaje, el tipo de carga, la
importancia de la velocidad y la frecuencia, etc. Un servicio de transporte sin los atributos correspondientes a esta
demanda diferenciada puede resultar inútil. Esta característica hace que sea más difícil analizar y pronosticar la demanda
de servicios de transporte: la tonelada y el pasajero-kilómetro son unidades de desempeño extremadamente toscas que
ocultan una inmensa variedad de requisitos y servicios.
La demanda de transporte se produce duranteespacio. Esto parece una afirmación trivial, pero es la distribución de las
actividades en el espacio lo que genera la demanda de transporte. Hay algunos problemas de transporte que pueden
tratarse, aunque a un nivel muy agregado, sin considerar explícitamente el espacio. Sin embargo, en la gran mayoría de
los casos, el tratamiento explícito del espacio es ineludible y muy deseable. El enfoque más común para tratar el espacio
es dividir las áreas de estudio en zonas y codificarlas, junto con las redes de transporte, en una forma adecuada para su
procesamiento con la ayuda de programas informáticos. En algunos casos, estudiar
4 Transporte de modelado

las áreas se pueden simplificar asumiendo que las zonas de interés forman un corredor que se puede colapsar en una
forma lineal. Sin embargo, los diferentes métodos para tratar la distancia y para asignar orígenes y destinos (y sus
atributos) en el espacio son un elemento esencial en el análisis del transporte.
La espacialidad de la demanda a menudo conduce a problemas de falta de coordinación que pueden afectar
fuertemente el equilibrio entre la oferta y la demanda de transporte. Por ejemplo, un servicio de taxi puede solicitarse sin
éxito en una parte de una ciudad mientras que en otras áreas varios taxis pueden estar manejando pasajeros. Por otro
lado, la concentración de población y actividad económica en corredores bien definidos puede conducir a la justificación
económica de un sistema de transporte masivo de alta calidad que no sería viable en un área más dispersa.

Por último, la oferta y la demanda de transporte tienen una relación muy sólida.dinámicaelementos. Gran parte de la demanda
de transporte se concentra en unas pocas horas del día, en particular en las zonas urbanas, donde la mayor parte de la congestión
se produce durante determinados períodos de máxima actividad. Este carácter variable en el tiempo de la demanda de transporte
hace que sea más difícil e interesante de analizar y pronosticar. Es muy posible que un sistema de transporte pueda hacer frente
bien a lapromediodemanda de viajes en un área pero que se rompe durante los períodos pico. Existen varias técnicas para tratar de
distribuir el pico y promediar la carga en el sistema: horarios de trabajo flexibles, horarios de trabajo escalonados, precios
especiales, etc. Sin embargo, las variaciones de la demanda en las horas punta y fuera de las horas punta siguen siendo un
problema central y fascinante en el modelado y la planificación del transporte.

1.2.2 Características de la oferta de transporte

La primera característica distintiva de la oferta de transporte es que es unaservicioy no un bien. Por lo tanto, no
es posible almacenarlo, por ejemplo, para utilizarlo en momentos de mayor demanda. Un servicio de transporte
debe consumirse cuando y donde se produce, de lo contrario se pierde su beneficio. Por ello es muy importante
estimar la demanda con la mayor precisión posible para ahorrar recursos adecuando la oferta de servicios de
transporte a la misma.
Muchas de las características de los sistemas de transporte se derivan de su naturaleza de servicio. En términos muy
generales, un sistema de transporte requiere una serie de activos fijos, lainfraestructura, y una serie de unidades móviles,
lavehículos. Es la combinación de estos, junto con un conjunto de reglas para su funcionamiento, lo que hace posible el
movimiento de personas y mercancías.
A menudo sucede que la infraestructura y los vehículos no son propiedad ni están operados por el mismo grupo o empresa. Este
es ciertamente el caso de la mayoría de los modos de transporte, con la notable excepción de muchos sistemas ferroviarios. Esta
separación entre el proveedor de infraestructura y el proveedor del servicio de transporte final genera un conjunto bastante
complejo de interacciones entre las autoridades gubernamentales (centrales o locales), las empresas constructoras, los
desarrolladores, los operadores de transporte, los viajeros y transportistas, y el público en general. Este último juega varios roles en
la oferta de servicios de transporte: representa a los residentes afectados por un nuevo esquema, oa los desempleados en un área
que buscan mejorar la accesibilidad para fomentar el crecimiento económico; incluso pueden ser propietarios de automóviles que
deseen viajar sin obstáculos a través del área residencial de otra persona.
La provisión de infraestructura de transporte es particularmente importante desde el punto de vista de la oferta. La
infraestructura de transporte es 'irregular', no se puede proporcionar la mitad de una pista o un tercio de una estación de tren. En
ciertos casos, puede haber margen para proporcionar una construcción gradual de infraestructura para satisfacer la creciente
demanda. Por ejemplo, se puede comenzar con una carretera sin pavimentar, mejorarla luego a uno o dos carriles con tratamiento
de superficie; en una etapa posterior se puede construir una carretera de una o dos calzadas bien construida, para culminar quizás
con los estándares de las autopistas. De esta forma, la provisión de infraestructura puede ajustarse a la demanda y evitar
inversiones anticipadas innecesarias en costosas instalaciones. Esto es más difícil en otras áreas como aeropuertos, líneas de metro,
etc.
Las inversiones en infraestructura de transporte no solo son irregulares, sino que también requieren mucho tiempo para
llevarse a cabo. Suelen ser proyectos grandes. La construcción de una gran instalación puede tomar de 5 a 15 años desde
Introducción 5

desde la planificación hasta la implementación total. Esto es aún más crítico en áreas urbanas donde también se requiere una gran cantidad de
interrupciones para construirlas. Esta interrupción implica costos adicionales tanto para los usuarios como para los no usuarios.
Además, la inversión en transporte tiene un papel político importante. Por ejemplo, los políticos de los países en desarrollo a
menudo consideran que un proyecto vial es una apuesta segura: demuestra que les importa y es difícil que la prensa popular
demuestre que es incorrecto o antieconómico. En los países industrializados, los proyectos de transporte suelen conllevar el riesgo
de alejar a un gran número de residentes afectados por ellos o de viajeros que sufren congestiones y demoras en instalaciones
superpobladas. El juicio político es esencial en elecciones de este tipo, pero cuando no están respaldadas por la planificación, el
análisis y la investigación, estas decisiones dan como resultado únicamente respuestas a problemas y crisis importantes; en el caso
del transporte esto es, inevitablemente, demasiado tarde. La previsión y la planificación son esenciales.
La separación de proveedores de infraestructura y proveedores de servicios también presenta complejidades
económicas. Para empezar, no siempre está claro que todos los viajeros y transportistas perciban realmente los costos
totales incurridos al proporcionar los servicios que utilizan. El cobro por el espacio vial, por ejemplo, rara vez se lleva a
cabo directamente y, cuando sucede, el precio no incluye los costos de congestión u otros efectos externos, tal vez la
aproximación más cercana a esto sean las carreteras de peaje y los esquemas modernos de tarificación vial. El uso de
impuestos sobre vehículos y combustibles es solo una aproximación aproximada al cobro por la provisión de
infraestructura.
Pero, ¿por qué debería importar esto? ¿No es cierto que otros bienes y servicios, como los parques públicos, las
bibliotecas y la policía, a menudo se proporcionan sin un cargo directo por ellos? ¿Qué hay de malo en proporcionar
espacio vial gratuito? De acuerdo con la teoría económica elemental, sí importa. En un mercado perfecto sólo se logra
una buena asignación de recursos para satisfacer las necesidades humanas cuando los costos marginales de los bienes
igualan su utilidad marginal. Esta es la razón por la que a menudo se defiende que el precio de los bienes y servicios, es
decir, su coste percibido, debe fijarse en su coste marginal. Por supuesto, los mercados reales no son perfectos y la
capacidad de pago no es un buen indicador de necesidad; sin embargo, este marco general proporciona la base para
contrastar otras formas de organizar los sistemas de precios y su impacto en la asignación de recursos.
El transporte es un elemento muy importante en el bienestar de las naciones y el bienestar de los habitantes urbanos y rurales.
Si aquellos que hacen uso de las instalaciones de transporte no perciben las implicaciones de recursos de sus elecciones, es
probable que generen un equilibrio entre la oferta y la demanda que es intrínsecamente ineficiente. Se despilfarrarán recursos
escasos con un precio demasiado bajo, mientras que otros recursos abundantes pero con un precio no se podrán utilizar. El hecho
de que, en general, algunos sectores de la economía (por lo general, los propietarios de automóviles) paguen con creces el costo
del espacio vial provisto, no es garantía de una asignación más racional de los recursos. Los propietarios de automóviles
probablemente ven estos impuestos anuales como fijos,hundido, costes que como máximo afectan a la decisión de comprar un
coche pero no a la de utilizarlo.
Un elemento adicional de distorsión es proporcionado por el número de concomitante- oefectos secundariosasociados
a la producción de servicios de transporte: accidentes, contaminación y degradación ambiental en general. Estos efectos
rara vez soninteriorizado; el usuario del servicio de transporte rara vez percibe ni paga los costos de limpieza del medio
ambiente o cuidado de los lesionados en accidentes relacionados con el transporte. La internalización de estos costos
también podría ayudar a tomar mejores decisiones y mejorar la asignación de la demanda a modos alternativos.

Una de las características más importantes de la oferta de transporte escongestión. Este es un término que es difícil de definir ya
que todos creemos saber exactamente lo que significa. Sin embargo, la mayoría de los profesionales saben que lo que se considera
congestión en Leeds o Lampang a menudo se acepta como normal en Londres o Lagos. La congestión surge cuando los niveles de
demanda se acercan a la capacidad de una instalación y el tiempo requerido para usarla (viajar por ella) aumenta muy por encima
del promedio en condiciones de baja demanda. En el caso de la infraestructura de transporte, la inclusión de un vehículo adicional
genera un retraso adicional para todos los demás usuarios también, véase, por ejemplo, la Figura 1.1. Tenga en cuenta que la
contribución de un automóvil adicional al retraso de todos los usuarios es mayor en flujos altos que en niveles de flujo bajos.

Este es el efecto externo de la congestión, percibido por los demás pero no por el conductor que la origina. Este es un
costo que esquemas como la tarificación vial electrónica intentan internalizar para ayudar a una toma de decisiones más
razonada por parte del individuo.
6 deporte

Figura 1.1La congestión y sus efectos externos

1.2.3 Equilibrio de la oferta y la demanda

En términos generales el papel de la planificación del transporte es asegurar la satisfacción de una determinada demandaDpara
movimientos de personas y mercancías con diferentes propósitos de viaje, en diferentes momentos del día y del año, utilizando
varios modos, dado un sistema de transporte con cierta capacidad operativa. El sistema de transporte en sí puede verse como
compuesto por:

- una infraestructura (por ejemplo, una red de carreteras);

- un sistema de gestión (es decir, un conjunto de reglas, por ejemplo, conducir por la derecha, y estrategias de control, para
ejemplo en los semáforos);
- un conjunto de modos de transporte y sus operadores.

