UNIVERSIDAD POLITÉCNICA DE MADRID
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA CIVIL
PROYECTO FIN DE MÁSTER
“PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS”
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL
DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES Y
DIFERENTES VARIABLES ECONÓMICAS.
Autor: Alejandro Velasco Álvarez
Tutores: José Ramón Ballesteros
Carlos Almanza Llano
11 de julio de 2019
MPyGI
RESUMEN
Encontrar la relación entre el tráfico y las variables económicas que influyen en su
evolución es de vital importancia para entender los patrones de crecimiento pasados y
poder predecir el comportamiento futuro. Debido a la importancia del tráfico sobre el
planeamiento y logística de las carreteras es relevante encontrar un método confiable de
proyectar el tráfico a futuro que permita realizar estimaciones con base en predicciones
de variables más estudiadas como el PIB
De todas las metodologías analizadas, la regresión logarítmica brinda la posibilidad de
encontrar ecuaciones que permiten explicar el tráfico teniendo como base una serie de
variable económicas que influyen sobre este.
La concesión Autopistas del Café S.A se encarga del desarrollo vial Armenia – Pereira
– Manizales se encuentra localizado en la región cafetera de colombiana una zona con
un gran dinamismo económico al estar adentro del triangulo dorado de colombiano
cuyos vértices son las tres ciudades más importantes del país, Cali, Bogotá y Medellín.
En el siglo pasado, el cultivo de café era la actividad central dentro de la región, gracias
al crecimiento del mercado internacional por este producto. Si bien, a finales del siglo el
sector secundario y terciario se fue desarrollando hasta ser grandes impulsores de la
economía de la región.
La elección del PIB, tarifa de peaje, población económicamente activa ocupada, índice
de motorización y precio del combustible como variables explicativas es adecuada y los
resultados entregados por el modelo de regresión logarítmica son lo suficientemente
buenos como para proceder a realizar proyecciones del tráfico.
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
3 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
CONTENIDO 1. INTRODUCCIÓN ............................................................................................................. 10
1.1. MÉTODOS DE PREDICCIÓN DE TRÁFICO ..................................................... 11
1.1.1. Factores de crecimiento. .................................................................................... 11
1.1.2. Análisis de series de tiempo ................................................................................ 12
1.1.3. Modelos de tendencia ......................................................................................... 13
1.1.3.1. Tendencia lineal ............................................................................................. 13
1.1.3.2. Tendencia geométrica .................................................................................... 14
1.1.3.3. Tendencia exponencial. .................................................................................. 14
1.1.3.4. Tendencia exponencial modificada ............................................................... 14
1.1.3.5. Curva de Goempertz ....................................................................................... 15
1.1.3.6. Curva logística ................................................................................................ 15
1.1.4. Modelo econométrico (regresiones) ................................................................... 16
1.2. REGIÓN CAFETERA DE COLOMBIA................................................................ 17
1.3. DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES ....................... 19
2. METODOLOGÍA ............................................................................................................. 24
2.1. MODELO ECONÓMETRICO ............................................................................... 24
2.1.1. El modelo logarítmico ........................................................................................ 25
2.1.2. Medidas de bondad de ajuste de los modelos .................................................... 26
2.2. RECOLECCIÓN DE INFORMACIÓN ................................................................. 27
2.2.1. Tarifa de peajes .................................................................................................. 28
2.2.2. Producto Interno Bruto ...................................................................................... 30
2.2.3. Índice de motorización ....................................................................................... 37
2.2.4. Población económicamente activa ocupada. ..................................................... 38
2.2.5. Precio del combustible ........................................................................................ 40
2.2.6. Tráfico ................................................................................................................. 42
2.2.7. Comentarios adicionales .................................................................................... 49
2.3. EJECUCIÓN DEL MODELO ................................................................................. 49
2.3.1. Primer acercamiento .......................................................................................... 50
2.3.2. Ejecución final ................................................................................................... 55
2.4. PROYECCIÓN A FUTURO. ................................................................................... 56
3. RESULTADOS .................................................................................................................. 58
3.1. PRIMEROS RESULTADOS ................................................................................... 58
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
4 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
3.2. EJECUCIÓN FINAL ................................................................................................ 62
3.2.1. Caldas ................................................................................................................. 62
3.2.2. Quindío ............................................................................................................... 65
3.2.3. Risaralda ............................................................................................................. 67
3.2.4. Total concesión ................................................................................................... 69
3.3. PROYECCIONES ..................................................................................................... 72
3.3.1. Caldas ................................................................................................................. 72
3.3.2. Quindío ............................................................................................................... 73
3.3.3. Risaralda ............................................................................................................. 75
3.3.4. Total concesión ................................................................................................... 76
4. CONCLUSIONES ............................................................................................................. 79
5. BIBLIOGRAFIA ............................................................................................................... 80
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
5 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
ÍNDICE DE FIGURAS
Figura 1. Evolución tarifas en la concesión. Elaboración propia a partir la información
disponible en la página web de la ANI [27] ................................................................................ 29
Figura 2. Evolución del PIB del departamento de Caldas (base 2015). Elaboración propia a
partir de la serie de datos disponible en la página web del DANE [28]. ..................................... 32
Figura 3. Evolución del PIB del departamento de Quindío (base 2015). Elaboración propia a
partir de la serie de datos disponible en la página web del DANE [28]. ..................................... 33
Figura 4. Evolución del PIB del departamento de Risaralda (base 2015). Elaboración propia a
partir de la serie de datos disponible en la página web del DANE [28]. ..................................... 35
Figura 5. Evolución del PIB del Eje Cafetero (base 2015). Elaboración propia a partir de la
serie de datos disponible en la página web del DANE [28]. ....................................................... 36
Figura 6. Evolución índice de motorización en Colombia. Elaboración propia a partir de los
datos disponibles en las páginas web del RUNT y de la OICA [30],[31]. .................................. 38
Figura 7. Evolución población económicamente activa ocupada en la región. Elaboración
propia a partir de serie de datos de la GEIH disponible en [14].................................................. 40
Figura 8. Evolución del precio de combustibles líquidos en Colombia. Elaboración propia a
partir de los precios históricos disponibles en la página web de ECOPETROL [37] ................. 41
Figura 9. Evolución del TPD entre 2001 – 2018 en Caldas del desarrollo vial ‘Armenia –
Pereira – Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas
de tráfico disponibles en la página web de la ANI [27]. ............................................................. 43
Figura 10. Evolución del TPD entre 2001 – 2018 en Quindío del desarrollo vial ‘Armenia –
Pereira – Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas
de tráfico disponibles en la página web de la ANI [27]. ............................................................. 45
Figura 11. Evolución del TPD años 2005 – 2018 en Quindío del desarrollo vial ‘Armenia –
Pereira – Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas
de tráfico disponibles en la página web de la ANI [27]. ............................................................. 45
Figura 12. Evolución del TPD entre 2007 – 2018 en Risaralda del desarrollo vial ‘Armenia –
Pereira – Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas
de tráfico disponibles en la página web de la ANI [27]. ............................................................. 46
Figura 13. Evolución del TPD entre 2001 – 2018 en el desarrollo vial ‘Armenia – Pereira –
Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas de tráfico
disponibles en la página web de la ANI [27]. ............................................................................. 48
Figura 14. Evolución del TPD entre 2005 – 2018 en el desarrollo vial ‘Armenia – Pereira –
Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas de tráfico
disponibles en la página web de la ANI [27]. ............................................................................. 48
Figura 15. Ventana de trabajo de la función regresión de análisis de datos de Excel. ............... 52
Figura 16. Tráfico observado y calculado con el modelo logarítmico para vehículos ligeros en
el total de concesión. Elaboración propia. ................................................................................... 55
Figura 17. TPD observado y calculado con el modelo logarítmico para camiones pequeños en
Caldas. Elaboración propia. ........................................................................................................ 59
Figura 18. TPD observado y calculado con el modelo logarítmico para camiones grandes en
Risaralda. Elaboración propia. .................................................................................................... 59
Figura 19. TPD observado y calculado con el modelo logarítmico para buses Quindío.
Elaboración propia. ..................................................................................................................... 60
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
6 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 20. TPD observado y calculado con el modelo logarítmico vehículos ligeros en toda la
concesión. Elaboración propia. ................................................................................................... 60
Figura 21. TPD observado y calculado de vehículos ligeros en Caldas. Elaboración propia. ... 63
Figura 22. TPD observado y calculado de camiones pequeños en Caldas. Elaboración propia. 63
Figura 23. TPD observado y calculado de camiones grandes en Caldas. Elaboración propia. .. 64
Figura 24. TPD observado y calculado de vehículos ligeros en Quindío. Elaboración propia. . 65
Figura 25. TPD observado y calculado de camiones pequeños en Quindío. Elaboración propia.
..................................................................................................................................................... 66
Figura 26. TPD observado y calculado de camiones grandes en Quindío. Elaboración propia. 66
Figura 27. TPD observado y calculado de vehículos livianos en Risaralda. Elaboración propia.
..................................................................................................................................................... 68
Figura 28. TPD observado y calculado de camiones pequeños en Risaralda. Elaboración propia.
..................................................................................................................................................... 68
Figura 29. TPD observado y calculado de camiones grandes en Risaralda. Elaboración propia.
..................................................................................................................................................... 69
Figura 30. TPD observado y calculado de vehículos ligeros en toda la concesión. Elaboración
propia........................................................................................................................................... 70
Figura 31. TPD observado y calculado de camiones pequeños en toda la concesión.
Elaboración propia. ..................................................................................................................... 70
Figura 32. TPD observado y calculado de camiones grandes en toda la concesión. Elaboración
propia........................................................................................................................................... 71
Figura 33. Proyección TDP vehículos ligeros en Caldas. Elaboración propia. .......................... 73
Figura 34. Proyección TDP camiones pequeños en Caldas. Elaboración propia. ...................... 73
Figura 35. Proyección TDP camiones grandes en Caldas. Elaboración propia. ........................ 73
Figura 36. Proyección TDP vehículos ligeros en Quindío. Elaboración propia. ....................... 74
Figura 37. Proyección TDP camiones pequeños en Quindío. Elaboración propia. ................... 74
Figura 38. Proyección TDP camiones grandes en Quindío. Elaboración propia. ...................... 75
Figura 39. Proyección TDP vehículos pequeños en Risaralda. Elaboración propia. ................. 76
Figura 40. Proyección TDP camiones pequeños en Risaralda. Elaboración propia. ................. 76
Figura 41. Proyección TDP camiones grandes en Risaralda. Elaboración propia. .................... 76
Figura 42. Proyección TDP vehículos ligeros en toda la concesión. Elaboración propia. ......... 77
Figura 43. Proyección TDP camiones pequeños en toda la concesión. Elaboración propia. ..... 77
Figura 44. Proyección TDP camiones grandes en toda la concesión. Elaboración propia. ....... 78
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
7 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
ÍNDICE DE FIGURAS
Tabla 1. Tabla de calificación para determinar el índice de estado en los contratos de concesión
de primera generación. Tomada de ‘Sobre el índice de estado en los contratos de la tercera
generación de concesión de carreteras nacionales’ [22].............................................................. 21
Tabla 2. Nombre, ubicación y fecha de inicio de operación de las estaciones de peaje presentes
en la concesión. Elaboración propia a partir de [21],[23]. .......................................................... 21
Tabla 3. Tipología de vehículos prevista para el cobro de la tarifa de peaje en la concesión.
