Documentos de Académico
Documentos de Profesional
Documentos de Cultura
=
j
p
j
i n
pn
i
p
D
O
f
Y luego se multiplica dicho factor por los componentes del vector de destinos del
propsito correspondiente, obtenindose los valores ajustados.
p
j p
a p
j
D f D .
) (
=
Eventualmente, para algn propsito de viaje, la calibracin del modelo de atraccin
podra entregar resultados ms confiables que la correspondiente a los modelos de
generacin. En este caso, es recomendable ajustar la generacin a la atraccin de
viajes. Por ejemplo, si se conoce los viajes que llegan a un gran centro comercial, etc.
El ajuste tambin se puede hacer por grupos de zonas de atraccin segn se tenga los
datos ms confiables.
Dos tipos de modelos se utilizan para explicar la generacin de viajes: regresin lineal
y anlisis por categora. La eleccin de uno u otro, depende de las caractersticas de
los viajes cuyos orgenes o destinos se desea explicar. Si bien los modelos de anlisis
por categora son conceptualmente ms adecuados, su mbito de aplicacin se
reduce bsicamente a aquellos viajes originados en el hogar. Por otra parte, aunque
los modelos de regresin lineal no son especialmente adecuados para explicar la
generacin de viajes, en casos tales como las atracciones de viajes y las generaciones
de viajes no originados en el hogar, suelen ser la nica herramienta metodolgica
disponible para estudiarlos.
6.1 Generacin de viajes
Las generaciones de viajes ms relevantes pueden diferenciarse en tres tipos:
i. Generacin de viajes basados en el hogar de ida.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
43
ii. Generacin de viajes basados en el hogar de retorno.
iii. Generaciones de viajes no basadas en el hogar.
Los primeros sern estimados mediante modelos de Anlisis de Categoras (AC), en
tanto que para los segundos y terceros se puede utilizar modelos de regresin lineal
mltiple (RLM). Es decir, los orgenes de una zona pueden ser expresados como
sigue:
pn
nbh i
pn
bhr i
pn
bhi i
pn
i
O O O O
) ( ) ( ) (
+ + =
Donde:
pn
i
O = Nmero total de viajes con propsito p, categora n en la zona i.
pn
bhi i
O
) (
= Nmero de viajes basados en el hogar de ida (bhi).
pn
bhr i
O
) (
= Nmero de viajes basados en el hogar de retorno (bhr).
pn
nbh i
O
) (
= Nmero de viajes no basados en el hogar de ida (nbh).
Esta distincin es metodolgicamente importante por las siguientes razones. En primer
lugar, la importancia de cada tipo de viaje depende del perodo de modelacin. Es as
como, los viajes basados en el hogar de ida se realizan principalmente en el perodo
punta de la maana. En segundo lugar, la generacin de los viajes basados en el
hogar de ida es explicada por las variables socioeconmicas asociadas al hogar del
viajero. Por su parte, la generacin de viajes no basados en el hogar y basados en el
hogar de retorno puede ser explicada por aquellas variables asociadas a las
actividades que se desarrollan en las zonas.
6.1.1 Generacin de viajes basados en el hogar de ida (bhi)
Los viajes basados en el hogar de ida, para el propsito p y categora de usuarios n
{ }
pn
bhi i
O
) (
, se calcula utilizando el mtodo de Anlisis por Categoras (AC), segn la
siguiente ecuacin.
pn n
i
pn
bhi i
t H O .
) (
=
Donde:
pn
bhi i
O
) (
= Nmero de viajes con propsito p generados por los hogares de la categora
n de la zona i.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
44
n
i
H
= Nmero de hogares en la zona i, correspondiente a la categora de hogares n
pn
t
=
Tasa de viajes por propsito p y de hogares de categora n
Este modelo requiere conocer el nmero de hogares por categora en cada zona, lo
cual debe ser determinado o estimado a partir de informacin socioeconmica
independiente: normalmente del Censo Poblacional o de otros catastros urbanos.
Recurdese adems, que es necesario conocer la distribucin de hogares por
categora no slo en el ao base de anlisis; tambin se requiere la distribucin futura
de los hogares para cada uno de los cortes temporales. Estas proyecciones son parte
del mbito de especializacin de otras disciplinas, por lo que en el contexto de la
metodologa que aqu se discute, la distribucin de hogares por categora se
considerar como un dato exgeno.
Luego, el problema se reduce a encontrar las tasas de generacin de viajes para
cada categora de hogar y propsito. Esta tarea ha sido habitualmente realizada con
los denominados modelos de anlisis por categoras, los cuales determinan las tasas
de generacin buscadas a partir de una muestra de hogares, simplemente dividiendo
para cada categora ingreso-tasa de motorizacin, el nmero de viajes observados de
un propsito por el nmero de hogares en la muestra.
La determinacin de las tasas de generacin puede abordarse mediante dos marcos
conceptuales diferentes: Anlisis por Categora Simple (AC) y Anlisis de Clasificacin
Mltiple (ACM). Cada enfoque presenta ventajas y desventajas y por lo tanto, la
recomendacin establecida en la presente metodologa recoge una solucin de
compromiso, en el sentido de privilegiar la confiabilidad en la prediccin futura, ms
que la disponibilidad de indicadores estadsticos asociados a las tasas. En sntesis, se
privilegia el uso de modelos funcionales para predecir el funcionamiento del sistema,
ms que para explicar.
La recomendacin anterior, se sustenta en el trabajo esclarecedor respecto de esta
decisin (Guevara & Thomas, 2009). La conclusin final de la investigacin realizada
permite recomendar fundadamente el uso de tasas simples obtenidas del anlisis de
categoras tradicional, descartando el uso de modelos basados en el anlisis de
clasificacin mltiple (ACM) debido a problemas estructurales de sus parmetros que
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
45
limitan su uso para una prediccin confiable, esto a pesar de que se intent mejorar
los modelos basados en el mtodo ACM utilizando diversos enfoque tcnicos. La
conclusin a que se llega en el artculo recin citado, apunta a establecer que el uso
de tasas ACM sistemticamente sobreestima los viajes generados, en las categoras
de ms altos ingresos y motorizacin, sesgando los pronsticos que las utilizan.
La conclusin obtenida en dicho estudio es tan rotunda, que opaca las ventajas
objetivas que ofrece el enfoque de tasas basadas en ACM. ( i) Dispone de medidas
estadsticas que permiten seleccionar entre esquemas alternativos de categorizacin y
adems, obtener una estimacin global de la bondad de ajuste del esquema de
clasificacin escogido y ii) La determinacin de la tasa de una categora especfica, no
depende del nmero de observaciones que se dispongan en esa categora).
En conclusin, la metodologa recomienda utilizar un enfoque de tasa simple (AC)
para la estimacin de modelos de generacin de viajes con propsito p de los hogares
de la categora n. La tasa AC ) (
pn
t , se calcula como:
(
(
=
n
i
pn
bhi i pn
H
o
t
) (
Para efectos de orientar ilustradamente los lmites de los rangos de ingreso a
adoptar en la categorizacin, puede utilizarse el mtodo de Anlisis de Varianza
(ANOVA) en un factor (ingreso-tasa de generacin), para determinar categoras en
que exista un diferencia estadsticamente significativa en las tasas de generacin de
viajes a nivel de ingreso. Finalmente, dicho antecedente deber contrastarse (e
inclusive puede quedar determinado) por la disponibilidad de informacin consistente
para aplicacin (p.ej. categorizacin de un Escenario de Uso de Suelos disponible) y
coherencia global con rangos aceptables.
Finalmente, puede resultar que el estimar las tasas se obtengan resultados
contraintuitivos, es decir, tasas que no sean crecientes segn nivel de ingreso y
motorizacin (variables relevantes de esta metodologa y que como se ha indicado
corresponden a una decisin de compromiso). Una forma que se ha demostrado til
en la prctica para evitar este problema es el de agregacin de categoras, para
efectos del clculo.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
46
6.1.2 Generacin de viajes basados en el hogar de retorno (bhr).
La generacin de este tipo de viajes (muy raros en el perodo punta maana y ms
frecuentes en el perodo fuera de punta), debe ser modelada con regresin lineal
mltiple (RLM) a nivel zonal, dado que en este caso el mtodo AC es inaplicable,
puesto que el origen del viaje no es el hogar y por ello, no es lcito considerar el
nmero de hogares como variable explicativa.
En consecuencia, la modelacin de este tipo de viajes ser funcin de variables
asociadas con el uso de suelos y las actividades de una zona. En este sentido, las
variables explicativas del modelo de RLM sern casi las mismas utilizadas por los
modelos de RLM de atraccin de viajes.
Sin embargo, -a diferencia de los modelos de atraccin de viajes-, la generacin de
viajes debe clasificarse por categora de demanda, de manera que se plantean dos
alternativas. La primera consiste en calibrar un modelo RLM por categora, mientras
que la segunda consiste en calibrar un modelo RLM que no distingue categoras
(modelo conjunto) y aplicar posteriormente factores que representen adecuadamente
la proporcin de cada tipo de usuarios.
La primera alternativa es la ms deseable, sin embargo su utilizacin y grado de
confiabilidad est limitada por el nmero de viajes observados en cada categora de
demanda. Es por ello que ese mtodo puede presentar problemas de calibracin y
probablemente sea difcil obtener modelos de RLM estadsticamente robustos. La
segunda alternativa, requiere conocer el porcentaje de viajes basados en el hogar de
retorno, generados por zona de acuerdo a la clasificacin de demanda. Esta
informacin no es fcil de obtener, a menos que se cuente con un banco de datos del
tipo de una Encuesta Origen Destino, que se propone como parte de la presente
metodologa.
Finalmente, es necesario sealar que tal como antes se indicara, en el perodo
punta de la maana, este tipo de viajes es muy raro, por lo que una posibilidad
para incluirlos ser amplificar los viajes generados en el hogar de ida para cada
zona (modelados con tasas AC segn se discuti antes), por un cierto porcentaje
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
47
que represente a los viajes basados en el hogar de retorno. Ciertamente, este es
un procedimiento arbitrario que debe entenderse como un recurso extremo.
6.1.3 Generacin de viajes no basados en el hogar (nbh)
La generacin de viajes no basados en el hogar debe ser modelada con regresin
lineal mltiple (RLM) a nivel zonal, puesto que en este caso el mtodo AC es
inaplicable.
La modelacin de estos viajes, ser funcin de variables asociadas con el uso de
suelos y las actividades de una zona. En este sentido, las variables explicativas del
modelo RLM de generacin de viajes sern bsicamente las mismas utilizadas en
los modelos RLM de atracciones de viajes que se discutirn en la seccin
siguiente.
No obstante -a diferencia del caso de las atracciones de viajes-la generacin de viajes
debe ser clasificada por categora de demanda, de manera que debe calibrarse un
modelo RLM para cada categora. Ello puede presentar problemas de calibracin,
puesto que especialmente en el perodo punta maana, el nmero de viajes no
originados en el hogar puede ser muy pequeo. Si a ello se agrega que este escaso
nmero de viajes debe ser diferenciado por propsito y categora, se entiende que
probablemente sea difcil obtener modelos RLM estadsticamente robustos.
Si este problema se presenta, una posibilidad ser amplificar los viajes originados
en el hogar en una zona (modelados con AC segn se discuti antes) por un cierto
porcentaje que represente a los viajes no originados en el hogar, respecto al total
de viajes producidos en una zona. Ciertamente este es un procedimiento arbitrario,
que debe ser entendido como recurso extremo. Adems se requiere conocer (o
estimar) el porcentaje de viajes originados y no originados en el hogar por cada
zona, propsito y categora. Esta informacin no es fcil de obtener, a menos que
se cuente con un banco de datos del tipo de una Encuesta Origen-Destino, que se
propone como parte de la presente metodologa.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
48
6.1.4 Modelos de Atraccin de viajes
Para efectos de los modelos de atraccin de viajes, es recomendable considerar el
menos dos alternativas:
i. La primera de ellas, aplicable a viajes atrados basados en el hogar de ida (bhi)
y viajes no basados en el hogar (nbh). Para estos dos casos, las variables
explicativas corresponden normalmente a equipamientos por zona, dedicados
a cada actividad y no los hogares (recurdese que ninguno de estos viajes
tiene por destino el hogar). Tal como se ha discutido antes respecto a la
atraccin de viajes, si se exceptan los mtodos de regresin lineal,
prcticamente no existen opciones metodolgicas de anlisis. Por lo tanto, un
modelo de este tipo debe ser calibrado a nivel zonal para cada propsito y
perodo de anlisis definidos utilizando tcnicas de regresin lineal mltiple
(RLM).
ii. La segunda es aplicable para modelar la atraccin de viajes basados en el
hogar de retorno (bhr). En este caso, dado que el destino del viaje es el hogar,
la nica variable explicativa posible ser el nmero de hogares por zona. En
este caso, es posible utilizar la tcnica de regresin lineal simple (RLS) y
tambin es posible considerar modelos de tasas AC de atractividad para
modelar estos viajes. Es interesante comparar los resultados de la modelacin
utilizando RLM con el modelo de tasas AC obtenido, dado que ambos utilizan
la misma variable explicativa.
La distincin antes indicada es recomendable para los modelos correspondientes al
perodo fuera de punta, puesto que en dicho perodo se verifica un nmero relevante
de viajes basados en el hogar de retorno (bhr). Tal como antes se discutiera, para el
caso del perodo punta maana, los viajes de este tipo son escasos, por lo que no es
recomendable su separacin. Evidentemente, la atraccin total de viajes
corresponder a la suma de los resultados de ambos modelos.
j
k
jk jk o
p
j
X D + + =
.
Donde:
p
j
D = Nmero de viajes con propsito p, atrados por la zona j.
k
= Parmetro de calibracin.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
49
jk
X = Variables explicativas (promedios zonales).
j
= Error de la estimacin para la zona j.
Estos modelos estiman el nmero de viajes atrados por una zona, suponiendo una
relacin lineal de esta variable con ciertas caractersticas de la zona. En general, estas
caractersticas se refieren al equipamiento existente en la zona, en trminos de las
actividades relevantes segn propsito de viaje:
Viajes con propsito trabajo: Estos son atrados por las actividades que ofrecen
empleos. Las ms relevantes son el comercio, oficinas, servicios y la industria.
Viajes con propsito estudio: Son atrados por la presencia de establecimientos
educacionales (nmero de matrculas por nivel de educacin: bsica, media y
superior).
Viajes con otros propsitos: Corresponden a los viajes de compras, trmites, y
salud entre otros. Las actividades relevantes sern el comercio, los servicios y
las atenciones de salud. Adems, para incluir el efecto de los viajes con
motivos sociales suele incluirse como variable explicativa el total de hogares
existentes en una zona.
Para obtener los valores de estas variables, normalmente se puede recurrir diversas
fuentes independientes. Por ejemplo, el nmero de matrculas por cada zona es fcil
de obtener en los organismos oficiales del Ministerio de Educacin. Otra tpica e
importante fuente de informacin es del Ministerio de Industria y Turismo que
habitualmente dispone de datos respecto a metros cuadrados construidos por tipo de
utilizacin (comercio, industrias, oficinas, salud, educacin, etc.) o del Censo
Econmica del Instituto Nacional de Estadsticas e Informtica (INEI).
Idealmente el modelo debera determinar el nmero de viajes atrados por zona, no
slo para cada perodo y propsito, sino tambin para cada categora de demanda.
Desafortunadamente, en el caso de las atracciones de viajes -dado que se
desconocen otras formas de entender el fenmeno de forma ms desagregada-
habitualmente se considera cada zona y sus caractersticas globales como unidad de
anlisis del modelo, lo cual hace muy difcil clasificar las atracciones por categora de
demanda.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
50
En otras palabras, las atracciones de viajes son modeladas a nivel zonal, lo que
normalmente implica que slo sern explicadas por perodo y propsito, pero no por
categora socioeconmica. En el contexto de la metodologa simplificada, ste ser
tambin el modus operandi adoptado.
En general, deber verificarse la coherencia de los valores de los estimadores en
relacin a cada variable explicativa. No es posible entregar rangos de validez, dado
que estos dependern de cada ciudad y aplicacin, sin embargo conviene verificar por
ejemplo que en el caso de la atraccin de viajes de estudio, el ponderador de las
matriculas sea cercano a uno.
6.1.5 Resumen de modelos de generacin y atraccin de viajes
La Tabla 6-1 6-1 presenta, consistentemente con lo indicado en la seccin anterior,
una recomendacin acerca de los modelos a calibrar para cada tipo de viajes.