Considere un conjunto de volúmenes en una redV, un conjunto correspondiente de velocidadesS, y una capacidad operativa q,
bajo un sistema de gestiónMETRO. En términos muy generales, la velocidad en la red se puede representar mediante:

S=F{q,V,METRO} (1.1)

La velocidad se puede tomar como un proxy inicial para un indicador más general de lanivel de servicio(LOS)
proporcionada por el sistema de transporte. En términos más generales, una LOS estaría especificada por una
combinación de velocidades o tiempos de viaje, tiempos de espera y caminata y efectos de precio; ampliaremos estos en
capítulos posteriores. El sistema de gestiónMETROpuede incluir esquemas de gestión de tráfico, control de tráfico de
área y reglamentos aplicables a cada modo. La capacidadqdependería del sistema de gestión METROy en los niveles de
inversiónIa lo largo de los años, así:

q=F{I,METRO} (1.2)

El sistema de gestión también puede utilizarse para redistribuir la capacidad dando prioridad a determinados tipos de usuarios
sobre otros, ya sea por motivos de eficiencia (usuarios de transporte público, ciclistas), medioambientales (vehículos eléctricos) o de
equidad (peatones).
Introducción 7

Como en el caso de la mayoría de los bienes y servicios, cabría esperar que el nivel de demandaDdepender del nivel de
servicio proporcionado por el sistema de transporte y también de la asignación de actividadesA sobre el espacio:

D=F{S,A} (1.3)

Combinando las ecuaciones (1.1) y (1.3) para un sistema de actividad fija se encontraría el conjunto de puntos de
equilibrio entre oferta y demanda de transporte. Pero, de nuevo, el sistema de actividad en sí mismo probablemente
cambiaría a medida que los niveles de servicio cambien en el espacio y el tiempo. Por lo tanto, se tendrían dos conjuntos
diferentes de puntos de equilibrio: de corto plazo y de largo plazo. La tarea de la planificación del transporte es
pronosticar y gestionar la evolución de estos puntos de equilibrio a lo largo del tiempo para maximizar el bienestar social.
Esto, por supuesto, no es una tarea simple: modelar estos puntos de equilibrio debería ayudar a comprender mejor esta
evolución y ayudar en el desarrollo e implementación de estrategias de gestión.METROy programas de inversiónI.

A veces, la naturaleza causa-e muy

simple de algunos problemas de transporte
en la Figura 1.2.

Aumentar
ingreso

aumentar coche
El coche se convierte
propiedad
aún más
atractivo

Autobús reducido Reducido Más congestión

frecuencia demanda de y retraso
autobuses

Aumentar Menos kilometraje

tarifas por autobús

Aumentar autobús

costos de operacion

Figura 1.2Círculo vicioso del automóvil y el transporte público

El crecimiento económico proporciona el primer impulso para aumentar la propiedad de automóviles. Más propietarios de
automóviles significa más personas que desean cambiar del transporte público al automóvil; esto a su vez significa menos
pasajeros del transporte público, a lo que los operadores pueden responder aumentando las tarifas, reduciendo la frecuencia (nivel
de servicio) o ambas cosas. Estas medidas hacen que el uso del automóvil sea aún más atractivo que antes e inducen a más
personas a comprar automóviles, acelerando así el círculo vicioso. Después de algunos ciclos (años), los conductores de
automóviles se enfrentan a mayores niveles de congestión; los autobuses se retrasan, son cada vez más caros y circulan con menos
frecuencia; la acumulación de decisiones individuales sensatas da como resultado un estado final en el que casi todo el mundo está
peor que en un principio.
Además, hay un efecto más insidioso a largo plazo, que no se muestra en la Figura 1.2, ya que los propietarios de
automóviles eligen su lugar de trabajo y residencia sin considerar la disponibilidad (o no) de transporte público. Esto
genera expansión urbana, desarrollos de baja densidad que son más difíciles y costosos de atender mediante modos de
transporte público más eficientes. Esta es la 'trampa del desarrollo' que conduce a una mayor congestión ya una mayor
proporción de nuestro tiempo en automóviles lentos.
8 Transporte de modelado

Esta simple representación también puede ayudar a identificar qué se puede hacer para frenar o revertir este círculo
vicioso. Estas ideas se resumen en la figura 1.3. Las medidas físicas como los carriles bus u otros esquemas de prioridad
de bus son particularmente atractivas ya que también resultan en una asignación más eficiente del espacio vial. Los
subsidios al transporte público tienen fuertes defensores y detractores; pueden reducir la necesidad de aumentos de
tarifas, al menos a corto plazo, pero tienden a generar grandes déficits y a proteger la mala gestión de las consecuencias
de su flujo
puede ayudar a internalizar la externalidad de
la necesidad en el transporte.

Aumentar
ingreso
aumentar coche
El coche se convierte propiedad
aún más Auto
atractivo restricción

Autobús reducido Reducido Más congestión

frecuencia demanda de y retraso
autobuses Autobús

prioridad
subvenciones
Menos kilometraje
Aumentar
por autobús
tarifas

Aumentar autobús

costos de operacion

Figura 1.3Romper el círculo vicioso coche/transporte público

El tipo de modelo detrás de las Figuras 1.2 y 1.3 a veces se denominamodelo estructural, como se analiza en el Capítulo 12; estas
son construcciones simples pero poderosas, en particular porque permiten la discusión de temas clave en una forma bastante
parsimoniosa. Sin embargo, no están exentos de peligros cuando se aplican a diferentes contextos. Piense, por ejemplo, en el
modelo del círculo vicioso en el contexto de los países en desarrollo. El crecimiento demográfico mantendrá la demanda de
transporte público mucho más tiempo que en los países industrializados. De hecho, algunos de los flujos de autobuses que se
experimentan actualmente en los países emergentes son extremadamente altos, llegando a 400 a 600 autobuses por hora en un
solo sentido a lo largo de algunos corredores. El contexto también es relevante a la hora de buscar soluciones; Se ha argumentado
que uno de los principales objetivos de la introducción de esquemas de prioridad de autobuses en los países emergentes no es
proteger a los autobuses de la congestión generada por los automóviles, sino organizar los movimientos de los autobuses (Gibsony
otros. 1989). Los altos volúmenes de autobuses a menudo implementan unde factoprioridad, y la interferencia entre los autobuses
puede convertirse en una fuente mayor de demoras que la congestión generada por los automóviles. Para que tenga valor, el
modelo del círculo vicioso debe revisarse en este nuevo contexto.
Debe quedar claro que no es posible caracterizar todos los problemas de transporte de una forma única y universal. Los
problemas de transporte dependen del contexto y también deberían depender de las formas de abordarlos. Los modelos pueden
ofrecer una contribución en términos de hacer que la identificación de problemas y la selección de formas de abordarlos tengan
una base más sólida.

1.3 Modelado y toma de decisiones

1.3.1 Estilos de toma de decisiones

Antes de elegir un marco de modelado, es necesario identificar el enfoque general de toma de

decisiones adoptado en el país, gobierno o unidad de decisión. Hay que reconocer que hay varios
Introducción 9

estilos de toma de decisiones en la práctica y que no todos utilizan el modelado como elemento básico de construcción.
Ediciones anteriores de este texto han caracterizado los estilos de toma de decisiones siguiendo las ideas de Nutt (1981);
en la práctica, ningún estilo de toma de decisiones se ajusta exactamente a ninguna de estas categorías. En esta ocasión,
sólo nos gustaría distinguir dos paradigmas diferentes: 'racionalidad sustantiva' y 'salir del paso', siguiendo la línea del
importantísimo libro de Kay (2010).
Elracionalidad sustantivavisión del mundo supone que sabemos cuáles son nuestros objetivos y podemos imaginar
todas las formas alternativas de lograrlos y, con un poco de suerte, cuantificar los costos y beneficios asociados a cada
enfoque. Esto se aplicaría a decisiones importantes como elegir un lugar para vivir y otras menos importantes como
elegir un lugar para comer. Este es el enfoque de toma de decisiones racional o normativo implícito en la mayoría de los
libros de texto sobre planificación del transporte. A veces se le conoce como el "enfoque de sistemas" para la
planificación. Aquí, la cuantificación es esencial. El problema de decisión es visto como uno de elegir opciones de un
conjunto completo de alternativas y escenarios, con estimaciones sobre su probabilidad de ocurrencia; el utilidadde cada
alternativa se cuantifica en términos de beneficios y costos y otros criterios como protección ambiental, seguridad, etc.

En algunos casos, incluso puede ser posible convertir un problema de decisión en un marco de programación
matemática. Esto significa que la función objetivo está bien entendida y especificada, y que lo mismo se aplica a las
restricciones que definen un espacio de solución. Sin embargo, para la mayoría de los problemas reales, algunos
elementos de la función objetivo o las restricciones pueden ser difíciles de cuantificar o convertir a unidades de medida
comunes, por ejemplo, dinero o tiempo. También puede ser difícil incluir algunos de los elementos probabilísticos en
cada caso, pero se aprende mucho sobre el problema en el proceso. El modelado es el núcleo de este enfoque. La
evaluación de planes o proyectos mediante Análisis de Costo Beneficio o un Marco Multicriterio también se basa en esta
visión de la realidad.
Algunos de los problemas de aplicar la teoría de la decisión normativa son:

- Dificultades para especificar realmente cuáles son los objetivos más allá de generalidades como reducir la congestión
o mejorar la accesibilidad; tan pronto como desarrollamos una medida o indicador para ese objetivo, encontramos que
en realidad es engañoso con respecto a las cosas que queremos lograr.
- La acusación de insensibilidad a las aspiraciones del público; a la gente en realidad no le importan los
sistemas 'optimizados', solo quieren ver un progreso sostenido a lo largo de líneas que son difíciles de
identificar: piden velocidad pero cuando se entrega no están satisfechos con el ruido asociado
y emisiones.
- Sus altos costos; la racionalidad sustantiva es costosa de implementar, requiere modelos avanzados y muchas corridas
para arreglos alternativos y análisis de sensibilidad; los esfuerzos para aplicar este enfoque a menudo superan
en tiempo y presupuesto; y
- La alienación de los decisores que pueden no entender, ni aceptar, el tratamiento analítico del problema. Esta
es una queja común en nuestra profesión; el requisito recurrente de demostrar la utilidad de nuestras
simulaciones puede ser irritante, pero refleja una necesidad real de hacer que nuestros modelos y resultados
sean relevantes y comunicables.