Elaboración propia a partir de [21]. ............................................................................................ 22
Tabla 4. Recategorización tipo de tráfico presente en la concesión. Elaboración propia. ........ 27
Tabla 5. Tarifa (en pesos colombianos) de peajes en Caldas en la concesión. Elaboración propia
a partir la información disponible en la página web de la ANI [27] ........................................... 28
Tabla 6. Tarifa (en pesos colombianos) de peajes en Quindío en la concesión. Elaboración
propia a partir la información disponible en la página web de la ANI [27] ................................ 28
Tabla 7. Tarifa (en pesos colombianos) de peajes en Risaralda en la concesión. Elaboración
propia a partir la información disponible en la página web de la ANI [27] ................................ 29
Tabla 8. Tarifa (en pesos colombianos) de peajes en la concesión. Elaboración propia a partir la
información disponible en la página web de la ANI [27] ........................................................... 29
Tabla 9. PIB departamento de Caldas (base 2015). Elaboración propia a partir de la serie de
datos disponible en la página web del DANE [28]. .................................................................... 31
Tabla 10. PIB departamento de Quindío (base 2015). Elaboración propia a partir de la serie de
datos disponible en la página web del DANE [28]. .................................................................... 32
Tabla 11. PIB departamento de Risaralda (base 2015). Elaboración propia a partir de la serie de
datos disponible en la página web del DANE [28]. .................................................................... 34
Tabla 12. PIB del Eje Cafetero (base 2015). Elaboración propia a partir de la serie de datos
disponible en la página web del DANE [28]. .............................................................................. 35
Tabla 13. Índice de motorización en Colombia. Elaboración propia a partir de los datos
disponibles en las páginas web del RUNT y de la OICA [30],[31]. ........................................... 37
Tabla 14. Población económicamente activa ocupada en la región. Elaboración propia a partir
de serie de datos de la GEIH disponible en [14]. ........................................................................ 39
Tabla 15. Precio (en pesos colombianos) de combustibles líquidos en Colombia. Elaboración
propia a partir de los precios históricos disponibles en la página web de ECOPETROL [37]. .. 41
Tabla 16. TPD años 2001 – 2018 en Caldas del desarrollo vial ‘Armenia – Pereira – Manizales’
por categoría de vehículo. Elaboración propia a partir las series históricas de tráfico disponibles
en la página web de la ANI [27]. ................................................................................................ 42
Tabla 17. TPD años 2001 – 2018 en Quindío del desarrollo vial ‘Armenia – Pereira –
Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas de tráfico
disponibles en la página web de la ANI [27]. ............................................................................. 44
Tabla 18. TPD años 2007 – 2018 en Risaralda del desarrollo vial ‘Armenia – Pereira –
Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas de tráfico
disponibles en la página web de la ANI [27]. ............................................................................. 46
Tabla 19. TPD años 2001 – 2018 en el desarrollo vial ‘Armenia – Pereira – Manizales’ por
categoría de vehículo. Elaboración propia a partir las series históricas de tráfico disponibles en
la página web de la ANI [27]. ..................................................................................................... 47
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
8 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Tabla 20. Componentes del PIB de los departamentos de Caldas, Quindío y Risaralda.
Elaboración propia a partir de [40] ............................................................................................. 50
Tabla 21. Logaritmo natural de las variables explicativas del tráfico de vehículos ligeros en el
total de la concesión. Elaboración propia. ................................................................................... 51
Tabla 22. Resultados obtenidos al ejecutar la función regresión para el tráfico de vehículos
ligeros en toda la concesión. Elaboración propia. ....................................................................... 52
Tabla 23. Logaritmo natural de las variables explicativas seleccionadas para hacer la regresión
del tráfico de vehículos ligeros en el total de la concesión. Elaboración propia. ........................ 53
Tabla 24. Resumen de resultados de la regresión del tráfico de vehículos ligeros en el total de la
concesión. Elaboración propia. ................................................................................................... 54
Tabla 25. Datos del TPD observado y calculado con el modelo logarítmico para vehículos
ligeros en el total de concesión. Elaboración propia. .................................................................. 54
Tabla 26. Resumen primeros resultados tráfico de camiones pequeños en Caldas. Elaboración
propia........................................................................................................................................... 58
Tabla 27. Resumen primeros resultados tráfico de camiones grandes en Risaralda. Elaboración
propia........................................................................................................................................... 58
Tabla 28. Resumen primeros resultados tráfico de vehículos ligeros en toda la concesión.
Elaboración propia. ..................................................................................................................... 58
Tabla 29. Resumen primeros resultados tráfico de buses en Quindío. Elaboración propia. ...... 58
Tabla 30. Resumen resultados finales para el tráfico de vehículos ligeros en Caldas.
Elaboración propia. ..................................................................................................................... 62
Tabla 31. Resumen resultados finales para el tráfico de camiones pequeños en Caldas.
Elaboración propia. ..................................................................................................................... 62
Tabla 32. Resumen resultados finales para el tráfico de camiones grandes en Caldas.
Elaboración propia. ..................................................................................................................... 62
Tabla 33. Resumen resultados finales para el tráfico de vehículos ligeros en Quindío.
Elaboración propia. ..................................................................................................................... 65
Tabla 34. Resumen resultados finales para el tráfico de camiones pequeños en Quindío.
Elaboración propia. ..................................................................................................................... 65
Tabla 35. Resumen resultados finales para el tráfico de camiones grandes en Quindío.
Elaboración propia. ..................................................................................................................... 65
Tabla 36. Resumen resultados finales para el tráfico de vehículos ligeros en Risaralda.
Elaboración propia. ..................................................................................................................... 67
Tabla 37. Resumen resultados finales para el tráfico de camiones pequeños en Risaralda.
Elaboración propia. ..................................................................................................................... 67
Tabla 38. Resumen resultados finales para el tráfico de camiones grandes en Risaralda.
Elaboración propia. ..................................................................................................................... 67
Tabla 39. Resumen resultados finales para el tráfico de vehículos ligeros en toda la concesión.
Elaboración propia. ..................................................................................................................... 69
Tabla 40. Resumen resultados finales para el tráfico de camiones pequeños en toda la
concesión. Elaboración propia. ................................................................................................... 69
Tabla 41. Resumen resultados finales para el tráfico de camiones grandes en toda la concesión.
Elaboración propia. ..................................................................................................................... 70
Tabla 42. TPD observado y proyectado en Caldas. Elaboración propia. ................................... 72
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
9 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Tabla 43. TPD observado y proyectado en Quindío. Elaboración propia. ................................. 73
Tabla 44. TPD observado y proyectado en Risaralda. Elaboración propia. ............................... 75
Tabla 45. TPD observado y proyectado en toda la concesión. Elaboración propia. .................. 76
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
10 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
1. INTRODUCCIÓN
Con el presente trabajo se pretende estudiar la relación entre el tráfico como variable
dependiente con una serie de variables independientes como el PIB, la tasa de
motorización, la tasa de empleo, el costo de combustible, la población, entre otras, de
forma que se pueda encontrar una ecuación que permita explicar el tráfico en función de
las variables seleccionadas para así poder proyectar el tráfico futuro en base a las
proyecciones que se tengan de las otras variables.
OBJETIVO PRINCIPAL
• Establecer mediante el uso de modelos econométricos las relaciones entre el
tráfico como variable dependiente y una serie de variables independientes
cuantificables y proyectables como el PIB, la tasa de empleo, la tasa de
motorización, etc.
OBJETIVOS ESPECIFICOS
• Identificar los factores que causan la demanda de tráfico en la carretera de
estudio para seleccionar las variables independientes que se usaran en la
generación de los modelos econométricos.
• Recopilación de series de datos históricos sobre las variables seleccionadas
como base para la elaboración de los modelos
• Analizar los patrones de evolución de las variables explicativas seleccionadas.
• Examinar el comportamiento de los estadísticos de prueba para cada variable
explicativa para valorar los resultados obtenidos con la aplicación de los
modelos.
• Estimar el tráfico futuro a cinco años a partir de los resultados obtenidos con los
modelos econométricos y las proyecciones de las variables explicativas.
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
11 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
1.1. MÉTODOS DE PREDICCIÓN DE TRÁFICO
En un amplio sentido, la predicción de tráfico es el proceso de estimación del número de
vehículos o personas que probablemente usaran diferentes servicios de transporte en el
futuro. Este proceso comienza con la recopilación de información del tráfico actual.
Estos datos del tráfico se combinan con otra información conocida, como son tasas de
crecimiento económicos y de populación, tasas de empleo, costos de viaje, índices de
viajes, etc., para desarrollar un modelo de demanda de tráfico de la situación actual.
Combinando estos modelos con predicciones económicas, de populación, de empleo
etc., resulta en estimaciones del tráfico futuro [1].
La eficacia de las predicciones de tráfico depende principalmente en el tamaño del
tráfico promedio diario (TPD). En general, cuanto más bajo es el TPD, más grande es el
error en el pronóstico del tráfico. Las principales razones para estos errores pueden ser
[2]:
• Cambios en los patrones de tráfico en el futuro, espacialmente el efecto de
Tráfico Inducido [3] el cual dice que el mejoramiento de los servicios de
transporte resulta, más comúnmente, en la generación de una nueva demanda de
tráfico debido a nuevos usuarios que no usaban están instalaciones cuando no se
habían realizado las mejores, y el Efecto Rebote [4] que resalta el aumento en el
uso de instalaciones de transporte por los usuarios actuales debido a la
disponibilidad de nuevos y mejores servicios.
• Impactos en el tráfico debido al desarrollo de la región principalmente por
cambios en los patrones de uso de tierra [1].
• Cambios socio económicos no previstos y no tenidos en cuenta [5]
1.1.1. Factores de crecimiento.
En este método se usa la información histórica del tráfico junto con estimaciones de las
tasas de crecimiento anual de tráfico para proyectar el TPD en el futuro. Este método es
simple y fácil de desarrollar e implementar y por eso es uno de los técnicas más
populares usadas para pronosticar el tráfico [6].
Estas tasas de crecimiento de tráfico son aplicadas directamente para años futuros o se
ajustan basándose en algunas asunciones. La aplicación directa de las tasas de
crecimiento se basa en la asunción de que las tendencias de crecimiento pasado
continuaran en el futuro. Esta asunción puede ser cierta para un pronóstico a corto
plazo. Sin embargo, para un horizonte a largo plazo, esta asunción puede ser
problemática. El crecimiento del tráfico puede exhibir varios patrones temporales en
áreas que están en diferentes etapas de desarrollo a lo largo de los años. Una zona de
rápido crecimiento urbano puede mostrar un rápido crecimiento de tráfico ahora, pero
este grado de crecimiento de tráfico puede que no continúe indefinidamente [6].
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
12 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Para muchas zonas rurales que se encuentran alejadas de grandes centros urbanos, las
actividades económicas son estables al igual que el crecimiento del tráfico. En las áreas
metropolitanas bien desarrolladas es probable que ya se haya alcanzado el pico de
crecimiento económico de igual forma que el crecimiento del tráfico. En estas áreas, el
crecimiento de tráfico debería ser pequeño y estable en el futuro [6].
Fortalezas
• La información histórica del tráfico usada para obtener los factores de
crecimiento está, la mayoría de los casos, disponible y constantemente
actualizada.
• Generalmente es simple y fácil de implementar.
• Cubre toda el área de estudio y provee un marco consistente para las
proyecciones de tráfico.
• Los factores de crecimiento se pueden desarrollar para obtener proyecciones a
un nivel detallado como para diferentes tipos de vehículo.
Debilidades
• Existen incertidumbres asociadas al conteo del tráfico y a la extrapolación.
• Generalmente no da explicación para los factores que mueven el tráfico.
