982anal modelos gen atra viajes inf final correg
TRANSCRIPT
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
1/73
ANLISIS Y FORMULACIN DE NUEVOS MODELOS DEGENERACIN Y ATRACCIN DE VIAJES
Para: Ministerio de Planificacin y CooperacinMIDEPLAN
INFORME FINAL
Santiago, Juliode 2010
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
2/73
Apoquindo 3650 Of. 902Santiago Chile
Telfono 435 0099Fax 435 0258
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
3/73
NDICE
1. INTRODUCCIN................................ ................................ ................................ ..............82. RECOPILACIN DE ANTECEDENTES Y REVISIN METODOLGICA (TAREA 1)..........12
2.1 Actualizacin Metodologa Anlisis Sistema de Transporte de Ciudades de Gran Tamao yTamao Medio (MESPE) MIDEPLAN - SECTRA (2008)........................................................132.1.1 Definicin de rea de Estudio y Zonificacin....................................................222.1.2 Definicin del Contexto Temporal del Anlisis.................................................272.1.3 Definicin de Cortes Temporales de Proyeccin...............................................282.1.4 Perodos de Anlisis................................................................................................292.1.5 Definicin de Tipo de Viajes a Considerar: Interzonales,
Intrazonales...............................................................................................................342.1.6 Definicin de la Categorizacin de la Demanda.................................................35
2.2 Anlisis y Actualizacin Modelo ESTRAUS, MIDEPLAN - SECTRA (2005).....................372.2.1 Modelos de Generacin de Viajes........................................................................382.2.2 Modelos de Atraccin de Viajes...........................................................................42
2.3 Actualizacin de Encuestas Origen y Destino de Viajes, V Etapa, MIDEPLAN-SECTRA(2003)...................................................................................................................................................502.3.1 Resultados Generales Sobre Generacin de Viajes............................................512.3.2 Resultados Generales Sobre Atraccin de Viajes...............................................542.3.3 Resultados Generales Sobre Distribucin Horaria de Viajes...........................572.3.4 Resultados Tasas de Viaje segn Nivel de Ingreso............................................58
2.4 Anlisis, Desarrollo y Evaluacin de Proyectos Urbanos, III Etapa. Efectos UrbanosFuturos en Santiago (EFFUS)..........................................................................................................602.4.1 Principales Resultados del Estudio.......................................................................622.4.2 Conclusiones del Estudio.......................................................................................67
2.5 Multiple Classification Analysis in Trip Production Models. C. Guevara and A. Thomas.Transport Policy 14, 514-522 (2007).............................................................................................68
2.6 Actualizacin Modelos de Poblacin y Socioeconmicos para el Crecimiento Urbano deSantiago, Transantiago (2007).........................................................................................................70
2.7 Diagnstico del Sistema de Transporte Urbano de la Conurbacin Coquimbo - La Serena, Iy II Etapa, MIDEPLAN SECTRA (2000)..................................................................................71
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
4/73
2
MIDEPLAN-SECTRA
2.8 Diagnstico del Sistema de Transporte Urbano de la Ciudad de Los ngeles, I y II Etapa.MIDEPLAN SECTRA (1998)...................................................................................................74
2.9 Actualizacin de Encuestas Origen y Destino de Viajes, IV Etapa - Los ngeles,MIDEPLAN SECTRA (2005)...................................................................................................77
2.10 Anlisis y Recoleccin de Informacin del Sistema de Transporte Urbano, III Etapa,MIDEPLAN SECTRA (2008)......................................................................................................78
2.11 Anlisis y Desarrollo de la Red de Metro (2009).........................................................................782.12 Resumen y Conclusiones..................................................................................................................93
3. ANLISIS CRTICO DE LOS MODELOS ACTUALES (TAREA 2)................................ ......963.1 Modelos Invariantes en el Tiempo y en el Espacio......................................................................973.2 Modelos No Incluyen Cambios Demogrficos de la Poblacin (estructura del hogar)..........983.3 Modelos No Estn Afectos a Cambios en los Niveles de Servicio............................................993.4 Modelos Poseen Supuestos Muy Restrictivos en las Formas Funcionales............................1043.5 Variables Incluidas Para la Categorizacin de Hogares No Explican Satisfactoriamente el
Fenmeno.........................................................................................................................................1043.6 Proyeccin de Viajes se Sobrestima Producto de Cambios en los Niveles de Ingreso .......1053.7 Restricciones que impone el uso de los modelos ESTRAUS y VIVALDI............................1063.8 Anlisis de Correlacin o Interdependencia entre Tipos de Viajes........................................1073.9 Proyeccin Futura de las Variables Explicativas Consideradas..............................................107
3.9.1 Modelos ARIMA..................................................................................................1093.9.2 Modelos de Funcin de Transferencia..............................................................1123.9.3 Proyeccin del Nivel de Ingreso del Hogar......................................................1133.9.4 Proyeccin de Tamao de Hogar.......................................................................1143.9.5 Proyeccin de Nmero de Autos por Hogar o Disponibilidad de
Auto de los Viajeros (tasa de motorizacin)....................................................1153.10 Principales ventajas y limitaciones de los actuales modelos....................................................1163.11 Eventuales Fuentes de Mejora Para los Nuevos Modelos de Generacin y Atraccin de
Viajes.................................................................................................................................................1163.12 Resumen y Conclusiones...............................................................................................................118
4. REVISIN DE LITERATURA RELEVANTE Y EXPERIENCIA INTERNACIONAL (TAREA 3)1194.1 Modelos Estadsticos de Construccin de Tasas de Generacin de Viajes...........................122
4.1.1 Anlisis de Clasificacin Mltiple con Grupos Homogneos.......................1234.1.2 Anlisis de Clasificacin Mltiple con Grupos Heterogneos......................1234.1.3 Mnimos Cuadrados Ordinarios con Variables Dicotmicas........................124
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
5/73
3
MIDEPLAN-SECTRA
4.1.4 Tasas Simples por Categoras.............................................................................1244.2 Modelos Economtricos (Explicativos) de Construccin de Tasas y Volmenes de
Generacin de Viajes......................................................................................................................1244.2.1 Modelo de Regresin Lineal Mltiple..............................................................1254.2.2 Modelo Truncado de Regresin Lineal Mltiple (Maddala, 1983;
Cotrus et al, 2005)................................................................................................1264.2.3 Modelo Poisson (Jang, 2005).............................................................................1264.2.4 Modelo Binomial Negativa (Long, 1997).........................................................1274.2.5 Modelo Logit Ordenado (Sheffy, 1979; Cameron y Trivedi, 1998).............1274.2.6 Modelos Regresin Lineal Mltiple con Correlacin Espacial
(Anselin, 1988)......................................................................................................127
4.2.7 Modelo de Regresin Lineal Mltiple con Heterogeneidad (Paezet al, 2005).............................................................................................................136
4.3 Transferibilidad Temporal y Espacial de los Modelos..............................................................1374.4 Anlisis de Algunos Estudios Internacionales............................................................................138
4.4.1 Goulias et al (1994)..............................................................................................1394.4.2 Kwigizile y Tengo (2009)...................................................................................1434.4.3 Liya et al (2008)....................................................................................................1444.4.4 Kumar y Levinson (1992)...................................................................................1454.4.5 Oyedepo y Makinde (2009)................................................................................1464.4.6 Paez et al (2005)...................................................................................................1464.4.7 Badoe (2007).........................................................................................................147
4.5 Recoleccin de Antecedentes y Fuentes de Informacin..........................................................1484.6 Resumen y Conclusiones...............................................................................................................150
5. RECOMENDACIONES GENERALES SOBRE LA ESTRUCTURA Y ESPECIFICACIN DELOS MODELOS................................ ................................ ................................ ............153
6.