Además, hay pruebas muy limitadas de que a los países u organizaciones que no siguen este enfoque les vaya peor
que a los que sí lo hacen. Kay (2010) argumenta que muchas de las empresas que alguna vez fueron aclamadas como
ejemplos de buenas decisiones racionales fracasaron espectacularmente unos años más tarde; parece que hay muchos
ejemplos de esto.
El principal enfoque alternativo a la racionalidad sustantiva es lo que Lindblom (1959) llamóhaciendo el lío. El
nombre, engañosamente autocrítico, no pretende implicar que sea deseable una toma de decisiones intuitiva y
no estructurada. Por el contrario, a los ojos de Lindblom, salir del paso es un proceso disciplinado pero no
basado en el manejo racional sustantivo de objetivos definidos. El enfoque utiliza una combinación de objetivos
de alto nivel (a menudo no cuantificables), metas intermedias y acciones o experimentos inmediatos. Salir del
paso, o lo que Kay llama 'enfoque oblicuo o indirecto', se caracteriza por:
10 Transporte de modelado

- El uso de objetivos de alto nivel que están vagamente definidos sin intentar cuantificarlos. Abandonando cualquier
- distinción clara entre objetivo, metas y acciones; aprendemos sobre objetivos de alto nivel mediante la adopción de
metas y la implementación de acciones.
- Reconociendo que el entorno es incierto y que ni siquiera podemos saber la gama de eventos que
podrían ocurrir en el futuro, y
- Aceptando que nunca podremos identificar, ni describir, toda la gama de opciones disponibles; solo podemos
ocuparnos de un conjunto limitado sin aspirar a agotar la búsqueda.

La siguiente tabla, adaptada de las ideas de Kay, identifica contrastes adicionales entre los dos
enfoques básicos:

racionalidad sustantiva Asunto Enfoque indirecto

Las interacciones con los demás son limitadas y su Interacciones El resultado de las interacciones con los demás depende
respuesta depende únicamente de nuestras acciones. del contexto y su interpretación de nuestras intenciones.

Las relaciones entre objetivos, estados,
metas y acciones son comprensibles
El problema y el contexto pueden ser descritos por
un modelo analítico bien especificado y estimado.
Lo que sucede es lo que pretendíamos que sucediera.
Las decisiones se toman sobre la base de la información
más completa posible.
El mejor resultado se logra a través de un
proceso consciente de maximización.
Se pueden definir reglas y pautas que permitan a las
personas encontrar las soluciones correctas.
Complejidad Nuestra comprensión de las relaciones entre
objetivos, estados, metas y acciones es imperfecta,
pero puede mejorarse con la experiencia.
Abstracción La simplificación adecuada de problemas complejos
debe basarse en el juicio y la comprensión del
contexto.
intencionalidad Lo que sucede es el resultado de procesos complejos
cuya totalidad nadie comprende por completo. Se
Información recomiendan y toman decisiones.
reconocer que solo se dispone o se puede disponer de
conocimientos limitados
Adaptación Los buenos resultados se obtienen a través de la adaptación
continua a condiciones en constante cambio. Los expertos
Pericia pueden hacer cosas que otros no pueden hacer, y solo pueden
aprender con dificultad.

En la práctica, ninguna organización se basa (intenta) solo en la racionalidad sustantiva. La mayoría aplica una mezcla
ecléctica de enfoques utilizando modelos, narrativas, contexto político y fuentes de evidencia. La modelización juega un
papel importante en cada uno de estos enfoques y el modelador profesional debe estar preparado para ofrecer
flexibilidad y capacidad de adaptación, incluyendo nuevas variables según se requiera y respondiendo rápidamente en el
análisis de políticas y diseños innovadores.

1.3.2 Elección de enfoques de modelado

Este libro asume que el estilo de decisión adoptado implica el uso de modelos, pero no aboga por un enfoque único (es
decir, normativo) para la toma de decisiones. La aceptabilidad del modelado, o un enfoque de modelado particular,
dentro de un estilo de decisión es muy importante. Los modelos que terminan siendo ignorados por los tomadores de
decisiones no solo representan recursos y esfuerzos desperdiciados, sino que resultan en analistas y planificadores
frustrados. Se propone además que hay varias características de los problemas y modelos de transporte que deben
tenerse en cuenta al especificar un enfoque analítico:

1.Se requiere precisión y exactitud. Estos conceptos a veces se confunden.Exactitudes el grado en que el resultado de
una medición o modelo coincide con los valores verdaderos o aceptados. La precisión es un tema relacionado
Introducción 11

a la calidad de los datos y el modelo. El nivel de precisión requerido para aplicaciones particulares varía mucho. A
menudo ocurre que la precisión requerida es precisamente la necesaria para discriminar entre un buen esquema y
uno menos bueno. En algunos casos, el mejor esquema puede ser bastante obvio, lo que requiere un modelado
menos preciso. Recuerde, sin embargo, que se ha culpado al sentido común por algunas decisiones de transporte
muy malas en el pasado.
Precisiónse refiere al nivel o las unidades de medida utilizadas para recopilar datos y generar
resultados del modelo. Uno puede medir los tiempos de viaje entre dos puntos en fracciones de
segundo, pero los individuos pueden estimar y establecer lo mismo con mucha menos precisión
en intervalos de cinco minutos. La precisión no es exactitud y, a menudo, es engañosa.
Informar estimaciones con alta precisión a menudo se interpreta como confianza en su
precisión, mientras que los modeladores de transporte a menudo usan números precisos para
informar estimaciones inciertas. Hay una diferencia entre afirmar que 'el tráfico en el enlace X
se midió como 2347 vehículos entre las 8:00 y las 9:00 de ayer' y decir que 'el tráfico en el enlace
X entre las 8:00 y las 9:00 a. m. dentro de cinco años ser 3148 vehículos': la primera declaración
puede ser precisa y exacta donde la segunda es igualmente precisa pero ciertamente inexacta.

2.El contexto de la toma de decisiones. Esto implica la adopción de un determinadoperspectivay una elección de un
alcanceo cobertura del sistema de interés. La elección de la perspectiva define el tipo de decisiones que se
considerarán: cuestiones o esquemas estratégicos, esquemas tácticos (gestión del transporte), o incluso problemas
operativos específicos. La elección del alcance implica especificar el nivel de análisis: ¿es solo transporte o incluye
también la ubicación de la actividad? En términos del sistema de transporte, ¿estamos interesados solo en la
demanda o también en el lado de la oferta en diferentes niveles: desempeño del sistema o de los proveedores,
problemas de minimización de costos dentro de los proveedores, etc.? La cuestión de cuántas opciones deben
considerarse para satisfacer a los diferentes grupos de interés o para desarrollar un mejor esquema único también es
crucial. El contexto de toma de decisiones, por lo tanto, también ayudará a definir los requisitos sobre los modelos
que se utilizarán, las variables que se incluirán en el modelo,
3.Nivel de detalle requerido. El nivel de resolución de un sistema modelo se puede describir a lo largo de cuatro
dimensiones principales: geografía, unidad de análisis, respuestas de comportamiento y manejo del tiempo.
El espacio es muy importante y se puede manejar de forma agregada, como unas pocas zonas con curvas de flujo
de velocidad en toda el área, o en el nivel detallado de las direcciones individuales para viajes con enlaces descritos en
detalle. Existe una amplia gama de opciones en este campo y la elección dependerá de la aplicación en cuestión: si se
trata de un diseño detallado para el tráfico en un área pequeña, se buscarían zonas muy desagregadas con una
cuenta precisa de las características físicas de los enlaces. apropiado en un modelo de microsimulación. La
planificación estratégica puede requerir un sistema de zonificación más agregado con vínculos descritos únicamente
en términos de sus relaciones de flujo de velocidad.
La unidad de interés para el modelado puede ser la misma zona con viajes que emanan y terminan allí o,
en el otro extremo del espectro, individuos muestreados o sintetizados; en algún lugar intermedio habrá
diferentes hogares o estratos de personas como representativos de la población viajera.
Las respuestas conductuales incluidas pueden variar desde acciones bastante simples de elección de ruta en un modelo de tráfico hasta
cambios en el tiempo de viaje, el modo, el destino, la frecuencia del viaje e incluso los impactos en el uso del suelo y la actividad económica.

El tiempo, a su vez, puede tratarse como una variable discreta o continua. En el primer caso, el modelo puede
cubrir un día completo (como en muchos modelos nacionales), un período pico o un intervalo de tiempo más
pequeño: todas las respuestas relevantes tendrán lugar en ese período, aunque puede haber interacciones con otros
períodos. Alternativamente, el tiempo puede considerarse como una variable continua que permite un manejo más
dinámico del tráfico y respuestas de comportamiento como la elección del tiempo de viaje. Considerar segmentos de
tiempo discretos es una opción común, ya que tratar el tiempo como una variable continua es mucho más exigente.
4.La disponibilidad de datos adecuados., su estabilidad y las dificultades que entraña la previsión de sus valores
futuros. En algunos casos, es posible que se disponga de muy pocos datos; en otros, puede haber razones para
12 Transporte de modelado

sospechar de la información, o tener menos confianza en los pronósticos futuros para variables clave de planificación ya que el
sistema no es lo suficientemente estable. En muchos casos, los datos disponibles serán el factor clave para decidir el enfoque
del modelo.
5.El estado del arte en el modeladopara un tipo particular de intervención en el sistema de transporte. esto yo-n a su
vez se puede subdividir en:
riqueza conductual;
- trazabilidad matemática e informática;
- disponibilidad de buenos algoritmos de solución.
Hay que tener en cuenta que en la práctica todos los modelos asumen que algunas variables le son
exógenas. Además, muchas otras variables se omiten del marco de modelado debido a que no son relevantes
para la tarea en cuestión, son demasiado difíciles de pronosticar o se espera que cambien poco y no influyan
en el sistema de interés. Una consideración explícita de lo que se ha dejado fuera del modelo puede ayudar a
decidir sobre su idoneidad para un problema dado.
6.Recursos disponibles para el estudio. Estos incluyen dinero, datos, hardware y software de computadora, habilidades
técnicas, etc. Sin embargo, vale la pena destacar aquí dos tipos de recursos: el tiempo y el nivel de comunicación con
los tomadores de decisiones y el público.Tiempoes probablemente el más crucial: si se dispone de poco tiempo para
elegir entre esquemas, se necesitarán atajos para brindar asesoramiento oportuno. Los tomadores de decisiones son
propensos a establecer plazos absurdamente cortos para la evaluación de proyectos que llevará años procesar a
través de múltiples instancias de decisión, años para implementar y muchos más años para ser confirmados como
correctos o incorrectos. Por otro lado, un buen nivel de comunicación con los tomadores de decisiones y el público
aliviará este problema: surgirán menos expectativas poco realistas sobre nuestra capacidad para modelar esquemas
de transporte con precisión, y una mejor comprensión de las ventajas y limitaciones del modelado moderará los
extremos. de aceptación ciega o rechazo total de las recomendaciones del estudio.