• Es problemático asumir que, para un horizonte a largo plazo, el crecimiento del
tráfico se comportará de igual forma o de forma similar que en el pasado.
1.1.2. Análisis de series de tiempo
Las series de tiempo son un conjunto de observaciones ordenadas en el tiempo. Este
análisis trabaja con observaciones que se obtienen en intervalos de tiempo discretos de
igual longitud [1]. La asunción fundamental para cualquier análisis de series de tiempo
es que algunos aspectos en patrones pasados continuaran afectando los valores futuros.
Valores de variables anteriores a la observación actual son llamados valores de retraso
“Lag values” [7]. La principal diferencia entre los modelos de serie de tiempo y otro
tipo de modelos es que los valores de retraso de las variables objetivo son usados como
predictores, mientas que modelos tradicionales usan otras variables como predictores
[2]. Una serie de tiempo es determinista si su comportamiento futuro se puede predecir
exactamente a partir de su comportamiento pasado. De lo contrario, la serie de tiempo
es estadística. El comportamiento futuro de una serie de tiempo estadística solo se
puede predecir en términos probabilísticos [2].
En los modelos de series de tiempo, los patrones pasados son clave para predecir el
futuro. Los patrones pasados son modelados como ecuaciones lineales o curvilineales
en donde el tráfico es la variable dependiente y el tiempo la variable independiente [6].
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
13 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Las técnicas de series de tiempo se pueden usar para desarrollar proyecciones a corto
plazo altamente precisas y baratas. La principal razón detrás del uso de series de tiempo
es que ha mostrado resultados relativamente precisos [7]. La principal limitación de este
método es la gran cantidad de información requerida. En el caso de proyecciones de
tráfico, se necesita una gran cantidad de datos precisos sobre un largo periodo de tiempo
de forma que se tenga suficiente información para modelar de forma apropiada cada
situación. Idealmente se necesitan al menos 50 observaciones para realizar un análisis
de series de tiempo apropiado [1].
Los factores de crecimiento son un caso especial del método de las series de tiempo. Las
fortalezas y debilidades de los factores de crecimiento también se aplican a los modelos
de series de tiempo. Los resultados de las series de tiempo son muy sensibles a la
calidad de los datos históricos. La información histórica usada para desarrollar modelos
de series de tiempo es particularmente crítica para determinar si el modelo es aplicable o
no para realizar proyecciones futuras. Si los datos históricos solo contienen la etapa de
rápido crecimiento de un área en proceso de urbanización, las estimaciones del modelo
pueden sobrestimar el crecimiento futuro del tráfico en horizontes largos de tiempo.
Estas limitaciones se explican del hecho que los modelos de series de tiempo no
simulan los procesos físicos presentes en la generación del tráfico [6].
1.1.3. Modelos de tendencia
La principal característica de estos modelos de estimación de la demanda radica en que
asocian la variación de la demanda al paso del tiempo. Por tanto, se asume que los
factores que afectan la demanda de transporte van a mantener en el futuro la tendencia o
comportamiento pasado [8].
1.1.3.1. Tendencia lineal
En ese modelo se asume un comportamiento lineal:
𝑦 = 𝑚 ∙ 𝑡 + 𝑏
Donde:
• Y = demanda de transporte.
• t = tiempo
• m y b = parámetros a obtener por el método de mínimos cuadrados.
La problemática de este modelo cae en la asunción de que el crecimiento del tráfico
realmente se comporte de forma lineal (con una tasa constante de crecimiento) y que las
pruebas estadísticas y el coeficiente de correlación resulten satisfactorias. Este modelo
solo se debe tomar para tener una primera impresión del comportamiento del tráfico,
pues el paso del tiempo no explicar el comportamiento de la demanda del tráfico, sino el
hecho de que al pasar el tiempo se presentan otras situaciones y otros factores que
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
14 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
condicionan el tráfico y si están causalmente relacionados con la demanda de transporte
[8].
1.1.3.2. Tendencia geométrica
Este modelo presenta un patrón de crecimiento a un ratio constante, como lo muestra la
siguiente expresión [8]:
𝑌𝑓 = 𝑌𝑝(1 + 𝑟)𝑡
Donde:
• Yf = demanda futura.
• Yp = demanda presente
• r = tasa de crecimiento por periodo.
• t = tiempo
1.1.3.3. Tendencia exponencial.
En este modelo se presenta un crecimiento mayor que en el de tendencia geométrica.
Presenta la siguiente ecuación:
𝑌 = 𝑎(𝑏𝑡)
O, sacando el logaritmo de las variables,
log(𝑦) = 𝐿𝑜𝑔(𝑎) + 𝑡 ∙ 𝑙𝑜𝑔(𝑏)
Donde:
• Y = demanda de transporte.
• t = tiempo
• a y b = parámetros que se determinan por regresión lineal simple
Este es un modelo que es más realista en los casos en donde se analiza la demanda de
transporte, la cual, al tener un mayor dinamismo, no presenta un crecimiento constante
[8].
1.1.3.4. Tendencia exponencial modificada
Este modelo asume que la demanda tiene una tendencia de crecimiento hasta un límite
predeterminado, el cual se puede considerar como un nivel de saturación o de
capacidad. Se expresa mediante la siguiente ecuación:
𝑌 = 𝐾 + 𝑎(𝑏𝑡)
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
15 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Donde:
• Y = demanda de transporte.
• K = límite de crecimiento.
• t = tiempo
• a y b = parámetros que se determinan por regresión lineal simple
La principal diferencia entre este modelo y el anterior es la presencia del factor K que
reconoce la existencia de un límite en el crecimiento de la demanda. Esta situación se
puede presentar en el crecimiento del flujo de automotores que pasan por una arteria
determinada y que no podría superar la capacidad de la vía, siendo dicho dato el
parámetro exógeno que se podría aplicar al modelo para su calibración y uso [8].
1.1.3.5. Curva de Goempertz
En este modelo presenta un comportamiento lineal en forma de “S” inclinada hacia
adelante. Esta tendencia implica un lento crecimiento al principio, seguido de una fase
de crecimiento acelerado, luego una fase en donde se disminuye la tasa de crecimiento y
finaliza en una etapa de saturación y una rata de crecimiento menor.
log(𝑦) = log(𝐾) + 𝑏𝑡 ∙ log(𝑎)
Donde:
• Y = demanda de transporte.
• K = límite de crecimiento.
• t = tiempo
• a y b = parámetros que se determinan por regresión lineal simple
Esta expresión presenta las mismas variables que la del método anterior y aunque
presenta una estructura similar es muy diferente [8].
1.1.3.6. Curva logística
Este método se comporta de forma similar al método anterior, con una tendencia lineal
en forma de “S”. Sin embargo, la estructura matemática es muy diferente como se
aprecia en la expresión [8]:
𝑦 =𝐾
1 + 𝑏𝑒−𝑎𝑡
Donde:
• Y = demanda de transporte.
• K = límite de crecimiento.
• t = tiempo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
16 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
• e = base de los logaritmos neperianos.
• a y b = parámetros que se determinan por regresión lineal simple
1.1.4. Modelo econométrico (regresiones)
Los análisis de regresiones se preocupan por el estudio de la dependencia de una
variable, la variable dependiente, en uno o varias variables, las variables explicativas,
con la visión de estimar y/o predecir la media o el valor promedio de la variable
dependiente en términos de las variables explicativas [9]
Las regresiones se usan generalmente para describir la relación entre una variable
dependiente y sus variables explicativas. Para la predicción del crecimiento del tráfico,
se usan ciertas variables económicas y demográficas como la población, el ingreso per
cápita, el producto interno bruto (PIB), población con trabajo, precio del combustible,
etc. Con este modelo se busca explicar el crecimiento del tráfico como una función de
variables relacionadas a este y no solamente como una función del tiempo. Para este
caso, se pueden usar las técnicas econométricas de regresión múltiple para tratar de
estimar funciones lineales o no lineales de varias variables [8]. El principal objetivo en
los análisis de regresión es determinar como el valor promedio de la variable
dependiente varia con valores dados de las variables explicativas [9].
Fortalezas
• Se tiene en cuenta factores que influyen en el crecimiento del tráfico, incluyendo
factores socioeconómicos.
• La información socioeconómica generalmente se encuentra disponible y está en
constante actualización.
• Cubre toda el área de estudio y provee un marco consistente para las
proyecciones de tráfico.
Debilidades
• No se simulan procesos de generación de viajes.
• Problemas con variables explicativas relacionadas entre sí.
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
17 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
1.2. REGIÓN CAFETERA DE COLOMBIA
Imagen 1. Eje Cafetero Colombiano. Tomado de ‘UN Office for the Coordination of
Humanitarian Affaires’ [10].
Imagen 2. Paisaje del Eje Cafetero. Tomada de “Eje Cafetero, sitios turísticos” [11].
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
18 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
La región cafetera compuesta por los departamentos de Risaralda, Quindío y Caldas se
encuentra localizada en la parte central de Colombia y contiene 53 municipios. Tiene un
territorio de aproximadamente 13.873 kilómetros cuadrados (km2) [12] ocupando cerca
del 2% de la superficie total del país. Durante los últimos años del siglo XIX se presentó
un fuerte crecimiento demográfico en la región producto de procesos de inmigración y
altas tasas de natalidad. Campesinos y comerciantes antioqueños entre el siglo XIX y
XX realizaron un desplazamiento desde su tierra natal a diferentes regiones del país,
algunos sintiéndose atraídos por los terrenos del Eje Cafetero los cuales eran
característicos por su fertilidad, por la presencia de tierras volcánicas (fuente de
minerales) y por la existencia de yacimientos en donde se podía extraer oro se
establecieron en territorios de Caldas, Quindío y Risaralda. Esto resultó en un
crecimiento poblacional más elevado que el presentado en el país desde 1870 hasta la
segunda mitad del siglo XX [13]. La población para el año 2018 de la región, según
proyecciones realizadas por el Departamento Administrativo Nacional de Estadística
(DANE), fue de 2.5 millones de personas [14].
Desde los comienzos del Eje Cafetero, el cultivo y comercialización del café tuvieron
un fuerte impacto en las actividades económicas de la región. Debido a las bondades de
los terrenos para el cultivo de café, este producto empezó a expandirse y establecerse
como base de la economía regional. En las primeras décadas del siglo XX, se
experimentó un crecimiento del sector exportador e industrial gracias al fuerte impulso
del café generado por la tendencia creciente de su precio internacional. Para los años
treinta el área destinada a cultivos de café en el Eje Cafetero llegó a ser más del 75% del
total de cultivos agrícolas de la región [13]. Alrededor de la década de los cincuenta se
experimentó una fuerte crisis de la producción cafetera, la cual se vio revertida en los
setenta por las altas cotizaciones en el mercado internacional como consecuencia de la
escasez de oferta del producto a nivel mundial. Entre los años 1950 y 1975, el peso de la
producción de café en la región estaba entre el 20% y 25% y de igual forma, las ventas
externas del grano tuvieron una gran participación en las exportaciones totales de
Colombia [15]
A finales de los años ochenta se colapsó el sistema de cuotas y, como consecuencia, en
los primeros años de los noventa los precios del café disminuyeron lo que ocasionó que
la población que se dedicaba al cultivo de café se viera en la posición de buscar
actividades alternas para generar ingresos, de esta manera se dio fuerte un impulso al
turismo aprovechando el paisaje característico de la zona. Este impulso del sector
turístico genero un gran dinamismo en el Quindío en donde se establecieron nuevos
parques turísticos y áreas naturales protegidas para el turismo. Con la evolución del
sector turístico en la zona, se desarrollaron otros sectores económicos como el
transporte, la construcción y el comercio [16].