PROPUESTA DE NUEVAS ESPECIFICACIONES (TAREA 4)................................ ...........159
6.1 Anlisis de la Informacin Disponible Para la Calibracin.....................................................1626.2 Definicin de Tipos de Viaje Relevantes....................................................................................1656.3 Resultados Exploratorios Preliminares........................................................................................167
6.3.1 Modelo Generacin de Viajes, Punta Maana, Trabajo, BHI.......................1716.3.2 Modelo Generacin de Viajes, Punta Maana, Estudio-1, BHI...................1776.3.3 Modelo Generacin de Viajes, Punta Maana, Estudio-2, BHI...................179
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
6/73
4
MIDEPLAN-SECTRA
6.3.4 Modelo Generacin de Viajes, Punta Maana, Estudio-2,BHR+NBH.............................................................................................................180
6.3.5 Modelo Generacin de Viajes, Punta Tarde, Todos los Propsitos,BHI..........................................................................................................................182
6.3.6 Modelo Agregado de Generacin de Viajes, Punta Maana,Trabajo, BHI..........................................................................................................184
6.3.7 Modelo Agregado de Atraccin de Viajes, Punta Maana, Trabajo,BHI+NBH..............................................................................................................186
6.3.8 Casos Especiales con Bajo Ajuste Explicativo y Predictivo.........................1886.3.9 Casos Especiales con Intercepto Negativo.......................................................188
7. CALIBRACIN DE MODELOS DE GENERACIN Y ATRACCIN DE VIAJES (TAREA 5)1907.1 Resumen de los Modelos Calibrados...........................................................................................1917.2 Modelos Desagregados de Generacin de Viajes......................................................................195
7.2.1 Modelos Punta Maana.......................................................................................1957.2.2 Modelos Fuera de Punta......................................................................................2117.2.3 Modelos Punta Tarde...........................................................................................223
7.3 Modelos Agregados de Generacin de Viajes............................................................................2397.3.1 Modelos Punta Maana.......................................................................................2397.3.2 Modelos Fuera de Punta......................................................................................2547.3.3 Modelos Punta Tarde...........................................................................................266
7.4 Modelos Agregados de Atraccin de Viajes...............................................................................2807.4.1 Modelos Punta Maana.......................................................................................2807.4.2 Modelos Fuera de Punta......................................................................................2947.4.3 Modelos Punta Tarde...........................................................................................308
8. APLICACIN DE LOS NUEVOS MODELOS EN FASE PREDICTIVA (TAREA 6)..............3138.1 Metodologa de Proyeccin de Variables Explicativas.............................................................317
8.1.1
Proyeccin del Ingreso Comunal.......................................................................318
8.1.2 Proyeccin del Tamao del Hogar.....................................................................3218.1.3 Proyeccin tasa de motorizacin........................................................................323
8.2 Modelos Desagregados de Generacin de Viajes......................................................................3258.2.1 Modelos Punta Maana.......................................................................................3258.2.2 Modelos Fuera de Punta......................................................................................3408.2.3 Modelos Punta Tarde...........................................................................................351
8.3 Modelos Agregados de Generacin de Viajes............................................................................366
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
7/73
5
MIDEPLAN-SECTRA
8.3.1 Modelos Punta Maana.......................................................................................3668.3.2 Modelos Fuera de Punta......................................................................................3788.3.3 Modelos Punta Tarde...........................................................................................389
8.4 Modelos Agregados de Atraccin de Viajes...............................................................................4028.4.1 Modelos Punta Maana.......................................................................................4028.4.2 Modelos Fuera de Punta......................................................................................4158.4.3 Modelos Punta Tarde...........................................................................................427
8.5 Resumen de Modelos y Anlisis Complementarios..................................................................4308.5.1 Resumen de los Mejores Modelos.....................................................................4318.5.2 Modelos que Representan la Mayor Parte de los Viajes................................4358.5.3 Modelos Agregados vs Desagregados: Capacidad Predictiva.......................4378.5.4 Comparacin con Anteriores Modelos de ESTRAUS....................................438
8.6 Anlisis Comparativo Agregado de Predicciones 2006: Nuevos Modelos vs Tasas Simples4398.6.1 Perodo Punta Manaa 2006...............................................................................4408.6.2 Perodo Fuera de Punta 2006..............................................................................448
8.7 Anlisis de una Simulacin ESTRAUS Para el Corte Temporal 2010..................................4548.7.1 Introduccin...........................................................................................................4548.7.2 Vectores de Viajes................................................................................................4558.7.3 Resultados Simulacin Punta Maana..............................................................4588.7.4 Resultados Simulacin Fuera de Punta.............................................................4708.7.5 Simulacin Punta Tarde.......................................................................................478
8.8 Anlisis de una Simulacin ESTRAUS Para el Corte Temporal 2015..................................4828.8.1 Introduccin...........................................................................................................4828.8.2 Vectores de Viajes................................................................................................4838.8.3 Resultados Simulacin Punta Maana..............................................................4868.8.4 Resultados Simulacin Fuera de Punta.............................................................4968.8.5 Simulacin Punta Tarde.......................................................................................504
8.9 Conclusiones Simulaciones...........................................................................................................5089. DESARROLLOS COMPLEMENTARIOS................................ ................................ ........509
9.2 Calibracin del Modelo de Generacin de Viajes con Heterogeneidad Espacial.................5109.3 Calibracin del Modelo Combinado de Generacin-Distribucin de Viajes........................5179.4 Calibracin del Modelo de Generacin de Viajes Intrazonales...............................................521
9.4.1 Modelos Desagregados de Generacin de Viajes Punta MaanaIntrazonales............................................................................................................521
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
8/73
6
MIDEPLAN-SECTRA
9.4.2 Modelos Desagregados de Generacin de Viajes Fuera de PuntaIntrazonales............................................................................................................529
9.5 Calibracin del Modelo de Generacin de Viajes Externos viajes externos.........................5369.5.1 Anlisis de la Informacin Disponible Para la Calibracin...........................5369.5.2 Variables explicativas utilizadas........................................................................5369.5.3 Modelo de Generacin, Punta Maana............................................................5379.5.4 Modelo de Generacin, Fuera de Punta..........................................................5389.5.5 Modelo de Generacin, Punta Tarde................................................................540
9.6 Calibracin de Modelos de Generacin de Viajes Sin Incluir la Variable Asociada aDisponibilidad del Metro...............................................................................................................541
9.7 Modelos Desagregados de Generacin de Viajes......................................................................5429.7.1 Modelos Punta Maana.......................................................................................5429.7.2 Modelos Fuera de Punta......................................................................................5449.7.3 Modelos Punta Tarde...........................................................................................546
9.8 Modelos Agregados de Generacin de Viajes............................................................................5489.8.1 Modelos Punta Maana.......................................................................................5489.8.2 Modelos Fuera de Punta......................................................................................550
9.9 Modelos Agregados de Atraccin de Viajes...............................................................................5519.9.1 Modelos Punta Maana.......................................................................................551
10. CALIBRACIN DE MODELOS DE GENERACIN PARA LOS NGELES........................ 55310.1 Anlisis de la Informacin Disponible Para la Calibracin.....................................................55310.2 Definicin de Tipos de Viaje Relevantes....................................................................................55410.3 Variables explicativas utilizadas...................................................................................................55610.4 Resumen de los Modelos Calibrados...........................................................................................55810.5 Modelos Desagregados de Generacin de Viajes......................................................................560
10.5.1 Modelos Punta Maana.......................................................................................56010.5.2 Modelos Fuera de Punta......................................................................................569
10.6 Modelos Agregados de Generacin de Viajes............................................................................57810.6.1 Modelos Punta Maana.......................................................................................57810.6.2 Modelos Fuera de Punta......................................................................................586
10.7 Modelos Agregados de Atraccin de Viajes...............................................................................59510.7.1 Modelos Punta Maana.......................................................................................59510.7.2 Modelos Fuera de Punta......................................................................................602
11. CALIBRACIN DE MODELOS DE GENERACIN PARA LA SERENA-COQUIMBO........613
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
9/73
7
MIDEPLAN-SECTRA
11.1 Anlisis de la Informacin Disponible Para la Calibracin.....................................................61311.2 Definicin de Tipos de Viaje Relevantes....................................................................................61411.3 Variables explicativas utilizadas...................................................................................................61611.4 Resumen de los Modelos Calibrados...........................................................................................61711.5 Modelos Desagregados de Generacin de Viajes......................................................................619
11.5.1 Modelos Punta Maana.......................................................................................61911.5.2 Modelos Fuera de Punta......................................................................................628
11.6 Modelos Agregados de Generacin de Viajes............................................................................63711.6.1 Modelos Punta Maana.......................................................................................63711.6.2 Modelos Fuera de Punta......................................................................................645
11.7 Modelos Agregados de Atraccin de Viajes...............................................................................65411.7.1 Modelos Punta Maana.......................................................................................65411.7.2 Modelos Fuera de Punta......................................................................................662
12. CONCLUSIONES................................ ................................ ................................ ..........67213. REFERENCIAS BIBLIOGRFICAS................................ ................................ ............... 677
ANEXOS MAGNTICOS
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
10/73
8
MIDEPLAN-SECTRA
1. INTRODUCCIN
En el mes de Mayo de 2009, el Ministerio de Planificacin y Cooperacin
(MIDEPLAN) invit en a presentar propuestas para la realizacin del estudio "Anlisis y
Formulacin de nuevos Modelos de Generacin y Atraccin de Viajes", cuyo objetivo
general, segn se establece en las Bases Tcnicas de los Trminos de Referencia, y como
referencia el nombre del estudio, es el de actualizar los modelos de generacin y
atraccin de viajes utilizados para alimentar a los modelos ESTRAUS y VIVALDI,
formulando nuevas especificaciones que permitan superar las falencias detectadas
en su uso.