Tabla 6-1 Recomendacin de modelos
Tipo de viaje Generacin Atraccin
Basado en el hogar de ida (bhi) Tasas AC(1) RLM(2)
Basado en el hogar de retorno (bhr) RLM (1) RLS (3)
Tasas AC (2)
No basados en el hogar RLM(1) RLM(2)
Donde:
Tasas AC (1): Modelos que usan en el mtodo de Anlisis por Categora Simple, para
explicar la generacin de viajes basados en el hogar de ida (bhi). Dado que el origen
es el hogar, siempre la variable explicativa son los hogares segn categora.
RLM(1): Modelo de regresin lineal mltiple para explicar la generacin de viajes
basados en el hogar de retorno (bhr) y no basados en el hogar (nbh). Dado que el
origen de estos viajes no es el hogar, nunca se utiliza la variable explicativa nmero de
hogares.
RLM(2): Modelo de regresin lineal mltiple para explicar la atraccin de viajes
basados en el hogar de ida (bhi) y no basados en el hogar (nbh). Dado que el destino
de estos viajes no es el hogar, nunca se utiliza la variable explicativa nmero de
hogares.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
51
RLS(3): Modelo de regresin lineal simple para explicar la atraccin de viajes basados
en el hogar de retorno (bhr). Dado que el destino de estos viajes es el hogar, se utiliza
exclusivamente la variable explicativa nmero de hogares.
Tasas AC (2): Modelos de tasas AC de atractividad, para explicar la atraccin de viajes
basados en el hogar de retorno (bhr). Es dable utilizar este mtodo dado que el
destino (variable explicativa) es el hogar.
6.1.6 Productores especiales de viajes
Los productores especiales de viajes, se caracterizan por tener una actividad
homognea y en grandes reas y en ambientes fsicos cerrados. Adems como ya se
mencion deben ser considerados una zona de trnsito independiente por su
singularidad. Estas zonas de transito singulares, como ya se mencion son por
ejemplo: Grandes centros comerciales, Universidades, Hospitales, estadios deportivos,
etc.
El acceso a estas zonas son mayormente controlados por lo que es relativamente
simple identificar mediante encuestas las caractersticas principales de los viajeros.
6.2 Distribucin de viajes
El modelo de distribucin de viajes corresponde a uno del tipo gravitacional y su forma
funcional es:
( )
ij
p
j
p
j
pn
i
pn
i
pn
ij
c f D B O A T . =
Donde:
pn
ij
T es el nmero de viajes entre el par origen destino (i,j) para el propsito p y
categora n;
pn
i
O representa orgenes segn propsito p y categora n y
p
j
D destinos
segn propsito p;
pn
i
A y
p
j
B representan factores de balance en orgenes y destino
respectivamente y ( )
ij
c f es una funcin de costo de viaje de uno o ms parmetros
para calibrar. Esta funcin a menudo se llama funcin de disuasin porque
representa el desincentivo para viajar, como la distancia o el tiempo o costos, las
versiones ms populares son:
( ) ( )
ij ij
c c f = exp Funcin exponencial
( )
n
ij ij
c c f
= Funcin potencial
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
52
( ) ( )
ij
n
ij ij
c c K c f = exp . Funcin combinada o tipo gamma.
Donde: 0 0 > > y n y K>0 parmetros a calibrar y
ij
c es el tiempo o costo
generalizado entre un par de origen destino (i,j).
6.3 Modelos de particin modal
El modelo de particin modal divide la matriz de viajes proveniente de la etapa de
distribucin, en tantas matrices como modos de transporte existan disponibles para los
usuarios. Un modelo de particin modal ser necesario para cada categora de
demanda, propsito de viaje y perodo de anlisis.
Los modelos de particin modal denominados de eleccin discreta, constituyen
buena parte de las actuales aplicaciones en estudio de transporte. Como su nombre lo
indica, estos modelos estn orientados a simular el proceso de eleccin de un
individuo enfrentado a un conjunto de alternativas discretas de eleccin. La hiptesis
subyacente en este tipo de modelos es que la probabilidad de que un individuo escoja
una alternativa determinada es funcin de las caractersticas (socioeconmicas) del
individuo y de la atractividad relativa de cada opcin.
Desde el punto de vista de la particin modal, la extensin del concepto anterior es
inmediata. Para viajar entre un origen y un destino determinado, un usuario de la
categora n dispone de un conjunto finito y discreto
n
A de modos de transporte
alternativos. La eleccin de un modo especfico m
n
A , depender de las
caractersticas del usuario y de los atributos de los modos disponibles.
Para representar estas caractersticas, se define una funcin de utilidad asociada a
cada una de las alternativas disponibles y se supone que el usuario elegir aquella
que le reporte una mayor utilidad. La funcin utilidad normalmente se expresa con una
formulacin lineal en los parmetros:
+ =
k
pnm
k
pmn
k
pnm pnm
ij
X U
Donde los
pnm
k
X representa los atributos de los viajeros de propsito p, categora n y
modo m. Tpicamente esta expresin incluye como atributos del modo sus variables de
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
53
servicio (tiempo de viaje, tiempo de espera, tarifa, etc.) y como caractersticas del
usuario, su ingreso, nivel educacional y otros.
Los coeficientes
pnm
k
representan el peso que los usuarios de propsito p, categora n
y modo m asignan a cada variable incluida en la funcin de utilidad. La constante
pnm
corresponde a una constante modal que representa ciertas caractersticas especficas
que el modo m tiene para los usuarios de propsito p y categora n, y que no estn
representados en el resto de la funcin de utilidad del modo. Por razones derivadas
de la forma de estimar los coeficientes de la funcin, es necesario fijar en cero la
constante modal de una de las alternativas de referencia. El resto de las constantes
modales sern relativas a dicha alternativa de referencia.
Sin embargo, existen adems ciertas caractersticas subjetivas en la eleccin modal
de los usuarios, que no son observables por el modelador (comodidad, privacidad,
gustos, etc.). Por lo tanto, la funcin utilidad debe incluir un trmino observable (como
el que se mencion antes) y un trmino aleatorio que refleje aquellas variables
ignoradas en la decisin modal de los usuarios:
pnm
ij
pnm
ij
pnm
ij
V U + =
Donde:
pnm
ij
U = Funcin de utilidad completa de la alternativa m para los usuarios de propsito
p y categora n.
pnm
ij
V = Parte observable de la funcin de utilidad.
pnm
ij
= Parte no observable (aleatoria) de la funcin de utilidad.
Las distintas hiptesis respecto a la distribucin de la probabilidad del trmino aleatorio
pnm
ij
darn origen a distintos tipos de modelos de eleccin discreta para la particin
modal. Dado que se trata de simular comportamiento de individuos, la distribucin
normal debera ser la ms indicada para el trmino aleatorio y en este caso se puede
derivar el denominado modelo Probit de particin modal. Sin embargo, la complejidad
matemtica de la distribucin normal hace la aplicacin sea muy dificultosa para ms
de tres alternativas.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
54
En cambio, si se supone una distribucin Gumbell para el trmino aleatorio, se puede
derivar en el denominado modelo logit multinomial de particin modal que se
muestra:
( )
( )
=
k
pnk
ij
pnm
ij pnm
ij
U
U
p
exp
exp
Donde:
pnm
ij
p = Es la probabilidad de que un usuario del propsito p y categora de usuarios n,
escoja el modo m para viajar entre el par origen destino (i,j).
pnk
ij
U =Funcin de utilidad de viajar en el modo k (m pertenece a k), entre un par
origen destino (i,j) para un propsito p y categora n.
Una condicin implcita que permite la derivacin de este modelo es la hiptesis de
que los trminos aleatorios asociados a cada alternativa modal, son independientes e
idnticamente distribuidos, de otra manera el modelo no se puede formular, o al
menos no tiene la forma notablemente simple que se ha propuesto aqu.
En la prctica la condicin mencionada implica que las alternativas modales deben ser
percibidas claramente diferenciadas por los usuarios; de lo contrario el modelo
entregar resultados espurios. Este problema suele presentarse en las grandes
ciudades cuando existen alternativas muy parecidas entre s o cuando es necesario
considerar alternativas multimodales en la particin modal.
Para superar el problema de correlacin de alternativas, existen opciones de
tratamiento ms complejas que el modelo logit multinomial (MNL). Una de ellas es el
modelo logit jerrquico (HL) que agrupa las alternativas correlacionadas y explica la
eleccin modal como un proceso escalonado de decisiones. Ambos tipos de modelos
son los ms utilizados en la modelacin de transportes.
Una vez definida la probabilidad de que un usuario de propsito p, categora n y modo
m para viajar entre el par (i,j), el nmero de viajes en ese modo se obtiene
multiplicando dicha probabilidad por el nmero de viajes en ese par:
pnm
ij
pn
ij
pnm
ij
P T T . =
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
55
Este resultado es una matriz de viajes por modo entre cada par origen destino. Lo que
sigue es asignar estas matrices de viajes a las redes correspondientes a cada modo.
6.4 Modelos de asignacin.
A continuacin se describe los mtodos de asignacin ms comunes.
6.4.1 Transporte privado
Este proceso de asignacin consiste en asociar la oferta y la demanda, mediante un
proceso iterativo hasta alcanzar el principio de equilibrio. El equilibrio se obtiene
cuando el costo de operacin (tiempo) es igual, para todos los caminos alternativos
sobre la red para cada par origen destino.
Los supuestos para el comportamiento de los usuarios son los siguientes:
Los usuarios son individuos racionales ya que intentan maximizar su utilidad
personal (o minimizar sus costos)
Tienen conocimiento perfecto de las condiciones de operacin de la red en
cualquier momento.
En una asignacin por equilibrio, el tiempo de viajes se calcula como la suma del
tiempo del auto sobre los enlaces y los tiempos en los giros.
El costo generalizado se modifica cuando en un enlace el usuario tiene un costo
adicional, por ejemplo un peaje. Entonces, se puede expresar como
tiempo+peaje*peso, donde el peso es un parmetro de calibracin (inversa del Valor
del Tiempo que depende de cada estrato de viajero).
Al momento de iniciar el proceso de asignacin se precarga con los volmenes de
transporte pblico, estos volmenes se asignan de forma previa a los enlaces mixtos
(aquellos que comparten el transporte pblico y el privado) en autos equivalentes, con
la finalidad de considerar la congestin aporta el transporte pblico.
Para propsitos de comparar los diferentes proyectos en la ciudad de Lima
Metropolitana, se recomienda utilizar el mtodo de asignacin de equilibrio de
usuario (UE) multimodal multiclase que se encuentra presente en todos los Software
de planeacin de transportes.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
56
Aspectos adicionales a considerar:
Funciones de demora (volumen/capacidad) en los enlaces.
Funciones de demora en intersecciones.
Puntos de semaforizacin en la red vial y reduccin de capacidad de acuerdo al
ciclo.
Los criterios de parada en la asignacin:
Nmero de iteraciones.
Relative gap.
Otros determinados por cada Software.
Es importante que se debe reportar estos criterios de parada, para los modelos
estratgicos deben tener menor exigencia de convergencia que para el modelo tctico.
6.4.2 Transporte Pblico
El concepto de estrategia ptima es una generalizacin del concepto de ruta. El tipo de
estrategia del modelo considera lo siguiente: Debido al tiempo de espera involucrado
en este sistema de transporte, el usuario puede escoger un conjunto de rutas factibles
para llegar a su destino y aborda el vehculo que llegue primero y desciende en una
parada o estacin predeterminada, basado en el tiempo esperado de viaje de la
parada hacia su destino; este proceso se repite hasta que el usuario llegue a su
destino final. Dado que la red de transporte pblico tiene varios modos de transporte,
durante la espera en la parada puede escoger otro conjunto de lneas factibles de
otros modos distintos para llegar a su destino. La estrategia ptima es aquella que
minimiza el tiempo total de viaje o el costo generalizado (CG). Los tiempos
considerados incluyen el de espera, en el vehculo y la caminata, de acuerdo a la
siguiente ecuacin.
a ata ca espera
T pt ptrans t pc t pw TV CG . . .
min
+ + + + =
Donde:
TV = Tiempo de viaje dentro del vehculo de transporte pblico.
pw = Peso del tiempo de caminata (a calibrarse)
espera
t = Tiempo de espera del usuario a la ruta o rutas.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
57
pc = Peso del tiempo de caminata (a calibrarse)
ata ca
t
min
= Tiempo de caminata (en el origen y en el destino).
ptrans = Peso del transbordo (a calibrarse).
pt = Factor para convertir la tarifa en minutos.
a
T = Tarifa total del viaje
El tiempo de espera depende de la frecuencia combinada de las rutas factibles en una
parada determinada. Por ejemplo, para calcular el tiempo de espera en una parada
donde hay un par de rutas factibles A y B y cada una de ella tiene una intervalo de
paso, est dado por:
B A
espera
Intervalo Intervalo
t
1 1
+
=
Donde es el factor de tiempo de espera, es un parmetro para modelar diferentes
percepciones del tiempo de espera o diferentes distribuciones de tiempos de paso de
los vehculos.
La probabilidad de elegir una ruta, est dada tambin por el intervalo combinado de las
rutas factibles en determinada parada. La probabilidad de usar la ruta A se puede
expresar como:
B A
A
A
Intervalo Intervalo
Intervalo
P
1 1
1
+
=
Con el propsito de comparar los diferentes proyectos que se desarrollan en Lima
Metropolitana, se recomienda utilizar los mtodos de asignacin siguiente:
Estrategia ptima (EMME3, 2009),
Pathfinder (TransCAD50, 2008),
Headway-based Assignment (VISUM10, 2007),
Tambin mtodo similar basado en intervalos de cualquier otro Software de
planeacin.
Para una profundizacin del tema de transporte pblico y en particular para la
formulacin de modelos de transporte para proyectos de Bus Rapid Transit o BRT,
recomendamos fuertemente la lectura de Bus Rapid Transit Planning Guide (Hook &
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
58
Wright, 2007) y tambin Characteristics of Bus Rapid Transit for Decision-Making por
(Diaz, Chang, & Autores, 2004)
7 METODOLOGA DE CALIBRACIN UN MODELO
7.1 Representatividad y prediccin en modelos de transporte
La formulacin de cualquier modelo requiere la definicin de un fenmeno (una
variable o un conjunto de variables) que necesita ser explicado y por otra parte, la
definicin de un conjunto de variables explicativas que se supone determina la
caracterstica del fenmeno que interesa analizar.
En transporte urbano, fenmenos tpicos que interesa estudiar son por ejemplo, el
nmero de viajes producidos y atrados por zona, por propsito y categora, la
probabilidad de utilizar un cierto modo de transporte, los flujos en los arcos de una
determinada red, etc. Para explicar estos fenmenos se recurre a variables tales como
las caractersticas socioeconmicas de los individuos, niveles de servicio de los modos
de transporte y otras.
Sin embargo, los modelos de transporte son utilizados no slo para explicar los
fenmenos mencionados sino tambin para predecir sus comportamientos futuros.
Por ello, es pertinente mencionar un problema habitual de cualquier modelo que va
a ser utilizado para determinar el valor futuro de una cierta variable y que dice
relacin con la factibilidad de predecir los valores de las variables explicativas
correspondientes. La calibracin de estos modelos normalmente enfrenta una
disyuntiva entre los requerimientos de la explicacin y los requerimientos de la
prediccin.
Si el primer objetivo del modelo es explicar de la mejor manera posible el fenmeno
observado en un momento determinado, entonces es correcto recurrir a toda variable
que ayude a este propsito. Pero, si el objetivo del modelo es predecir el
comportamiento futuro del fenmeno que se intenta explicar, entonces es necesario
privilegiar la inclusin de aquellas variables explicativas cuya evolucin en el tiempo
sea factible determinar razonablemente. Buena parte del arte de modelar radica en la
habilidad con que se resuelve este conflicto de objetivos.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
59
En el caso de la presente metodologa, todas las definiciones que ya se han hecho y
que se harn ms adelante respecto a las variables explicativas de los modelos, tienen
en especial consideracin la factibilidad de estimar sus valores futuros, habida cuenta
de la necesidad de utilizar la capacidad predictiva de los modelos. En resumen, lo que
interesa en este caso son modelos de tipo predictivos.
7.2 Calibracin de los modelos de demanda
Consistente con lo indicado en las secciones precedentes, la calibracin de modelos
de demanda por transporte se realiza para los viajes de tipo urbano, es decir, para
aquellos viajes que tienen por origen y destino zonas urbanas (o internas).
En este sentido, resulta relevante que los viajes considerados para las etapas de
modelacin de demanda (Generacin-Atraccin, Distribucin y Particin Modal) sean
realizados a base de un conjunto consistente de informacin. Para apoyar una mejor
definicin de este criterio que con frecuencia es olvidado, a continuacin se indica a
modo de recomendacin una serie de criterios que pueden ser usados para
seleccionar los viajes requeridos para calibracin de modelos de demanda.