7.Requisitos de procesamiento de datos. Este aspecto solía interpretarse como algo así como "¿qué tamaño de computadora
necesita?" La respuesta a esa pregunta hoy es 'no muy grande', ya que una buena microcomputadora hará el truco en la
mayoría de los casos. El cuello de botella real en el procesamiento de datos es la capacidad humana para recopilar, codificar,
ingresar los datos, ejecutar los programas e interpretar la salida. Cuanto mayor sea el nivel de detalle, más difíciles serán todas
estas tareas humanas. El uso de gráficos y recopilación de datos asistidos por computadora para la entrada y salida de
programas reduce un poco la carga.
8.Niveles de formación y competencias de los analistas. Los costos de capacitación suelen ser bastante altos;
tanto es así que a veces es mejor usar un modelo existente o un software que se entiende bien, que
embarcarse en adquirir y aprender a usar uno un poco más avanzado. Esto parece, por supuesto, una receta
para sofocar la innovación y el progreso; sin embargo, siempre debería ser posible dedicar algún tiempo a
desarrollar fortalezas en nuevas técnicas avanzadas sin rechazar la experiencia adquirida con modelos
anteriores.
9.Perspectiva y alcance del modelado. floriány otros. (1988) formalizan contextos de toma de decisiones
utilizando un marco bidimensional: elnivel de analisisy elperspectiva. Los niveles de análisis pueden incluir
seis grupos diferentes deprocedimientos, donde un procedimiento se centra en uno o más modelos y t-sus
algoritmos de solución específicos. Estos son:
ubicación de la actividadprocedimientosL;
- procedimientos de demandaD;
- rendimiento del sistema de transporteprocedimientosPAG, que producen como resultados niveles de servicio, gasto y
capacidades prácticas, y dependen de los niveles de demanda y de las condiciones de la oferta de transporte;
- acciones de suministroprocedimientosS, que determinan las actuaciones de los proveedores de servicios e infraestructuras
de transporte; estos dependen de sus objetivos (maximización de beneficios, bienestar social), institucionales
medio ambiente, sus costos y estimaciones de estados futuros del sistema;
- minimización de costosprocedimientosCM;
- producciónprocedimientosrelaciones públicas.
Introducción 13

Los dos últimos tienen más que ver con los problemas microeconómicos que afectan a los proveedores en su elección de
combinaciones de insumos para minimizar costos.
La dimensión de perspectivas considera los procedimientos de seis nivelesL, D, P, S, CM, PRy tres perspectivas: una
estratégicoperspectivaFUERZA, atácticoperspectivaTACy unOperacionalperspectiva AIRE LIBRE. Estos están, por
supuesto, relacionados con los horizontes de planificación y los niveles de inversión; sin embargo, en t-su contexto
deben ser vistos como conceptos genéricos que se ocupan de la capacidad:
para visualizar los nivelesL, D, P, S, CM, PRen su verdadera y relativa importancia;
- elegir, en cualquier nivel, lo que debe considerarse como fijo y lo que como variable.

La figura 1.4 resume la forma en que suelen interactuar las diferentes perspectivas y niveles. El mayor y más agregado
es, por supuesto, el nivel estratégico; el análisis y la elección en este nivel tienen importantes impactos a largo plazo y en
todo el sistema, y por lo general implican la adquisición de recursos y el diseño de redes. Los temas tácticos tienen una
perspectiva más estrecha y se refieren a cuestiones como hacer el mejor uso de las instalaciones e infraestructuras
existentes. La perspectiva más estrecha, la operativa, se ocupa de los problemas a corto plazo de los proveedores de
servicios de transporte. eso, el
decisiones reales sobre, por ejemplo, los niveles de o algunos

se de los modelos discutidos en este libro, y th

Planificación-gestión
perspectivas

Endógeno
Operacional

exógeno
Estratégico
Táctico

Ubicación de la actividad L

Demanda D ALCANCE
DE
ESTE
Actuación PAG LIBRO

Acciones de suministro S

Minimización de costes CM

Producción relaciones públicas

Sistema de transporte
niveles

Figura 1.4El marco conceptual bidimensional

Esta es, por supuesto, una forma bastante abstracta e idealizada de visualizar los problemas de planificación. Sin embargo,
ayuda a aclarar las opciones que debe enfrentar el analista al desarrollar un enfoque de modelado de transporte. En
14 Transporte de modelado

En este libro nos ocupamos principalmente de cuestiones estratégicas y tácticas en los niveles de procedimiento de
demanda y desempeño. Sin embargo, algunos de los modelos discutidos aquí a veces encuentran aplicación fuera de
estos niveles y perspectivas.

1.4 Problemas en el modelado de transporte

Ya hemos identificado las interacciones entre los problemas de transporte, los estilos de toma de decisiones y los
enfoques de modelado. Necesitamos discutir ahora algunos de los problemas críticos de modelado que son relevantes
para la elección del modelo. Estos temas cubren algunos puntos generales como los roles de la teoría y los datos, la
especificación y la calibración del modelo. Pero quizás las opciones más críticas sean aquellas entre los usos de enfoques
agregados o desagregados, modelos de series temporales o de sección transversal, y técnicas de preferencia revelada o
declarada.

1.4.1 Problemas generales de modelado

Wilson (1974) ofrece una interesante lista de preguntas que debe responder cualquier aspirante a modelador; van desde
cuestiones amplias como laobjetivodetrás del ejercicio de construcción del modelo, hasta aspectos detallados tales como
que tecnicasestán disponibles para construir el modelo. Discutiremos algunos de estos a continuación, junto con otros
problemas de modelado que son particularmente relevantes para el desarrollo de este libro.

1.4.1.1 Los roles de la teoría y los datos

Mucha gente tiende a asociar la palabra 'teoría' con una serie interminable de fórmulas y manipulaciones algebraicas. En
el campo de la modelización del transporte urbano, esta asociación ha sido en gran medida correcta: es difícil
comprender y replicar las complejas interacciones entre los seres humanos, que son una característica inevitable de los
sistemas de transporte.
Algunos desarrollos teóricos que intentan superar estas dificultades han resultado en modelos que carecen
de datos y/o software computacional adecuados para su implementación práctica. Esto ha llevado a la opinión,
sostenida con firmeza por algunos profesionales, de que la brecha entre la teoría y la práctica se amplía
continuamente; esto es algo que hemos tratado de corregir en este libro.
Una consideración importante al juzgar la contribución de una nueva teoría es si impone restricciones significativas,
por ejemplo, a la forma de una función de demanda. Hay al menos un caso documentado de un estudio de planificación
de transporte 'práctico', que duró varios años y costó varios millones de dólares, que se basó en modelos de demanda
'pragmáticos' con una estructura defectuosa (es decir, algunas de sus elasticidades tenían un signo incorrecto; véase
Williams y Sénior 1977). Aunque esto podría haber sido diagnosticadoex antepor los practicantes pragmáticos, si no
hubieran despreciado la teoría, solo se descubrióa posterioripor teóricos.
Desafortunadamente (o quizás afortunadamente, diría un pragmático), a veces es posible derivar formas
funcionales similares desde diferentes perspectivas teóricas (esto, elcuestión de equifinalidad, se considera con
más detalle en el Capítulo 8). Sin embargo, la interpretación del resultado del modelo depende en gran medida
del marco teórico adoptado. Por ejemplo, la misma forma funcional del modelo de gravedad se puede derivar de
la analogía con la física, de la maximización de la entropía y de los formalismos de máxima utilidad. La
interpretación de la salida, sin embargo, puede depender de la teoría adoptada. Si uno solo está interesado en
los flujos en los enlaces, puede que no importe qué marco teórico sustenta la función del modelo analítico. Sin
embargo, si se requiere una medida de evaluación, la situación cambia, ya que solo una teoría del
comportamiento humano basada en la economía será útil en esta tarea. En otros casos, frases como: 'aumentará
la atracción gravitatoria de este destino', o se utilizará 'este es el arreglo de viajes más probable' o 'la matriz de
viaje más probable consistente con nuestra información sobre el sistema'; estos no brindan ayuda para diseñar
medidas de evaluación, pero ayudan en la interpretación de la naturaleza de la solución encontrada. el teórico
Introducción 15

marco también dará cierta credibilidad a la capacidad del modelo para pronosticar el comportamiento futuro. En este
sentido, es interesante reflexionar sobre la influencia que la práctica y la teoría pueden tener entre sí. Por ejemplo, se ha
señalado que los modelos o formas analíticas utilizadas en la práctica han tenido tradicionalmente una influencia
orientadora sobre los supuestos empleados en el desarrollo de marcos teóricos posteriores. También es bien sabido que
las formas ampliamente implementadas, como el modelo logit de gravedad que discutiremos en los capítulos 6 y 7, han
sido objeto de fuertes críticas.a posterioriracionalización:

los avances teóricos son especialmente bienvenidos cuando fortalecen la práctica existente que podría
considerarse que carece de una lógica particularmente convincente (Williams y Ortúzar, 1982b).

Los dos enfoques clásicos para el desarrollo de la teoría se conocen comodeductivo(construir un modelo y probar sus
predicciones contra las observaciones) yinductivo(comenzando con datos e intentando inferir leyes generales). Se ha
encontrado que el enfoque deductivo es más productivo en las ciencias puras y se ha preferido el enfoque inductivo en
las ciencias sociales analíticas. Es interesante notar que los datos son fundamentales para ambos; de hecho, es bien
sabido que la disponibilidad de datos por lo general deja poco espacio para la negociación y el compromiso en el
compromiso entre el modeladoRelevanciay modeladocomplejidad. De hecho, en muchos casos la naturaleza de los datos
restringe la elección del modelo a una sola opción.
La cuestión de los datos está estrechamente relacionada con cuestiones tales como el tipo de variables que se representarán en
el modelo y esto, por supuesto, también está estrechamente relacionado con cuestiones sobre la teoría. Los modelos predicen una
serie de variables dependientes (o endógenas) dadas otras variables independientes (o explicativas). Para probar un modelo,
normalmente necesitaríamos datos sobre cada variable. De particular interés son losvariables de política, que son los que se
supone que están bajo el control del tomador de decisiones, por ejemplo, los que el analista puede variar para probar el valor de
políticas o esquemas alternativos.
Otro tema importante en este contexto es el de la agregación:

- ¿Cuántos estratos de población o tipos de personas necesitamos para lograr una buena representatividad y
comprensión de un problema?
- ¿Con cuánto detalle necesitamos medir ciertas variables para replicar un fenómeno dado?
- El espacio es crucial en el transporte; ¿Con qué nivel de detalle necesitamos codificar el origen y el destino de los
viajeros para modelar su comportamiento de viaje?

1.4.1.2 Especificación del modelo

En su sentido más amplio e interesante, este número considera los siguientes temas.