Si bien, aunque el sector terciario fue el que tuvo mayor aporte en el PIB de la región, es
destacable el desarrollo del sector secundario el cual fue ganando participación. La
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
19 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
industria ha jugado un papel muy importante en Caldas y Risaralda; logrando una
mayor diversificación de la economía. Como resultado, se ocasionaron cambios en la
composición económica de la región con una disminución de la participación del sector
cafetero dentro del PIB hasta ubicarse en 4.5% durante el periodo de 2001 – 2010 [15].
Durante el periodo de 2001 – 2010, el sector terciario participó en promedio con el
54.1% del PIB de la región, mostrando además tasas de crecimiento positivas durante
toda la década, con mayores valores entre 2005 y 2007, debido en gran parte a los
avances mostrados por la administración pública, restaurantes, hoteles, comercio y
bares. El sector secundario por otra parte, tuvo un participación promedio del 25.4 % en
el PIB de la región durante la década, mostrando tasas de crecimiento positivas al inicio
alcanzando su máximo crecimiento en 2006 potenciado por la industria en Caldas y la
construcción en Risaralda; si bien, en los años siguientes se experimentó una
desaceleración del crecimiento en parte por las dificultades presentadas en la industria
caldense la cual se vio perjudicada por las guerras comerciales con Venezuela y
Ecuador. De otro lado, el sector primario, continuo disminuyendo su aporte a la
economía de la región con un promedio de 13.5% del PIB; además, tuvo un crecimiento
mucho más inestable durante la década presentando algunos picos en sus variaciones
positivas siendo el más alto en 2006 [15].
1.3. DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
La red nacional de carreteras de Colombia regulada por el Ministerio de Transporte
mediante el Instituto Nacional de Vías (INVIAS) se compone por la red primaria
(Grandes Autopistas, a cargo de la nación), red secundaria (a cargo de departamentos) y
red terciaria (compuesta por carreteras terciarias o caminos interveredales, a cargo de
municipios). En el año 2017 la red de carreteras de Colombia fue de 205.937 km de los
cuales el 8.99%, es decir 18.516 km corresponden a la red primaria, el 21.92% que
corresponden a 45.137 km a la red secundaria y 142.284 km el 69.09% a la red terciaria
[17].
El desarrollo vial ‘Armenia – Pereira – Manizales’ con una longitud de 270 km hace
parte de red primaria de carreteras en la troncal del eje cafetero y sirve como conexión
entre las ciudades Armenia, Pereira y Manizales capitales de los departamentos del
Quindío, Risaralda y Caldas. Además, este desarrollo vial es una parte importante de
los corredores que conectan a la ciudad de Cali con las ciudades de Medellín y Bogotá,
consideradas las tres ciudades más importantes de Colombia.
Así mismo, el proyecto vial ‘Armenia – Pereira – Manizales’ hace parte de la primera
generación de concesión viales que se desarrolló en Colombia entre los años 1993 –
1997 el cual se enmarco en un contexto de transformaciones políticas y económicas a
nivel mundial, caracterizado en Colombia por una apuesta de desarrollo fundamentada
en planteamientos neoliberales, en particular, un mayor adelgazamiento del Estado a
favor de una mayor injerencia del sector privado [18].
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
20 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
La Ley 80 de 1993 establece que los contratos de concesión “Son los que celebran las
entidades estatales con el objeto de otorgar a una persona llamada concesionario la
prestación, operación, explotación, organización o gestión total o parcial de un
servicio público, o la construcción, explotación o conservación total o parcial de una
obra o bien destinados al servicio o uso público por cuenta y riesgo del concesionario y
bajo la vigilancia y control de la entidad concedente, a cambio de una remuneración
que puede consistir en derechos, tarifas, tasas, valorización o en la participación que se
le otorgue en la explotación del bien” [19].
El sistema de concesión de carreteras es una estrategia que funciona con recursos de
inversión privada. El INVIAS establece un contrato con una o varias firmas,
entregándoles por un tiempo determinado la rehabilitación, mantenimiento o
construcción de una carretera; al finalizar el periodo pactado la vía concesionada retorna
al Estado [20]. El fundamento del sistema es la aplicación de los recursos provenientes
de los peajes. En Colombia este cobro tiene su origen en 1830 pero sólo hasta 1955 el
Ministerio de Obras Públicas fue facultado para cobrarlo y utilizarlo como fuente de
financiación para mantenimiento y construcción de vías. El esquema de trabajo
empleado en el desarrollo de la primera generación de concesiones viales se denomina
B.O.M.T., que significa Construir, Operar, Mantener y Transferir para asegurar la
ejecución de las obras viales de gran magnitud por parte del sector privado [20].
El 21 de abril de 1997 se firmó el contrato de concesión del proyecto vial ‘Armenia –
Pereira – Manizales’ entre el INVIAS y la sociedad Autopistas del Café S.A. como
concesionaria en donde el objeto del contrato es ‘la ejecución de los estudios y diseños
definitivos, las obras de rehabilitación y de construcción, el mantenimiento y la
prestación de los servicios del proyecto vial y todas aquellas actividades para el
adecuado funcionamiento de la obra y prestación del servicio público’ [21]. Las obras
dieron inicio el 4 de agosto de 1998 y finalizaron el 31 de enero de 2009 más de 10 años
después. El 1 de febrero se inició la etapa de operación y mantenimiento la cual tiene
previsto su finalización en el año 2027. La concesión
En el parágrafo primero de la cláusula vigésima quinta del contrato de concesión
‘Conservación y mantenimiento de la carretera entregada en concesión’ se establece
que, durante la Etapa de Operación Autopistas del Café S.A. se obliga a mantener en
todo momento el proyecto con un nivel mínimo de servicio que alcance una calificación
del Índice de Estado del Proyecto de cuatro (4) puntos, conforme al procedimiento para
determinar el Índice de Estado de un Pavimento Flexible o Semiflexible [21].
El control técnico de la eficiencia del servicio prestado al usuario por los concesionarios
durante el período de operación de cada proyecto en los contratos de la primera
generación reposa en un "Índice de Estado" (IE), que es un valor numérico que varía
entre 0 y 5, por medio del cual se califican la capacidad estructural de la calzada
pavimentada y el nivel de servicio que ella y sus zonas adyacentes prestan a los usuarios
de la carretera, siendo factores de calificación la rugosidad, los ahuellamientos y otras
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
21 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
deformaciones, los agrietamientos, la resistencia al deslizamiento y el estado de las
bermas [22].
De acuerdo con el procedimiento establecido por la Subdirección de Concesiones del
INVÍAS con el apoyo de la firma consultora DIS LTDA, INGENIEROS
CONSULTORES, el índice de estado (IE) de las carreteras incluidas en los contratos de
la primera generación, se determina mediante la expresión [22]:
Ecuación 1. Índice de Estado (IE). Tomado de ‘Sobre el índice de estado en los
contratos de la tercera generación de concesión de carreteras nacionales’ [22]
𝐼𝐸 = 0.35𝑅 + 0.20𝐴 + 0.20𝐹 + 0.20𝐷 + 0.05𝐵
Donde
R= calificación de la rugosidad de la calzada.
A= calificación del ahuellamiento y otras deformaciones del pavimento.
F= calificación por la presencia de fisuras y grietas en el pavimento.
D= calificación por las condiciones de fricción neumático-pavimento.
B= calificación por el estado de las bermas.
Del procedimiento forma parte una tabla para calificar cada elemento en función de su
grado de ocurrencia:
Tabla 1. Tabla de calificación para determinar el índice de estado en los contratos de
concesión de primera generación. Tomada de ‘Sobre el índice de estado en los
contratos de la tercera generación de concesión de carreteras nacionales’ [22]
En total la concesión cuenta con siete estaciones de peaje distribuidas en los tres
departamentos que atraviesa la carretera. Si bien, aunque las obras finalizaron en enero
de 2009, las estaciones de peaje se fueron poniendo en servicio a medida que las obras
iban avanzando, así, en el año 2000 entraron en servicio 4 estaciones de peaje y en el
2007 entró en servicio la última estación.
Tabla 2. Nombre, ubicación y fecha de inicio de operación de las estaciones de peaje
presentes en la concesión. Elaboración propia a partir de [21],[23].
Departamento Estación de
Peaje
Inicio
operación
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
22 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Quindío Circasia 2000
Quindío Corozal 2005
Caldas Pavas 2000
Caldas San Bernardo 2000
Caldas Santágueda 2005
Caldas Tarapaca I 2000
Risaralda Tarapaca II 2006
Para el cobro de la tarifa de peaje en las estaciones se establecen por contrato siete
tipologías de tráfico [21].
Tabla 3. Tipología de vehículos prevista para el cobro de la tarifa de peaje en la
concesión. Elaboración propia a partir de [21].
Categoría Descripción
I Automóviles, camperos y camionetas
II Buses y busetas
III Camiones pequeños de dos ejes
IV Camones grandes de dos ejes
V Camiones de tres y cuatro ejes
VI Camiones de cinco ejes
VII Camiones de seis ejes o más
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
23 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Imagen 3. Desarrollo vial Armenia – Pereira – Manizales. Tomado de Autopistas del
Café S.A. [24].
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
24 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
2. METODOLOGÍA
El desarrollo de la metodología se basa principalmente en lo expuesto por Cesar
Almarza Llano, Licenciado en Ciencias Económicas y Máster en Economía del
Transporte, en la clase de Análisis de la demanda del curso de Contabilidad y Criterios
de Inversión Aplicados a las Infraestructuras del programa de Máster en Planificación y
Gestión de Infraestructuras de la Universidad Politécnica de Madrid.
2.1. MODELO ECONÓMETRICO
La previsión econométrica consiste en la relación funcional de una variable dependiente
o endógena, en este caso la demanda, con un determinado número de variables
independientes, en este caso llamadas variables explicativas o exógenas. La relación
funcional se determina a partir de un conjunto de datos sobre las variables
independientes y dependiente, obtenidas en cortes longitudinales y/o transversales [25].
Las variables explicativas deben ser seleccionadas dentro del conjunto de las que
pueden ser fácilmente proyectadas, dado que en eso reside la principal ventaja de este
método, que es la de poder proyectar una variable difícil de prever mediante variables
fácilmente previsibles. Las variables independientes más usadas son las siguientes: PIB,
población, ingreso per cápita, gastos personales de consumo, costos y tarifas de
transporte, tiempo de viaje, comercio internacional, etc [25].
El proceso de previsión econométrica comprende las siguientes etapas:
• Identificación de los factores causales de la demanda y la selección de las
variables independientes.
• Recopilación de la información sobre las variables seleccionadas.
• Especificación de la relación funcional, o modelo, que establezca la ecuación
econométrica de relación entre la demanda y sus variables explicativas.
• Estimación del modelo mediante métodos econométricos. Pruebas de hipótesis
de los parámetros del modelo.
• Proyección de las variables explicativas.
• Previsión de la demanda con el modelo.
Básicamente los modelos econométricos de demanda pueden ser de dos tipos:
• Lineal:
𝑦 = 𝑎0 + 𝑎1𝑥1 + 𝑎2𝑥2+⋯+ 𝑎𝑘𝑥𝑘
Con elasticidades:
𝑒𝑥𝑖 =𝜕𝑦
𝜕𝑥𝑥𝑖
𝑥𝑖𝑦=
𝑎𝑖𝑥𝑖𝑎0 + 𝑎1𝑥1 + 𝑎2𝑥2+⋯+ 𝑎𝑘𝑥𝑘
• Multiplicativa
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
25 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
𝑦 = 𝑎0. 𝑥1𝛼1𝑥2
𝛼2… . . 𝑥𝑘𝛼𝑘
Con elasticidades:
𝑒𝑥𝑖 = 𝛼𝑖
Siendo ‘y’ la demanda y ‘xi’ las variables explicativas.