Los objetivos especficos definidos dentro de las mismas bases de licitacin
son los siguientes:
I. Realizacin de un Anlisis Crtico de los Actuales Modelos de
Generacin y Atraccin de Viajes: se debern identificar todas las
limitaciones de los modelos que son usados actualmente, de modo de guiar
el desarrollo de nuevas especificaciones.
II. Revisin de Literatura Relevante y Experiencia Internacional enModelos de Generacin y Atraccin de Viajes: se puso especial cuidado
en aquellas experiencias que superen las dificultades detectadas en los
modelos usados actualmente en la prctica nacional.
III. Proposicin y Calibracin de Nuevos Modelos de Generacin y
Atraccin de Viajes: las nuevas especificaciones debern superar las
falencias detectadas en los modelos usados actualmente en el pas. Fue
necesario tener especial cuidado en la capacidad predictiva de las nuevas
formulaciones y su compatibilidad con los modelos ESTRAUS y VIVALDI.
IV. Aplicacin de los nuevos modelos de Generacin y Atraccin de Viajes :
se efectu una aplicacin de los nuevos modelos para los cortes temporales
2010 y 2015 para el caso de la ciudad de Santiago, obtenindose resultados
que podrn ser comparados con los obtenidos con las especificaciones
actuales.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
11/73
9
MIDEPLAN-SECTRA
Las tareas que son necesarias de desarrollar para lograr los objetivos
generales y especficos del presente estudio son las siguientes:
Tarea 1: Recopilacin de Antecedentes y Revisin Metodolgica.
Tarea 2: Anlisis Crtico de los Modelos Actuales
Tarea 3: Revisin de Literatura Relevante y Experiencia Internacional
Tarea 4: Propuesta de Nuevas Especificaciones
Tarea 5: Calibracin de Modelos de Generacin y Atraccin de Viajes
Tarea 6: Aplicacin de los Nuevos Modelos en Fase Predictiva
Sin embargo, y como se detalla en la descripcin de metodologas generales
y especficas (Captulo C de la Propuesta Tcnica entregada), para obtener predicciones
satisfactorias, especialmente en la generacin de viajes (Tarea 6), fue necesario
incorporar una nueva tarea de ndole adicional a las exigidas en las bases tcnicas, la
cual hace referencia a la prediccin de las mismas variables explicativas que alimentan
los modelos.
La metodologa de detalle para abordar cada una de las 7 Tareas que
conforman el presente estudio se expuso en la Propuesta Tcnica. En trminos globales,
la metodologa general para lograr una adecuada actualizacin de los modelos de
generacin y atraccin de viajes se basa en la realizacin de una exhaustiva revisin
bibliogrfica que incorpore el estado del arte y de la prctica de este tipo de modelos,
tanto a nivel nacional como internacional, y en la posterior proposicin, diseo y
construccin de modelos economtricos que consideren el uso de tcnicas avanzadas que
permitan superar las falencias hasta ahora detectadas en la elaboracin y proyeccin de
vectores de generacin (y atraccin) de viajes.
El presente documento corresponde al Informe Final y reporta la totalidad de
actividades correspondientes a las Tareas 1 hasta la 7.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
12/73
10
MIDEPLAN-SECTRA
En el Captulo 2 se describe la Recopilacin de Antecedentes y Revisin
Metodolgica (Tarea 1); este Captulo se centra principalmente en el estado de laprctica respecto a la experiencia nacional en el contexto de los estudios y metodologas
de sistemas de transporte urbano.
En el Captulo 3 se presenta el Anlisis Crtico de los Modelos Actuales
(Tarea 2), anlisis que se desprende de los antecedentes recopilados en el Captulo
anterior y de la experiencia del equipo consultor en esta materia.
En el Captulo 4 se reporta la Revisin de la Literatura Relevante y la
Experiencia Internacional (Tarea 3), adems de aplicaciones especficas de ciertas
metodologas que podran adaptarse a la realidad chilena.
En el Captulo 5 presentamos un conjunto de recomendaciones y
proposiciones concretas respecto a innovaciones en la estructura y especificacin de los
modelos a considerar como parte del presente Estudio.
En el Captulo 6 se describe la Propuesta de Nuevas Especificaciones (Tarea
4); este Captulo se centra principalmente en describir variables explicativas causales,
tanto para modelos agregados como desagregados, que permitiran explicar de mejor
forma el fenmeno estudiado. Planteamos aspectos innovadores que fueron incluidos
como parte de la propuesta tcnica a fin de determinar la conveniencia o no de tales
innovaciones. Se presentan estimaciones de ndole preliminar a fin de probar diferentes
especificaciones y efectos de distintas variables a ser consideradas. La base de datos
utilizada corresponde a la de la EOD-2001 de viajes del Gran Santiago, que fue
proporcionada por el mandante. Tambin reportamos un anlisis exploratorio que
permiti clarificar especificaciones factibles de utilizar en fase predictiva, que es el
objetivo final en el uso de este tipo de modelos. En el Anexo se reportan algunos de los
modelos exploratorios ms acabados que dan origen a los modelos finales considerados.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
13/73
11
MIDEPLAN-SECTRA
En el Captulo 7 se reporta la Calibracin de Modelos de Generacin y
Atraccin de Viajes (Tarea 5), tanto a nivel agregado (zonas ESTRAUS) comodesagregado (hogares). Los modelos que se exponen en esta etapa fueron seleccionados
a partir de los anlisis previos del Captulo 6 y de discusiones en reuniones de
coordinacin con la Contraparte Tcnica del Estudio. Esta parte del Informe es
netamente consultiva, ya que son ms de 60 modelos definitivos que se exponen, para
cada uno de los cuales se efectuaron decenas de pruebas diferentes.
En el Captulo 8 presentamos los resultados relacionados con la capacidad
predictiva de los modelos (generacin y atraccin, agregados y desagregados). Para ello,
los modelos estimados con datos de la EOD-2001 fueron evaluados en las variablesexplicativas correspondientes al ao 2006, ao para el cual se dispone de una nueva
EOD. De esta forma, fue posible evaluar la capacidad predictiva de los modelos. El
anlisis se presenta a nivel de zona ESTRAUS y a nivel comunal. La prediccin se hizo
para modelos de generacin (agregados y desagregados) y para modelos de atraccin de
viajes. Este Captulo se complementa con la realizacin de simulaciones ESTRAUS con
los nuevos vectores de generacin y atraccin para un determinado escenario.
En el Captulo 9 se presenta un conjunto de modelos de carcter
complementario, los cuales atienden aspectos especficos establecidos en las Bases deLicitacin y en la Propuesta Tcnica. Especficamente, se presentan 4 nuevos modelos de
generacin de viajes: un modelo con heterogeneidad espacial, un modelo combinado de
generacin-distribucin de viajes, un modelo de generacin de viajes intrazonales y un
modelo de generacin de viajes externos.
En el captulo 10 se reportan los nuevos modelos calibrados, a base de la
metodologa estudiada en el caso de Santiago, para la ciudad de Los ngeles. En el
Captulo 11 se presenta el mismo anlisis pero para la conurbacin de La Serena y
Coquimbo.