Estructura del modelo¿Es posible replicar el sistema a modelar con una estructura simple que asuma, por ejemplo, que
todas las alternativas son independientes? ¿O es necesario construir modelos más complejos que procedan, por ejemplo,
a calcular probabilidades de elección condicionadas a selecciones anteriores? Los modelos desagregados, como los
discutidos en los Capítulos 7 a 9, generalmente tienen parámetros que representan aspectos de la estructura del modelo
y las extensiones a la metodología logradas a mediados de la década de 1980 han permitido la estimación de formas de
modelo cada vez más generales. Sin embargo, como ha señalado Daly (1982b), aunque se podría suponer que, en última
instancia, todos los problemas relacionados con la forma del modelo podrían resolverse mediante pruebas empíricas, tal
resolución no es posible ni apropiada.

Forma funcional¿Es posible usar formas lineales o el problema requiere postular funciones no lineales más
complejas? Este último puede representar el sistema de interés con mayor precisión, pero ciertamente será más
exigente en términos de recursos y técnicas para la calibración y el uso del modelo. Aunque las consideraciones
teóricas pueden desempeñar un papel importante en la resolución de esta cuestión, también es posible
examinarla de forma inductiva por medio de 'simulaciones de laboratorio', por ejemplo, en experimentos de
intenciones/preferencias declaradas.
dieciséis Transporte de modelado

Especificación de variablesEste es el significado más habitual asociado al problema de la especificación; qué variables
usar y cómo (de qué forma) deben ingresar a un modelo dado. Por ejemplo, si se supone que el ingreso influye en la
elección individual, ¿debería la variable entrar en el modelo como tal o deflactando una variable de costo? Los métodos
para avanzar en esta cuestión van desde el uso deductivo ("constructivo") de la teoría hasta el análisis estadístico
inductivo de los datos mediante transformaciones.

1.4.1.3 Calibración, validación y uso del modelo

Un modelo se puede representar simplemente como una función matemática de variablesXy parámetrosθ, como:

Y=F(X,θ) (1.4)

Es interesante mencionar que los conceptos gemelos decalibración del modeloyestimación del modelohan tomado
tradicionalmente un significado diferente en el campo del transporte. Calibrar un modelo requiere elegir sus parámetros,
que se supone que tienen un valor no nulo, para optimizar uno o másbondad de ajustemedidas que son una función de
los datos observados. Este procedimiento se ha asociado con los físicos e ingenieros responsables de los primeros
modelos de transporte de agregados que no se preocupaban demasiado por las propiedades estadísticas de estos
índices, por ejemplo, cuán grandes podrían ser los errores de calibración.
La estimación implica encontrar los valores de los parámetros que hacen que los datos observados sean más
probables según la especificación del modelo; en este caso se pueden juzgar uno o más parámetrosno significativoy
queda fuera del modelo. La estimación también considera la posibilidad de examinar empíricamente ciertas cuestiones
de especificación; por ejemplo, se pueden estimar parámetros de forma estructural y/o funcional. Este procedimiento ha
tendido a asociarse con los ingenieros y econometristas responsables de los modelos desagregados, quienes dieron
mucha importancia a las posibilidades de contrastación estadística que ofrecían sus métodos. Sin embargo, en esencia
ambos procedimientos son iguales porque la forma de decidir qué valores de parámetro son mejores es examinando
ciertas medidas de bondad de ajuste previamente definidas. La diferencia es que estas medidas generalmente tienen
propiedades estadísticas bien conocidas que, a su vez, permiten construir límites de confianza en torno a los valores
estimados y las predicciones del modelo.
Porque la gran mayoría de los modelos de transporte se han construido sobre la base detransversaldatos, ha habido
una tendencia a interpretar el modelovalidaciónexclusivamente en términos de la bondad de ajuste lograda entre el
comportamiento observado y las predicciones del año base. Aunque este es unnecesario, de ninguna manera es un
suficientecondición para la validación del modelo; esto ha sido demostrado por una serie de casos que han podido
comparar las predicciones del modelo con los resultados observados enantes y después de(ver la discusión en Williams y
Ortúzar, 1982a). La validación requiere comparar las predicciones del modelo con la información.no utilizadodurante el
proceso de estimación del modelo. Obviamente, esto pone una prueba más estricta en el modelo y requiere más
información o más recursos.
Una de las primeras tareas a las que se enfrenta un modelador es decidir qué variables va a predecir el
modelo y cuáles son posiblemente necesarias como entradas para él. Algunos no se incluirán en absoluto, ya sea
porque el modelador no tiene control sobre ellos o simplemente porque la teoría detrás del modelo los ignora
(ver Figura 1.5). Esto implica inmediatamente un cierto grado de error e incertidumbre (volveremos a este
problema en el Capítulo 3) que por supuesto se ve agravado por otros errores que también son inherentes a la
modelización; por ejemplo, errores de muestreo y, más importante, errores debidos a las inevitables
simplificaciones de la realidad que el modelo exige para ser práctico (ver Figura 1.5).
Por lo tanto, el uso principal de los modelos en la práctica es parapronóstico condicional: el modelo producirá estimaciones de
las variables dependientes dado un conjunto de variables independientes. De hecho, los pronósticos típicos son condicionales de
dos maneras (Wilson 1974):

- en relación con los valores asignados a las variables de política en el plan, cuyo impacto se está probando con
el modelo;
- en relación con los valores supuestos de otras variables.
Introducción

Figura 1.5Modelado y muestreo

Un modelo se usa normalmente para probar una variedad de planes alternativos para una variedad de suposiciones
posibles sobre el valor futuro de las otras variables (por ejemplo, escenarios de ingresos altos y bajos). Esto significa que
podría "ejecutarse" muchas veces en el contexto de examinar un problema en particular. Por esta razón, puede ser de
crucial importancia que su especificación permita un tiempo de respuesta rápido en una computadora; esta no es una
tarea fácil en el caso de un modelo de transporte a gran escala que involucra procesos complejos de equilibrio entre la
oferta y la demanda, como veremos en el Capítulo 11.

1.4.1.4 Modelado, pronóstico y juicio

Hay una sutil diferencia entre modelar y pronosticar. El modelado se enfoca en construir y aplicar herramientas
apropiadas que sean sensibles a las elecciones de interés y respondan lógicamente a los cambios en los instrumentos
políticos clave. El modelador exitoso brindará consejos útiles y oportunos para el proceso de toma de decisiones, incluso
si los datos y los plazos son limitados. En este caso, es importante que el modelo produzca resultados consistentes para
todas las intervenciones, políticas y proyectos esperados, de modo que puedan clasificarse de manera justa, incluso si la
correspondencia con la realidad no es perfecta.
Pronosticar es un intento de visualizar y cuantificar las condiciones futuras. Normalmente implica estimar la demanda
futura de viajes y los flujos y costos multimodales resultantes a lo largo del tiempo. En el caso de proyectos del sector
privado, consulte el Capítulo 16, estas proyecciones suelen ir acompañadas de pronósticos de ingresos y los inversores
tomarán riesgos considerados en función de estos pronósticos. La previsión suele basarse en modelos formales, pero
estos por sí solos no pueden proporcionar una imagen completa; es necesario incorporar otros análisis y supuestos.
Dada la incertidumbre sobre el futuro, se pueden utilizar varios enfoques complementarios en la previsión. Por ejemplo,
un modelo formal puede estar respaldado por la consideración de los principales impulsores económicos de la futura
actividad de viajes en una región; de esa manera se aclara cómo los pronósticos dependen de la
18 Transporte de modelado

futuro de estas actividades. El éxito de los pronósticos solo puede medirse objetivamente a través de estudios de antes y
después.
La importancia de los modelos formales aumenta a medida que las intervenciones bajo consideración se alejan más de lo que
está sobre el terreno y se conoce en la actualidad. Por ejemplo, cuando se introduce un modo que actualmente no está disponible
en una ciudad, el modelo a menudo tendrá que basarse en datos de preferencia declarados, información de otras regiones o teoría
de toma de decisiones racional. Lo mismo es cierto cuando se evalúa cualquier tipo de política que no exista actualmente (cargo por
congestión) o cuando se consideran los precios del combustible o las condiciones de congestión radicalmente diferentes a las
actuales. En general, un buen consejo sobre estos temas no se puede dar solo sobre la base de un buen modelo, por excelente que
sea. Esto requiere una consideración inteligente de otros factores y supuestos, en particular acerca de las limitaciones de cualquier
enfoque de modelado.
Dada la naturaleza de los modelos analíticos, la interpretación de sus resultados es esencial. La interpretación requiere
buen juicio y éste sólo se adquiere con la experiencia y un profundo conocimiento de las teorías que sustentan los
modelos y sus limitaciones. Por ejemplo, la mayoría de los modelos descritos en este texto están respaldados por la
teoría de la utilidad aleatoria (consulte el Capítulo 7), que a su vez supone una toma de decisiones racional por parte de
los viajeros. Sin embargo, existe un cuerpo de evidencia cada vez más sólido, proporcionado principalmente por la
economía y la psicología del comportamiento, de que los humanos no son ni completamente racionales ni consistentes
en sus elecciones. Esta evidencia (ver Ariely 2009) rompe la teoría que sustenta nuestros modelos, incluso los enfoques
basados en actividades más avanzados, y hace que la aplicación del juicio en la interpretación de los resultados del
modelo sea aún más importante.

1.4.2 Modelado agregado y desagregado

El nivel de agregación seleccionado para la medición de datos es un tema importante en el diseño general de un estudio
de planificación de transporte. De interés central es la agregación de datos exógenos, es decir, información sobre
elementos distintos del comportamiento de los viajeros que se supone endógeno (es decir, el modelo intenta replicarlo).
Por ejemplo, a lo largo de los años ha sido motivo de preocupación si un elemento de datos determinado representa un
promedio de un grupo de viajeros en lugar de recopilarse específicamente para un solo individuo. Cuando el modelo de
base tiene como objetivo representar el comportamiento de más de un individuo (por ejemplo, un segmento de la
población como los propietarios de automóviles que viven en una zona), como en el caso del agregarEn los modelos que
examinaremos en los capítulos 5 y 6, es inevitable cierto grado de agregación de los datos exógenos. Pero cuando el
modelo de base intenta representar el comportamiento de los individuos, como en el caso deldesagregarEn los modelos
que estudiaremos en los capítulos 7 a 9, es concebible que la información exógena se pueda obtener y utilizar por
separado para cada viajero. Entonces, una cuestión importante es si, como suele ser el caso, sería preferible, por razones
de costo u otros motivos, utilizar datos menos detallados (véase Daly y Ortúzar 1990).