Los modelos del tipo multiplicativo se linealizan aplicando logaritmos:
log(𝑦) = 𝑙𝑜𝑔(𝑎0) + 𝛼1𝑙𝑜𝑔(𝑥1) + ⋯+ 𝛼𝑘𝑙𝑜𝑔(𝑥𝑘)
Ambos modelos se ajustan mediante técnicas de regresión lineal múltiple.
2.1.1. El modelo logarítmico
ln(𝑦𝑡) = 𝛽1 + 𝛽2𝑙𝑛(𝑥𝑡) + 𝑒𝑡
Donde:
• Yt es la variable dependiente (tráfico)
• Xt son las variables explicativas del modelo.
• β1 es la constante del modelo.
• β2 hasta βn cada β representa los coeficientes de las variables explicativas del
modelo: tarifa (β2), PIB (β3), etc.
Una característica atractiva del modelo logarítmico es que los coeficientes estimados
(cada βn) miden la elasticidad de la variable dependiente (Yt) con respecto a las
variables independientes (Xt) lo cual es el cambio porcentual de Yt para un cambio
porcentual dado en Xt [9]. La elasticidad se obtiene con la fórmula:
𝜀 =𝑑𝑦𝑡𝑑𝑥𝑡
𝑦𝑡𝑥𝑡
= 𝛽2
Es decir, el coeficiente de la tarifa en cada uno de los modelos representa la elasticidad
de la demanda a la tarifa de manera directa y se podrá determinar el grado de elasticidad
de cada modelo por grupo vehicular bajo el siguiente criterio:
a) Si el valor del coeficiente de la tarifa se encuentra entre 0 y -1, se considera que
la demanda es inelástica.
b) Si el valor del coeficiente es mayor que |-1|, la demanda se considera elástica.
Una característica especial de este modelo es la asunción de que el coeficiente de
elasticidad entre Yt y Xt, βn, permanece constante a lo largo del tiempo. Esto quiere
decir que el cambio en ln(Yt) por unidad de cambio en ln(Xt) permanece constante no
importa en cual ln(Xt) se mide la elasticidad [9].
Una de las principales asunciones de los modelos de regresión lineal es que no haya una
exacta colinealidad entre las variables explicativas. Esto implica que ninguna de las
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
26 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
variables se pueda escribir como una combinación lineal exacta de las variables
restantes, es decir, que sean linealmente independientes [9].
El caso de una relación lineal exacta entre las variables explicativas representa un gran
fallo en las asunciones del modelo. El caso más común se da cuando hay una
correlación alta pero no perfecta en las variables. En este caso, la asunción de que no
haya una exacta colinealidad en las variables se cumple, sin embargo, se generan graves
problemas estadísticos en los resultados de la regresión [26]. Los problemas más
comunes cuando se presenta esta casuística son:
• Pequeños cambios en los datos producen amplias variaciones en los parámetros
estimados.
• Los coeficientes pueden tener altos errores estándar y bajos niveles de
significancia incluso cuando el R2 de la regresión es bastante alto.
• Coeficientes pueden tener los signos erróneos o magnitudes inverosímiles.
Se debe tener en cuenta que, en los análisis de regresión, la variable dependiente
frecuentemente es influenciada no solamente por variables cuantitativas (PIB, precios,
costos, altura, temperatura, etc.) sino que también por variables esencialmente
cualitativas, o de escala nominal, como el sexo, la raza, religión, nacionalidad, región
geográfica, afiliación política, etc. Como estas variables usualmente indican la presencia
o ausencia de una “cualidad” o atributo como masculino o femenino, blanco o negro,
católico o no católico, socialista o liberal, son esencialmente variables de escala
nominal. Una forma en la que se puede “cuantificar” dichas variables es utilizando una
variable artificial que tome valores de 1 o 0, 1 indicando la presencia del atributo y 0
indicando la ausencia del atributo. Estas variables se denominan variables dummy y se
pueden incorporar en los modelos de regresión igual de fácil que las variables
cuantitativas [9]. Estas variables también son usadas cuando el comportamiento de la
variable dependiente no se puede explicar con las variables independientes. En el caso
del tráfico, se usan variables dummy cuando se presenta una disminución repentina del
tráfico ocasionada por huelgas, bloqueos, obras en la vía, y en general cualquier tipo de
actividad que se localice en la vía, que afecte el tráfico de esta y que no se pueda
relacionar directamente con variables económicas [25].
2.1.2. Medidas de bondad de ajuste de los modelos
• Estadístico t. Mide el valor de un coeficiente con respecto a su desviación típica
y se utiliza para determinar si un parámetro es significativamente diferente de
cero [26].Valores mayores que 1.96 indican que el coeficiente es
estadísticamente distinto de cero con un 95% de probabilidad y, por tanto,
significativo [25].
• Coeficiente de determinación (R2). Mide la proporción de la variación total en
Y a causa de variaciones en las variables explicativa. Los valores del coeficiente
se mueven entre 0 y 1, siendo cero cuando la regresión es una línea horizontal,
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
27 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
lo que es igual, que todos los coeficientes, a excepción de la constante del
modelo, sean cero. En este caso, las desviaciones de las variables explicativas de
su media no se traducen en diferentes predicciones para la variable dependiente,
es decir, las variables explicativas no tienen poder explicativo [26]. Cuando el
valor de R2 se acerca más a uno mejor son los resultados de la regresión.
• Estadístico F. Permite valorar hasta qué punto es adecuado el modelo de
regresión lineal para estimar los valores de la variable dependiente. En este caso
un valor menor a 0.05 implica que los valores de la variable dependiente están
siendo estadísticamente explicados en el modelo econométrico con más del 95%
de confianza [25].
.
2.2. RECOLECCIÓN DE INFORMACIÓN
Para poder usar el modelo econométrico es necesario primero obtener la información de
las variables que pueden explicar el comportamiento del tráfico en la carretera. Este
paso es de vital importancia para obtener resultados significativos al aplicar el modelo y
por esto solo se deben tener en cuenta datos reales y validados por organismos de
control.
Teniendo en cuenta lo anterior, se decide trabajar con las siguientes variables, de las
cuales se encontró información de calidad en la mayoría de los casos y que a priori se
considera que influyen en el comportamiento del tráfico.
• PIB de la región
• Tarifa de los peajes
• Población económicamente activa ocupada
• El precio del combustible
• La tasa de motorización
Para un mejor análisis de los datos, se decidió agrupar las categorías de tráfico presentes
en la concesión por tipos de vehículos similares, pasando de tener 7 categorías a 4 como
se muestra en la siguiente tabla:
Tabla 4. Recategorización tipo de tráfico presente en la concesión. Elaboración propia.
Categoría
original
Categoría
simplificada Descripción
I Ligeros Automóviles, camperos y camionetas
II Buses Buses y busetas
III Camiones
Pequeños
Camiones pequeños de dos ejes
IV Camones grandes de dos ejes
V Camiones
grandes
Camiones de tres y cuatro ejes
VI Camiones de cinco ejes
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
28 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
VII Camiones de seis ejes o más
2.2.1. Tarifa de peajes
El precio del peaje es una variable que está muy relacionada al tráfico sobre una
carretera. Normalmente, cuando se aumenta el precio a pagar por usar un recurso, hay
usuarios que ya no están dispuestos a comprar y utilizar dicho recurso porque ya no es
rentable para ellos. Así, es de esperar que cuando se aumenta el precio del uso de una
carretera se disminuya el tráfico que transita sobre ella. Sin embargo, existen carreteras
que son la única vía de conexión de zonas geográficas importantes en donde el precio de
los peajes no afecta el tráfico. En el caso que se está estudiando, se espera encontrar
valores de elasticidad negativos entre la tarifa y el tráfico.
Los datos de la tarifa presentes en la concesión se obtuvieron en la página web de la
ANI con datos que van desde enero de 2004 hasta marzo de 2019 [27]. A continuación,
se muestra un resumen por año y por categoría de tráfico de la información obtenida en
cada departamento y el total de concesión.
Tabla 5. Tarifa (en pesos colombianos)
de peajes en Caldas en la concesión.
Elaboración propia a partir la
información disponible en la página
web de la ANI [27]
Tabla 6. Tarifa (en pesos colombianos)
de peajes en Quindío en la concesión.
Elaboración propia a partir la
información disponible en la página
web de la ANI [27]
2004 12,900 14,700 29,400 143,700
2005 20,500 25,100 50,200 237,000
2006 22,800 29,000 58,000 272,200
2007 24,000 30,300 60,600 284,600
2008 26,100 32,800 65,600 303,300
2009 28,200 35,700 71,400 329,800
2010 29,000 36,600 73,200 338,400
2011 30,600 38,300 76,600 355,500
2012 31,800 39,600 79,200 368,400
2013 32,600 40,500 81,000 377,300
2014 34,200 42,100 84,200 387,400
2015 35,400 43,700 87,400 401,500
2016 37,800 46,600 93,200 428,400
2017 39,900 49,200 98,400 452,400
2018 41,500 51,300 102,600 471,000
2019 42,700 53,000 106,000 485,900
Año Ligeros BusesCamiones
pequeños
Camiones
grandes
CALDAS
2004 6,200 7,100 14,200 70,000
2005 11,700 14,900 29,800 134,600
2006 13,000 16,600 33,200 150,200
2007 13,600 17,300 34,600 155,200
2008 14,800 18,700 37,400 167,200
2009 16,000 20,300 40,600 181,800
2010 16,400 20,800 41,600 186,500
2011 17,300 21,800 43,600 195,800
2012 18,000 22,600 45,200 203,000
2013 18,500 23,100 46,200 208,000
2014 19,300 24,000 48,000 213,300
2015 20,000 24,900 49,800 221,000
2016 21,400 26,600 53,200 235,900
2017 22,600 28,100 56,200 249,400
2018 23,500 29,300 58,600 259,600
2019 24,200 30,200 60,400 267,800
AñoCamiones
pequeños
Camiones
grandes
QUINDÍO
Ligeros Buses
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
29 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Tabla 7. Tarifa (en pesos colombianos)
de peajes en Risaralda en la concesión.
Elaboración propia a partir la
información disponible en la página
web de la ANI [27]
Tabla 8. Tarifa (en pesos colombianos)
de peajes en la concesión. Elaboración
propia a partir la información
disponible en la página web de la ANI
[27]
.
Figura 1. Evolución tarifas en la concesión. Elaboración propia a partir la
información disponible en la página web de la ANI [27]
La tarifa de peaje se aumenta cada año en congruencia con el Índice de Precios al
Consumidor (IPC) lo que se puede apreciar en la figura anterior que no muestra ninguna
particularidad especial, la tarifa aumentó de forma constante para cada categoría de
tráfico durante el periodo que se tiene información.