Finalmente, en el Captulo 12 se detallan las fuentes de informacin
relevantes para efectos del presente Estudio, y que fueron consideradas en la realizacin
de estas 3 primeras Tareas; algunas de las principales referencias estudiadas (las ms
importantes) se incorporan en los Anexos del presente Informe Final.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
14/73
12
MIDEPLAN-SECTRA
2. RECOPILACIN DE ANTECEDENTES Y REVISIN
METODOLGICA (TAREA 1)
En esta primera tarea se efecta una recoleccin, revisin y anlisis de los
actuales procedimientos utilizados en el contexto de la construccin de vectores de
generacin y atraccin de viajes para modelos estratgicos de planificacin de transporte
(ESTRAUS-VIVALDI). Este anlisis est enfocado a revisar la experiencia nacional y
algunos resultados que se relacionan directa o indirectamente con la generacin (y
atraccin) de viajes, para lo cual se revisaron los siguientes estudios y documentos
(definidos en las bases tcnicas) incluyendo otros adicionales considerados por el
Consultor (punto x.):
I. Actualizacin Metodologa Anlisis Sistema de Transporte de Ciudades de
Gran Tamao y Tamao Medio (MESPE) MIDEPLAN - SECTRA (2008).
II. Anlisis y Actualizacin Modelo ESTRAUS, MIDEPLAN - SECTRA
(2005).
III. Actualizacin de Encuestas Origen y Destino de Viajes, V Etapa,
MIDEPLAN-SECTRA (2003).
IV. Anlisis y Recoleccin de Informacin del Sistema de Transporte Urbano, III
Etapa, MIDEPLAN SECTRA (2008).
V. Multiple Classification Analysis in Trip Production Models. C. Guevara and
A. Thomas. Transport Policy, 14, 514-522 (2007).
VI. Actualizacin Modelos de Poblacin y Socioeconmicos para el Crecimiento
Urbano de Santiago, Transantiago (2007).
VII. Diagnstico del Sistema de Transporte Urbano de la Conurbacin Coquimbo
- La Serena, I y II Etapa, MIDEPLAN SECTRA (2000).
VIII. Diagnstico del Sistema de Transporte Urbano de la Ciudad de Los ngeles,
I y II Etapa. MIDEPLAN SECTRA (1998).
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
15/73
13
MIDEPLAN-SECTRA
IX. Actualizacin de Encuestas Origen y Destino de Viajes, IV Etapa - Los
ngeles, MIDEPLAN SECTRA (2005).
X. Anlisis y Desarrollo de la Red de Metro, MIDEPLAN SECTRA (2009).
A continuacin se presenta un resumen de los aspectos ms relevantes de
cada uno de estos estudios, indicando cul es su principal relacin con los modelos de
Generacin y Atraccin de viajes, especficamente respecto de los aspectos que pueden
ser rescatados y mejorados en cada uno de los casos. En el Captulo 4 se reporta la
revisin de la literatura basndose en estudios internacionales, lo que complementa los
antecedentes expuestos en el presente Captulo.
2.1 Actualizacin Metodologa Anlisis Sistema de Transporte de Ciudades
de Gran Tamao y Tamao Medio (MESPE) MIDEPLAN - SECTRA
(2008).
Este estudio incorpora las metodologas actualmente utilizadas para la
construccin de vectores de generacin y atraccin de viajes, para las diferentes ciudades
de Chile en las que se han iniciado estudios estratgicos de transporte urbano. Luego,
representa el estado de la prctica a nivel nacional en esta materia.
La metodologa de anlisis de sistemas de transporte de ciudades medianas y
grandes que se presenta en el citado estudio est inspirada en el enfoque general
propuesto por Manheim (1979), centrndose en la modelacin de las relaciones de corto
plazo entre el sistema de transporte y el sistema de actividades. As, dado un sistema de
actividades que fija la demanda por servicios de transporte (generaciones y atracciones
de viajes de personas), y dado un sistema de transporte (redes de infraestructura y de
servicios con sus respectivas caractersticas operacionales) se predicen los patrones de
flujos (viajes de personas, origen-destino y flujos en arcos) y los niveles de servicio deequilibrio resultantes en las diversas redes consideradas en la modelacin.
Se observa entonces que el estado de la prctica asume explcitamente la
independencia entre demanda agregada (generacin y atraccin de viajes) y la
oferta agregada (niveles de servicio de las redes de transporte).
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
16/73
14
MIDEPLAN-SECTRA
En trminos generales, las metodologas de anlisis para ciudades de tamao
medio y grande son prcticamente idnticas. La principal diferencia radica en losmodelos utilizados para predecir el equilibrio oferta-demanda de corto plazo para cada
caso. Mientras la metodologa de ciudades de tamao medio utiliza un enfoque de tipo
secuencial clsico de 4 etapas para resolver las diferentes etapas del modelo clsico de
transporte (Modelo VIVALDI), la de ciudades de gran tamao emplea un enfoque de
equilibrio simultneo para resolver las etapas de distribucin, particin modal, eleccin
de horario de viaje (si se desea incluir esta ltima) y asignacin (Modelo ESTRAUS).
En ambos casos la etapa de generacin de viajes es exgena (las
generaciones no se ven afectadas por los niveles de servicio en el sistema), y es tratadade acuerdo a la tcnica de construccin de escenarios de desarrollo urbano, que
reemplaza la modelacin de relaciones de largo plazo entre los sistemas de transporte y
actividades.
Este ltimo punto es posible flexibilizarlo si se incorporan variables
explicativas (o variables proxy) asociadas al nivel de servicio de las redes como parte de
los modelos de generacin y atraccin de viajes, tal como se expone en las secciones
posteriores del presente Informe (ver seccin 3.3).
De acuerdo a esta metodologa (tanto para ciudades grandes y de tamao
medio), la generacin total de viajes agregados correspondientes a la zona i, para elpropsito de viaje p y categora de usuarios n, pn
iO , se obtiene como la suma de los
viajes basados en el hogar de ida ( )pn
i bhiO , basados en el hogar de retorno ( )pn
i bhrO y no
basados en el hogar ( )pn
i nbhO . Es decir, se cumple la siguiente ecuacin:
( ) ( ) ( )pn pn pn pn
i i bhi i bhr i nbhO O O O= + + (1)
Los viajes basados en el hogar de ida, para el propsito de viaje p ycategora de usuarios n, se calculan utilizando el mtodo de Anlisis por Categoras
(AC), segn la expresin:
( )pn n pn
i bhi iO H t= (2)
donde:
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
17/73
15
MIDEPLAN-SECTRA
( )pn
i bhiO : Nmero de viajes basados en el hogar de ida con propsitopgenerados por los
hogares de la categora n de la zona i.n
iH : Nmero de hogares de la categora n en la zona i.
pnt : Tasa de generacin de viajes con propsitopde los hogares de la categora n.
Este enfoque de modelacin 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. Es necesario adems 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 considera como un dato exgeno.
Luego, el problema se reduce a encontrar las tasas de generacin de viajes
para cada categora de hogar y propsito (segn perodo de modelacin). Esta tarea ha
sido habitualmente realizada con los denominados modelos de anlisis por categoras
(tambin llamado anlisis de clasificacin cruzada), los cuales determinan las tasas degeneracin 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, por lo que
la recomendacin establecida en la presente metodologa recoge una solucin de
compromiso en el sentido de privilegiar la confiabilidad en la prediccin futura ms quela 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, lo que es perfectamente coherente con el marco general
requerido.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
18/73
16
MIDEPLAN-SECTRA
La recomendacin anterior se sustenta en el trabajo Multiple Classification
Analysis in Trip Production Models (Guevara y Thomas, 2007). La conclusin final dela investigacin realizada (ver el detalle en la seccin 2.5 del presente Informe) 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 debido a problemas de sus parmetros que limitan su uso para una prediccin
confiable; esto, a pesar de que se intent mejorar los modelos basados en el mtodo
ACM utilizando diversos enfoques 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)
Sin embargo, y tal como demuestran Guevara y Thomas (2007), este tipo deconstructo genera importantes sesgos en las categoras extremas cruzadas entre
ingreso y posesin de automvil, y tambin en las proyecciones futuras de viajes.
No obstante, presenta la ventaja de que permite estimar tasas de generacin
de viajes inclusive en aquellas categoras para las que no existen observaciones.
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 se calcula como:
( )pn
i bhipn
n
i
Ot
H= (3)
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
19/73
17
MIDEPLAN-SECTRA
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) o Anlisis Cluster para determinar
categoras en que exista un diferencia estadsticamente significativa en las tasas de
generacin de viajes a nivel de ingreso. Finalmente, dicho antecedente debe 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, por ejemplo, crecientes segn nivel deingreso 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.