Pronosticar la demanda futura es un elemento crucial de la mayoría de los estudios de planificación del transporte. Ser
capaz de predecir el uso probable de nuevas instalaciones es un precursor esencial para la toma de decisiones racionales
sobre las ventajas o no de proporcionar tales instalaciones. También puede ser importante tener una idea acerca de las
sensibilidades de la demanda a variables importantes bajo el control del analista (por ejemplo, el precio cobrado por su
uso). En la mayoría de los casos, los pronósticos y las estimaciones de sensibilidad deben proporcionarse a nivel
agregado, es decir, deben representar el comportamiento de toda una población de interés. Por lo tanto, el analista que
utiliza modelos desagregados debe encontrar un método sólido para agregar los resultados del modelo para
proporcionar estos indicadores.
Los modelos agregados se utilizaron casi sin excepción en los estudios de transporte hasta finales de la década de
1970; se hicieron familiares, exigieron relativamente pocas habilidades por parte del analista (pero requerían
conocimientos informáticos arcanos) y tenían la propiedad de ofrecer una 'receta' para el proceso completo de modelado,
desde la recopilación de datos hasta la provisión de pronósticos a nivel de enlaces. en una red El resultado de estos
modelos, quizás porque fueron generados por oscuros programas informáticos, a menudo se consideraban más precisos
de lo previsto, por ejemplo, prediciendo flujos de movimiento giratorio 15 años en el
Introducción 19

futuro. Los modelos agregados han sido severamente (ya veces justificadamente) criticados por su inflexibilidad,
inexactitud y costo. Desafortunadamente, muchos enfoques desagregados que han adoptado tratamientos
sofisticados de las opciones y limitaciones que enfrentan los viajeros individuales no han logrado llevar el
proceso hasta la producción de pronósticos, a veces porque requieren datos que no pueden pronosticarse
razonablemente.
Los modelos desagregados, que se hicieron cada vez más populares durante la década de 1980, ofrecen ventajas
sustanciales sobre los métodos tradicionales sin dejar de ser prácticos en muchos estudios de aplicación. Sin embargo,
un problema importante en la práctica es que exigen del analista un nivel bastante alto de habilidades estadísticas y
econométricas para su uso (en particular para la interpretación de resultados), ciertamente mucho más alto que en el
caso de los modelos agregados. Además, a menudo se han exagerado las diferencias entre los sistemas modelo
agregados y desagregados. Por ejemplo, los modelos desagregados se comercializaron primero como una desviación
radical de los métodos clásicos, una 'revolución' en el campo, mientras que finalmente quedó claro que una visión
'evolutiva' era más adecuada (ver Williams y Ortúzar 1982b). De hecho, en muchos casos hay equivalencia completa entre
las formas de los modelos de pronóstico (Daly 1982a). La diferencia esencial radica en el tratamiento de la descripción del
comportamiento, particularmente durante el proceso de desarrollo del modelo; en muchos casos, el enfoque
desagregado es claramente superior a la agrupación del comportamiento por zonas y por segmentos predefinidos.

Los intentos por aclarar la cuestión de si se preferirían los enfoques desagregados o agregados, y en qué
circunstancias, básicamente han concluido que no existe un enfoque definitivo apropiado para todas las
situaciones (ver Daly y Ortúzar 1990). Estos intentos también han establecido la necesidad de pautas para ayudar
al médico desesperado a elegir las herramientas modelo más apropiadas para aplicar en un contexto particular.
Nos hemos esforzado por responder a ese llamado en este libro.

1.4.3 Sección transversal y series temporales

La gran mayoría de los estudios de planificación del transporte hasta finales de la década de 1980 se basaron en información sobre
los patrones de viaje revelados por una muestra representativa de individuos en un solo punto en el tiempo. De hecho, el uso
tradicional del enfoque transversal trascendió las diferencias entre los modelos agregados y desagregados.
Una suposición fundamental del enfoque transversal es que una medida de la respuesta al cambio
incremental puede hallarse simplemente calculando las derivadas de una función de demanda con respecto a las
variables de política en cuestión. Esto hace explícito el supuesto de que unestímulorespuestaLa relación puede
derivarse de los parámetros del modelo estimados a partir de las observaciones en un punto en el tiempo. Esto
sería razonable si siempre hubiera suficientes personas cambiando sus elecciones, digamos de modo o destino,
enambosdirecciones y sin efectos de hábito o de retraso en el tiempo.
Sin embargo, la suposición transversal tiene dos inconvenientes potencialmente serios. En primer lugar, un conjunto de datos
transversales dado puede corresponder a una "historia" particular de cambios en los valores de ciertas variables clave que influyen
en la elección. Por ejemplo, los cambios en el modo o la ubicación en el tiempo pueden haber sido provocados por una serie de
estímulos diferentes (precios de la gasolina, efectos del ciclo de vida, etc.) y la medida en que se considera que un sistema está en
desequilibrio(debido a, digamos, la inercia) dependerá de estos. El problema es que se puede demostrar (véase el capítulo 7) que la
respuesta de grupos con exactamente las mismas características actuales, pero que han pasado por un camino diferente de
cambios, puede ser muy diferente. En segundo lugar, los datos recopilados en un solo punto en el tiempo generalmente no podrán
discriminar entre formulaciones de modelos alternativos, incluso entre algunos que surjan de postulados teóricos totalmente
diferentes. Siempre es posible encontrar los parámetros de "mejor ajuste" a partir de los datos del año base, incluso si el modelo
sufre graves problemas de especificación errónea; el problema es, por supuesto, que estos no garantizan buenas propiedades de
respuesta para una situación futura. Como vimos en la sección 1.4.1, un buen ajuste del año base no es una condición suficiente
para la validación del modelo.
Por lo tanto, en general no es posible discriminar entre la gran variedad de posibles fuentes de dispersión dentro de
un conjunto de datos transversales (es decir, dispersión de preferencias, efectos de hábitos, restricciones, etc.). Sin
embargo, el progreso real en la comprensión y evaluación de la efectividad de los modelos de pronóstico puede
20 Transporte de modelado

solo se hará si hay información disponible sobre la respuesta a lo largo del tiempo. Desde un punto de vista
teórico, también es deseable que se diseñen marcos de análisis apropiados que permitan la eventual refutación
de las hipótesis relativas a la respuesta. Hasta que esto se logre, un problema general de tergiversación
potencial seguirá arrojando dudas sobre la validez de los estudios transversales.
La discusión anterior ha llevado a muchas personas a creer que, cuando sea posible, se deben usar datos longitudinales o de
series de tiempo para construir modelos de pronóstico más confiables. Este tipo de datos incorpora información sobre la respuesta
por diseño. Por lo tanto, en principio, puede ofrecer los medios para probar directamente e incluso quizás rechazar las hipótesis
relacionadas con la respuesta.
Los datos longitudinales pueden tomar la forma depaneleso más simplementeantes y después deinformación.
Desafortunadamente, los modelos basados en este tipo de datos tienen sus propios problemas técnicos severos; de hecho, hasta
fines de la década de 1990, los avances en esta área habían sido limitados. Discutiremos algunos de los temas relacionados con la
recopilación y el uso de este tipo de información en los Capítulos 3 y 7.

1.4.4 Preferencias reveladas y declaradas

El desarrollo de modelos buenos y robustos es bastante difícil si el analista no puede establecer experimentos para
observar el comportamiento del sistema en una amplia gama de condiciones. La experimentación de este tipo no es
práctica ni viable en el transporte y el analista está restringido, como un astrónomo, a hacer observaciones sobre eventos
y elecciones que no controlan. Hasta mediados de la década de 1980, era casi un axioma que la modelización de la
demanda de transporte debería basarse en información sobre elecciones y decisiones observadas, es decir, preferencia
reveladadatos. Dentro de este enfoque, la evaluación de proyectos requiere expresar las políticas en términos de cambios
en los atributos que se 'asignan' a aquellos que se considera que influyen en el comportamiento actual. Sin embargo,
esto tiene limitaciones prácticas asociadas básicamente a los costos de la encuesta ya la dificultad de distinguir los
efectos de atributos que no son fáciles de observar, por ejemplo, los relacionados con nociones como calidad o
conveniencia. Otra vergüenza práctica ha sido tradicionalmente el problema de la 'nueva opción', por el cual se requiere
pronosticar el uso probable de una instalación que no está disponible en la actualidad y quizás incluso radicalmente
diferente a todas las existentes.
Preferencia/intenciones declaradasLas técnicas, tomadas del campo de la investigación de mercado, se propusieron a fines de la
década de 1970 como una forma de experimentar con opciones relacionadas con el transporte, resolviendo así algunos de los
problemas descritos anteriormente. Las técnicas de preferencia declarada basan las estimaciones de la demanda en un análisis de
la respuesta aopciones hipotéticas; estos, por supuesto, pueden cubrir una gama más amplia de atributos y condiciones que el
sistema real. Sin embargo, estas técnicas fueron severamente desacreditadas al principio porque no se sabía cómo descontar el
exceso de entusiasmo de ciertos encuestados, por ejemplo, ni siquiera la mitad de las personas que afirmaron que tomarían un
curso de acción determinado lo hicieron cuando finalmente se presentó la oportunidad. .

La situación tardó toda una década en cambiar, pero a fines de la década de 1980 muchos percibieron que los métodos de
preferencia declarada ofrecían una oportunidad real de resolver las dificultades antes mencionadas. Además, se ha encontrado
que, en casos apropiados, los datos y métodos de preferencias reveladas y declaradas pueden emplearse en sentidos
complementarios con las fortalezas de ambos enfoques reconocidos y combinados. En particular, se considera que ofrecen una
herramienta invaluable para asistir en el modelado de alternativas completamente nuevas. Examinaremos los aspectos de
recopilación de datos de los métodos de preferencia declarada en el Capítulo 3 y los problemas de modelado en el Capítulo 8.

1.5 La estructura del modelo de transporte clásico

Años de experimentación y desarrollo han dado como resultado una estructura general que se ha denominado el modelo de
transporte clásico. Esta estructura es, en efecto, el resultado de la práctica en la década de 1960, pero ha permanecido más o
menos inalterada a pesar de las importantes mejoras en las técnicas de modelado desde entonces.
Introducción 21

La forma general del modelo se representa en la Figura 1.6. El enfoque comienza considerando un sistema de
zonificación y red, y la recopilación y codificación de datos de planificación, calibración y validación. Estos datos incluirían
los niveles del año base para la población de diferentes tipos en cada zona del área de estudio, así como los niveles de
actividad económica, incluido el empleo, el espacio comercial, las instalaciones educativas y recreativas. Estos datos se
utilizan luego para estimar un modelo del número total de viajes generados y atraídos por cada zona del área de estudio (
generación de viajes). El siguiente paso es la asignación de estos viajes a determinados destinos, es decir, sudistribución
sobre el espacio, produciendo así una matriz de viaje. La siguiente etapa normalmente implica modelar el choi
ción de
viajes en la matriz a diferentes modos. Final de los comentario

viajes por cada modalidad a su correspondiente

Figura 1.6El clásico modelo de transporte de cuatro etapas.