2007 6,600 8,700 17,400 85,100
2008 7,200 9,400 18,800 90,600
2009 7,800 10,200 20,400 98,500
2010 8,000 10,500 21,000 101,100
2011 8,400 11,000 22,000 106,200
2012 8,700 11,400 22,800 110,100
2013 8,900 11,700 23,400 112,700
2014 9,300 12,100 24,200 115,600
2015 9,600 12,500 25,000 119,800
2016 10,200 13,300 26,600 127,800
2017 10,800 14,100 28,200 135,000
2018 11,200 14,700 29,400 140,400
2019 11,500 15,200 30,400 144,800
Año Ligeros BusesCamiones
pequeños
Camiones
grandes
RISARALDA
2004 19,100 21,800 43,600 213,700
2005 32,200 40,000 80,000 371,600
2006 35,800 45,600 91,200 422,400
2007 44,200 56,300 112,600 524,900
2008 48,100 60,900 121,800 561,100
2009 52,000 66,200 132,400 610,100
2010 53,400 67,900 135,800 626,000
2011 56,300 71,100 142,200 657,500
2012 58,500 73,600 147,200 681,500
2013 60,000 75,300 150,600 698,000
2014 62,800 78,200 156,400 716,300
2015 65,000 81,100 162,200 742,300
2016 69,400 86,500 173,000 792,100
2017 73,300 91,400 182,800 836,800
2018 76,200 95,300 190,600 871,000
2019 78,400 98,400 196,800 898,500
TOTAL CONCESIÓN
AñoCamiones
grandesLigeros Buses
Camiones
pequeños
80
130
180
230
280
330
380
430
480
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
201
4
201
5
201
6
201
7
201
8
201
9
Evolución tarifas - Total concesión
Ligeros Buses Camiones pequeños Camiones grandes
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
30 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
NOTAS
• Las tarifas se establecen al principio del año cuando se tiene el valor de la variación
anual del IPC.
• Para obtener los valores mostrados en las tablas resumen anteriores, se sumó el
valor de las tarifas que componen la nueva división de categoría realizada, así, los
valores de las tarifas para camiones grandes es la suma de las tarifas de las
categorías V, VI y VI. De igual forma para la categoría de camiones pequeños.
2.2.2. Producto Interno Bruto
El estado de la economía tiene gran relación con el tráfico de las carreteras, el transporte
de mercancías, materia prima, productos, personas, entre otros; está muy ligado al
comportamiento económico de una región. Cuando la actividad económica de una
región tiene una evolución positiva es de esperar que se incremente el transporte de
materiales y personas en respuesta al buen estado de la economía. En caso contrario,
evolución negativa, se disminuye el poder adquisitivo general y se tiende a disminuir la
producción de las industrias y empresas lo que lleva a una reducción del tráfico en las
carreteras.
En la página web del DANE en la sección de cuentas nacionales se publican los
resultados del PIB nacional, así como del PIB departamental y por actividades
económicas [28]. Estos datos se encuentran disponibles en diferentes bases a precios
corrientes y precios constantes. El PIB a precios constantes o PIB real es la producción
de bienes y servicios finales producidos en un país eliminando el cambio de los precios
a los largo de los años, el PIB a precios corrientes refleja estos cambios, ya sean
incrementos (inflación) o disminución (deflación) [29]. El PIB a precios constantes se
calcula a partir de los precios de una año que se toma como base y permite, por tanto,
aislar los cambios ocasionados en los precios [29]. En la página web hay disponibles los
datos del PIB en bases del 1975, 1994, 2000, 2005 y 2015 siendo esta la más
actualizada y la única que dispone los valores del PIB de los últimos dos años (2017 y
2018) por lo que se decide trabajar con esta base.
Al tener los datos del PIB divididos por actividad económica se puede obtener un
análisis mucho más completo de la relación entre el tráfico y el PIB, pues se puede ver
cuales actividades influyen en tráfico de la carretera, pudiendo separar las actividades
económicas con más relación al tráfico de vehículos pesados y al tráfico de vehículos
ligeros. Con esto se pueden generar escenarios más detallados para el análisis de la
demanda futura.
Después de procesar los datos, los cuales se encontraban en formato xlsx (Excel)se
realizaron las siguientes tablas y figuras como resumen:
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
31 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Tabla 9. PIB departamento de Caldas (base 2015). Elaboración propia a partir de la
serie de datos disponible en la página web del DANE [28].
PIB POR ACTIVIDADES ECONÓMICAS - CALDAS
A B C D E F G H I J K L M
2005 957.8 206.0 1599.6 567.0 352.4 1520.3 281.7 199.2 634.1 962.8 1396.3 215.3 9411.3
2006 1026.4 275.8 1918.2 603.1 381.2 1603.8 296.7 226.1 650.3 812.9 1478.1 225.7 10153.8
2007 1035.8 226.0 1887.8 615.7 550.2 1670.6 333.7 258.9 675.7 839.0 1619.4 237.3 10745.3
2008 1031.8 136.3 1915.0 637.6 606.6 1749.3 354.4 270.7 701.2 871.6 1558.1 253.5 10926.5
2009 999.5 123.0 1593.2 603.1 531.1 1752.6 349.5 290.6 719.7 884.6 1564.9 259.3 10424.1
2010 1066.8 119.6 1545.1 673.8 615.0 1797.6 336.2 287.1 740.5 868.3 1587.0 267.4 10675.3
2011 1015.6 123.0 1441.1 676.9 630.5 1885.0 344.7 305.8 756.7 869.9 1585.3 287.0 10696.0
2012 986.0 146.2 1407.4 631.4 631.7 1922.1 350.9 317.5 775.3 886.2 1653.4 296.3 10777.1
2013 1100.4 152.9 1458.7 643.9 716.9 1984.2 361.7 333.9 793.8 943.2 1779.4 318.3 11462.4
2014 1224.1 169.5 1525.9 680.0 796.0 2050.6 373.9 370.2 812.3 974.2 1830.5 326.4 12106.3
2015 1274.0 141.3 1639.1 663.9 783.9 2141.9 393.4 387.6 842.8 992.2 1954.0 307.5 12513.5
2016 1211.3 192.0 1716.5 654.8 965.7 2173.8 378.9 397.3 867.9 975.2 1979.1 335.4 12821.1
2017 1265.1 182.4 1772.2 681.2 910.9 2197.0 373.3 417.3 879.5 952.1 2049.4 343.3 13005.1
2018 1281.6 157.0 1801.4 696.9 1009.0 2264.8 399.1 430.4 889.6 1033.1 2136.1 350.5 13461.1
Series encadenadas de volumen con año de referencia 2015
Valores en miles de millones de pesos.
Significado de los encabezados:
A Agricultura, ganadería, caza, silvicultura y pesca
B Explotación de minas y canteras
C Industrias manufactureras
D Suministro de electricidad, gas, vapor y aire acondicionado; Distribución de agua; evacuación y
tratamiento de aguas residuales, gestión de desechos y actividades de saneamiento ambiental
E Construcción
F Comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas;
Transporte y almacenamiento; Alojamiento y servicios de comida
G Información y comunicaciones
H Actividades financieras y de seguros
I Actividades inmobiliarias
J Actividades profesionales, científicas y técnicas; Actividades de servicios administrativos y de
apoyo
K Administración pública y defensa; planes de seguridad social de afiliación obligatoria; Educación;
Actividades de atención de la salud humana y de servicios sociales
L Actividades artísticas, de entretenimiento y recreación y otras actividades de servicios;
Actividades de los hogares individuales en calidad de empleadores; actividades no diferenciadas
de los hogares individuales como productores de bienes y servicios para uso propio
M Total departamental
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
32 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 2. Evolución del PIB del departamento de Caldas (base 2015). Elaboración
propia a partir de la serie de datos disponible en la página web del DANE [28].
Tabla 10. PIB departamento de Quindío (base 2015). Elaboración propia a partir de la
serie de datos disponible en la página web del DANE [28].
PIB POR ACTIVIDADES ECONÓMICAS - QUINDÍO
A B C D E F G H I J K L M
2005 718.5 11.3 268.4 108.8 262.7 928.4 98.1 98.9 498.4 181.6 708.9 115.3 4205.0
2006 859.6 11.3 355.2 114.1 275.2 1005.2 117.1 106.5 512.4 211.3 783.9 111.1 4736.4
2007 815.2 14.4 348.6 118.4 392.4 1055.1 133.2 119.2 533.3 227.0 788.5 108.0 4945.8
2008 861.2 12.3 303.9 123.6 353.4 1093.9 138.0 126.8 547.2 239.2 813.0 109.0 4986.1
2009 870.7 13.4 275.0 123.6 351.8 1049.8 131.5 129.3 561.1 248.0 819.1 107.0 4932.9
2010 900.9 11.3 307.9 125.7 339.3 1094.6 129.1 131.8 582.1 256.7 862.0 113.2 5103.6
2011 842.2 18.5 335.5 128.9 548.8 1133.5 135.4 142.0 603.0 275.9 842.1 123.6 5456.3
2012 815.2 24.7 338.1 130.0 753.6 1184.5 145.4 149.6 616.9 291.6 894.2 126.7 5868.6
2013 851.7 21.6 334.2 135.3 673.9 1219.4 144.2 161.0 627.4 303.8 950.8 131.9 5933.0
2014 885.0 21.6 322.3 143.7 637.9 1271.7 152.1 174.9 644.8 331.8 1019.7 138.1 6103.7
2015 934.2 27.1 336.4 145.1 674.3 1321.6 152.5 186.2 665.7 336.4 1084.6 151.4 6380.7
2016 972.9 25.2 348.7 146.0 744.2 1366.4 152.7 190.3 700.3 322.2 1121.8 160.0 6624.1
2017 1017.6 25.5 336.9 147.8 708.0 1345.7 150.6 200.3 736.1 330.8 1157.8 167.4 6701.3
2018 1036.8 24.9 348.7 150.1 600.2 1375.0 153.3 207.3 752.2 351.7 1200.8 169.4 6739.4
Series encadenadas de volumen con año de referencia 2015
Valores en miles de millones de pesos. Para el 17/6/19 un euro equivale a 3636.34 pesos colombianos
Significado de los encabezados:
A Agricultura, ganadería, caza, silvicultura y pesca
40
60
80
100
120
140
160
180
200
220
240
260
280
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Evolución del PIB por actividades económicas - Caldas
A B C D E F G
H I J K L M
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
33 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
B Explotación de minas y canteras
C Industrias manufactureras
D Suministro de electricidad, gas, vapor y aire acondicionado; Distribución de agua; evacuación y
tratamiento de aguas residuales, gestión de desechos y actividades de saneamiento ambiental
E Construcción
F Comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas;
Transporte y almacenamiento; Alojamiento y servicios de comida
G Información y comunicaciones
H Actividades financieras y de seguros
I Actividades inmobiliarias
J Actividades profesionales, científicas y técnicas; Actividades de servicios administrativos y de
apoyo
K Administración pública y defensa; planes de seguridad social de afiliación obligatoria;
Educación; Actividades de atención de la salud humana y de servicios sociales
L Actividades artísticas, de entretenimiento y recreación y otras actividades de servicios;
Actividades de los hogares individuales en calidad de empleadores; actividades no diferenciadas
de los hogares individuales como productores de bienes y servicios para uso propio
M Total departamental
Figura 3. Evolución del PIB del departamento de Quindío (base 2015). Elaboración
propia a partir de la serie de datos disponible en la página web del DANE [28].
80
100
120
140
160
180
200
220
240
260
280
300
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Evolución del PIB por actividades económicas - Quindío
A B C D E F G
H I J K L M
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
34 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Tabla 11. PIB departamento de Risaralda (base 2015). Elaboración propia a partir de
la serie de datos disponible en la página web del DANE [28].