Por otra parte, la generacin de viajes no originados en el hogar, as como las
atracciones de viajes, normalmente han sido modeladas con los tradicionales modelos de
regresin lineal mltiple (RLM). En general, los modelos RLM estiman el nmero de
viajes atrados por una zona (o producidas por una zona en lugares distintos del hogar)como una funcin lineal de ciertas variables relacionadas con el equipamiento y usos de
suelos de la zona. Las variables que interesan aqu son aquellas que generan actividades
asociadas a cada propsito de viaje, y habitualmente deben ser recogidas desde fuentes
independientes (SII, Ministerio de Educacin, planos reguladores, etc.).
La generacin de viajes basados en el hogar de retorno (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 lcitoconsiderar el nmero de hogares como variable explicativa.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
20/73
18
MIDEPLAN-SECTRA
En consecuencia, la modelacin de este tipo de viajes es funcin de variables
asociadas con el uso de suelos y las actividades de una zona. En este sentido, lasvariables explicativas del modelo de RLM sern casi las mismas utilizadas por los
modelos de RLM de atraccin de viajes, que se discutirn ms adelante (exceptuando el
nmero de hogares por zona), por lo que se omitirn aqu. 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, como por
ejemplo variables dummy que permitan distinguir entre parmetros de los diferentespropsitos.
La primera alternativa es la ms deseable, aunque 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.
Para efectos de calibracin de modelos de atraccin de viajes, es
recomendable considerar al menos dos alternativas:
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).
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
21/73
19
MIDEPLAN-SECTRA
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 elhogar, la nica variable explicativa posible es 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 unnmero 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
corresponde a la suma de los resultados de ambos modelos.
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,diligencias, 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.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
22/73
20
MIDEPLAN-SECTRA
Para obtener los valores de estas variables, normalmente se puede recurrir a
diversas fuentes independientes. Por ejemplo, el nmero de matrculas por cada zona esfcil de obtener en los organismos oficiales de educacin. Otra tpica e importante fuente
de informacin es el Servicio de Impuestos Internos (SII) que habitualmente dispone de
datos respecto a metros cuadrados construidos por tipo de utilizacin (comercio,
industrias, oficinas, salud, educacin, etc.).
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. 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 es
tambin el modus operandi adoptado.
En general, debe 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.
En la Tabla 2.1 se resumen la tcnica de construccin de tasas para cada tipo
de viaje, segn el estndar de los trabajos efectuados a nivel nacional:
Tabla 2.1Tcnicas de Estimacin Generacin y Atraccin Segn Tipo de Viaje
TIPO DE VIAJE GENERACIN ATRACCIN
BHI TASAS AC(1) RLM(2)
BHR RLM(1) RLM(3) o TASAS AC(2)
NBH RLM(1) RLM(2)
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
23/73
21
MIDEPLAN-SECTRA
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 esel 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.
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
Nuestro enfoque metodolgico en el contexto del presente Estudio considerauna extensin generalizada en el uso de modelos de regresin lineal mltiple en
particular, y modelos economtricos en general, para cualquier tipo de viaje que se desee
estudiar. El esfuerzo se centra en obtener la especificacin ms idnea para cada tipo de
modelo.
Es importante notar que, independiente del enfoque considerado para
determinar la generacin y atraccin de viajes, dado que orgenes y destinos de viajes
son estimados independientemente, es necesario compatibilizar sus resultados en cada
perodo, asegurando que la suma de los orgenes sea igual a la suma de destinos de
viajes:
pn p
i j
i p n j p
O D= (4)
donde:
pn
iO : Nmero de viajes generados en la zona i, de la categora n, con propsitop.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
24/73
22
MIDEPLAN-SECTRA
pD : Nmero de viajes atrados por zonaj, con propsitop.
La compatibilizacin, denominada tradicionalmente "normalizacin", se
lleva a efecto con respecto al modelo que exhiba el mejor nivel de confianza.
Sin embargo, y antes de implementar cualquier alternativa para la estimacin
de tasa de generacin (y atraccin) de viajes, la metodologa considera un proceso previo
que requiere definir una serie de aspectos relevantes que se detallan a continuacin:
i.Definicin de rea de Estudio y Zonificacin
ii.Definicin del Contexto Temporal del Anlisis
iii.Definicin de Cortes Temporales de Proyeccin
iv.Definicin del Perodos de Anlisis
v.Definicin de Tipo de Viajes a Considerar: Interzonales, Intrazonales
vi.Definicin de la Categorizacin de la Demanda
Otras definiciones relevantes en los procesos de anlisis estratgico desistemas de transporte, como las redes y modos de transporte a considerar, presentan una
relevancia mayor en las otras etapas del modelo (distribucin, particin modal y
asignacin), razn por la cual no son analizadas en detalle en el presente Estudio, sino
que mencionadas en los casos que corresponda.
A continuacin se exponen los aspectos relevantes asociados a los seis
puntos recientemente descritos.
2.1.1 Definicin de rea de Estudio y Zonificacin
La primera especificacin necesaria para la construccin de vectores de
generacin y atraccin de viajes, es la definicin del contexto espacial de su aplicacin.
Esto, independiente si el tipo de modelo a considerar sea agregado o desagregado.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
25/73
23
MIDEPLAN-SECTRA
En trminos generales, se puede decir que el rea de estudio debera cubrir
todos los lugares donde se producen o se atraen viajes que utilizan el sistema detransporte que se desea analizar. Aunque en transporte urbano el rea de estudio est
normalmente asociada con los lmites espaciales de la ciudad, muchas veces es necesario
considerar las influencias externas (por ejemplo, transporte interurbano de pasajeros que
aumentan las demandas de los servicios de transporte urbanos, como por ejemplo los
usuarios provenientes del Metrotren que conectan con la Lnea 1 de Metro).
Lo que se pretende explicar es la operacin del sistema de transporte dentro
del rea de estudio, cuyo permetro fsico est definido por una especia de cordn
externo, y las influencias externas deben ser tratadas como datos exgenos del problema,que el modelo debe considerar, pero que no puede explicar. Luego, en este contexto, los
viajes externos al rea de influencia no son incorporados como parte de los
procesos de construccin de viajes a partir de los modelos, sino son antecedentes
exgenos a este proceso.
Definido el contexto espacial, el rea de estudio se divide en zonas ms
pequeas, que constituirn en adelante la unidad bsica del anlisis de transporte en un
contexto de planificacin estratgica.
La primera caracterstica deseable de las zonas es su homogeneidad, en
trminos de utilizacin de suelos y de caractersticas socioeconmicas de la poblacin,
dado que stas son dos variables fundamentales para explicar la demanda de viajes. La
definicin geogrfica de las zonas debe respetar las divisiones administrativas y polticas
de la ciudad y sobre todo, las divisiones geogrficas del Censo de Poblacin que el
Estado realiza peridicamente. De esta manera, es posible obtener con facilidad ciertos
datos bsicos de entrada para el anlisis de transporte, tales como el nmero de hogares
por zona estratificados por ingreso, posesin de automvil, tamao y estructura familiar,
etc. Adems, en torno al Censo de Poblacin suelen desarrollarse estudios de proyeccinde sus datos, informacin tambin til para el anlisis de transporte.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
26/73
24
MIDEPLAN-SECTRA
El nmero de zonas es otra definicin delicada. A mayor nmero de zonas, el
anlisis de transporte es ms preciso y detallado, pero tambin son mayores losrequerimientos del modelo y de la informacin necesaria. Por otro lado, un nmero
demasiado pequeo de zonas podra conducir a anlisis demasiado agregados, reidos
con los objetivos de un estudio de transporte. Por ejemplo, un nmero demasiado
reducido de zonas redunda en reas zonales muy grandes (difcilmente homogneas) lo
que a su vez redunda en un gran nmero de viajes intrazonales; dado que la unidad de
anlisis bsico es la zona, los modelos de generacin y atraccin de viajes podran tratar
incorrectamente tales viajes, y el anlisis completo pierde credibilidad.
Luego, es recomendable que la zonificacin distinga adecuadamente aquellaszonas singulares de la ciudad. Ello se justifica porque normalmente no poseen un
comportamiento de viajes similar al de otras zonas preferentemente residenciales,
comerciales o industriales. En base a la experiencia adquirida en las primeras
aplicaciones de la metodologa, es aconsejable identificar como una zona independiente
a las siguientes singularidades: estacin de ferrocarril, regimientos, cerros, sectores de
estadio, universidades relevantes, cementerio y otros sectores que el analista estime
pertinente.