El modelo clásico se presenta como una secuencia de cuatro submodelos: generación de viajes, distribución, división
modal y asignación. En general, se reconoce que las decisiones de viaje no se toman realmente en este tipo de secuencia;
una visión contemporánea es que la 'ubicación' de cada submodelo depende de la forma de la función de utilidad que se
supone gobierna todas estas elecciones de viaje (ver Williams 1977). Además, se considera que el modelo de cuatro
etapas concentra la atención solo en una gama limitada de respuestas de los viajeros. El pensamiento actual requiere un
análisis de una gama más amplia de respuestas a los problemas y esquemas de transporte. Por ejemplo, cuando se
enfrenta a una mayor congestión, un viajero puede responder con una variedad de cambios simples para:

- elrutaseguido para evitar la congestión o aprovechar nuevos enlaces; Esto incluye la elección del aparcamiento.
lugar o combinación de servicios en el caso del transporte público; el
- modoutilizado para llegar al destino;
- eltiempode salida para evitar la parte más congestionada del pico;
22 Transporte de modelado

- eldestinodel viaje a una zona menos congestionada;

- elfrecuenciade viajes realizando el viaje en otro día, quizás combinándolo con otras
actividades.

Además, otras respuestas más complejas tienen lugar a más largo plazo, por ejemplo, cambios de trabajo,
ubicación residencial, elección de zonas comerciales, etc.; todos ellos responderán, al menos parcialmente, a
cambios en la accesibilidad que proporcione el sistema de transporte.
A pesar de estos comentarios, el modelo secuencial de cuatro etapas proporciona un punto de referencia para
contrastar métodos alternativos. Por ejemplo, algunos enfoques contemporáneos intentan tratar simultáneamente las
opciones de frecuencia de viaje (viajes por semana), destino y modo de viaje, fusionando así la generación, distribución y
elección de modo de viaje en un solo modelo. Otros enfoques enfatizan el papel de las actividades del hogar y las
opciones de viaje que implican; conceptos como estancias, circuitos y presupuestos de tiempo y dinero se utilizan en este
contexto para modelar decisiones y limitaciones de viaje. Estas estrategias de modelado son más difíciles de proyectar en
términos de las cuatro decisiones principales o submodelos anteriores. Sin embargo, es probable que la mejor
comprensión del comportamiento de viaje que proporcionan estos modelos basados en actividades mejore los enfoques
de modelado más convencionales, consulte el Capítulo 14.
La secuencia generación-distribución-fracción modal y asignación de viajes es la más común
pero no la única posible. Algunos estudios anteriores han colocado la división modal antes de la
distribución de viajes e inmediatamente después (o con) la generación de viajes. Esto permite un
mayor énfasis en las variables de decisión según la unidad generadora de viajes, el individuo o el
hogar. Sin embargo, forzar la división modal antes de que se conozca el destino requiere
"promediar" los atributos del viaje y los modos en el modelo. Esto resta relevancia política al
modelo de división modal. Otro enfoque es realizar la distribución y la elección del modo
simultáneamente, como se analiza en el Capítulo 6. Nótese también que el modelo clásico hace
que la generación de viajes sea inelástica, es decir, independiente del nivel de servicio
proporcionado en el sistema de transporte.
Una vez que el modelo ha sido calibrado y validado para las condiciones del año base, debe aplicarse a uno o más
horizontes de planificación. Para ello es necesario desarrollarescenariosy planes que describen las características
relevantes del sistema de transporte y las variables de planificación bajo futuros alternativos. La preparación de
escenarios realistas y consistentes no es una tarea sencilla, ya que es muy fácil caer en la trampa de construir futuros que
no son económicamente viables ni realistas en el contexto de la probable evolución del uso del suelo y las actividades en
el área de estudio. A pesar de estas dificultades, la escritura de escenarios sigue siendo más un arte que una técnica y
requiere una gran cantidad de experiencia en ingeniería combinada con un buen juicio político; desafortunadamente,
estos son recursos escasos que rara vez se encuentran juntos en los equipos de planificación.
Habiendo preparado escenarios y planes realistas para las pruebas, se vuelve a ejecutar la misma secuencia
de modelos para simular su desempeño. Luego se hace una comparación entre los costos y beneficios, sin
importar cómo se midan, de diferentes esquemas bajo diferentes escenarios; la idea es elegir el programa más
atractivo de políticas de inversión y transporte que satisfaga la demanda de movimiento en el área de estudio.

Un tema importante en el modelo clásico de cuatro etapas es el uso consistente de variables que
afectan la demanda. Por ejemplo, al final de la etapa de asignación de tráfico se obtendrán nuevos
niveles de flujo y, por lo tanto, nuevos tiempos de viaje. Es poco probable que estos sean los mismos
tiempos de viaje asumidos cuando se ejecutaron los modelos de distribución y elección de modo, al
menos cuando los modelos se utilizan en el modo de pronóstico. Esto parece requerir la repetición de los
modelos de distribución y división modal basados ahora en los nuevos tiempos de viaje. La aplicación
posterior del modelo de asignación bien puede resultar en un nuevo conjunto de tiempos de viaje; se
verá que, en general, la retroalimentación ingenua del modelo no conduce a un conjunto estable de
modelos de distribución, división modal y asignación con tiempos de viaje consistentes. Este problema se
tratará con cierto detalle en el Capítulo 11;
Introducción 23

1.6 Planificación del Transporte Continuo

Los modelos de planificación del transporte por sí solos no resuelven los problemas de transporte. Para ser útiles, deben utilizarse
dentro de un proceso de decisión adaptado al estilo de toma de decisiones elegido. El modelo de transporte clásico fue
desarrollado originalmente para un ideali deporte
la planificación se puede presentar como contribuyente t en trabajar como

la Figura 1.7:

Figura 1.7Un marco para la toma racional de decisiones con modelos

1.Formulación del problema. Un problema puede definirse como un desajuste entre las expectativas y la realidad
percibida. La definición formal de un problema de transporte requiere referencia a objetivos, estándares y
restricciones. Los primeros reflejan los valores implícitos en el proceso de toma de decisiones, una definición de un
estado futuro ideal pero alcanzable. Se proporcionan estándares para comparar, en cualquier momento, si se está
logrando el desempeño mínimo en diferentes niveles de interés. Por ejemplo, el hecho de que muchos cruces
señalizados en una ciudad funcionen con un grado de saturación superior al 90 % puede interpretarse como una
señal de sobrecarga de la red. Las restricciones pueden ser de muchos tipos, financieras, temporales, geográficas,
técnicas o simplemente ciertas áreas o tipos de edificios que no deberían verse amenazados por nuevas propuestas.

2.Conjunto de datossobre el estado actual del sistema de interés para apoyar el desarrollo del modelo analítico.
Por supuesto, la recopilación de datos no es independiente del desarrollo del modelo, ya que este último
define qué tipos de datos se necesitan: la recopilación de datos y el desarrollo del modelo están
estrechamente relacionados.
3.Construcción de un modelo analíticodel sistema de interés. El conjunto de herramientas proporcionado en este libro se puede utilizar para
construir modelos de transporte que incluyan demanda y procedimientos de rendimiento del sistema a partir de un
24 Transporte de modelado

Perspectiva táctica y estratégica. En general, se seleccionaría el enfoque de modelado más simple que hace
posible una elección entre esquemas sobre una base sólida. La construcción de un modelo analítico implica
especificarlo, estimar o calibrar sus parámetros y validar su desempeño con datos no utilizados durante la
calibración.
4.Generación de solucionespara las pruebas. Esto se puede lograr de varias maneras, desde aprovechar la experiencia y
la creatividad de los planificadores de transporte locales y las partes interesadas, hasta la construcción de un modelo
de diseño a gran escala, quizás utilizando técnicas de optimización. Esto implica procedimientos de minimización de
costos y suministro que quedan fuera del alcance de este libro.
5. Para probar las soluciones o esquemas propuestos en el paso anterior es necesariopronosticar los valores
futuros de las variables de planificaciónque se utilizan como entradas al modelo. Esto requiere la
preparación de descripciones cuantificadas consistentes, o escenarios, sobre el futuro del área de interés,
normalmente usando pronósticos de otros sectores y unidades de planificación. Volveremos sobre este tema
en el capítulo 15.
6.Probando el modelo y la solución. El desempeño del modelo se prueba bajo diferentes escenarios para confirmar su
razonabilidad; el modelo también se utiliza para simular diferentes soluciones y estimar su rendimiento en términos
de una gama de indicadores adecuados. Estos deben ser consistentes con la identificación de los objetivos y la
definición del problema anterior.
7.Evaluación de solucionesy recomendación de un plan/estrategia/política. Esto implica la evaluación operativa,
económica, financiera y social de cursos alternativos de acción sobre la base de los indicadores producidos
por los modelos. Aquí se requiere una combinación de habilidades, desde el análisis económico hasta el juicio
político.
8.Implementación de la solucióny buscar otro problema que abordar; esto requiere reciclar a través de este
marco comenzando de nuevo en el punto (1).

Aunque se basa en la idea de un enfoque normativo de la teoría de la decisión, este marco también podría usarse dentro de los
estilos de la teoría de la decisión del comportamiento, para formular planes maestros o para proporcionar municiones en la
negociación involucrada en la toma de decisiones adaptativa. Implícitamente supone que el problema puede especificarse
completamente, las restricciones y el espacio de decisión pueden definirse y la función objetivo puede identificarse, aunque no
necesariamente cuantificarse por completo.
Sin embargo, uno de los principales argumentos de este libro es que los sistemas de transporte reales no obedecen
las restricciones anteriores: las funciones y restricciones objetivas son a menudo difíciles de definir. En retrospectiva,
estas definiciones a menudo resultan ser limitadas: al reducir un problema de transporte, podemos tener la ilusión de
poder resolverlo; sin embargo, los problemas de transporte tienen la costumbre de 'morderse', de reaparecer en
diferentes lugares y bajo diferentes formas; se agregan nuevas características y perspectivas a medida que avanza
nuestra comprensión del sistema de transporte; los cambios en los factores externos y las variables de planificación
desvían nuestros planes detallados de transporte. Un marco de toma de decisiones normativo fuerte pero fijo puede ser
adecuado para problemas más simples, bien definidos y restringidos, pero difícilmente ayuda a lidiar con problemas más
ricos, complejos y complejos.
¿Cómo podemos mejorar este enfoque general para hacer frente a un mundo en constante cambio? Parece esencial reconocer
que el futuro es mucho más tenue de lo que nuestros modelos de pronóstico nos harían creer. Si este es el caso, los planes
maestros deben revisarse a intervalos regulares y otras estrategias de toma de decisiones deben respaldarse con la inclusión de
información fresca recopilada regularmente para verificar el progreso y corregir el rumbo cuando sea necesario. Los estilos de
toma de decisiones adaptativos o mixtos parecen más flexibles y apropiados a las características de los problemas de transporte.
Reconocen la necesidad de redefinir continuamente los problemas, las arenas y los objetivos a medida que los comprendemos
mejor, identificamos nuevas estrategias de solución, respondemos a los cambios políticos y tecnológicos y mejoramos nuestras
capacidades de modelado a través de la capacitación, la investigación y la experiencia.