Los viajes para calibracin de modelos de Generacin y Atraccin consideran valores
poblacionales, es decir la muestra expandida y corregida por sus factores de
correccin. Se usa la poblacin en este caso porque los modelos buscan relacionar
viajes con variables de usos de suelos, que consideran siempre totales zonales. A
continuacin algunos criterios recomendados.
Viajes que tengan origen destino en zonas internas (urbanas)
El viaje tenga una hora media de viaje en el perodo de anlisis.
El viaje tenga propsito consistente con la definicin.
El viaje pertenezca a un hogar al que se le pueda establecer categoras (nivel
de ingreso y posesin de autos).
Viajes que son realizados en modos modelables
No sean viajes intrazonales.
Los viajes tengan un tiempo de viaje razonable.
Los factores de correccin son:
Expansin segn el criterio utilizado.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
60
Correccin por tamao del hogar.
Correccin por gnero y edad.
Factor de correccin por sub reporte de viajes.
Entonces, los viajes que no tengan los criterios mencionados no se deben incorporar
en el anlisis.
7.2.1 Correccin por Subreporte de Viajes
Dado que la encuesta a hogares se obtiene de una muestra de la poblacin, es
necesario ajustar sus resultados a fin de que la represente en forma adecuada.
Para ello es necesario someterla a un proceso de correccin y expansin, para
obtener informacin representativa de la poblacin.
El proceso de ajuste involucra, adems de la expansin de la muestra, el efectuar
los siguientes tipos de correccin a los resultados, los que son realizados como
parte de la realizacin de la Encuesta:
Correccin por tamao del hogar.
Correccin socio-demogrfica.
Sin perjuicio de lo anterior, resulta recomendable la verificacin de la necesidad de
incluir un factor adicional denominado factor por sub-reporte de viajes, en el caso que
la situacin as lo amerite.
Las mediciones de flujos captan por lo general, la totalidad de los desplazamientos
que pasan por un determinado punto, independientemente de las caractersticas de
esos viajes. A este respecto, es necesario indicar que los desplazamientos captados
incluyen viajes habituales y otros no habituales; estos ltimos relacionados
normalmente con el desarrollo de las actividades productivas.
En general, la informacin de la encuesta domiciliaria, tiende a captar en mejor forma
el primer tipo de viajes, puesto que por su habitualidad, es usual que las personas los
reporten ms fcilmente al ser entrevistadas; por otro lado, el segundo tipo de viajes
est subreportado o simplemente no est reportado, dado que las personas
normalmente los olvidan.
Para solucionar el problema planteado, es posible concebir nuevos instrumentos
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
61
de medicin, mejorar los existentes, o combinar la informacin de la encuesta a
hogares con la de usuarios, para captar viajes no habituales. Sin embargo, es
necesario ser cuidadoso, porque las posibilidades de modelacin de ese tipo de
viajes es incierta, dado que sus criterios de comportamiento no corresponden
necesariamente a los considerados en los modelos de transporte urbano (pinsese
en camiones repartidores, taxis vacos, etc.).
Un procedimiento arbitrario, que debe ser entendido como un recurso extremo, habida
cuenta de la limitacin de los instrumentos de medicin considerados para captar
todos los viajes que se realizan, es el de incluir en la encuesta un factor de correccin
de subreporte, a fin de superar de alguna forma aceptable la falencia indicada. Este
mtodo plantea calcular un factor de subreporte, contrastando la informacin de viajes
detectada en la encuesta a hogares, con la informacin de pasajeros que cruza una (o
ms) lnea(s) cortina. El mtodo planteado tienen la ventaja de corregir directamente la
encuesta a hogares, evitando en la medida de lo posible, inconsistencias posteriores
de uso. Sin embargo, ciertamente ste es un procedimiento arbitrario, que debe ser
entendido como un recurso extremo, cuando los resultados del clculo del factor de
subreporte arrojen valores significativos.
La implementacin del mtodo requiere definir lnea(s) cortinas(s) en la ciudad (Lnea
cortina del ro Rmac o la Panamericana Sur) y tener la precaucin de contar con
puntos de conteo y de tasas de ocupacin sobre ellas. Sobre cada lnea cortina, a
base de los puntos de conteo, se calculan los flujos de pasajeros que las cruzan en los
distintos modos, para el perodo definido. Por otro lado, a partir de la encuesta a
hogares se calculan los viajes totales que sean comparables con los antes indicados.
Se debe tener especial cuidado en descontar los viajes detectados en la encuesta de
cordn externo, que crucen las lneas cortinas definidas (fcilmente identificable al
conocer los orgenes y destinos de los mismos); finalmente calcular un factor de
correccin de viajes no reportados o sub-reportados, aplicable a los viajes motorizados
de la Encuesta a hogares (aquellos viajes captados en los puntos de conteo de las
lneas pantalla), por sentido y obtener, -en caso que los valores sean similares-, un
factor nico como un promedio ponderado por los flujos.
Como recomendacin general se plantea el clculo del Factor de Subreporte para
punta maana y fuera de punta. La prctica ha mostrado que en perodos de fuera de
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
62
punta el nivel de subreporte es elevado (aconsejndose su inclusin), mientras que en
perodos punta es menor y no de carcter sistemtico. Luego, se puede plantear la
siguiente recomendacin general:
Cuando el factor de sub-reporte promedio del sistema resulte mayor a 1,1 (diez
por ciento de desviacin) y el factor de sub-reporte en una mayora significativa
de las lneas cortina resulte superior a 1, se justificara su inclusin, ya que,
"presumiblemente
14
" el sub-reporte sera de carcter sistemtico.
Cuando el factor de sub-reporte promedio del sistema resulte mayor a 1,1 (diez
por ciento de desviacin) y el factor de sub-reporte a nivel de las distintas
lneas pantalla presente una tendencia errtica (valores superiores a 1 en unos
casos e inferiores a 1 en otros casos), se recomienda en primer lugar, la
revisin detallada de la informacin de la Encuesta y Conteos para descartar
un error, en caso de persistir las diferencias, la recomendacin general es de
no incorporar el factor, ya que, las diferencias son en este caso de carcter
aleatoria y no sistemticas.
Valores inferiores a la unidad en general deben considerarse adecuados,
destacndose el hecho de que estructuralmente existen diferencias
metodolgicas entre informacin obtenida de la Encuesta a Hogares y la
informacin de Conteos usadas para estimar Factores de Subreporte.
Es importante sealar que el hecho de que el factor resulte levemente inferior a uno,
se explica porque la definicin de "hora media de viaje" utilizada para obtener
informacin de la EOD a hogares no es perfectamente consistente con la informacin
de flujos medida en la red.
La ventaja de este mtodo es que la lnea cortina capta por definicin a todos los
viajes que la cruzan. El factor de subreporte se aplica a viajes y no a hogares y debe
incluirse como un factor adicional en la encuesta.
Es importante sealar que la inclusin del factor de Subreporte alterar los totales
poblacionales (no la muestra) y por lo tanto, en caso de incluirse dicho factor,
adicionalmente es necesario volver a realizar la seleccin de viajes (incluyendo
adems de los factores de expansin y correccin tradicionales, el factor de sub-
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
63
reporte), para calibracin de modelos de Generacin y Atraccin, ya que stos
correlacionan valores de viajes totales con ndices totales de actividad por zona.
7.2.2 Modelos de generacin y atraccin de viajes
La operacin del modelo de transporte requiere como datos de entrada los vectores
origen-destino de viajes para cada perodo de anlisis, clasificados por propsitos de
viaje y por categoras de demanda. La estimacin de tales vectores constituye el
objetivo del modelo de generacin.
Idealmente debiera estimarse un vector de orgenes y un vector de destinos por cada
propsito y categora de demanda, pero en la prctica la clasificacin por categoras
de demanda no siempre es posible. Dado que stas se definen a partir de los niveles
de ingreso y tasa de motorizacin de los hogares, la categorizacin de los orgenes
(producciones de viajes) es fcil de hacer cuando los viajes se originan en el hogar, lo
cual es una caracterstica de la mayora de los viajes en el perodo punta de la
maana y una proporcin importante en el perodo fuera de punta.
Sin embargo, durante estos mismos perodos la mayora de los viajes se realizan
hacia lugares distintos del hogar, por lo que una eventual categorizacin de los
destinos (atracciones de viajes) resultara arbitraria en el mejor de los casos.
Considerando lo anterior, el modelo propuesto supone que slo los orgenes son
clasificables por propsito-categora y los destinos en cambio, son clasificables slo
por propsitos de viaje. As, el modelo de transporte recibe como datos de entrada un
vector Origen por cada propsito de viaje y por cada categora de demanda y un
vector Destino por propsitos de viaje.
La aplicacin detallada de la metodologa se puede ver en los captulos anteriores.
7.2.3 Consideraciones adicionales en la calibracin de modelos de generacin
y atraccin.
7.2.3.1 Calibracin de modelos de generacin y atraccin para distintos sectores del
rea de estudio.
Cuando se detecten casos en que al interior del rea de estudio, exista un
comportamiento marcadamente diferente en cuanto a producciones y atracciones de
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
64
viajes, lo que sucede normalmente en las distintas distritos que conforman ncleos
conurbados como los del Lima Metropolitana, una tcnica que se ha demostrado muy
til, es la de considerar distintos modelos para cada sector del rea de estudio.
As, especficamente se calibran modelos de generacin y atraccin especficos para
porciones del rea de estudio que tienen caractersticas diferenciadas. La definicin de
tales sectores deber entregarla el analista tomando en consideracin naturalmente
las distintas caractersticas de los subsectores y la disponibilidad de informacin.
Este tipo de tratamiento puede dar mayor nivel de realismo a la modelacin de
transporte. Naturalmente en este caso deber considerarse la necesaria consistencia
en el tratamiento a nivel de calibracin y aplicacin del modelo.
7.2.3.2 Agregacin de zonas.
Un procedimiento utilizado especialmente para los viajes con propsito estudio,
considera la agregacin de zonas que presentan diferencias significativas entre el
nmero de matrculas y el nmero de viajes atrados por dichas zonas.
Esta situacin se presenta, por ejemplo, cuando establecimientos educacionales se
ubican en los lmites entre dos o ms zonas: las matrculas se asignan slo a una de
ellas, mientras que los viajes pueden ser reportados en distintas zonas, generndose
as problemas en la estimacin de modelos. La solucin a este problema es agregar
las zonas involucradas y estimar modelos considerando agregacin de matrculas y
viajes, y luego repartir los viajes estimados de acuerdo a proporciones de viajes
observados en dichas zonas.
7.2.3.3 Agregacin de usos de suelos (variables explicativas).
Un procedimiento que tambin puede ser utilizado para mejorar los viajes modelados
mediante Regresin Lineal Mltiple (RLM), considera la agregacin de usos de suelos
(variables explicativas en este caso), como una forma de obtener mejores modelos, en
el sentido de mejorar ndices globales de ajuste, o bien, evitar la omisin de una
variable, que se estima relevante y que calibrada en forma aislada se justificara su
omisin.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
65
Ejemplos de lo anterior son la agregacin por ejemplo de usos comerciales + servicios
(propsitos trabajo u otros) o bien, matrculas medias + educacin superior para el
caso del propsito estudio.
7.2.4 Validacin de Modelos Calibrados
Una vez calibrados los modelos de Generacin y Atraccin de Viajes, conviene
verificar el nivel de reproduccin de los modelos respecto de los valores de viajes
obtenidos de la EOD.
Al efecto, se recomienda considerar las siguientes verificaciones:
i. Contraste en el nmero total de viajes generados por tipo (bhi, nbh y bhr),
propsito y perodo entre los modelos calibrados (usando como variables
explicativas los datos exgenos de calibracin) y los valores observados obtenidos
de la EOD. Revisin y ajustes. Como medidas de ajuste, se pueden considerar:
Agregacin de variables (como por ejemplo, comercio + servicio)
Calibracin de modelos espacialmente ms agregados (juntando zonas con
diferencias que se compensen)
ii. Contraste en el nmero total de viajes generados a nivel zonal por perodo, que
resulta de aplicar los modelos calibrados (usando como variables explicativas los
datos exgenos de calibracin) y los valores observados obtenidos de la EOD.
Dicho anlisis debe complementarse con los siguientes estudios:
Estimacin de correlacin entre viajes observados y modelados.
Verificacin visual a nivel de contraste entre viajes generados y atrados a nivel
zonal.
iii. Como resultado del procedimiento de validacin, se debe obtener como producto
final, los vectores origen-destino (para los perodos de modelacin) que representa
el dato de entrada para el modelo de transporte.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
66
7.2.5 Verificacin Final Generacin-Atraccin
A continuacin se entrega una lista de verificacin cuyo objetivo es apoyar la
correcta especificacin y calibracin de los modelos de Generacin y Atraccin de
Viajes.
Definicin de criterios de caractersticas de modelacin.
Criterios de seleccin de viajes para calibracin de modelos de demanda.
Correccin de subreportes de viajes.
Calibracin de tipologa de modelos de generacin y atraccin.
Consideraciones adicionales
Validacin final de modelos
Construccin de vectores origen destino.
7.3 Calibracin de modelos de distribucin.
Se describe las metodologas que permiten obtener, calibrar o ajustar la distribucin de
de demanda.
7.3.1 Mtodo de factor de crecimiento.
Este es el caso ms sencillo, en el cual a toda una matriz se le afecta de un solo factor
constante.
ij ij
t f T . =
Donde:
ij
t = Matriz base
ij
T = Matriz final
f = factor
7.3.2 Mtodo factor de crecimiento doblemente acotado o fratar
Este mtodo permite ajustar una matriz base ha vectores origen y destino objetivo
y consiste en: El balanceo de matrices en dos dimensiones, considera la matriz
inicial
ij
t
, una matriz de origen
i
O
(la produccin de viajes) y una matriz destino
j
D
(la atraccin), para calcular la matriz origen destino
ij
T
(la matriz balanceada),
consiste en encontrar coeficientes de balanceo por origen
i
y coeficientes de
balanceo por destino
j
por origen i.
j
i
ij
D T =
por destino j.
0
ij
T por par OD (i,j).
Se asume que:
=
j
j
i
i
D O
Estos modelos de distribucin son llamados Multiplicativos, desde que
ij
T es el
producto de
i
,
j
y
ij
t . El algoritmo de solucin es usualmente llamado mtodo de
factor de crecimiento o Fratar /Furness o tambin Bi-Proporcional
Es importante mencionar algunos aspectos:
Si la matriz base tiene muchos ceros, puede tener problemas de convergencia.
Una desventaja de los mtodos de factor de crecimiento, es que necesitan datos
de muy buena calidad (matriz base) a pesar de sus deficiencias
Pero su defecto ms importante es que las predicciones no se ven afectadas por
cambios en los costos de transporte; por ejemplo, introduccin de nuevos modos o
nueva infraestructura
7.3.3 Modelos gravitacionales sintticos o funcin de impedancia o disuasin.
Como se describi el los captulos anteriores, la distribucin de viajes esta asociados a
factores de ajuste tanto en los vectores de origen de viaje como en el destino, tambin
est afectado por una funcin de impedancia o de disuasin ( )
ij
c f de las formas
funciones descritas.
Entonces, calibrar el un modelo gravitacional consiste en estimar los parmetros de la
funcin de impedancia tal que el modelo reproduzca, de la manera ms exacta posible
la produccin, atraccin y la distribucin de longitud de viajes.
El procedimiento requiere la entrada de datos de:
Vector de Origen y Destino de viajes.
Una matriz de impedancia o de tiempos.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
68
Una capa de zonas de trnsito.
Una seleccin de zona que deseamos incluir.
Todos los procedimientos de calibracin utilizan los vectores de Origen Destino y la
matriz de impedancia generada por la longitud de distribucin de viajes observada
(OTLD), el objetivo es calibrar el modelo tal que OTLD reproduzca lo ms prximo
posible.
7.3.3.1 Calibracin de funcin tipo exponencial y potencial.
Se refiere a la calibracin de las siguientes funciones de impedancia o de disuasin
por propsito de viaje y perodo de modelacin, de tal manera que estas funciones
estn lo ms prximo posible a OTLD
2
.
( ) ( )
ij ij
c c f = exp Funcin exponencial
( )
n
ij ij
c c f
= Funcin potencial
Para estimar 0 0 > > y n se debe seguir el siguiente procedimiento.
Es un caso particular, el mtodo de calibracin ms eficiente es logrando por
comparacin, en cada iteracin la impedancia media del modelo y la impedancia
media observado, donde la impedancia media es definida como:
Donde:
ij
T = Viajes entre la zona i a j.
ij
c = Impedancia o costo generalizado.
T = Viajes totales por propsito, perodo de modelacin.
Cada iteracin de la calibracin consiste en los siguientes pasos:
i. Calcula la matriz de factor de friccin basado en la estimacin del parmetro
i
p (esto puede ser el n ). El parmetro inicial es tomado como la inversa
de media del costo del ao base u observado
*
c .
ii. Evaluando las restricciones del modelo gravitacional de las producciones y
atracciones. Este produce una nueva matriz de flujos.