Aunque no es posible una recomendacin general y precisa, la experiencia deestudios anteriores aplicados al Gran Santiago, Gran Valparaso y Gran Concepcin,
muestran que niveles de zonificacin en torno a 600 zonas para el Gran Santiago y en
torno a 200 zonas para las otras conurbaciones ha resultado adecuado para los anlisis de
tipo estratgico. En el caso de ciudades de tamao medio, la experiencia de estudios
anteriores aplicados, por ejemplo, a ciudades como Antofagasta, Copiap, Talca y Puerto
Montt, muestran que niveles de zonificacin en torno a 70 zonas han resultado
adecuados para este tipo de anlisis. En todo caso, su definicin resulta de una solucin
de compromiso entre la posibilidad cierta de obtener la informacin a ese nivel de detalle
y los recursos invertidos para ello.
A modo referencial, a continuacin se muestra la informacin del nmero de
zonas utilizada en estudios estratgicos anteriores e informacin respecto de las
caractersticas demogrficas de cada ciudad en cuestin:
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
27/73
25
MIDEPLAN-SECTRA
Tabla 2.2Caractersticas Demogrficas de Ciudades de Chile Estudiadas por SECTRA
T ipo Ciudad Nombre Ciudad Pob lacin Super ficie (km2) (* ) Densidad (pob /sup) NZonas I -Ba jo I -Medio I -Al to Hab-Hogar Tasa Motor izacinGran Santiago 5, 772, 617 2, 030. 0 2, 843. 7 786 0-280000 280001-1600000 ms de 1600000 3. 81 0. 56Gran Valparas o 858, 466 401. 6 2, 137. 6 200 0 -170000 170000-600000 ms de 600000 3. 83 0. 40Gran Conc epc in 834, 026 221. 6 3, 763. 7 206 0 -170000 170000-600000 ms de 600000 4. 20 0. 34Temuco 259,880 464.0 560.1 144 0-139000 139001-504000 ms de 504000 3.63 0.40La Serena-Coquim bo 259, 863 3, 322. 1 78. 2 98 0-140000 140001-600000 ms de 600000 4. 07 0. 32Antofagasta 248,656 30,718.1 8.1 74 0-230000 230001-700000 ms de 700000 4.12 -Rancagua 243,533 260.3 935.6 59 0-170000 170001-600000 ms de 600000 4.00 0.54Talca 189,308 231.5 817.7 64 0-219000 219001-729000 ms de 729000 3.62 0.42Iquique 184,854 2,835.3 65.2 56 0-170000 170001-600000 ms de 600000 4.03 0.52Arica 170,980 4,799.4 35.6 52 0-170000 170001-600000 ms de 600000 4.03 -Chilln 164,491 511.2 321.8 49 0-145000 145001-526000 ms de 526000 3.58 0.36Puerto Montt 145,601 1,673.0 87.0 79 0-199999 200000-700000 ms de 700000 3.74 0.49Copiap 129,218 16,681.3 7.7 71 0-150000 150001-500000 ms de 500000 3.90 -Osorno 128,880 951.3 135.5 125 0-188000 188001-629000 ms de 629000 3.50 0.40Valdivia 127,567 1,015.6 125.6 140 0-190000 190001-630000 ms de 630000 3.57 0.38Calama 124,381 15,596.9 8.0 59 0-170000 170001-600000 ms de 600000 4.07 0.58Los ngeles 116,481 1,748.2 66.6 83 0-200000 200001-700000 ms de 700000 3.71 0.40Punta Arenas 112,957 113.7 993.5 60 0-205000 220001-850000 ms de 850000 3.42 0.57Curic 93,083 1,328.4 70.1 65 0-220000 220001-731000 ms de 731000 3.52 0.36Linares 65,128 1,465.7 44.4 66 0-170000 170001-600000 ms de 600000 3.59 -
CiudadTamaoGrande
CiudadTamaoMedio
(*): corresponde a la superficie de la provincia (Fuente: DPA 2001).
A partir de la Tabla 2.2 es posible obtener los antecedentes que se reportan
en las siguientes Figuras:
Figura 2.1Nmero de Zonas Segn Poblacin de la Ciudad
0.0
0.0
0.0
0.0
0.0
00.0
0.0
De la Figura 2.1 se observa que los estudios de ciudades de tamao medio
tienden a considerar una mayor cantidad de zonas por habitante que las grandes
ciudades. Esto debiera explicarse por la mayor densidad y homogeneidad de las grandes
ciudades. Sin embargo, si analizamos nicamente las ciudades de tamao medio,
observamos que no existe un patrn claro entre nmero de zonas y poblacin (ver Figura
2.2), y tampoco entre nmero de zonas y densidad (ver Figura 2.3).
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
28/73
26
MIDEPLAN-SECTRA
Figura 2.2Nmero de Zonas vs Poblacin (ciudades tamao medio)
0
0
0
0
0
00
0
0
0
0 0,000 00,000 0,000 00,000 0,000 00,000
Figura 2.3Nmero de Zonas vs Densidad (ciudades tamao medio)
0
0
0
0
0
00
0
0
0
0.0 00.0 00.0 00.0 00.0 ,000.0 ,00.0
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
29/73
27
MIDEPLAN-SECTRA
Figura 2.4Nmero de Zonas vs Superficie (ciudades tamao medio)
0
0
0
0
0
00
0
0
0
0.0 ,000.0 0,000.0 ,000.0 0,000.0 ,000.0 0,000.0 ,000.0
Por lo tanto, y considerando los antecedentes existentes para el anlisis de
planes estratgicos de ciudades en Chile, y especialmente en el caso de ciudades de
tamao medio, se puede concluir que cada ciudad conlleva un nivel de zonificacin
propio, el cual no correlaciona con la densidad ni la poblacin ni la superficie de estas.
2.1.2 Definicin del Contexto Temporal del Anlisis
Normalmente los modelos de transporte son requeridos para analizar la
operacin del sistema en ciertos aos representativos, que incluyen el presente
(habitualmente llamado ao base) y algunos aos futuros, todos los cuales se denominan
colectivamente cortes temporales. En cada uno de estos cortes temporales, es necesario
contrastar la operacin del sistema de transporte en una situacin base de comparacin
(situacin base) con la operacin del sistema despus de introducir modificaciones
estructurales en sus caractersticas fundamentales (situacin con proyecto).
Sin embargo, el modelo de transporte que aqu se considera es una
herramienta de anlisis de corto plazo, incapaz de simular el comportamiento del sistema
de transporte a lo largo de un ao, ni siquiera de un da. La operacin del sistema en un
da completo es un fenmeno cuya complejidad y dinamismo desborda las capacidades
de las actuales herramientas de anlisis.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
30/73
28
MIDEPLAN-SECTRA
En consecuencia, la metodologa habitual analiza slo algunos perodos
representativos de un da tpico y utiliza el modelo de transporte para simular laoperacin del sistema dentro de tales perodos. Los resultados por perodo se extienden
al da completo y posteriormente son extrapolados para obtener el total anual.
Los cortes temporales futuros son simulados introduciendo al modelo las
variables de entrada correspondientes de cada perodo, con los valores que se estima que
tales variables tomarn en el futuro. Luego se simula la operacin del sistema en los
perodos definidos y se sigue el procedimiento descrito anteriormente.
2.1.3 Definicin de Cortes Temporales de Proyeccin
La metodologa plantea varias interrogantes respecto al contexto de validez
de aplicacin del modelo. En primer lugar, es claro que en el mejor de los casos, el
modelo se calibra y valida con informacin actual, lo cual significa que an un buen
modelo slo garantiza una buena simulacin del comportamiento actual del sistema de
transporte. Si el modelo est correctamente formulado y calibrado, debera tambin ser
adecuado para predecir los cambios en la operacin del sistema, por efecto de
modificaciones estructurales de sus caractersticas (proyectos y polticas) si ellas se
produjeran en el presente.
La llamada calibracin del modelo tiene como principal objetivo capturar los
patrones de comportamiento de los distintos elementos que interactan en el sistema,
entre los cuales (y muy importantes) estn los usuarios. La hiptesis bsica de que tales
patrones de comportamiento permanecern constantes en el futuro, se hace claramente
discutible a medida que se consideran escenarios ms distantes en el tiempo. Por
ejemplo, no es posible garantizar que las tasas de generacin de viajes para los hogares
de ingreso medio con un automvil, sern en 20 aos ms, las mismas que las actuales.