La introducción de una función de monitoreo es una adición importante al esquema de la Figura 1.7. Un sistema de
seguimiento no se limita a la recopilación regular de datos; también debe facilitar todas las demás etapas en
Introducción 25

el marco de toma de decisiones, como se destaca en la Figura 1.8. Hay dos roles clave para un sistema de monitoreo.
Primero, debe proporcionar datos para identificar las desviaciones del comportamiento estimado del sistema de
transporte y de la variable clave exógena. a
recolectados deben ser valiosos en la norte

preparación de los planes.

Figura 1.8Planificación y seguimiento con ayuda de modelos

Un buen sistema de seguimiento también debería facilitar el aprendizaje del equipo de planificación y proporcionar ideas sobre
cómo mejorar y modificar los modelos. En este sentido, las interrupciones importantes del sistema de transporte, como huelgas de
transporte público, escasez de combustible a corto plazo u obras viales importantes que pueden cambiar temporalmente la
estructura de la red y sus características, deberían proporcionar una fuente importante de información sobre el comportamiento
del transporte para contrastar con el modelo. predicciones Estos experimentos no planificados deberían permitir a los analistas
probar y mejorar sus modelos. Un sistema de seguimiento encaja muy bien con la idea de un enfoque de planificación regular o
continua en el transporte. Si el sistema de monitoreo no está implementado, debe establecerse como parte de cualquier estudio de
transporte.
El seguimiento del rendimiento de un sistema y planes de transporte es una función tan importante que merece influir en la
elección de los modelos de transporte utilizados para apoyar la planificación y la formulación de políticas. El uso de modelos que se
pueden volver a ejecutar y actualizar utilizando datos de bajo costo y fáciles de recopilar parece particularmente apropiado para
esta tarea. Como veremos en capítulos posteriores, estos modelos más simples no pueden proporcionar toda la riqueza conductual
de otros enfoques más detallados. Sin embargo, existe la posibilidad de combinar las dos técnicas, aplicando la herramienta con la
resolución más alta a las partes críticas del problema y utilizando herramientas más gruesas que son más fáciles de actualizar para
monitorear el progreso e identificar dónde y cuándo se necesita un nuevo esfuerzo de modelado detallado. Hemos hecho un
intento de identificar el alcance de las compensaciones de este tipo en el resto de este libro.
26 Transporte de modelado

La adopción de una función de seguimiento permite la implementación de un proceso de planificación continua. Esto
contrasta con el enfoque convencional de gastar recursos considerables durante un período de uno o dos años para
realizar un estudio de transporte a gran escala. Este estallido de actividad puede ser seguido por un período mucho más
largo de esfuerzo limitado en la planificación y actualización de los planes. Pronto, los informes y los planes maestros se
vuelven obsoletos o simplemente se olvidan, y en la unidad de planificación no queda nadie capaz de volver a ejecutar los
modelos. Algunos años más tarde se emprende un nuevo gran esfuerzo de planificación y modelado y se repite el ciclo.
Este estilo de planificación con la ayuda de modelos a trompicones es un desperdicio de recursos, no fomenta el
aprendizaje y la adaptación como una habilidad de planificación y aleja a los analistas de los problemas reales. Este
enfoque es particularmente doloroso en los países en desarrollo: no tienen recursos para desperdiciar y el rápido cambio
experimentado allí acelera la obsolescencia de planes y datos. El uso de modelos que son más simples y fáciles de
actualizar se recomienda en el Capítulo 12 para ayudar a la implementación de una función de monitoreo sólida pero de
bajo costo.

1.7 Base teórica versus conveniencia

Uno de los temas recurrentes de la práctica del modelado del transporte es la distancia, y algunos dirían desconfianza,
entre teóricos y prácticos. El profesional a menudo se referirá a la necesidad de elegir entre un conjunto de modelos
teóricamente sólido pero difícil de implementar, y un enfoque de modelado más pragmático que refleje las limitaciones
de los datos, el tiempo y los recursos disponibles para un estudio. La implicación es que el método 'pragmático' puede
brindar las respuestas necesarias en el período de tiempo disponible para el estudio, incluso si se deben tomar atajos.

Los autores no tienen nada en contra de los enfoques pragmáticos siempre que proporcionen las respuestas
necesarias para tomar decisiones acertadas. No tiene sentido usar modelos sofisticados y costosos (pero
presumiblemente sólidos en teoría) para ganar algo de crédito en la fraternidad académica. Sin embargo, hay
varias razones para preferir un modelo basado en una base teórica sólida:

1. Garantizar resultados estables. Las recomendaciones de un estudio no deberían depender de cuántas iteraciones de
un modelo se ejecutaron. Prescripciones como 'siempre comenzar desde los costos de flujo libre' o 'iterar solo dos
veces' no son razones suficientes para asumir resultados estables: la próxima vez alguien sugerirá ejecutar un par de
iteraciones más o un punto de partida diferente y bastante justificable; esto no debería poder cambiar las
recomendaciones a favor o en contra de un esquema en particular.
2. Para garantizar la consistencia. Se debe tener cuidado al usar un modelo particular elegido por los viajeros en una
parte de un sistema modelo y uno diferente en otra. Los modelos pragmáticos a veces no pasan esta prueba. La
consistencia del modelo es necesaria para pasar la prueba de 'razonabilidad' y el escrutinio público.
3. Para dar confianza en la previsión. Casi siempre es posible adaptar un modelo a una situación existente. Sin embargo,
hay muchos ejemplos de modelos bien ajustados que no tienen sentido, quizás porque se basan en variables
correlacionadas. Las variables que están correlacionadas hoy pueden no estarlo mañana; por ejemplo, una fuerte
correlación entre la producción de bananas y la propiedad de automóviles en un país en particular puede desaparecer
una vez que se descubre petróleo allí. Por lo tanto, los modelos deben estar respaldados por alguna teoría del
comportamiento de viaje para que uno pueda interpretarlos de manera consistente y tener cierta confianza en que
seguirán siendo válidos en el futuro.
4. Comprender las propiedades del modelo y desarrollar algoritmos mejorados para su solución. Cuando uno es capaz de formular
un problema en programación matemática o en términos de máxima verosimilitud, por mencionar dos enfoques populares
para la generación de modelos, uno tiene una gran cantidad de herramientas técnicas para ayudar en el desarrollo de buenos
algoritmos de solución. Estos han sido desarrollados a lo largo de los años por investigadores que trabajan en muchas áreas
además del transporte.
5. Comprender mejor qué se puede suponer constante y qué se debe aceptar como variable para un
contexto de decisión y nivel de análisis particular. La identificación de lo exógeno y lo endógeno.
Introducción 27

variables y aquellas que se puede suponer que permanecen constantes es un tema clave en la economía de modelos.
Por ejemplo, para algunos estudios tácticos a corto plazo, la suposición de una matriz de viajes fijos puede ser
razonable como en muchos esquemas de gestión del tráfico. Sin embargo, incluso en el corto plazo, si las políticas a
probar implican cambios significativos en los precios o cambios en la accesibilidad, esta suposición ya no es válida.

Por otro lado, los profesionales a menudo han abandonado el esfuerzo de utilizar modelos teóricamente mejores;
algunas de las razones de esto son las siguientes:

1. Son demasiado complejos. Esto implica que los enfoques heurísticos, las reglas generales yad hoclos procedimientos
son más fáciles de entender y, por lo tanto, preferibles. Este es un punto razonable; no defendemos el uso de
modelos como 'cajas negras'; todo lo contrario. El resultado del modelo necesita interpretación y esto solo es posible
si se dispone de una comprensión razonable de la base de dicho modelo. Sin ignorar el importante papel de la
literatura académica en el avance del estado del arte, existe la necesidad de más publicaciones que expliquen la base
de los modelos sin recurrir a notaciones difíciles o conceptos oscuros (para el profesional). La mayoría de los modelos
no son tan complejos, incluso si algunas de las estadísticas e implementaciones informáticas necesarias pueden ser
bastante sofisticadas. Las buenas publicaciones que cierran la brecha entre el profesional y el académico son una
necesidad urgente.
2. Los modelos teóricos requieren datos que no están disponibles y son costosos de recopilar. Esto a menudo no es del
todo correcto; muchos modelos avanzados utilizan mucho mejor los datos de muestras pequeñas que algunos de los
enfoques más pragmáticos. Las mejoras en los métodos de recopilación de datos también han reducido estos costos
y mejorado la precisión de los datos.
3. Es mejor trabajar con matrices 'reales' que con modelos de comportamiento de realización de viajes. Esto equivale a
decir que es mejor trabajar con matrices de viajes fijas, aunque tengan que ser extrapoladas para el horizonte de
planificación. Veremos que el muestreo y otros errores de recolección de datos arrojan dudas sobre la precisión de
tales matrices 'reales'; además, no pueden responder a la mayoría de las políticas (por ejemplo, mejoras en la
accesibilidad, nuevos servicios y cambios de precios) ni ser razonables para condiciones futuras de do-minim
sobresaturadas. El uso exclusivo de las observaciones puede conducir a una toma de decisiones 'con anteojeras', a
una falsa sensación de precisión ya subestimar el alcance del cambio.
4. Los modelos teóricos no se pueden calibrar al nivel de detalle necesario para analizar algunos esquemas. Puede haber
algo de verdad en esta afirmación, al menos en algunos casos en los que las limitaciones de los datos y el tiempo
disponible hacen necesario comprometerse en detalle si se desea utilizar un modelo mejor. Sin embargo, puede ser
preferible errar de esta manera que trabajar con la ilusión de suficiente detalle pero socavado por resultados
potencialmente patológicos (predicciones del signo o dirección equivocados) o insensibles de ad hocprocedimientos.

5. Es mejor usar el mismo modelo (o software) para la mayoría de los problemas porque esto asegura la consistencia en
los métodos de evaluación. Esto es, en principio, correcto siempre que el modelo siga siendo apropiado para estos
problemas. Tiene la ventaja de un enfoque consistente, facilidad de uso e interpretación y costos reducidos de
capacitación. Sin embargo, esta estrategia fracasa cuando los problemas no son de la misma naturaleza. Las
suposiciones de matrices de viaje fijas, o la insensibilidad a la elección del modo o las políticas de precios, pueden ser
razonables en algunos casos pero no ser aceptables en otros. El uso del mismo modelo con los mismos supuestos
puede ser apropiado en un caso y completamente engañoso en otro.

La importancia de estos criterios depende, por supuesto, del contexto de decisión y de los niveles de análisis involucrados en el
estudio. Lo que defendemos en este libro es el uso del nivel de resolución apropiado para el problema en cuestión. Nuestra propia
preferencia es esforzarnos por usar buenos modelos sólidos en la medida de lo posible, incluso si se tiene que sacrificar cierto nivel
de detalle. Uno tiene que encontrar el mejor equilibrio entre la consistencia teórica y la conveniencia en cada caso particular y
contexto de toma de decisiones. Nos hemos esforzado por proporcionar material que ayude en esta elección.