2
OTLD = Observed Trip Length Distribution
T
c T
D
ij
ij ij
=
.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
69
iii. Calcular la impedancia media
i
c y comparando con
*
c . Si converge se detiene
el procedimiento y se obtiene los parmetros
iv. Calcular el nuevo parmetro basado en:
i i i
c c p ,
1 , 1
y
*
c usando la siguiente
ecuacin.
( ) ( )
1
1
*
1
*
1
. .
=
i i
i i i i
i
c c
p c c p c c
p
En la primera iteracin se utiliza la siguiente ecuacin.
*
1
c
p c
p
i i
i
=
+
v. Retornar al primer paso
Figura 7-1 Variacin de la funcin exponencial
t
e t F
= ) (
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
70
Figura 7-2 Variacin de la funcin potencial
0.000
0.100
0.200
0.300
0.400
0.500
0.600
0.700
0.800
5
1
0
1
5
2
0
2
5
3
0
3
5
4
0
4
5
5
0
5
5
6
0
6
5
7
0
7
5
8
0
8
5
9
0
9
5
1
0
0
1
0
5
1
1
0
1
1
5
1
2
0
F
(
t
)
Costos en tiempo de viaje (mimutos)
n =2
n =1.8
n =1.6
n =1.4
n =1.2
n =1
n =0.8
n =0.6
n =0.4
n =0.2
n
Como un caso de aplicacin en el rea Metropolitana de Lima y Callao y a manera de
referencia se muestra en la Tabla 7-1, el modelo gravitacional del estudio (MTC/JICA,
2004), el parmetro (n) corresponde a la forma funcional de potencia ( )
n
ij ij
c c f = ,
segn estrato socio econmico y propsito de viaje.
Tabla 7-1 Parmetro de modelo gravitacional
ESTRATO
Propsito de Viaje Parmetro Correlacin R
Al Trabajo - 0.943 0.758
Al Colegio - 1.554 0.706
Negocios - 1.018 0.599
Asunto Privado - 1.453 0.736
Al Hogar - 1.005 0.769
Al Trabajo - 0.864 0.707
Al Colegio - 1.454 0.704
Negocios - 0.721 0.472
Asunto Privado - 1.583 0.722
Al Hogar - 0.934 0.754
Al Trabajo - 1.329 0.787
Al Colegio - 1.865 0.793
Negocios - 1.303 0.536
Asunto Privado - 1.824 0.828
Al Hogar - 1.181 0.756
Al Trabajo - 1.206 0.723
Al Colegio - 2.106 0.697
Negocios - 1.570 0.577
Asunto Privado - 1.754 0.778
Al Hogar - 1.301 0.741
AB
C
D
E
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
71
El lector interesado, puede recurrir al captulo 11 del informe final del estudio
(MTC/JICA, 2004).
7.3.3.2 Calibracin de la funcin tipo combinada o gamma
La funcin es la siguiente:
( ) ( )
ij
n
ij ij
c Kc c f = exp Funcin combinada o tipo gamma.
Donde: 0 0 > > y n y K>0 parmetros a calibrar y
ij
c es el tiempo o costo
generalizado entre un par de origen destino (i,j).
El procedimiento para calcular los parmetros son:
i. Aplicar el modelo gravitacional utilizando el ms reciente parmetro y las
matrices de produccin y atraccin del ao base. Esto produce una nueva
matriz produccin-atraccin.
ii. Extraer desde este nueva matriz el TLD
3
, comparando este TLD con el OTLD
(rango por rango). Si la convergencia del criterio es satisfecho por cada rango,
el procedimiento se detiene.
iii. Actualizacin del factor de friccin (F) por cada rango de impedancia r.
r
r
r
i
r
i
TLD
OTLD
F F .
1
=
Donde:
r
i
F = Valor del factor de friccin de la impedancia en el rango r de la iteracin i.
r
i
F
1
= Valor del factor de friccin de la impedancia en el rango r de la iteracin i-1.
r
OTLD = El porcentaje de viajes observados en la impedancia de rango r.
r
TLD = El porcentaje de viajes del modelo en la impedancia de rango r.
iv. Calculando una regresin lineal con filas de factor de friccin como
observaciones para estimar los nuevos valores de los parmetros de la funcin
gamma.
v. Retornar al primer paso.
3
TLD = Trip Length Distribution (resultado del modelo)
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
72
Figura 7-3 Variacin de la funcin combinada
0.000
5.000
10.000
15.000
20.000
25.000
30.000
35.000
40.000
45.000
50.000
5
1
0
1
5
2
0
2
5
3
0
3
5
4
0
4
5
5
0
5
5
6
0
6
5
7
0
7
5
8
0
8
5
9
0
9
5
1
0
0
1
0
5
1
1
0
1
1
5
1
2
0
F
(
t
)
Costos en tiempo de viaje (mimutos)
n =1.8 Beta =0.08
n =1.5 Beta =0.06
n =1.2 Beta =0.05
n =1 Beta =0.04
n =0.8 Beta =0.04
A modo de referencia, se presenta las funciones tipo combinado obtenido en el estudio
(Sogelerg, CalyMayor, & Cesel, 1998), que corresponde al modelo gravitacional tipo
funcin combinada para el rea Metropolitana de Lima y Callao.
Tabla 7-2 Modelos gravitacionales tipo combinadas
Modo Periodo Pico de la Maana Perodo pico de la Tarde
Viajes en Autos
( )
ij
c
ij ij
e c c f
1 , 0
7 . 0
1
.
=
( )
ij
c
ij ij
e c c f
11 , 0
5 . 0
2
.
=
( )
ij
c
ij ij
e c c f
1 , 0
6 . 0
1
.
=
( )
ij
c
ij ij
e c c f
12 , 0
5 . 0
2
.
=
Viajes en Transporte
pblico
( )
ij
c
ij ij
e c c f
105 , 0
7 . 0
1
.
=
( )
ij
c
ij ij
e c c f
1 , 0
5 . 0
2
.
=
( )
ij
c
ij ij
e c c f
11 , 0
5 . 0
1
.
=
( )
ij
c
ij ij
e c c f
12 , 0
5 . 0
2
.
=
7.3.4 Mtodo de ajuste de matrices Tri-dimensional.
Este mtodo consiste en considerar una tercera dimensin (respecto al bi
dimensional antes descrito) y se obtiene a partir de agrupar los pares O-D (i,j) en k
clases, las cuales estn basados en la impedancia
ij
c para hacer el viaje entre i a j.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
73
Un par O-D pertenece a la clase k con impedancia
ij
c tal que k
ij
k
c c c donde
k
c y
k
c son los lmites menor y mayor del intervalo k . Una matriz con elementos
ij
k es
utilizado para identificar el par O-D entre el intervalo k .
La informacin para la seleccin de clases (impedancia de intervalos) es obtenida
desde un histograma de distribucin de tiempos de viaje de la matriz del ao base y
que corresponde a los tiempos de viaje. Es decir, los tiempos de viaje de la red.
En la Figura 7-4 se muestra el histograma de una matriz de viaje base con su
respectiva impedancia, as mismo los intervalos de clase
k
F , tambin se puede
obtener de muestra de encuestas Origen Destino con el propsito de actualizarlos.
Los modelos de distribucin de viajes utilizan un balanceo tridimensional, toma una
matriz de entrada
ij
t , un vector origen de viaje
i
O , un vector destino de viajes
j
D y la
tercera matriz de totales
k
F para cada intervalo k que es
ij
k . Se calcula una matriz O-
D balanceada
ij
T calculando los coeficientes de balanceo por origen
i
, coeficientes
de balanceo por destino
j
y el coeficiente de balanceo tridimensional
ij
k
, tal que
satisface.
ij k j i ij
t T
ij
. . . = para cada par O-D.
Tal que:
i
j
ij
O T =
por origen i.
j
i
ij
D T =
por destino j.
k
k k j i
ij
F T
ij
=
= | ) , (
para cada intervalo k
Adems que:
= =
k
k
j
j
i
i
F D O
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
74
Esta clase de modelos de distribucin tambin es multiplicativo tal que
ij
T es la
multiplicacin de
i
,
j
y
ij
k
y
ij
t . El algoritmo de balanceo toma en cuenta la
tercera dimensin los totales de
k
F por cada intervalo k .
Figura 7-4 Pares O-D con impedancia
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
10 20 30 40 50 60 70
v
i
a
j
e
s
(
e
n
%
)
Impedancia (Minutos) - k
7.3.5 Recomendaciones importantes.
A continuacin van algunas recomendaciones:
Matrices con muchos ceros, ya sea verdaderos o debidos a problemas de
muestreo; este problema afecta a modelos de tipo bi y/o tri proporcional
o Plantar valores pequeos en las celdas vacas.
Tratamiento de zonas (y viajes) externas
o Usualmente se utilizan tcnicas biproporcionales (Fratar/Furness)
Los viajes intrazonales no son bien representados por los modelos gravitacionales.
o Es conveniente modelarlos en forma separada
Modelacin para distintos propsitos de viaje.
o Viajes obligados (trabajo, estudio) modelo doblemente acotado
o Otros viajes modelos simplemente acotados
Los modelos gravitacionales no es capaz de capturar relaciones especiales entre
zonas
o Por ejemplo, que puedan haber crecido al mismo tiempo
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
75
o Si una empresa construye viviendas para sus empleados, puede existir una
conexin especial con una zona de atraccin
o En tales casos (relaciones especiales)se puede recurrir a factores tipo K,
por ejemplo: ( )
ij
p
j
p
j
pn
i
pn
i
pn
ij
c f D B O A K T . . =
o Sin embargo, un exceso de factores K va a atentar contra la capacidad de
prediccin del modelo.
o Por lo tanto deben usarse con sumo cuidado y slo si hay razones vlidas
para creer que tales relaciones interzonales vayan a permanecer a futuro
La distribucin de viajes es probablemente el eslabn ms dbil en la modelacin
de demanda por transporte.
Nunca se ha probado que los modelos gravitacionales se ajusten muy bien a los
datos.
Las matrices verdaderas no son muy verdaderas tampoco.
Las comparaciones deben hacerse a un nivel ms agregado (por ejemplo, reas o
municipalidades) y ah a los modelos gravitacionales le va mejor.
Por otro lado, no hay muchas alternativas
El mtodo incremental o Fratar tiene la ventaja de preservar ms de la
informacin contenida en una buena matriz inicial.
Algunos errores en las matrices de viaje se compensan en la etapa de
asignacin pero no siempre.
7.4 Calibracin de la particin modal
La calibracin del modelo de particin modal propuesto en la presente metodologa,
consiste en estimar los valores de los parmetros de la funcin de utilidad, los modelos
ms utilizados en la prctica son:
7.4.1 Logit multinomial
La caracterstica principal de esta metodologa, es la independencia entre las
alternativas que enfrenta un individuo. Es decir, la probabilidad de elegir una
alternativa de transporte es independiente de la presencia o atributo de cualquiera de
las otras alternativas.
Sea los siguientes modos disponibles para un individuo:
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
76
Figura 7-5 Modelo logit multinomial
Auto Bus Tren
Entonces:
La probabilidad de elegir viajes en Auto es:
Tren bus Auto
Auto
U U U
U
Auto
e e e
e
P
+ +
=
La probabilidad de elegir viajes en Bus es:
Tren bus Auto
Bus
U U U
U
Bus
e e e
e
P
+ +
=
La probabilidad de elegir viajes en Tren es:
Tren bus Auto
Tren
U U U
U
Tren
e e e
e
P
+ +
=
Donde:
tren Bus Auto
U U U , , = Funciones de utilidad por cada modo de transporte.
Tren Bus Auto
P P P , , = Probabilidad de eleccin de los modos.
e = base de los logaritmos neperianos= 2.7182
Este mtodo es ampliamente utilizado por que es simple y fcil de implementarse. La
mayor crtica que tiene esta metodologa es cuando las alternativas no son
independientes, para este caso tenemos el mtodo de Logit Jerrquico.
7.4.2 Logit jerrquicos.
Este mtodo resuelve el problema de la no independencia entre las alternativas, por
ejemplo: si un individuo enfrenta una eleccin en transporte pblico entre un sistema
de Bus y otro de Tren Ligero es ms probable que primero elija entre estos modos
porque tienen algunas caractersticas en comn, antes que cambiarse al auto o taxi.
Sean las siguientes alternativas disponibles.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
77
Figura 7-6 Modelo Jerrquico
Auto
Taxi
Tren
Ligero
(TL)
Bus
Transporte
Publico (TP)
Entonces, tenemos las siguientes probabilidades condicionales.
La probabilidad de elegir Bus dado que eligi TP:
( )
tp
TL
tp
bus
tp
bus
U U
U
e e
e
TP Bus P
+
=
La probabilidad de elegir Tren Ligero (TL) dado que eligi TP es:
( )
tp
TL
tp
bus
tp
TL
U U
U
e e
e
TP TL P
+
=
Luego,
La probabilidad de elegir Auto es:
( )
TP TP TP taxi Auto
Auto
U U U
U
e e e
e
Auto P
+
+ +
=
.
) (
La probabilidad de elegir Taxis es:
( )
TP TP TP taxi Auto
Taxi
U U U
U
e e e
e
Taxi P
+
+ +
=
.
) (
La probabilidad de elegir el transporte pblico (TP) es:
( )
( )
TP TP TP taxi Auto
TP TP TP
U U U
U
e e e
e
TP P
+
+
+ +
=
.
.
) (
Donde:
(
(
+ =
TP
TL
TP
bus
U U
TP
e e
log , Conocido como utilidad mxima esperada, o logsum.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
78
TL Bus Taxi Auto
U U U U , , , = Funciones de utilidad por cada modo de transporte.
TP
U = Funcin de utilidad de las variables comunes a los modos de transporte pblico.
) ( ), ( ), ( ), ( TL P Bus P Taxi P Auto P = Probabilidad de eleccin de los modos
Por lo tanto:
Probabilidad de elegir Bus es: ( ) ( ) ( ) TP P PT Bus P Bus P . =
Probabilidad de elegir Tren Ligero (TL) es: ( ) ( ) ( ) TP P PT TL P TL P . =
El lector interesado en mayor informacin puede consultar (Koppelman & Bhat, 2006)
que tiene un resumen respecto a estos dos mtodos.
7.4.3 Proceso de calibracin
En general, la probabilidad de que un individuo (con ciertas caractersticas personales
conocidas) escoja una cierta alternativa (con determinados atributos conocidos) entre
un conjunto de alternativas disponibles, puede ser entendida en funcin de un grupo
de coeficientes que se denominan y cuyos valores deben ser calibrados.
Dado que no es posible observar probabilidades de eleccin, sino directamente la
eleccin de cada individuo, normalmente se recurre a la tcnica estadstica de mxima
verosimilitud para calibrar los parmetros. Esta tcnica se basa en el hecho de que a
pesar de que una cierta muestra cualquiera de datos puede provenir de distintas
poblaciones, una muestra en particular tiene una mayor probabilidad de provenir de
una poblacin especfica que de otras. Por lo tanto, el mtodo de la mxima
verosimilitud estima los parmetros de
k
que tomar
un valor 1 para la alternativa i Ck escogida por el individuo k y tomar un valor 0
en otros casos:
( ) ( )
=
=
N
k C i
k
k
k
i P L
1
Y puesto que se trata de maximizar esta funcin, un procedimiento equivalente
resulta de maximizar el logaritmo natural de la funcin de verosimilitud, que es ms
simple y conduce al mismo ptimo:
( ) ( ) ( )
=
= =
N
k C i
k ik
k
i P L l
1
ln ln
La maximizacin de la funcin ( ) l respecto de los coeficientes, entregar los
*
ptimos que corresponden a los coeficientes de calibracin que se buscan. Existen
diversos programas computacionales que permiten realizar esta tarea, pero ellos
dependen del tipo de modelo de particin modal que se est proponiendo y que
definir la formulacin de la probabilidad ( ) i P
k
. En el caso de los modelos logit
multinomiales y jerrquicos, los programas disponibles son diversos y bien conocidos,
adems son los modelos ms utilizados.
7.4.4 Criterios de calibracin.
Para la calibracin del los modelos, los indicadores normales de verificacin son:
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
80
Signos y significancia estadstica de los coeficientes de las variables.
Log-likehihood (modo final, inicial y solo constantes).
2
ajustado
Porcentaje correctamente predicho de los modos.
Pesos en las componentes de tiempos de viaje en vehculo, tiempos de espera
y caminata.
Valores subjetivos del tiempo de los usuarios que se desprenden de los
modelos calibrados.