Tampoco es posible saber si la valorizacin que los usuarios de distintos niveles deingreso dan al tiempo de viaje por ejemplo, permanece constante en el futuro.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
31/73
29
MIDEPLAN-SECTRA
Estos ejemplos reflejan un problema tradicional de cualquier modelo que
trate de simular la operacin futura de un sistema en que est involucrado elcomportamiento de individuos. En el caso del modelo de transporte, el comportamiento
de los usuarios es una de las variables fundamentales del sistema, por lo que la
incertidumbre del futuro es una caracterstica importante a considerar cuando se aplica el
modelo. Es inmediato que mientras ms cercano sea el horizonte temporal de aplicacin,
menor es la incertidumbre respecto a la validez del modelo, debido a que se reducen las
posibilidades de alteracin de los patrones de comportamiento y por lo tanto, de los
parmetros que fueron calibrados para el modelo.
De la discusin anterior se concluye la conveniencia de que los cortestemporales de anlisis estn lo ms cercanos posible del ao de calibracin.
Habitualmente el modelo de transporte es utilizado para simular escenarios a diez,
quince y hasta veinte aos plazo, lo que parece revelar un exceso de confianza en su
capacidad predictiva. Estos horizontes tan lejanos son necesarios para la evaluacin de
proyectos, pero es posible limitar estos requerimientos para evitar entregar una
responsabilidad excesiva al modelo.
En trminos generales, es aconsejable que el corte temporal mximo no se
proyecte ms all de diez aos plazo (y en lo posible menos de diez aos).Adicionalmente debe definirse un corte temporal intermedio entre el ao base y el corte
temporal mximo.
Debe tenerse presente adems, que la definicin de los cortes temporales est
fundamentalmente relacionada no slo con el contexto de validez conceptual del
modelo, sino tambin con la posibilidad de estimar correctamente (a futuro) sus datos de
entrada.
2.1.4 Perodos de Anlisis
Tradicionalmente la modelacin de transporte urbano se ha limitado a definir
dos perodos bsicos de anlisis: perodo punta de la maana y perodo de fuera de
punta.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
32/73
30
MIDEPLAN-SECTRA
Normalmente, cada uno de estos perodos se prolonga entre una y dos horas,
espacio de tiempo dentro del cual se supone que todos los viajes que se producen enalgn origen, llegan a su destino. Adems, debe considerarse que la definicin de estos
perodos debe incluir todos los horarios que se definan al incorporar un modelo de
eleccin de horario de viaje. El anlisis de estos perodos representativos arroja ciertos
resultados operacionales (matrices de viaje por modo, niveles de servicio, flujos por arco
de cada red) que son valorados econmicamente para efectos de evaluacin,
obtenindose finalmente costos y beneficios por perodo. Dichos costos y beneficios son
posteriormente extrapolados para obtener totales diarios y anuales.
Es indudable que con slo dos perodos representativos, la extensin al totaldiario resulta menos realista que lo deseable y debido a ello, algunos estudios han
aumentado el nmero de perodos de anlisis, incluyendo punta del medioda, punta de
la tarde, fuera de punta de la maana y de la tarde, etc. Desafortunadamente, la
definicin del nmero de perodos no es slo una cuestin de ms modelos y de ms
informacin de calibracin y validacin. Un problema adicional, se presenta cuando se
considera la efectiva capacidad de los modelos disponibles para simular realistamente el
comportamiento del sistema de transporte.
Este problema se manifiesta principalmente en una de las tareas bsicas delmodelo: las estimaciones de la demanda. Los modelos de demanda con mayor
fundamento conceptual son aplicables a aquellos viajes que se originan en el hogar, entre
otras cosas porque la mayora de estos viajes son habituales y autnomos. Es decir, para
los viajes originados en el hogar, las decisiones de los usuarios son relativamente tpicas
(a dnde viajar, con qu propsito, en qu modo, por cul ruta), las alternativas de
eleccin son tambin relativamente claras y en general las opciones de los usuarios no
estn condicionadas por decisiones tomadas en perodos anteriores. Estas dos
caractersticas de habitualidad y autonoma, unido a la mayor facilidad de obtener
informacin de los usuarios y de su comportamiento para este tipo de viajes, hacen que
la tarea de modelarlos sea ms abordable.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
33/73
31
MIDEPLAN-SECTRA
Considrese en cambio, el problema de modelar los viajes de punta tarde. En
este caso la habitualidad de los viajes es mucho ms difusa (distintos destinos de viaje endistintos das: regreso al hogar, diversin, compras, social, etc.); se presentan fenmenos
complejos de explicar y simular (por ejemplo los viajes concatenados: origen en el lugar
de trabajo, destino intermedio con propsito compras y destino final en el hogar); y la
autonoma de los usuarios puede estar condicionada por decisiones de perodos
anteriores, lo que tiene obvias implicancias para explicar su comportamiento en el
perodo punta de la tarde (por ejemplo, si un usuario eligi automvil para viajar al
trabajo en la maana, en la prctica no tiene alternativa modal para su viaje de regreso en
la tarde y ningn modelo podra predecir adecuadamente su comportamiento modal, a
menos que fuera informado de la decisin de la maana y se condicionara exgenamentesu prediccin).
En trminos de oferta, un mayor nmero de perodos, bsicamente significa
un mayor esfuerzo de definicin y calibracin de las redes involucradas, aunque
conceptualmente no existen problemas mayores (algunas dificultades de modelacin
podran presentarse no obstante, si existieran alternativas multimodales de viaje). En
resumen, se puede concluir de la discusin anterior que el actual estado de desarrollo de
los modelos (particularmente los modelos de demanda) hace poco aconsejable incluir en
el anlisis, perodos en los cuales el comportamiento del sistema es an demasiado
complejo para las herramientas modelsticas disponibles.
En consecuencia, en el contexto de esta metodologa, parece razonable
considerar (al menos para el tratamiento con el modelo) solamente los dos perodos
tradicionales: punta maana y fuera de punta.
Un primer elemento bsico para el modelo, que requiere una suerte de
calibracin, es la definicin horaria y la extensin de cada perodo de anlisis (punta de
la maana y fuera de punta). A este respecto no es posible entregar una recomendacingeneral, porque las definiciones mencionadas dependen de cada ciudad particular.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
34/73
32
MIDEPLAN-SECTRA
Sin embargo, la Encuesta Origen-Destino de Viajes (EOD) provee la
informacin necesaria para definir los perodos: a partir de los datos de la hora media derealizacin de los viajes (promedio entre hora de salida y hora de llegada) es posible
construir histogramas en intervalos de 15 minutos (cuartos de hora) de viajes totales,
viajes en transporte pblico y viajes en transporte privado. En estos histogramas se
pueden identificar los horarios de mayor y menor demanda de transporte durante el da
(horas punta y no punta).
El perodo de punta maana generalmente est localizado entre 6:30 y 9:30
horas y su extensin normal es de una hora (o una hora y media). Este perodo de una
hora de extensin, debe ser elegido de manera que queden incluidos dentro de l, almenos los dos cuartos de hora ms cargados (entre 6:30 y 9:30 horas) de cada uno de los
histogramas de viajes totales, viajes de transporte pblico y viajes de transporte privado.
La definicin del perodo fuera de punta, tiene una connotacin
metodolgica distinta a la del perodo de punta maana. A diferencia de este ltimo,
cuya definicin est temporalmente asociada con el inicio de actividades que generan
viajes muy concentrados en el tiempo (principalmente trabajo y estudio), en el caso de
fuera de punta tal asociacin no existe. A lo largo de un da tpico, existen muchas horas
que pueden ser consideradas fuera de punta, en el sentido de que no son horas punta y deque los viajes all materializados no tienen un horario obligado ni comn para todos los
viajes.
Otro problema que dificulta la definicin, est relacionado con la no
habitualidad temporal de los viajes fuera de punta dentro de un da tpico (por ejemplo,
una duea de casa que viaja todos los das al mercado a hacer sus compras, pero a
distintas horas cada da).