PIB POR ACTIVIDADES ECONÓMICAS - RISARALDA
A B C D E F G H I J K L M
2005 677.1 47.5 1286.4 224.2 1054.5 1672.3 253.4 217.7 613.4 774.1 1355.0 269.8 9093.2
2006 795.9 51.1 1333.5 244.0 1185.4 1799.2 292.2 242.5 643.1 832.2 1416.0 293.6 9898.8
2007 865.1 42.6 1273.4 258.9 1007.1 1903.7 331.6 267.3 671.0 882.0 1462.2 301.5 10074.0
2008 730.1 43.8 1364.3 260.1 1062.1 1930.4 359.5 282.9 693.3 921.9 1506.5 309.4 10272.2
2009 684.0 45.0 1448.6 260.1 1029.9 1929.1 347.5 285.5 713.8 933.5 1563.8 310.6 10336.0
2010 688.6 35.3 1492.4 261.4 933.1 2049.3 327.5 303.8 736.1 903.6 1617.5 336.6 10503.1
2011 669.0 31.6 1508.7 277.5 826.9 2160.4 356.9 339.0 754.7 946.8 1584.2 353.6 10665.2
2012 682.8 36.5 1544.3 276.2 808.0 2188.4 379.6 354.7 777.0 995.0 1674.8 358.2 10977.9
2013 752.0 45.0 1615.7 284.9 1050.7 2249.3 395.2 387.3 793.7 1056.5 1772.7 383.1 11814.7
2014 800.5 48.7 1696.8 298.5 1069.7 2379.6 411.0 417.2 814.1 1121.2 1841.1 393.3 12366.6
2015 845.1 44.6 1722.6 298.3 953.2 2446.7 412.3 444.6 859.6 1154.8 1968.0 400.2 12655.7
2016 828.1 51.9 1811.5 298.3 952.5 2569.9 416.2 457.3 923.0 1141.9 2042.5 415.5 13027.3
2017 845.3 47.0 1815.5 302.6 880.7 2623.8 404.9 478.9 976.3 1165.2 2107.5 420.4 13199.2
2018 858.0 47.7 1827.2 310.9 991.4 2680.4 397.3 493.5 995.5 1238.8 2197.7 425.0 13645.7
Series encadenadas de volumen con año de referencia 2015
Valores en miles de millones de pesos. Para el 17/6/19 un euro equivale a 3636.34 pesos colombianos
Significado de los encabezados:
A Agricultura, ganadería, caza, silvicultura y pesca
B Explotación de minas y canteras
C Industrias manufactureras
D Suministro de electricidad, gas, vapor y aire acondicionado; Distribución de agua; evacuación y
tratamiento de aguas residuales, gestión de desechos y actividades de saneamiento ambiental
E Construcción
F Comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas;
Transporte y almacenamiento; Alojamiento y servicios de comida
G Información y comunicaciones
H Actividades financieras y de seguros
I Actividades inmobiliarias
J Actividades profesionales, científicas y técnicas; Actividades de servicios administrativos y de
apoyo
K Administración pública y defensa; planes de seguridad social de afiliación obligatoria;
Educación; Actividades de atención de la salud humana y de servicios sociales
L Actividades artísticas, de entretenimiento y recreación y otras actividades de servicios;
Actividades de los hogares individuales en calidad de empleadores; actividades no diferenciadas
de los hogares individuales como productores de bienes y servicios para uso propio
M Total departamental
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
35 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 4. Evolución del PIB del departamento de Risaralda (base 2015). Elaboración
propia a partir de la serie de datos disponible en la página web del DANE [28].
Tabla 12. PIB del Eje Cafetero (base 2015). Elaboración propia a partir de la serie de
datos disponible en la página web del DANE [28].
PIB POR ACTIVIDADES ECONÓMICAS - TOTAL REGIÓN
A B C D E F G H I J K L M
2005 2353.3 264.8 3154.4 900.0 1669.6 4121.1 633.2 515.8 1745.9 1918.5 3460.2 600.3 22709.4
2006 2681.9 338.3 3606.9 961.2 1841.8 4408.2 706.0 575.1 1805.8 1856.4 3677.9 630.4 24789.1
2007 2716.1 283.0 3509.9 992.9 1949.8 4629.4 798.4 645.4 1880.0 1948.0 3870.1 646.8 25765.1
2008 2623.1 192.4 3583.2 1021.4 2022.0 4773.6 852.0 680.4 1941.7 2032.7 3877.6 671.9 26184.8
2009 2554.2 181.4 3316.8 986.9 1912.7 4731.5 828.6 705.4 1994.6 2066.1 3947.9 676.8 25693.1
2010 2656.2 166.3 3345.4 1060.9 1887.4 4941.5 792.7 722.7 2058.7 2028.6 4066.5 717.2 26282.0
2011 2526.8 173.1 3285.2 1083.3 2006.3 5178.9 836.9 786.8 2114.4 2092.7 4011.6 764.3 26817.5
2012 2484.1 207.4 3289.9 1037.6 2193.3 5294.9 875.9 821.8 2169.1 2172.8 4222.4 781.2 27623.6
2013 2704.1 219.5 3408.6 1064.1 2441.5 5452.9 901.1 882.2 2214.8 2303.5 4503.0 833.3 29210.1
2014 2909.6 239.8 3545.1 1122.3 2503.6 5701.9 937.0 962.4 2271.2 2427.2 4691.4 857.8 30576.6
2015 3053.3 213.0 3698.1 1107.3 2411.5 5910.2 958.2 1018.4 2368.1 2483.5 5006.6 859.1 31549.9
2016 3012.3 269.2 3876.7 1099.1 2662.3 6110.0 947.8 1044.8 2491.3 2439.3 5143.4 910.9 32472.4
2017 3128.0 254.9 3924.6 1131.6 2499.6 6166.4 928.8 1096.5 2591.9 2448.2 5314.7 931.1 32905.6
2018 3176.4 229.6 3977.3 1157.8 2600.7 6320.2 949.7 1131.1 2637.4 2623.6 5534.6 944.9 33846.2
Series encadenadas de volumen con año de referencia 2015
Valores en miles de millones de pesos. Para el 17/6/19 un euro equivale a 3636.34 pesos colombianos
Significado de los encabezados:
A Agricultura, ganadería, caza, silvicultura y pesca
60
80
100
120
140
160
180
200
220
240
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Evolución del PIB por actividades económicas - Risaralda
A B C D E F G
H I J K L M
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
36 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
B Explotación de minas y canteras
C Industrias manufactureras
D Suministro de electricidad, gas, vapor y aire acondicionado; Distribución de agua; evacuación y
tratamiento de aguas residuales, gestión de desechos y actividades de saneamiento ambiental
E Construcción
F Comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas;
Transporte y almacenamiento; Alojamiento y servicios de comida
G Información y comunicaciones
H Actividades financieras y de seguros
I Actividades inmobiliarias
J Actividades profesionales, científicas y técnicas; Actividades de servicios administrativos y de
apoyo
K Administración pública y defensa; planes de seguridad social de afiliación obligatoria; Educación;
Actividades de atención de la salud humana y de servicios sociales
L Actividades artísticas, de entretenimiento y recreación y otras actividades de servicios; Actividades
de los hogares individuales en calidad de empleadores; actividades no diferenciadas de los hogares
individuales como productores de bienes y servicios para uso propio
M Total región
Figura 5. Evolución del PIB del Eje Cafetero (base 2015). Elaboración propia a partir
de la serie de datos disponible en la página web del DANE [28].
60
80
100
120
140
160
180
200
220
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Evolución del PIB por actividades económicas - Total región
A B C D E F G
H I J K L M
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
37 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
2.2.3. Índice de motorización
Permitir el paso de vehículos motorizados es el principal objetivo de una carretera, de
ahí que la tasa de motorización sea un factor de relevancia para el tráfico. En una región
con una tasa de motorización alta es más probable que se generen viajes entre distintos
puntos del territorio lo que lleva a un mayor uso del equipamiento viario.
El índice de motorización se define como el número de vehículos por cada 1000
habitantes. En la página web del Registro Único Nacional de Tránsito (RUNT) de
Colombia se encuentra los datos nacionales del total de vehículos registrados en el
RUNT partir del año 2016 [30] y en la página web de la Organización Internacional de
Constructores de Automóviles (OICA) se encuentran los datos mundiales de vehículos
en uso desde el 2005 hasta el 2015 [31]. A continuación, se presenta un resumen de los
datos encontrados:
Tabla 13. Índice de motorización en Colombia. Elaboración propia a partir de los
datos disponibles en las páginas web del RUNT y de la OICA [30],[31].
ÍNDICE DE MOTORIZACIÓN COLOMBIA
Año Población [miles
de millones]
Nº
Vehículos
Índice
[veh/1000 hab]
2005 42,888.59 2,883,000 67.22
2006 43,405.96 3,077,000 70.89
2007 43,926.93 3,311,000 75.38
2008 44,451.15 3,572,000 80.36
2009 44,978.83 3,772,000 83.86
2010 45,509.58 3,949,000 86.77
2011 46,044.60 4,239,000 92.06
2012 46,581.82 4,540,000 97.46
2013 47,121.09 4,744,671 100.69
2014 47,661.79 5,077,234 106.53
2015 48,203.41 5,332,392 110.62
2016 48,747.71 5,704,966 117.03
2017 49,291.61 5,896,754 119.63
2018 49,834.24 6,229,288 125.00
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
38 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 6. Evolución índice de motorización en Colombia. Elaboración propia a partir
de los datos disponibles en las páginas web del RUNT y de la OICA [30],[31].
El índice de motorización presenta una evolución muy uniforme durante el periodo
considerado. Es notable que incluso durante la crisis económica mundial se continuo
con la tendencia positiva de crecimiento. Esto puede deberse al bajo índice de
motorización que hay Colombia pues, en comparación, para el año 2015 el índice de
motorización de España fue de alrededor 600 veh/1000 hab [32]. El índice de
motorización bajo de Colombia muestra que el mercado todavía no está saturado y que
todavía puede crecer mucho y, en adición, es muy probable que la parte de la población
colombiana que está adquiriendo vehículos sea aquella que no se vio afectada por la
crisis o, en otras palabras, la clase media – alta colombiana.
2.2.4. Población económicamente activa ocupada.
La población económicamente activa está conformada por las personas en edad de
trabajar que trabajan o que están buscando empleo. La población ocupada son las
personas que durante el periodo de referencia se encontraban en una de las siguientes
situaciones: 1. Trabajó por lo menos una hora remunerada en dinero o en especial en la
semana de referencia, 2. Los que no trabajaron la semana de referencia, pero tenían un
trabajo y 3. Trabajadores familiares sin remuneración que trabajaron en la semana de
referencia por lo menos una hora [33].
Los usuarios directos de los servicios prestados por las carreteras son las personas. Es
de esperar que al aumentar la población en la zona de estudio se aumente el tráfico, pues
habrán más personas que, cualquiera sea su motivo, necesitan transitar por las carreteras
para movilizarse. Esto es más cierto con la población ocupada pues son los que tienen
un empleo y por tanto más posibilidades económicas para desplazarse.
En la página web del DANE se publican los resultados de la Gran Encuesta Integrada de
Hogares (GEIH) cuyo principal objetivo es proporcionar información básica sobre el
80
100
120
140
160
180
2002
00
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
201
4
201
5
201
6
201
7
201
8
Evolución índice de motorización en Colombia
Índice de motorización
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
39 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
tamaño y la estructura de la fuerza de trabajo del país (empleo, desempleo e inactividad)
así como de las características sociodemográficas que permiten caracterizar a la
población según sexo, edad, parentesco con el jefe del hogar, nivel educativo, la
afiliación al sistema de seguridad social en salud, entre otros [34]. Los datos de la
población económicamente activa se publican en el apartado de mercado laboral de la
página web y se encuentran divididos por departamentos [14]. Después de procesar los
datos, los cuales se encontraban en formato xlsx (Excel) se realizó la siguiente tabla y
figura como resumen:
Tabla 14. Población económicamente activa ocupada en la región. Elaboración propia
a partir de serie de datos de la GEIH disponible en [14].