7.4.5 Especificacin de las funciones de utilidad.
Es recomendable que la especificacin de las funciones de utilidad sea como la
siguiente ecuacin (Ortzar & Willumsen, 2001):
mk
ij
k z
mk
z
mk
z
mk m m
ij
X . Y . U
|
|
\
|
+ + =
Donde:
m
ij
U = Funcin de utilidad del modo m, entre el origen i y el destino j.
m
= Constante especfica del modo m, se consider como modo base.
mk
= Efecto principal de la variable k en el modo m
mk
z
= Coeficiente de la variable z (socioeconmica), que interacta con la variable
principal k en el modo m.
mk
z
Y = Variable z, es una variable principalmente socio econmica que interacta
con la variable principal k.
La ventaja principal de esta especificacin es que se pueda obtener un Valor Subjetivo
del Tiempo (VST) en funcin de las variables socio econmica y tambin se puede
utilizar todo el conjunto de la base de datos recopilados.
El Valor Subjetivo del Tiempo (VST), tiene la siguiente especificacin.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
81
+
+
=
z
mc
z
mc
z
mc
z
mt
z
mt
z
mt
m
Y .
Y .
VST
Donde:
t se refiere al coeficiente relacionado a la variable principal de tiempo.
c se refiere al coeficiente relacionado a la variable principal de costos o tarifa.
z son las variables que interacta con las variables tiempos o costos.
7.4.6 Mtodo incremental en cambio modal
El mtodo incremental o Pivot consiste en modificar la particin modal base (calibrado
a un ao base) con la variacin de las variables de la funcin de utilidad en el futuro,
es decir para un modo i :
Donde:
= Particin modal existente (base) del modo i
= Probabilidad futura del modo i
= Utilidad del modo existente (base) i
= Utilidad del modo i en el futuro (son las mismas variables)
= Nmero de modos disponibles.
A continuacin se muestra un caso de aplicacin, en la Figura 7-7 se muestra los
resultados de las funciones de utilidad de una ciudad, para modo transporte pblico y
privado.
=
k
j
U
j
U
i f
i
j
i
e P
e P
P
1
i
P
f
i
P
i
f
i i
U U U =
i
U
f
i
U
k
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
82
Figura 7-7 Caso de mtodo incremental de Transporte Pblico y Privado
Nota:
Las funciones de utilidad son reales, pero de otra ciudad (no aplicable al Per), solo se muestra como
ilustracin.
En la Figura 7-8 se muestra la sensibilidad utilizando el mtodo incremental, el cambio
modal de viajeros en autos respecto a la variacin del costo de viaje en auto; en este
caso se refiere al costo directo que viene a ser el costo del combustible y el valor del
estacionamiento en la zona central de una ciudad.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
83
En la Figura 7-9 se muestra la sensibilidad con el mtodo incremental del cambio
modal, debido a variacin del ingreso familiar.
Figura 7-8 Sensibilidad a cambio modal de viajes en auto y los costos del auto.
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
5 6 7 8 9 10 11 12 13 14 15
%
d
e
u
s
o
t
r
a
n
s
p
o
r
t
e
p
r
i
v
a
d
o
Costos de transporte diarios en autos (Estacionamiento y combustible en USD)
Ingresos Altos
Ingresos Medios
Ingresos Bajos
Figura 7-9 Sensibilidad a cambio modal por variacin en el nivel de ingreso familiar
0%
10%
20%
30%
40%
50%
60%
70%
Bajo Medio Alto
C
a
m
b
i
o
m
o
d
a
l
Cambio de Ingreso Familiar
Transporte Pblico
Transporte Privado
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
84
Importante:
Este mtodo es aplicable si se define los modos viajes al inicio del proceso de
modelacin, es decir en la Produccin/Atraccin de viajes y luego en la distribucin. La
particin modal base se calibra con informacin de flujo vehicular y de pasajeros en la
red de transportes.
7.4.7 Casos de referencia.
Como una referencia, a continuacin mostramos los resultados de la funcin de
utilidad y los valores del tiempo y los pesos de las variables de los estudios (Sogelerg,
CalyMayor, & Cesel, 1998) realizado en 1997 y el estudio del Tren Elctrico (Martinez,
2001) realizado en el 2001. El mtodo empleado fue la de Eleccin Binaria.
Tabla 7-3 Coeficientes de las funciones de utilidad 1997 y 2001.
Propsito
de viaje
Constante
Tarifa por
viaje
Tiempo en
vehiculo
Caminata Transferencia
VST
(S/./Min)
VST (USD
$/Hr)
Peso
Caminata
Peso
Transferencia
Referencia
(ao de
encuesta)
Tipo de
Cambio
Trabajo 0.4087 -1.3640 -0.0354 -0.1924 -0.1808
(1)
0.026 0.570 5.435 5.107 1997 1$ =S/. 2.73
Estudio 0.2439 -1.6130 -0.0442 -0.2232 -0.1383
(1)
0.027 0.602 5.050 3.129 1997 1$ =S/. 2.73
Trabajo 0.4781 -1.7809 -0.0533 -0.5101 -0.1484
(1)
0.030 0.513 9.570 2.784 2001 1$ =S/. 3.50
Estudio 0.1400 -2.8197 -0.0757 -0.4247 -0.1595
(1)
0.027 0.460 5.610 2.107 2001 1$ =S/. 3.50
Nota:
(1)
Considera el tiempo de espera y transferencia como una sola variable.
Igualmente, se realizaron encuestas de preferencias declaradas con la finalidad de
obtener modeles de eleccin modal en el rea Metropolitana de Lima y Callao (JICA,
2004) que se muestra a continuacin. El mtodo empleado fue el ranking.
Tabla 7-4 Coeficiente de funciones de utilidad del MTC/JICA 2004
AB C D E AB C D E
1 CONST de carro 0.115 -0.642 -2.138 -6.118 -1.397 -3.152 -2.931 -17.680 0.347 -0.635
2 CONST de Taxi -0.746 -0.126 19.726 -2.397 -0.064 -0.505 -0.127 -1.905 0.544 -0.922
3 CONST de Bus -2.037 -1.841 -1.772 -1.615 -1.956 -1.564 -3.324 -2.401 -1.012 -1.056
4 CONST de Bus Troncal -0.529 -0.395 0.360 -0.096 0.399 0.983 -0.813 -0.172 0.505 0.375
5 TIEMPO -0.047 -0.044 -0.043 -0.014 -0.040 -0.035 -0.075 -0.023 -0.049 -0.032
6 COSTO -0.499 -0.730 -1.058 -0.426 -0.502 -0.631 -1.827 -0.722 -0.577 -0.522
7 Tiempo de Espera de Taxi -0.275 -0.049 -6.473 -0.089 -0.173 -0.253 -0.406 -0.162 -0.256 -0.169
8 Tiempo de Espera de Bus -0.012 -0.099 -0.295 -0.236 -0.203 -0.281 -0.034 -0.153 -0.215 -0.240
9 Tiempo de Transferencia de Bus -0.314 -0.089 -0.792 -1.349 -0.676 -0.926 -2.847 -0.165 -0.267 -0.430
10 Tiempo de Espera de Bus Troncal -0.113 -0.198 -0.306 -0.303 -0.305 -0.546 -0.520 -0.394 -0.263 -0.258
11 Tiempo de Transferencia de Bus Troncal -0.050 -0.102 -0.246 -0.295 -0.861 -0.558 -0.362 -0.165 -0.105 -0.253
12 Tiempo de Espera de Tren -0.192 -0.318 -0.225 -0.339 -0.340 -0.488 -0.711 -0.342 -0.211 -0.215
13 Tiempo de Transferencia de Tren -0.173 -0.016 -0.421 -0.215 -0.188 -0.110 -0.362 -0.586 -0.105 -0.327
Soles/Minutos 0.095 0.061 0.040 0.032 0.081 0.055 0.041 0.032 0.085 0.061
Soles/Hora 5.684 3.635 2.421 1.929 4.833 3.294 2.451 1.941 5.081 3.687
USD/Hora (TC=3.27 en el 2004) 1.687 1.078 0.718 0.572 1.434 0.977 0.727 0.576 1.508 1.094
Valor
Subjetivo
del Tiempo
(VST)
Motivo Trabajo por Estrao Propsito Estudio por Estrato Propsito
Negocios
Propsito
Privado
Variables Secuencia
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
85
7.5 Calibracin de la asignacin en Transporte Privado
A continuacin se mostrar el proceso de calibracin de la asignacin de transporte
privado.
7.5.1 Preparacin de los datos para el proceso de calibracin
En la Figura 7-10 7-10 se muestra el requerimiento del conjunto de datos para el inicio
del proceso de calibracin en general.
Para la comprensin especfica se debe referir a los manuales de usuario de cada
Software de Planeacin de Transporte.
Figura 7-10 Preparacin de los datos
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
86
7.5.2 Metodologa del proceso de calibracin
En todo proceso de calibracin de un modelo de transporte, se debe iniciar por el
transporte privado. En la Figura 7-11 7-11 se muestra la metodologa recomendada
para este proceso.
La calibracin de transporte privado tiene por objetivo reproducir la situacin real de
tiempos y volmenes vehiculares en la red vial, verificando que los caminos en el
modelo corresponden a las alternativas que efectivamente los usuarios utilizan para
realizar sus desplazamientos.
Figura 7-11 Metodologa de calibracin de transporte privado
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
87
Para lograr este objetivo, se debe utilizar los tornillos de ajuste que a continuacin se
menciona:
i. Precarga. Las rutas de transporte pblico tiene rutas fijas por lo tanto siempre
estarn presentes en la red vial en la cual este permitida su circulacin. Entonces,
antes que se asignen los autos existir la presencia de los vehculos de transporte
pblico es decir, habr una precarga-. Sin embargo, esta precarga debe ser la
que corresponde al flujo de vehculos reales de transporte pblico, por lo tanto es
importante conocer el intervalo de paso de cada ruta, para establecer la cantidad
de vehculos que circulan por la red vial y se tenga una precarga real. En otras
palabras, se debe calibrar el flujo vehicular de transporte pblico y por aadidura
se debe haber calibrado el intervalo de paso de cada ruta.
ii. Camiones de carga.- Si se tiene matrices de camiones se puede incorporar
igualmente como precargas. En otros casos, agregar el flujo de camiones de
acuerdo a flujos aproximados obtenidas en aforos vehiculares.
iii. Vehculos equivalentes.- Tanto al precarga de vehculos de transporte de pblico
como la de camiones deben estar en vehculos equivalentes de acuerdo a la Tabla
4-1.
Tabla 7-5 Vehculos Equivalentes (Veq)
Vehiculo
Vehiculos Equivalente
(Veq)
Motocicleta 0.50
Mototaxi 0.75
Auto 1.00
Taxi 1.00
Auto Colectivo 1.00
Combi 1.25
Microbus 2.50
Bus 3.00
Other bus 3.00
Camin Pequeo 1.50
Camin Grande 2.50
Camiones Articulados 6.00
Fuente: (MTC/JICA, 2004)
iv. Capacidad de las vialidades.- Las capacidades de las vas deben ser consistentes
con el perodo de modelacin y deben considerar todos los efectos tal como la
semaforizacin, pendientes, cantidad de carriles etc. Una buena referencia es la
sobre este tema es (Cal y Mayor & Crdenas, 2006).
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
88
v. Funciones de Volumen Demora.- En la calibracin del transporte privado, los
parmetros de las funciones de volumen demora y las penalizaciones en
intersecciones son uno de los tornillos ms importantes que hay ajustar para
lograr reproducir la situacin real de los tiempos y aforos sobe la red.
Para poder determinar los valores de los parmetros de las funciones asignadas a
la red vial, se debe seguir un procedimiento iterativo modificando dichos
parmetros de manera razonable hasta lograr reproducir en forma aproximada los
tiempos de viaje de la red y los flujos vehiculares. Un aspecto importante que
apoya este proceso, es la adecuada clasificacin vial funcional tal como se
mencion en puntos anteriores, que incluye la determinacin de las velocidades de
flujo libre.
Es importante que se deban eliminar previamente posibles errores de codificacin
de la red vial, conectividad, atributos como longitud y cantidad de carriles y la
simetra de dichos datos.
Funcin BPR (Buraeu of Public Roads)
) ) ( * 1 ( *
0
Capacidad
Volumen
v
longitud
t + =
En la Figura 7-12 7-12 se muestra algunas funciones para algunas vialidades
tpicas, se puede apreciar la variacin de la velocidad respecto a la relacin
Volumen/Capacidad.
Figura 7-12 Funcin tipo BPR algunos valores
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
80.0
90.0
0
.0
5
0
.1
0
0
.1
5
0
.2
0
0
.2
5
0
.3
0
0
.3
5
0
.4
0
0
.4
5
0
.5
0
0
.5
5
0
.6
0
0
.6
5
0
.7
0
0
.7
5
0
.8
0
0
.8
5
0
.9
0
0
.9
5
1
.0
0
1
.0
5
1
.1
0
1
.1
5
1
.2
0
1
.2
5
1
.3
0
1
.3
5
1
.4
0
1
.4
5
1
.5
0
V
e
l
o
c
i
d
a
d
(
K
m
/
h
r
)
Relacin Volumen/Capacidad
Arterial, Alfa=3.75;Beta=3.35
Colectoras,Alfa=1.1;Beta=3.2
Vias Expresas, Alfa=2.55;Beta=2. 65
Locales, Alfa=1.38; Beta=2.35
Tpica, Alfa=0.15;Beta=4
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
89
Funcin tipo cnica o de Heinz Spiess
|
|
|
\
|
|
|
\
|
|
|
\
|
+
|
|
\
|
+ =
Capacidad
Volumen
Capacidad
Volumen
v
longitud
t
o
1 1 2 *
2
2
2
Donde:
2 2
1 2
Figura 7-13 Funciones tipo Cnica tpicas.
0
20
40
60
80
100
120
0
.1
6
0
.3
0
0
.4
3
0
.5
6
0
.6
9
0
.8
2
0
.9
5
1
.0
9
1
.2
2
1
.3
5
1
.4
8
1
.6
1
1
.7
4
1
.8
8
V
e
l
o
c
i
d
a
d
(
K
m
s
/
h
r
)
Volumen/Capacidad
alfa=2
alfa=3
alfa=4
alfa=5
alfa=6
alfa=7
vi. Conversin de matrices de viaje.- Las matrices de viajes estn generalmente en
viajes-persona. Para el caso de asignacin de transporte privado se asigna
matrices en vehculos o autos. Entonces, es necesario realizar la conversin de
viajes-persona a viajes-auto.
Se puede obtener un vector de tasa de ocupacin de pasajeros/auto (auto y taxi)
por cada zona origen de viajes de la EODH y esto permite realizar la conversin,
segn perodo de modelacin. Un recurso extremo es a partir de las encuestas en
lneas cortinas de ocupacin de auto (auto particular y taxi) determinar la tasa de
ocupacin promedio y aplicar directamente a las matrices de viajes-persona.
Finalmente, este proceso nos lleva a comparar los resultados finales siguientes:
ales Modelo
Pblico Transporte Vehiculos Pblico Transporte Vehiculos
Re
_ _ _ _
ales Modelo
Autos Aforos Autos Aforos
Re
_ _
ales Modelo
Recorrido Tiempo Recorrido Tiempo
Re
_ _
ales Modelo
Caminos Caminos
Re
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
90
En el caso de los parmetros de calibracin, o sea, los reales, stos deben ser
medidos u observados directamente en campo, considerando la realizacin de aforos
vehiculares y estudios de tiempos de recorrido para los dos primeros casos. Para la
calibracin de los caminos es necesario contar con conocimiento de cmo se realizan
los desplazamientos en la red vial.
7.6 Calibracin del Transporte Pblico
7.6.1 Preparacin de los datos
Para la asignacin de transporte pblico es necesario tener la los datos de acuerdo a
la Figura 7-14, antes de proceder al inicio del proceso de calibracin.
Figura 7-14 Preparacin de datos para asignacin de transporte pblico
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
91
7.6.2 Metodologa de calibracin de transporte pblico.
continuacin se muestra una metodologa que se recomienda para los procesos de
calibracin de transporte pblico.
El objetivo de este proceso es, lograr reproducir en forma razonable los pasajeros y
tiempos de viaje observados y modelados. As tambin, el camino o el conjunto de
rutas que determinados viajes utilizan para realizar entre un Origen Destino.
Figura 7-15 Metodologa de calibracin de Transporte Pblico
Asignacin de Transporte Privado
(Calibrado)
Tiempo de Viaje en T. Priv
Estimacin de la relacin de velocidades de
Auto y Transporte Pblico
Velocidad T. Pub = f(Velocidad T. Priv)
PESOS
- Tiempo en el vehculo
- Tiempo de caminata
- Tiempo de espera
- Costo del viaje
- Tiempo de trasbordo
Asignacin de Transporte pblico
Comparacin de:
- Tiempos de recorrido
- Tiempos de caminata
- Tiempos de espera
- Tiempos de trasbordos
Observados y Asignados
Comparacin de
volmenes de pasajeros
por corredor observados y
asignados
Modelo Calibrado
- Intervalo efectivo en cada ruta
- Tiempos de demora en
estaciones
Pasajeros Observados
Tiempos observados en
campo tanto de autos y
autobuses, trfico mixto
Matrices de Transporte Pblico
Calibrado?