Dado que los viajes con este tipo de caractersticas son comunes en fuera depunta, es claro que cualquiera sea la definicin temporal del perodo, se corre el riesgo
de subestimar tales viajes (es decir, que el perodo no sea representativo). Desde este
punto de vista, la definicin estricta de una hora para representar el perodo fuera de
punta, es necesariamente cuestionable cualquiera sea la hora elegida.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
35/73
33
MIDEPLAN-SECTRA
Esta discusin sugiere un enfoque distinto al tradicional para definir el
perodo de fuera de punta. Este consiste en definir un perodo de una hora de extensinpara fuera de punta, pero la especificacin precisa de la hora de inicio y trmino de dicho
perodo queda indeterminada. En otras palabras, se reconoce el hecho de que aunque
existen varias horas de fuera de punta durante el da, ninguna de ellas es suficientemente
representativa del resto, y por lo tanto una hora promedio de todas las horas fuera de
punta es la mejor opcin.
Este enfoque tiene la ventaja de permitir el mejor aprovechamiento de los
datos de la EOD para efectos de la calibracin del modelo de transporte, ya que se
incluye en el anlisis una mayor cantidad de viajes que efectivamente se producen enfuera de punta y cuyos patrones de comportamiento interesa determinar.
Para identificar las horas que pueden ser consideradas fuera de punta, se
debe excluir del mencionado histograma de viajes totales, los perodos estimados como
punta de maana, punta tarde y punta medioda, junto con los intervalos inmediatamente
anteriores y posteriores (debido a que se est tratando de aislar la influencia de las horas
punta sobre la fuera de punta). Adems, se excluyen aquellas horas donde no existe
actividad de transporte o sta es mnima, tal como las horas de madrugada.
Desde el punto de vista del modelo -que slo modela una hora promedio de
fuera de punta- la suposicin implcita es que en cualquiera de estas horas el sistema de
transporte se comporta de manera semejante. De hecho, el modelo recibe como datos, los
vectores de orgenes y destinos para una hora, que pueden ser calculados como el
promedio ponderado de los viajes realizados en cada propsito para el lapso horario
mayor y el lapso de una hora seleccionado.
Resulta deseable que la definicin horaria de los perodos punta y fuera de
punta sea contrastada con el histograma que se deduce de los conteos continuosrealizados. Dicho anlisis debe ser realizado en forma cuidadosa ya que el concepto de
hora media de viaje usado para construir el histograma obtenido a partir de la EOD es
distinto al concepto de un conteo en un punto particular. Para reducir la distorsin
espacial y temporal que se puede producir, se recomienda construir el histograma para
una envolvente de los puntos de conteo continuo. La envolvente puede construirse
como la suma vertical (en todos los puntos), del flujo en cada lapso temporal.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
36/73
34
MIDEPLAN-SECTRA
2.1.5 Definicin de Tipo de Viajes a Considerar: Interzonales, Intrazonales
Una definicin que con frecuencia es omitida en el anlisis, se refiere a la
consideracin de viajes intrazonales en la modelacin de transporte. Si bien a este
respecto no es posible indicar principios generales, se entregan elementos de decisin
que debe considerar el analista al momento de tomar su decisin.
i. La definicin de la zonificacin adoptada debiera ser lo suficientemente
desagregada como para permitir una buena aproximacin a la modelacin de
viajes interzonales, resultando los viajes intrazonales en un nmero poco
relevante. Si los viajes intrazonales resultaren muy importantes, entonces la
recomendacin ira en la direccin de una mayor desagregacin local en la
zonificacin, de tal suerte que estos viajes puedan ser tratados como viajes
interzonales.
ii. Los modelos de demanda de ESTRAUS y VIVALDI (particin modal),
pueden considerar viajes intrazonales en forma diferenciada, aunque con un
tratamiento en extremo simplificado.
iii. Normalmente, la particin modal de los viajes intrazonales no puede ser bien
explicada por un modelo general de particin modal, distribucin y
asignacin, que se calibra para toda el rea de estudio.
La experiencia prctica apunta en este caso a omitir los viajes intrazonales en
la modelacin y calibracin, en la medida que la zonificacin sea lo suficientemente
desagregada para que su nmero sea reducido.
Este anlisis es tambin extensible a los viajes externos, aunque dada la
forma en que ellos se obtienen (a partir de una Encuesta de Interceptacin en cordn
externo), la posibilidad de obtener viajes intrazonales es en la prctica muy reducida.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
37/73
35
MIDEPLAN-SECTRA
2.1.6 Definicin de la Categorizacin de la Demanda
El objetivo del modelo de demanda es explicar y predecir las decisiones de
los usuarios respecto a la generacin, distribucin y particin modal de los viajes. Sin
embargo, dependiendo entre otras cosas de sus atributos personales y propsitos de viaje,
los usuarios tienen comportamientos diversos, por lo que es necesario categorizar la
demanda para permitir su mejor explicacin. Naturalmente existen muchas formas de
estratificar la demanda, pero la experiencia tcnica en este aspecto sugiere la
categorizacin bsica de una metodologa simplificada.
La primera estratificacin de la demanda se realiza a nivel de propsitos de
viaje, dado que el comportamiento de los usuarios puede ser notablemente distinto para
cada motivo de viaje. Considerando los perodos de anlisis sugeridos (punta maana y
fuera de punta) los propsitos de viaje principales sern tres: trabajo, estudio y otros
pudindose desagregarse adicionalmente el propsito estudio en dos clases: viajes de
estudiantes de educacin bsica y media-superior, bsicamente porque la experiencia ha
mostrado que tienen un comportamiento marcadamente diferente. Es improbable que sea
necesario definir otro propsito para un da laboral tpico en alguna ciudad del pas.
Es necesario sealar que los propsitos de viaje indicados son para utilizarseen el contexto de los sub-modelos de particin modal y distribucin del modelo
VIVALDI, sin perjuicio de ello, los modelos de generacin y atraccin de viajes pueden
considerar una desagregacin ms detallada, debido a que los viajes basados en el hogar
de ida, retorno o no basados en el hogar, tienen normalmente variables explicativas
distintas. No obstante lo anterior, siempre es necesario recomendar que las
desagregaciones usadas en los modelos de Generacin y Atraccin de Viajes (exgenas a
VIVALDI) resulten compatibles con las definiciones de los sub-modelos de demanda de
VIVALDI.
Desde el punto de vista de la demanda de transporte, la caracterstica ms
relevante del usuario es su nivel socioeconmico. Pero dado que es difcil determinar
este nivel para cada usuario en particular, en lugar de clasificar a los individuos
normalmente se categorizan los hogares que habitan. Cada hogar tiene asociado un cierto
ingreso familiar y una cierta tasa de motorizacin, variables que son utilizadas para
categorizar los hogares y por extensin, a los individuos que viven en l.
-
7/22/2019 982Anal Modelos Gen Atra Viajes Inf Final Correg
38/73
36
MIDEPLAN-SECTRA
El nmero de categoras de demanda es determinante para definir las
dimensiones del modelo, sus requerimientos de informacin y calibracin y finalmente,la precisin de sus resultados. Esto hace que el nmero de categoras utilizado en los
estudios de transporte sea muy variable; siempre es deseable una mayor desagregacin
de la demanda, pero ello debe conciliarse con la disponibilidad de informacin necesaria
para modelar cada categora.
Tomando en cuenta estas restricciones, se estima que para ciudades de gran
tamao, una categorizacin adecuada de los hogares debera considerar al menos tres
niveles de ingreso (ingreso bajo, medio y alto) y tres niveles de tasa de motorizacin
del hogar (ningn vehculo, un vehculo y dos o ms vehculos). Ello permite estratificarla demanda de transporte en nueve categoras cruzadas de ingreso y tasa de
motorizacin, cada una de las cuales puede ser modelada -en principio- separadamente
para cada propsito y perodo considerado.
Alternativamente puede considerarse la agregacin de categorasextremas.
Normalmente, ellas corresponden a los cruces de categoras de ingreso alto sin auto, o
ingreso bajo con 2 o ms autos. En stas, es normal obtener escasas observaciones en la
muestra, no por problemas de muestreo o de nmero de encuestas, sino que por existir
un muy bajo nmero de hogares que presenten dichas caractersticas.
Por ltimo, es necesario sealar que de mltiples anlisis previos, se
concluy que la variable nmero de autos en el hogar no es la mejor variable
explicativa para modelar los viajes con propsito estudio. Las mejores variables son
el nmero de estudiantes en el hogar y nmero de residentes del hogar. Sin embargo, el
uso de estas variables tiene implcito un problema posterior de prediccin, muy difcil de
solucionar, por lo que la metodologa aconseja utilizar las variables ingreso y nmero