No
Si
Los tornillos a utilizar para la calibracin son:
i. Se debe previamente haber obtenido una relacin para trfico mixto la relacin de
tiempo en transporte pblico y el de transporte privado. Esto se obtiene a partir de
mediciones de tiempo de viaje tanto de transporte privado como de transporte
pblico. Entonces se debe obtener una funcin de la siguiente caracterstica.
privado transporte publico transporte
kt t
_ _
=
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
92
Donde 1 > k y se pude diferencia segn tipo de ruta, corredores mixtos, tipo de
vehculo de transporte pblico (Combi, Microbs y mnibus), etc.
ii. Los pesos de los diferentes componentes del tiempo viaje en transporte pblico.
Estos pesos inicialmente se obtienen a partir de una Encuesta de Preferencia
Declarada ver Tabla 7-3. Sin embargo, podra modificarse dentro de un rango
razonable.
iii. Los intervalos efectivos de las rutas.- Los tiempos de espera estn en funcin del
intervalo de una ruta. Entonces, para el caso de rutas que tengan un intervalo real
ms de 15 minutos, es recomendable utilizar este valor como el umbral mximo.
Esto es por sencilla razn de que el usuario al conocer el intervalo de la ruta, el
arribo no ser aleatorio y su tiempo de espera no est asociado al intervalo real de
la ruta.
Entonces, para poder calibrar el modelo de transporte pblico, se debe comparar:
ales Modelo
Pasajeros Volumen Pasajeros Volumen
Re
_ _
ales Modelo
Recorrido Tiempo Recorrido Tiempo
Re
_ _
ales Modelo
ata Ca Tiempo ata Ca Tiempo
Re
min _ min _
ales Modelo
Espera Tiempo Espera Tiempo
Re
_ _
ales Modelo
s Transbordo Nmero s Transbordo Nmero
Re
_ _
ales Modelo
Caminos Caminos
Re
Como se puede observar, existe un mayor nmero de datos de comparacin entre el
modelo y la situacin real, lo que resulta en un proceso ms complejo de calibracin
que en el caso del transporte privado.
7.7 Criterios de calibracin
7.7.1 Datos en la red vial
Los criterios para la comparacin de datos observados en la red son aplicables para
los siguientes casos de comparacin:
Aforos de vehculos.
Flujo de Pasajeros en tramos de la red vial o de sistemas de rutas.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
93
Tiempos de viaje en tramos de la red vial.
Los datos en la red a comparar puede ser lo ms desagregado que sea posible por
ejemplo: tipo de vehculo, por ruta, tipo de va, etc.
7.7.1.1 Indicador GEH
Estadstico GEH
4
por enlace, aceptado por la mayora de los consultores como un
indicador de calibracin sobre la red. Su formulacin es:
Donde:
i
C es el dato observado y
i
A es el dato asignado por el modelo en el enlace i .
Los criterios de aceptacin son:
El valor de GEH<=4 para lneas cortinas, un corredor de inters de estudio.
Al menos el 60% tengan GEH<=5.
El 90% de casos el GEH <=10
El 100% de casos menor GEH<=12
Un GEH mayores todava puede ser aceptado, siempre y cuando estos estn muy
lejanos de la zona de mayor inters de estudio.
La razn para introducir este estadstico en la calibracin es la incapacidad que tiene
la diferencia absoluta o la diferencia relativa para hacer frente a un amplio rango de
flujos. Por ejemplo, una diferencia absoluta de 100 autos/da puede tener una gran
relevancia si el flujo est en el orden de 200 autos/da, pero podra considerarse sin
importancia para flujos del orden de varios miles de autos al da. De manera similar, un
error del 10% sobre 100 autos/da podra no ser tan relevante, mientras que un error
del 10% sobre 3,000 autos/da podra significar la diferencia entre construir un carril
extra o no.
4
El estadstico GEH fue propuesto por Geoff Havers de London Council para comparaciones de amplios
rangos de diferencias entre flujos observados y modelados reduce la comparacin de errores.
(aplicaciones actales, El Software SATURN y VISUM vienen incorporados)
( )
( ) 2
) (
2
i i
i i
A C
A C
i GEH
+
=
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
94
7.7.1.2 Estadstico %RMSE
El Root Mean Square Error (RMSE), es la raz cuadrada de las diferencias al cuadrado
entre la prediccin (asignacin) y el anlisis de los datos observados divididos entre el
nmero de observaciones.
Su formulacin es:
Donde:
i
C es el dato observado y
i
A es el dato asignado por el modelo en el enlace
i , N es nmero de observaciones.
El criterio de aceptacin es: %RMSE<=30%
Esta medicin tambin se pude hacer, respecto a la lnea cortina o corredor de inters.
Se puede aceptar valores mayores de %RMSE, siempre y cuando que estos
corresponden al conjunto los valores que estn muy alejados de la zona de mayor
inters del estudio.
7.7.1.3 Diagrama de dispersin y estadstico R
2
Es el coeficiente de determinacin R
2
, es consecuencia de los niveles de ajustes del
GEH y %RMSE y se debe verificar los siguientes rangos de valores.
Sea:
observado elo
Dato B A Dato *
mod
+ =
El criterio de aceptacin es:
Estadstico
2
R
>0.80 y
A=0 y B=0.85 1.15
7.7.2 Calibracin de parmetros con histogramas.
Aqu se refiere a la comparacin de histogramas de datos observados sobre todo el
sistema que se obtienen a partir de las EODH o de una muestra y los histogramas
obtenidos como resultado del modelo de transportes. Una forma ms precisa de
calibrar es comparando los promedios y desviacin estndar de cada histograma, en
muchos casos son reportados por los software de planificacin o se puede obtener
fcilmente en forma externa.
Los histogramas ms importantes son:
Tiempos de viaje total por modos.
Tiempo de espera en paraderos en transporte pblico.
( )
( )
N
C
N
A C
RMSE
i
i i
=
1
* 100 %
2
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
95
Tiempo de caminata.
Nmero de transbordos.
Matrices de viajes, si se realiza ajuste por aforos.
La calibracin de estas variables se realiza comparando valores promedios obtenidos
a travs de encuestas donde se pregunta directamente al usuarios, con los valores
promedios resultantes de la calibracin del modelo.
Para realizar la calibracin de estos valores, es necesario ajustar los pesos que
tienen el tiempo de espera, el tiempo de caminata y el de trasbordo en la asignacin.
En la Figura 7-16 se muestra el histograma de tiempos de viaje en transporte pblico,
el promedio de este tiempo debe compararse con el obtenido en alguna encuesta EOD
o muestra con el propsito de calibracin.
Figura 7-16 Histograma de tiempos de viaje en transporte pblico
En la Figura 7-17 7-17 se muestra el histograma del tiempo de caminata igualmente se
debe comparar el tiempo promedio de caminata obtenida en una EOD de transporte
pblico con el obtenido del histograma del modelo.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
96
Figura 7-17 Histograma de tiempos de caminata en transporte pblico.
En la Figura 7-18 7-18 se muestra el histograma de tiempos de espera en paraderos,
igualmente esta informacin se obtiene a partir de una EOD mencionado y se compara
el promedio con el obtenido del modelo.
Figura 7-18 Histograma de tiempos de espera en paraderos
En la Figura 7-19 7-19 muestra el histograma de tiempos de viaje dentro de las rutas
de transporte pblico, esta se calibra con los tiempos promedios que de recoge en los
diferentes estudios que se realiza, tal como Subida/Baja en las rutas en donde tambien
se considera los tiempos de recorrido, luego estos se comparan con los obtenidos en
los modelos.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
97
Figura 7-19 Histograma de tiempos de viaje dentro de un vehculo de T.P.
En la Figura 7-20 7-20 se muestra el histograma de transbordos en transporte pblico,
esto tambin se obtiene de la EOD en transporte pblico y luego se compara con el
obtenido del modelo.
Figura 7-20 Histograma de nmero de transbordos en transporte pblico.
La Figura 7-21 muestra el histograma de comparacin de dos matrices antes y
despus del ajuste por aforos. Esta comparacin es importante para ver que tanto se
ha distorsionado la matriz original. Para hacer este ajuste se debe tener en cuenta las
recomendaciones que mencionan en el captulo de ajuste de matrices por aforos
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
98
Figura 7-21 Histograma de comparacin de matrices ajustados por aforo.
7.7.3 Calibracin de los caminos o rutas.
7.7.3.1 Caminos en red privada.
Antes de terminar la calibracin del modelo, es importante analizar los caminos o que
estn utilizando los viajes entre determinados pares Origen Destino. Esto se puede
hacer con:
Elegir 10 pares Origen Destino y mostrar grficamente los caminos que toman
para viajar entre cada par y los tiempos de viajes del modelo y elaborar una
matriz 10x10 de tiempos de viaje. Los caminos elegidos debe ser validados por
personas que hacen dichos viajes o por personas conocedores y viajeros entre
dichos pares.
Elegir un centroide en la zona cntrica de el rea de estudio y a partir de este
centroide construir lneas iscronas (igual tiempo) en toda la red vial en
intervalos de 10 minutos, ser validado igualmente que el caso precedente.
La calibracin de los caminos de viaje permite verificar que el modelo est asignando
los viajes a caminos lgicos, o sea, que los usuarios efectivamente utilizan en sus
desplazamientos. Como el modelo es de equilibrio, para un mismo par de origen
destino pueden haber diversos caminos utilizados, sin embargo solamente se puede
verificar en pantalla aquellos que inclusive incluyendo el redondeo constituyan el
camino ms corto.
7.7.3.2 Caminos en red de transporte pblico.
La calibracin de los caminos o de las estrategias es muy importante en el caso del
transporte pblico. Permite verificar si las estrategias que los usuarios seleccionan
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
99
para desplazarse de un par de origen destino a otro son razonables, considerando el
conocimiento previo que se tenga del patrn de desplazamientos de los usuarios. Se
toman en cuenta el nmero de trasbordos, el tiempo de caminata y espera, el tiempo
de viaje para realizar esta verificacin.
Al igual que el caso anterior, se debe elaborar una matriz de 10x10 zonas para mostrar
los diferentes componentes de los viajes y los caminos o rutas que eligen para viajar
entre dichos pares.
7.7.4 Lneas de deseo de viajes.
Se debe mostrar en tablas y grficamente las lneas de desea de pares Origen Destino
emblemticos de la ciudad, por modo y motivo de viaje por cada perodo de
modelacin.
7.8 Criterios de validacin.
La validacin de un modelo de transporte consiste en probar la capacidad de un
modelo calibrado en pronosticar los resultados razonables en el futuro o en otras
partes de red no calibrada.
Se tiene dos formas de validar un modelo una vez calibrado:
Se entregue una fuente de datos externos y no utilizados en la calibracin y que
corresponda al rea de estudio y tenga una fuente confiable, se incorpora al
modelo y se vuelve a verificar los estadsticos.
De los datos disponibles para calibracin, de forma aleatoria se extrae el 10% de
ellos y no se utiliza en el proceso de calibracin. Entonces, luego estos datos se
incorporan luego y nuevamente se verifica los estadsticos.
A continuacin se muestra a modo de ejemplo los grficos de dispersin para un
modelo calibrado y el mismo modelo calibrado ms datos de validacin; de igual forma
se debe validar los otros estadsticos.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
100
Figura 7-22 Histograma de calibracin de un modelo
Figura 7-23 Histograma de calibracin + validacin de un modelo
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
101
8 REQUERIMIENTO DE INFORMACIN
Una vez que se ha definido el tipo de modelo, las fases del modelo y los procesos de
calibracin, ahora debemos de saber la informacin a recopilar de campo, las cuales
enumeramos a continuacin.
8.1 Encuesta Origen-Destino en Hogares (EODH).
La principal fuente de informacin es una encuesta origen destino de viajes realizada
en hogares (EODH). Otros instrumentos de medicin tambin propuestos, estarn
bsicamente destinados a complementar y verificar los datos obtenidos de la EOD.
Las razones de esta proposicin se resumen como sigue:
i. La EODH representa la fuente de datos ms confiable y vlida para los
objetivos de calibracin de modelos, especialmente los modelos de demanda.
La experiencia internacional con otros mtodos de obtencin de informacin
para estos objetivos, no ha sido particularmente exitosa.
ii. La EODH permite tener una visin general de las caractersticas del sistema de
transporte y de sus patrones de comportamiento. Ello es particularmente
importante en ciudades donde existe escasa o ninguna informacin histrica.
iii. La diversidad y completitud de la informacin obtenida en una EODH,
representan una base de datos til para muchas tareas adicionales de anlisis
de transporte.
La recoleccin de informacin no es independiente del tamao de la ciudad y del
nmero de habitantes. La logstica necesaria para abordar una encuesta de gran
tamao, amerita un tratamiento especial, para lo cual se debe desarrollar una
metodologa de diseo e implementacin del proceso de recoleccin de toda la
informacin necesaria para caracterizar el sistema de transporte urbano.
Sobre las tcnicas y estimacin del tamao de muestra, se encuentran en el Anexo A.
8.1.1 Encuestas Origen Destino interceptacin (EODI).
La encuesta origen destino de interceptacin (EODI) entrega informacin que es la
base para el anlisis de proyectos en los cuales se espera que exista reasignacin de
viajes, cambios en la divisin modal o redistribucin de viajes, a travs de ella ser
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
102
posible conocer algunas caractersticas bsicas de los viajes que se registran en la
red (origen-destino, propsito, horario, etc.).
Estas encuestas de EODI permitir complementar la matriz origen destino que ser
asignado a la red o bien generar la matriz a priori que permitir la estimacin de ella.
Tambin permitir validar los resultados de los modelos de demanda de transporte
calibrados y alternativamente, proveer de una matriz de viajes para efectos de
calibracin de redes de transporte pblico y privado.
Existe una diversidad de mtodos para realizar EODI; dentro de los ms conocidos
son los siguientes:
i. Encuesta Directa. Esta tcnica consiste en detener a los vehculos en la va
en ciertos puntos de control y hacerles un conjunto de preguntas
predeterminadas acerca de su viaje (destino, origen y propsito del viaje como
mnimo). El mtodo es til para obtener informacin que no es fcil de recopilar
por observacin directa. La encuesta directa debe ser muy corta, precisa y no
sujeta a interpretaciones por parte del encuestado ni del encuestador. Su
procesamiento es fcil y directo. Tiene la desventaja de que puede provocar
molestias al usuario por la demora en su viaje que la encuesta significa.
ii. Encuesta a pasajeros. Esta modalidad es aplicable a pasajeros de modos de
transporte pblico, tales como micro, mnibus. Consiste en abordar a una
muestra aleatoria de pasajeros, ya sea a bordo del vehculo o en una
instalacin terminal, entrevistndolos para obtener informacin acerca del viaje
que estn realizando y acerca de sus caractersticas socioeconmicas.
iii. Mtodo de las placas. Este mtodo consiste bsicamente en ubicar
observadores a la orilla de la va, en todas las entradas y salidas del rea de
estudio, a fin de que anoten el nmero de la placa (y a veces el tiempo de
pasada) de cada vehculo. Las rutas seguidas por los vehculos pueden ser
posteriormente deducidas al hacer calzar los nmeros de las placas. Esta
tcnica es apropiada para seguir los desplazamientos del trnsito en
situaciones caracterizadas por un gran nmero de orgenes y destinos
enlazados por un sistema de calles complejo. La gran desventaja del mtodo
es que se requiere un gran esfuerzo para el anlisis y procesamiento de los
datos.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
103
El mtodo recomendado es la encuesta directa para todo tipo de vehculo y la
encuesta a pasajeros en los modos de transporte pblico. Por lo tanto debieran ser
utilizados por el analista salvo que los requerimientos especficos del proyecto le
aconsejen el uso de un mtodo alternativo.
Para la expansin es necesaria que al mismo tiempo se realicen la Ocupacin Visual y
Aforos vehiculares.
8.2 Encuestas de Preferencia Declarada
Las tcnicas de Preferencias Declaradas se refieren a un conjunto de metodologas
que se basan en juicios declarados por los individuos acerca de sus preferencias
sobre diferentes situaciones hipotticas. De esta manera es posible estudiar el
comportamiento de los individuos mediante la descripcin de situaciones en
determinados contextos.
Este tipo de encuesta surge como una alternativa frente a las tcnicas de preferencias
reveladas (o mediciones directas), las cuales se basan en el comportamiento
observado de los individuos. Esto se debe a que en determinadas situaciones es difcil
y a veces imposible obtener informacin sobre el comportamiento de los individuos.
Este es el caso de estudios sobre nuevas alternativas de transporte (un nuevo modo
de transporte o un nuevo trazado de camino), estudios sobre la valoracin de atributos
no medibles como la comodidad, la seguridad o el impacto ambiental, o estudios en
que existe correlacin inevitable entre atributos. Por lo tanto, este tipo de encuesta
puede ser aplicada a la eleccin de ruta, divisin modal, eleccin de destino del viaje,
eleccin de localizacin y a la valoracin subjetiva del impacto ambiental, entre otras
aplicaciones.
8.3 Informacin para el modelo de oferta.
8.3.1 Caractersticas fsicas de la red vial base.
La informacin referente a la oferta vial de transporte son las caractersticas fsicas de
la vialidad: longitud, ancho de calzada, nmero de carriles y estado del pavimento.
Tambin el sentido de circulacin, pasos a desnivel y giros permitidos, vas de
contraflujo y las horas en que estos operan, tramos de la red en tnel.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
104
Se debe identificar las restricciones de circulacin de vas exclusivas para autos o
vehculos ligeros o para ciertos tipos de camiones o carga peligrosa, as tambin para
sistemas de vas exclusivas para transporte pblico (BRT o Metro). Esta informacin
debe estar por cada perodo de modelacin.
8.3.2 Vialidad relevante de caminata.
Para los sistemas de transporte pblico masivo (BRT y Metro), es importante
identificar las longitudes de los enlaces de caminata que proporcionan acceso y salida
de las estaciones de estos sistemas y si son acceso/salida por caminata o por medio
de escaleras mecnicas o elevadores, etc. Igualmente se debe medir los tiempos
medios de recorrido o estimar valores de velocidades razonables para su modelacin.
8.3.3 Conectores centroides
La longitud de los conectores centroides debe tener un criterio razonable y ser
consistente con la naturaleza de la accesibilidad. Sin embargo, se recomienda en lo
posible tengan todos estos conectores longitudes similares.
8.3.4 Capacidad vial.
A partir de las caractersticas fsicas del sistema, se puede estimar la capacidad en
cada uno de los tramos de la red. La capacidad se define como el volumen mximo
que puede pasar por una seccin determinada en un periodo de tiempo determinado.
Para el transporte en la vialidad, la capacidad se define en trminos de vehculos/hora.
Para la capacidad vial de la red se debe tener en cuenta:
Manual de capacidad y niveles de servicio en intersecciones semaforizadas
Instituto Metropolitano de Planeamiento (IMP) - 1992.
Highway Capacity Manual (HCM) - 2000.
8.3.5 Intersecciones con semforos.
La autoridad de la gestin de trnsito local debe tener la ubicacin exacta de las
intersecciones semaforizadas en la red vial urbana del rea de estudio. Entonces, es
importante actualizar esta informacin y hacer una validacin en campo. Los datos
importantes que se debe tener son:
Ubicacin exacta de la interseccin, recomendable en sistema de informacin
geogrfica.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
105
Los tiempos de cada ciclo semafrico.
Si existe algn sistema de semforos coordinados, etc.
8.3.6 Tiempos de recorrido para viajes en autos y transporte pblico.
Con el fin de obtener las velocidades de operacin de la red vial de las principales
vialidades y evaluar las condiciones en las que operan, se deben desarrollar
mediciones de tiempos de recorrido por medio del mtodo del vehculo flotante, el cual
consiste en elegir un automvil aleatoriamente dentro de un grupo de vehculos y
seguirlo en el tramo de inters, imitando todas las actitudes del mismo, dejando pasar
tantos vehculos como los que se pasen. Se toman los datos mediante el uso de un
aparato de GPS. Los recorridos se llevaron a cabo para das entre semana en los
mismos perodos de modelacin. El tamao de muestra debe ser no menos de 3
mediciones por sentido, tipo de vialidad y por cada perodo.
Al mismo tiempo es importante la realizacin de la medicin de los tiempos de viaje en
las rutas de transporte pblico en aquellas vas de trnsito mixto. Esta medicin
normalmente se realiza en conjunto con otra actividad como Subida/Bajada de
pasajeros, etc.
El objetivo de hacerlo en forma conjunta es poder construir un modelo matemtico que
relacione los tiempos de autos y las rutas de transporte pblico segn tipo de vehculo
y luego generalizar para el resto de la red vial de trfico mixto.
8.4 Sistema de rutas transporte pblico
El planificador tiene que conocer el sistema de transporte con sus caractersticas
operacionales ms generales, tales como empresas, rutas, tipo y nmero de vehculos
y intervalos de las rutas. La conformacin de las rutas define la cobertura. El tipo y
nmero de vehculos y los intervalos definen la oferta del transporte. Es importante
tambin contar con informacin de terminales y puntos de transferencia.
8.4.1 Inventario de Rutas de Transporte Pblico y tiempos de viaje.
El inventario de todas las rutas de transporte pblico se debe realizar utilizando GPS
para determinar el recorrido exacto de las mismas, adems permitir medir los lugares
de paradas, demoras y tiempos de viaje.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
106
8.4.2 Estudio de Frecuencia de Paso
Este estudio tiene por objetivo contabilizar el nmero de vehculos por cada ruta de
combis, microbuses y buses (de colectivos si las hubiera) que pasan por un punto.
Bsicamente la informacin que se toma de cada vehculo corresponde a la hora de
paso, la ruta y el tipo de vehculo. Los resultados de este estudio son validados con el
estudio de aforo vehicular de transporte pblico, lo cual permite asegurar la calidad de
la informacin recopilada.
La importancia de esta informacin, radica en que el proceso de asignacin considera
como base el intervalo de cada ruta, por lo tanto esta informacin debe ser lo ms
actual y real posible.
8.5 Informacin de trnsito.
8.5.1 Aforos de vehculos.
Los volmenes de trnsito pueden ser entendidos como la utilizacin de la vialidad por
la demanda de transporte, su medicin se debe realizar cada 15 minutos por sentido.
Esta informacin es importante en la calibracin de los modelos de transporte o para
su utilizacin directa en estudios de corto plazo con la aplicacin de factores de
crecimiento por tramos. Hay tambin metodologa para su utilizacin como variable
para actualizar matrices origen-destino ya existente.
Es interesante mantener en el sistema de informacin todos los aforos realizados por
las entidades municipales en sus diferentes trabajos. Se debe desarrollar un
procedimiento de obtencin de la informacin, organizacin de la base de datos y
anlisis de congruencia de la informacin obtenida. La informacin debe estar siempre
clasificada por tipo de vehculo y ser lo ms desagregada posible, una clasificacin
que puede proponerse es la siguiente:
Motocicleta
Automviles de uso particular.
Taxis (distinguiendo los formales e informales de ser posible).
Colectivos o taxi colectivos
Mototaxi.
Combi (Con ruta de transporte pblico urbano).
Microbs (Con ruta de transporte pblico urbano).
mnibus Convencional (Con ruta de transporte pblico urbano).
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
107
mnibus Articulado (Con ruta de transporte pblico urbano).
Combi (Servicio Escolar u otro servicio).
Microbs (Servicio Escolar u otro servicio).
mnibus (Servicio Escolar u otro servicio incluye interprovincial).
Camiones Pequeos de 2 ejes (Capacidad de carga hasta 3.5Toneladas)
Camiones Grandes de 2 ejes (Capacidad de carga ms de 3.5 Toneladas)
Camiones de 3,4, ejes
Esta desagregacin de los aforos vehiculares permitir abordar muchos tipos de
proyectos, tanto en sistemas de transporte pblico o sistemas de transporte privado.
Algunos aspectos a considerarse:
En algunos lugares existe una fuerte presencia de vehculos de mototaxi y
cumplen una funcin por lo que siempre se debe considerar.
Los vehculos de transporte escolar es importante su presencia en las horas de
entrada salida de los estudiantes y se debe diferenciar estos tipos de vehculos
debido a que puede generar distorsin de los vehculos de transporte pblico.
Igualmente se debe identificar los vehculos de servicios tursticos.
En los puntos de acceso a la ciudad es relevante la presencia de vehculos de
transporte pblico interprovincial y se debe identificar por separado.
Separar los camiones pequeos de 2 ejes hasta de 3.5 toneladas es muy
importante para ser considerados en los proyectos de autopistas urbanas de
peaje.
La agregacin final de los aforos vehiculares, dependern de las matrices de viajes por
cada tipo de vehculo o sistema de transporte que tenga, en caso contrario se debe
adoptar un criterio razonable de precarga puntual en las vialidad de estos aforos.
8.6 Costos de operacin.
El costo de operacin se representa por el monto que implica tener en funcionamiento
las vehculos el cual incluye bsicamente el costo del combustible; los costos
relacionados con la distancia recorrida y; los costos que dependen de la cantidad de
tiempo que la unidad est en operacin.
En el caso del costo de operacin de los vehculos se sugiere utilizar la metodologa
elaborada por Banco Mundial (Archondo & Faiz, 1994) aplicables a la ciudad de Lima.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
108
En general, estas metodologas permiten relacionar la velocidad de operacin en la
red a una unidad determinada de transporte a un costo por dicho concepto, teniendo
expresiones matemticas del tipo:
i i i
i
i
L V d V c b
V
a
C . . .
2
(
+ + + =
Donde:
i
C = Costo de operacin por tramo i .
d c b a , , , , = coeficientes que dependen del tipo de terreno; del estado de la
superficie y; del tipo de vehculo.
i
L = longitud del tramo i (Km.)
i
V = Velocidad comercial en el tramo i [km/h]
Entonces, el costo de operacin entre un origen destino o por cada ruta de transporte,
ser la suma de los costos de cada segmento de la red.
8.7 Informacin de demanda en rutas de transporte pblico
La demanda de transporte es la representacin del deseo de desplazamiento de una
persona de un punto de origen a un destino. As, estos puntos tienen una ubicacin en
el espacio. Como es imposible la representacin individualizada de la demanda, sta
se agrega en reas. Lo interesante es que estas reas sean una agregacin de las
unidades estadsticas que en el mejor de los casos debe ser una manzana o zona de
trnsito.
8.7.1 Encuestas Origen Destino a bordo de rutas de Transporte Pblico.
La encuestas de origen destino a bordo de vehculos de transporte pblico tienen
como objetivo conocer las caractersticas de los viajes de los usuarios. Cada encuesta
origen destino puede preguntar la siguiente informacin al usuario:
- Ruta, hora de encuestas
- De dnde viene? (origen del viaje)
- Viene de su: casa, trabajo, escuela u otro.
- Adnde va? (destino del viaje)
- Va a su: casa, trabajo, escuela u otro.
- Cunto tiempo dura su viaje? (tiempo de recorrido)
- Utiliza otro vehculo en su viaje?
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
109
- En qu orden utiliza esos vehculos?
- Cul es su ingreso mensual?
- Cada cundo realiza este viaje? (frecuencia de viaje), etc.
Para obtener una matriz de viajes en la ruta, es necesario considera lo siguiente:
hacer conteos de subida y bajada en paraderos al mismo tiempo y en el mismo
vehculo donde se realice la encuesta origen - destino.
Las direcciones o lugares de origen destino, debe permitir codificar de
acuerdo a las zonas de trnsito.
La muestra de vehculos a encuestar debe ser representativo por sentido y en
los diferentes periodos de modelacin, se puede adoptar el 25% de vehculos
que operan en una hora o 1 vehculo de muestra por cada 15 minutos.
La muestra debe comenzar preferentemente al mismo en ambos sentidos de la
ruta.
Registrar el universo de los vehculos en operacin por hora sentido de la ruta,
durante todo el perodo de estudio.
Se recomienda que el vehculo muestreado sea diferente en cada muestra.
8.7.2 Estudio de Ocupacin Visual de transporte pblico y privado.
Este estudio se realizar simultneamente y en los mismos sitios que el de frecuencia
de paso por ruta y aforos vehiculares, y permite estimar el nmero total de pasajeros
que cruzan el tramo en intervalos de tiempo definidos (15 minutos).
El estudio consiste en apuntar para cada vehculo de transporte pblico y el privado la
hora y minuto que pas por el punto, el tipo de vehculo y la cantidad de personas que
ocupan, por sentido y durante el perodo de modelacin.
Se debe utilizar la siguiente tabla de conversin para poder obtener la cantidad de
pasajeros observados en determinado punto de la red.
Tabla 8-1 Ocupacin dentro del vehculo de transporte pblico.
Complete
Sentado 100%
De pie 50%
Sentados
100%
Sentados
50%
Casi vacio Vacio
Omnibus 77 50 33 17 8 0
Microbus 37 30 23 12 6 0
Combi 15 15 15 8 3 0
Ocupacin dentro del vehculo (Pasajeros)
Tipo de
Vehiculo
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
110
Esta tabla es utilizada desde el estudio (Sogelerg, CalyMayor, & Cesel, 1998) hasta la
actualidad, esto permite comparar los diferentes datos obtenidos hasta la fecha.
8.7.3 Estudio de Ascenso (Subida) y Descenso (Bajada) de Pasajeros.
Este estudio tiene por objetivo conocer el polgono de cargas de las rutas de
transporte estudiadas, adems de los principales puntos de ascenso y descenso de
pasajeros. Esta informacin permite revisar la ubicacin de paradas o de los cierres de
circuito, as como incrementar o reducir los recorridos, pero su utilizacin ms comn
es la determinacin de las secciones de mxima demanda.
Esta actividad se realizar con la participacin de personal a bordo del vehiculo. En
cada punto de parada se anotar la hora, la ubicacin, el nmero de pasajeros que
suben y el nmero de pasajeros que bajan de la unidad.
Como parte de los resultados obtenidos en esta actividad, se puede obtener: la
afluencia de usuarios a las principales paradas, polgonos de carga de las rutas,
ndices de rotacin, tiempo de recorrido total de la ruta y entre paradas, velocidad de
operacin y comercial, etc.
8.8 Informacin para pronsticos
8.8.1 Datos Socioeconmicos
El dato socioeconmico bsico para el estudio de la demanda, es la distribucin de la
poblacin. Este dato est disponible en el Instituto Nacional de Estadstica e
Informtica (INEI). Otro dato importante es la caracterstica econmica de esta
poblacin (los niveles de ingreso).
Los datos del INEI estn disponibles para los aos cuando se realiza el censo, de
1993 y 2007 a nivel de manzanas. Consecuentemente la informacin no est
disponible en los aos intermedios, siendo necesaria su estimacin por parte de los
planificadores. El INEI realiza tambin el censo econmico que provee datos de
empleo. La estimacin puede ser hecha proyectando tasas de crecimiento basadas en
las tendencias de los decenios anteriores, complementadas por un anlisis simple de
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
111
factores econmicos de crecimiento de la ciudad. Este anlisis puede ser mejorado
con datos complementarios de uso del suelo.
Una metodologa simple para hacer proyecciones, consiste en estimar inicialmente la
cantidad total de empleos y la poblacin para toda la ciudad. Despus se distribuye el
rea necesaria para el uso no residencial (ubicacin de los empleos). A continuacin
se hace la estimacin del rea residencial y se distribuye el rea, respetando valores
mximos de densidad de ocupacin para cada zona. La funcin de ocupacin debe
tener la forma presentada en la grfica siguiente.
La hiptesis es que las zonas se ocupan en un ritmo bajo al inicio. Con el tiempo, este
ritmo se acelera hasta llegar al punto en que pocos terrenos estn disponibles; es
entonces cuando el ritmo empieza a disminuir hasta llegar a su mximo.
Este anlisis puede ser mejorado utilizando variables de uso del suelo actual e
hiptesis de uso del suelo futuro.
8.8.2 Pronstico de tasa de motorizacin
Para el caso de transporte urbano, se han utilizado los siguientes modelos, el lector
interesado en ampliar el tema, puede recurrir a (Ortzar & Willumsen, 2001):
8.8.2.1 Extrapolacin en el tiempo
Est claro que la tasa de motorizacin no debera crecer indefinidamente en el tiempo,
por lo tanto, las curvas de crecimiento postulados tienen forma de S; de hecho, si se
grafica la variable autos/persona en funcin del tiempo.
Curva logstica de Tanner, para pronstico de tasa de motorizacin:
( )
|
|
\
|
+
=
0
0
0
0
exp 1
C S
S g
C
C S
S
C
t
t
Donde:
C
t
= Tasa de motorizacin en ao t.
C
0
= Tasa de motorizacin en ao base.
g
0
= Porcentaje de cambio de nmero de autos per cpita en ao base.
S = Nivel de saturacin de la tasa de saturacin.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
112
Objeciones a este mtodo.
S es fijo y permanece constante en el tiempo; esto no es realista, ya que las
actitudes cambian. Adems, incluso el mtodo usado para determinar S ha sido
criticado.
No entrega informacin sobre distintos tipos de autos o nmero de personas con 0,
1 y 2 y mas autos, lo que es muy importante para la planificacin.
No toma en cuenta variables econmicas; por lo tanto, si la correlacin de sta
cambia en el tiempo, se van a obtener malos resultados.
8.8.2.2 Mtodos economtricos.
Intenta explicar el comportamiento de los viajeros; generalmente usan datos para un
instante de tiempo (corte transversal). En sta lnea se ha propuesto varios mtodos,
los dos ms importantes son:
8.8.2.3 Mtodo de Quarmby y Bates (1970)
Utiliza dos parmetros, ingreso y densidad residencial, a pesar de que reconoce que
hay varios otros factores de inters, tales como tamao familiar y precio de los autos.
Las relaciones bsicas son:
o o
c b
o
o
o
D I
P
P
=
.
1
( )
1
1 1
1
2
exp .
c
D I b a
P
P
=
1
2 1
= + + P P P
o
( )
D c I b a
P P S
P
ln ln ln
1
ln
1 1 1
2 0
2
+ =
|
|
\
|
Donde:
I = Ingreso familiar anual (miles de $)
D = Densidad de residentes /Km
2
S = nivel de saturacin de P
2
.
i
P = Probabilidad de tener 0,1 y 2 y ms autos por hogar.
i i i
c b a , , = Parmetros a calibrar.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
113
8.8.2.4 Mtodo del RHTM (Bates 1978)
Este combina lo mejor de los dos anteriores; primeramente, se definen las siguientes
variables:
P(1+) = porcentaje de hogares con 1 o ms autos, con nivel de saturacin S(1+)
P(2+) = porcentaje de hogares con 2 o ms autos, con nivel de saturacin S(2+)
Por lo tanto, las probabilidades del mtodo anterior se pueden derivar como sigue:
( ) + = 1 1 P P
o
( ) ( ) + + = 2 1
1
P P P
( ) + = 2
2
P P
y,
(
(
|
|
\
|
+
+
= +
1
1
exp 1
) 1 (
) 1 (
b
t
t
t
P
I
a
S
P
(
(
|
|
\
|
+
+
= +
t
t
t
P
I
b a
S
P
2 2
exp 1
) 2 (
) 2 (
Donde (I
t
/P
t
) es el Ingreso familiar anual, deflactado por un ndice de precio de autos.
Para hacer estimaciones a futuro se debe suponer una cierta distribucin del ingreso
(por ejemplo tipo Gamma); para convertir los valores del modelo a autos/persona
( )
p
C , se pueden utilizar datos censales.
Es decir, por ejemplo: ) 2 ( . ) 1 ( + + + = P k P C
p
8.8.2.5 Desarrollo econmico y posesin de automvil
5
El nivel de posesin de autos en Amrica Latina es menor que los Comunidad
Europea. En la mayor parte de Amrica Latina la posesin de auto es visto como
5
European Transport Policy:Ideas for emerging countries Luis Willumsen PANAM XII Quito 2002.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
114
smbolo de estatus e indicador de progreso. A pesar de su relativa bajo nivel de
motorizacin, la congestin puede ser muy significativa en grandes ciudades Este es
de particular preocupacin, como la posesin de autos crecer con el crecimiento del
nivel de ingreso familiar colocando an ms presin en la infraestructura generando
ms demoras y emisiones.
El cual se resume en el siguiente grfico, al que se le ha denominado La trampa del
desarrollo.
En lo que se puede mostrar, que el desarrollo econmico (que trae consigo un
aumento de los ingresos), genera un incremento en la posesin de autos, originando
un mayor uso del automvil y reduccin el uso de transporte pblico generando una
afectacin al medio ambiente y reduccin en la calidad de vida.
Tabla 8-2 Desarrollo econmico y posesin de autos
Fuente: Luis Willumsen PANAM XII
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
115
Entonces, desde una perspectiva de pronstico de posesin de automvil, sta se
encuentra muy relacionada con el desarrollo econmico de las ciudades.
8.8.3 Uso del Suelo
Otra variable importante pero no siempre disponible y utilizada en la planeacin es el
uso del suelo. Este dato est disponible en los catastros de inmuebles para fines de
impuestos. Los catastros generalmente contienen ms informacin que la necesaria
para fines de planeacin; como valor de los inmuebles, nombre del dueo e impuestos
pagados. Es interesante obtener una base de datos parcial que contenga datos
agregados por manzana de los siguientes atributos:
Manzana
Tipo de inmueble :
o Industria pesada
o Industria ligera
o Comercio grande (plazas comerciales, grandes tiendas)
o Comercio pequeo
Servicios pblicos y privados
Escuelas
Hospitales
rea construida
rea de terreno
nmero de pisos
rea del terreno ocupada por construccin
8.8.4 Actividades Econmicas y Productivas Relevantes
La informacin relativa a la caracterizacin de las principales actividades econmicas y
productivas que nos permitan conocer y establecer una adecuada relacin con los
volmenes y estructura espacial de los flujos que se registran entre las distintas zonas
que el rea de influencia involucra. Para tal efecto, deber establecerse la localizacin
geogrfica de las principales actividades.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
116
8.8.5 Equipamiento
En el transporte urbano cierta proporcin de los viajes de personas que se realizan
puede explicarse por las diferencias de equipamiento disponibles entre distintas zonas.
En este sentido el equipamiento constituye una variable clave a considerar en la
calibracin de modelos de atraccin de viajes.
Las variables de equipamiento que se recomienda considerar son los servicios
pblicos, comercio, servicios privados, establecimientos de educacin y salud, etc.
Estos servicios pueden ser expresados en trminos cuantitativos utilizando variables
tales como nmero de plazas en establecimientos educacionales, nmero de camas
de hospital, m
2
en comercio y servicios, etc. y debe quedar claramente establecida su
localizacin espacial.
8.8.6 Aspectos Urbano-Ambientales
El objetivo de este diagnstico es poder visualizar y describir en forma global la
situacin urbana del rea en que se encuentra inserto el proyecto bajo anlisis de tal
manera de analizar la consistencia entre la funcin transporte de la va bajo anlisis y
los usos de suelo adyacentes.
Adems se pretende identificar el carcter y rol urbano del espacio objeto de la
intervencin, caracterizando adecuadamente los distintos elementos propios de la
plataforma pblica tales como usos de suelo, bordes constituyentes y actividad
vehicular y peatonal, describiendo y analizando las caractersticas urbano-espaciales,
la normativa urbana respectiva.
En sntesis producto de esta actividad se elaborar un plano de condicionantes que
constituye una herramienta grfica de importancia y mxima utilidad para la
percepcin de la interaccin entre los componentes urbanos, viales y la normativa
correspondiente.
Este plano debe incorporar como mnimo los siguientes elementos: identificacin de
condicionantes fsicas (edificios, parques, elementos de la infraestructura y del medio
natural); condicionantes normativas; e identificacin de condicionantes de valoracin y
de percepcin ciudadana (hitos, usos, elementos de percepcin y de la estructura
social).
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
117
8.8.7 Tendencias
Dado que la modelacin requiere realizar proyecciones, resulta conveniente lograr una
apreciacin del potencial de crecimiento de las actividades de mayor relevancia en
trminos de generacin y atraccin de flujos. Ello puede quedar expresado en la
evolucin de las distintas variables explicativas de los modelos de generacin y
atraccin de viajes y puede estar asociado a la evolucin de la poblacin, de su nivel
de ingresos y/o a la materializacin proyectos productivos o industriales cuya
ejecucin ya est decidida, o que podran llevarse a cabo si el proyecto vial se
materializa.
Parte de esta informacin puede obtenerse mediante consultas a autoridades pblicas,
empresarios locales, cmaras de comercio, asociaciones gremiales, etc.
La informacin recogida se resumir en un catastro de proyectos y un cuadro de
tendencias de cada una de las variables explicativas.
Tambin debe obtenerse informacin socio-econmica con el fin de vincular las
actividades y estas variables econmicas. En este contexto interesar, por ejemplo,
variables como el nivel de PBI y su tasa de crecimiento.
8.8.8 Transporte Pblico
Esta seccin contiene la definicin de procedimientos para la obtencin de informacin
que permita caracterizar el transporte pblico de pasajeros en el rea de anlisis de
impactos del proyecto.
Esta seccin debe ser considerada cuando los requerimientos especficos del proyecto
impliquen la necesidad de incluir divisin modal en la modelacin.
Tambin se requiere cuando se espera, como consecuencia de la ejecucin de los
proyectos o del desarrollo futuro del sistema de actividades, cambios importantes en
los recorridos, frecuencias, tarifas u otras caractersticas de los servicios de transporte
pblico de pasajeros.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
118
9 PRESENTACIN DE INFORME
El proceso de modelacin de transporte sienta la base de toda la credibilidad de un
proyecto determinado, la presentacin de los resultados o del reporte final debe tener
las siguientes caractersticas:
i. Claridad en la redaccin con tablas, grficos e imgenes en un formato nico.
ii. Razonabilidad en la calibracin del modelo.
iii. La calibracin del modelo debe ser auditable y reproducir todos los indicadores
reportados.
iv. La disponibilidad de los datos tanto el original como el final.
v. Se debe incluir cualquier informacin que permita generar mayor confianza y
credibilidad de los resultados obtenidos.
vi. Tambin se debe mencionar las debilidades del modelo de transporte, de tal
manera que cualquier analista econmica - financiero pueda valorar este factor
dentro de sus anlisis de riesgos.
A continuacin se indican aspectos importantes que debe contener la presentacin del
informe.
9.1 Formato de presentacin base de datos.
Con el objetivo de mantener un criterio de uniformidad en la presentacin de las bases
de datos, estos deben estar en los siguientes formatos.
Las tablas y grficos utilizados en el informe central, en formato *.xls
Base de datos tabulares, en formato *.txt, *.dbf
Base de datos de sistema de informacin geogrfica, debe estar en formato *.shp,
adems en su formato nativo.
9.2 Fuente de datos secundaria
La informacin relevante a reportar son:
Fuente de la informacin secundaria, de preferencia de instituciones serias.
Un resumen de la metodologa empleada.
Fecha de actualizacin. Aqu importa la fecha de actualizacin de los datos y la
fecha del reporte.
Entregar, la base de datos original y el final despus de haber sido analizado y
depurado.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
119
9.3 Fuente de datos primaria.
Se refiere a los datos recopilados por el consultor en el estudio determinado, se debe
reportar lo siguiente:
Objetivo de los trabajos de campo.
Resultados de las pruebas piloto.
Metodologa para estimacin del tamao de muestra.
Metodologa de codificacin de los datos.
Descripcin del protocolo de la depuracin y validacin de los datos recopilados.
Metodologa de expansin de la muestra.
Memoria descripcin de los campos o columna de datos.
Los formatos de las encuesta empleadas.
Ubicacin exacta de los trabajos de campo, de preferencia en una capa de puntos
con coordenadas de GPS.
Base de datos original y el depurado en formato lo ms general posible.
9.4 Construccin de los modelos.
La construccin de los modelos de transporte, en todas sus fases debe ser lo ms
transparente posible, para ello se debe presentar la siguiente informacin.
Banco de datos del modelo calibrado por cada periodo de modelacin en formato
nativo del software utilizado.
El banco de datos calibrado pero en formato general y con una descripcin de los
datos de fuente primaria o secundaria cargados utilizados y que puede ser ledo
por cualquier software de planeacin. Particular atencin es al formato de rutas de
transporte pblico, que debe ser entregado como una secuencia de nodos,
consistentes con el archivo de nodos del banco de datos.
Los reportes de calibracin reportados y los requeridos, deben ser obtenidos con
estas dos banco de datos, sin necesidad de efectuase la asignacin nuevamente.
Banco de datos con la implementacin de los diferentes proyectos tanto en formato
nativo y en formato general para ser ledo por cualquier otro software de
planeacin. Respecto a las rutas de transporte pblico seguir la recomendacin
anterior.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
120
Con el propsito de replicar los resultados de asignacin de calibracin o de un
escenario de proyecto, se debe entregar los cdigos de macros o script utilizado en
cada caso y una gua de instructivo para la aplicacin de la secuencia de cdigos.
Las macros o script deben replicar todos los resultados entregados en los reportes
del informe central, entonces debe ser transparentes todos los supuestos,
parmetros empleados para la obtencin de los resultados.
Aunque redundante, es necesario que se entregue en forma digital las matrices
individuales iniciales y finales en formato *.dbf y en formato nativo del software, por
cada perodo y una breve descripcin de su contenido.
9.5 Reporte de indicadores importantes.
El escenario antes de un proyecto, se refiere al modelo calibrado y pronosticado hacia
los aos horizonte, es decir el sin proyecto es como si no realizara ningn cambio al
modelo calibrado (o el escenario calibrado mejorado segn corresponda).
Es importante que la informacin entregada sea por cada periodo de modelacin, as
tambin el resultado expandido al da y por cada ao horizonte analizado:
Vehculo kilmetros, antes y despus de un proyecto y de cada uno de los
escenarios.
Pasajero hora, antes y despus de un proyecto y de cada escenario
desarrollado.
Tiempos promedio de viaje en vehculo (auto o transporte pblico) antes y despus
de un proyecto por modo y motivo de viaje al menos.
Longitud promedio recorrido antes y despus de un proyecto por modo y motivo de
viaje.
Tiempos de caminata, espera y cantidad de transbordos antes y despus de un
proyecto.
Cambio modal en los aos horizonte, como impacto de variables de polticas
pblicas.
Polgono de carga de rutas de transporte emblemticos o de un proyecto de
transporte pblico antes y despus del proyecto.
Para proyectos de transporte pblico, reportar la matriz de viajes entre paraderos o
estaciones de rutas emblemticas.
PER
Ministerio
de Transportes
Y Comunicaciones
Viceministerio
de Transportes
Secretara Tcnica del
Consejo de Transporte de
Lima y Callao
121
Grficamente en el software nativo, se debe generar planos digitales al menos en
tamao A3 o ms grande, los resultados de la asignacin por cada modo y las
datos visibles en la asignacin de la red vial, a su vez estos debe ser replicables
con los entregas ya mencionadas.
Bibliografa
Archondo, R. S., & Faiz, A. (1994). Estimating Vehicle Operating Costs. Washington D.C.: World
Bank.
Cal y Mayor, R., & Crdenas, J. (2006). Ingeniera de Trnsito, Fundamentos y Aplicaciones 8va
Edicin. Ciudad de Mxico: AlfaOmega.
Diaz, R., Chang, M., & Autores, O. (2004). Characteristics of Bus Rapid Transit for Decision-Making.
Washington: Federal Transit Administration - U.S. Department of Transportation.
EMME3. (2009). Emme User's Guide Ver 3.2.2. Montreal, Canada: INRO.
Guevara, C. A., & Thomas, A. (2009). About Multiple Classification Analysis in Trips Production
Models. Santiago de Chile: Transport Policy.
Hook, W., & Wright, L. (2007). Bus Rapid Transit - Planning Guide. New York, USA: institute for
Transportation & Development Policy.
INEI. (2009). Planos Estratificados de Lima Metropolitana a nivel de Manzanas. Insituto Nacional de
Estadisticas e Informtica. Lima: Insituto Nacional de Estadisticas e Informtica.
MTC/JICA. (2004). Plan Maestro de Transporte Urbano para el rea Metropolitana de Lima y Callao.
Lima: Ministerio de Transportes y Comunicaciones - Agencia de Cooperacion Internacional de Japn
(JICA).
Koppelman, F. S., & Bhat, C. (2006). A Self Instructing Course in Mode Choice Modeling:
Multinomial and Nested Logit Models. USA: U.S. Departement of Transportation, Federal Transit
Administration.
Martinez, M. (2001). Actualizacin de los modelos de eleccin autobus y tren pesado. Lima:
Autoridad Autnoma del Tren Elctrico.
MED. (2008). Ministerio de Educacin. Lima y Callao.
MIDEPLAN. (2008). Metodologia de Analisis de Sistemas de Transporte de Ciudades de Tamao
Medio. Santiago de Chile, Chile: Ministerio de Planificacin.
Ortzar, J. d., & Willumsen, L. G. (2001). Modelling Transport Third Edition. England: John Wiley &
Sons, Ltd.
Sogelerg, Cal y Mayor, & Cesel. (1998). Estudio Complementario de la Red del Metro de Lima. Lima:
Autoridad Autonoma del Sistema de Tren Electrico.
TransCAD50. (2008). Travel Demand Modeling with TransCAD 5.0 User's Guide. Boston, USA:
Caliper Corp.
VISUM10. (2007). PTV Vision VISUM 10 User Manual. Portland, USA: PTV America.