POBLACIÓN OCUPADA [en miles]
Año Caldas Quindío Risaralda Total
Región
2001 399.73 208.23 361.76 969.72
2002 388.46 206.02 364.13 958.61
2003 378.94 201.75 362.55 943.24
2004 373.05 196.53 360.74 930.33
2005 387.34 206.18 369.63 963.14
2006 364.26 204.86 368.81 937.93
2007 362.66 202.54 353.61 918.81
2008 361.22 207.43 364.60 933.24
2009 367.86 201.20 378.57 947.63
2010 373.21 214.54 382.78 970.52
2011 368.39 222.95 409.95 1001.30
2012 382.12 233.76 415.83 1031.71
2013 387.19 238.66 406.75 1032.59
2014 397.22 250.12 421.62 1068.96
2015 418.61 252.89 435.56 1107.06
2016 409.22 257.44 453.32 1119.97
2017 413.20 259.82 461.48 1134.49
2018 420.07 260.84 466.11 1147.02
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
40 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 7. Evolución población económicamente activa ocupada en la región.
Elaboración propia a partir de serie de datos de la GEIH disponible en [14].
Se puede ver una recuperación de la población activa luego de la crisis de los años 2008
– 2010 desde este momento se ha producido un aumento constante de la población con
trabajo en la región lo cual indica el buen estado de la economía.
2.2.5. Precio del combustible
Es normal que el tráfico de una región se vea afectado por la variación en los precios del
combustible al ser la fuente de energía en la mayoría de vehículos. En zonas donde la
población no tiene tanto poder adquisitivo hay una mayor relación, viéndose una
disminución del tráfico cuando los precios del combustible aumentan. Igualmente, para
las empresas de transporte, conductores autónomos de camiones, etc. la rentabilidad
disminuye cuando el precio del combustible aumenta, por lo que generalmente se decide
reducir el número de viajes, disminuyendo así el tráfico sobre la carretera.
Los datos de los precios del combustible se obtuvieron desde la página web de
ECOPETROL S.A. quien es la principal compañía petrolera en Colombia [35]. En el
apartado de precios históricos se puede consultar la variación de los precios a lo largo
de los últimos años con datos para combustibles líquidos desde el año 2003. Los
combustibles líquidos que produce ECOPETROL son la gasolina corriente, la gasolina
extra y el Diesel o aceite combustible para automotores (ACPM). Se decide trabajar
solamente con los datos de la gasolina corriente y el Diesel ya que para diciembre del
2014 representaban el 42.6% y el 46.9% respectivamente de la demanda de
combustibles en el país [36].
A partir de la información disponible de precios históricos en la página web de
ECOPETROL se realizó la siguiente tabla y figura:
90
95
100
105
110
115
120
125
1302
00
1
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
201
4
201
5
201
6
201
7
201
8
Evolución población ocupada en la región
Caldas Quindío Risaralda Total Región
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
41 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Tabla 15. Precio (en pesos colombianos) de combustibles líquidos en Colombia.
Elaboración propia a partir de los precios históricos disponibles en la página web de
ECOPETROL [37].
PRECIO DE COMBUSTIBLES
LIQUIDOS EN COLOMBIA
[$/galón]
Año Gasolina
Corriente
DIESEL
(A.C.P.M.)
2003 1,759.76 1,444.69
2004 2,171.03 1,730.30
2005 2,580.47 2,139.06
2006 2,814.89 2,630.46
2007 3,227.13 3,230.18
2008 3,838.16 3,795.99
2009 3,558.64 3,488.45
2010 4,123.56 4,034.64
2011 4,763.82 4,837.80
2012 4,816.68 5,245.54
2013 4,918.33 5,350.05
2014 5,021.43 5,501.43
2015 4,273.57 4,598.28
2016 3,630.32 3,837.09
2017 4,031.32 4,037.17
2018 4,751.05 4,667.96
Figura 8. Evolución del precio de combustibles líquidos en Colombia. Elaboración
propia a partir de los precios históricos disponibles en la página web de ECOPETROL
[37]
80
120
160
200
240
280
320
360
400
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
201
4
201
5
201
6
201
7
201
8
Evolución del precio de combustibles líquidos en Colombia
Gasolina Corriente DIESEL (A.C.P.M.)
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
42 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
La evolución de los precios del combustible en Colombia está muy ligada al
comportamiento del mercado internacional del petróleo. Se puede ver que en el año
empezó un periodo de descenso en los precios del combustible como respuesta a la
situación del mercado internacional de petróleo durante este periodo [38].
2.2.6. Tráfico
Los datos del tráfico son los más importantes para el desarrollo del modelo ya que es la
variable que se quiere proyectar, es necesario entonces tener información real de la
evolución del tráfico en la carretera en la mayor cantidad de años posible. Con un
periodo de tiempo grande el modelo tendrá información para entregar resultados más
aproximados a la realidad.
La Agencia Nacional de Infraestructuras (ANI) debe aparecer en Introducción, es una
agencia gubernamental colombiana adscrita al Ministerio de Transporte que está a cargo
de planear, coordinar, estructurar, contratar, ejecutar, administrar y evaluar proyectos de
concesiones y otras formas de Asociación Público Privada (APP) para el diseño,
construcción, mantenimiento, operación, administración y/o explotación de la
infraestructura pública de transporte en todos sus modos [39].
En la página web de la ANI se publican series históricas de tráfico y recaudo de la Red
Vial Nacional Concesionada en Colombia [27]. Esta información se obtiene para cada
una de las concesiones viales a cargo de la ANI, según categoría y estación de peaje.
Las concesiones están obligadas por contrato a contabilizar en cada estación de peaje el
tráfico que pasa por ellas dividido por categorías para luego entregar esta información
de forma mensual a la ANI [23].
Las series históricas de tráfico disponibles en la página web de la ANI contienen
información en formato xlsx (Excel) del tráfico mensual por estaciones y por categoría
de tráfico desde agosto de 2000 hasta abril de 2019 [27]. Con esta información se
procedió a elaborar tablas resumen y gráficos del tráfico promedio diario (TPD) en cada
departamento y el total de la concesión.
• CALDAS
Tabla 16. TPD años 2001 – 2018 en Caldas del desarrollo vial ‘Armenia – Pereira –
Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas
de tráfico disponibles en la página web de la ANI [27].
CALDAS
Año Ligeros Buses Camiones
pequeños
Camiones
grandes Total
2001 5544.95 665.56 1803.31 622.99 8636.81
2002 5066.44 881.46 1794.03 690.66 8432.60
2003 6245.02 1022.09 1905.01 751.98 9924.11
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
43 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
2004 6668.67 1210.69 2032.06 855.19 10766.60
2005 7497.12 1401.53 2857.42 1378.16 13134.24
2006 7391.45 1487.41 3002.25 1563.33 13444.45
2007 5286.24 1164.10 2503.21 1072.77 10026.32
2008 5327.70 1042.98 2534.22 1032.62 9937.52
2009 5406.65 1064.81 2498.13 1166.52 10136.12
2010 5393.50 1028.86 2690.03 1344.67 10457.06
2011 5669.25 994.70 2737.63 1451.32 10852.91
2012 6081.04 946.96 2644.19 1433.72 11105.92
2013 6471.95 902.79 2768.94 1432.87 11576.55
2014 6621.28 886.99 2814.40 1565.04 11887.71
2015 7388.78 852.41 3092.29 1558.69 12892.17
2016 7859.30 864.70 3150.19 1516.68 13390.87
2017 7764.96 872.53 3193.57 1541.75 13372.82
2018 7918.71 903.55 3277.52 1565.20 13664.98
Figura 9. Evolución del TPD entre 2001 – 2018 en Caldas del desarrollo vial ‘Armenia
– Pereira – Manizales’ por categoría de vehículo. Elaboración propia a partir las
series históricas de tráfico disponibles en la página web de la ANI [27].
En la figura anterior se puede observar que durante el año 2006 hubo una disminución
del tráfico en todas las categorías estudiadas. En el caso de los vehículos ligeros,
camiones pequeños y el total de vehículos los niveles de tráfico no volvieron a subir al
máximo alcanzado antes de la disminución hasta 10 años después en el año 2016, este
comportamiento puede deberse a un desvío del tráfico ocasionado por una vía alterna.
En el caso de los buses, el tráfico continúo bajando y nunca se recuperó, probablemente
las dinámicas de la zona cambiaron y se modificaron los itinerarios de los buses
pasando a usar diferentes carreteras. El tráfico de camiones pesado se recuperó mucho
más rápido seguramente porque las características geométricas de la carretera permiten
un tránsito mucho más rápido y seguro de este tipo de vehículos que en otras carreteras
secundarias sería difícil de conseguir.
80
100
120
140
160
180
200
220
240
260
200
1
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
201
4
201
5
201
6
201
7
201
8
Evolución TPD - Caldas
Ligeros Buses Camiones pequeños Camiones grandes Total
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
44 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
• QUINDÍO
Tabla 17. TPD años 2001 – 2018 en Quindío del desarrollo vial ‘Armenia – Pereira –
Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas
de tráfico disponibles en la página web de la ANI [27].
QUINDÍO
Año Ligeros Buses Camiones
pequeños
Camiones
grandes Total
2001 3098.12 324.88 512.20 144.88 4080.08
2002 2647.49 527.82 504.78 139.96 3820.05
2003 2848.13 590.33 535.08 138.32 4111.87
2004 2951.12 596.32 545.11 134.21 4226.76
2005 4593.19 1060.47 1398.71 1147.79 8200.16
2006 4894.43 1200.04 1564.31 1386.91 9045.68
2007 5180.81 1256.69 1666.07 1569.21 9672.78
2008 5194.31 1206.13 1648.81 1497.88 9547.14
2009 5223.16 1126.12 1630.58 1503.61 9483.46
2010 5250.84 1072.55 1685.83 1652.08 9661.31
2011 5469.30 1073.05 1797.42 1834.05 10173.82
2012 5925.33 1096.81 1875.37 1899.44 10796.94
2013 6343.00 1099.66 2012.47 1907.52 11362.65
2014 7000.82 1125.68 2162.17 2034.43 12323.10
2015 7670.04 1122.92 2202.85 2056.90 13052.70
2016 8275.28 1146.10 2300.13 2032.28 13753.80
2017 8606.40 1120.76 2320.61 1995.38 14043.16
2018 8765.79 1106.66 2313.29 2072.68 14258.42
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
45 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 10. Evolución del TPD entre 2001 – 2018 en Quindío del desarrollo vial
‘Armenia – Pereira – Manizales’ por categoría de vehículo. Elaboración propia a
partir las series históricas de tráfico disponibles en la página web de la ANI [27].
En la figura anterior se observa que durante el año 2005 el tráfico de camiones grandes
aumenta de forma considerable debido al inicio de operación del peaje de Corozal. Este
aumento repentino ocasiona que no pueda ver bien el comportamiento de las otras
categorías de vehículos, por lo que se decide realizar una nueva figura teniendo como
base de inicio el año 2005
Figura 11. Evolución del TPD años 2005 – 2018 en Quindío del desarrollo vial
‘Armenia – Pereira – Manizales’ por categoría de vehículo. Elaboración propia a
partir las series históricas de tráfico disponibles en la página web de la ANI [27].
Al rehacer la figura desde el 2005 se puede observar que de forma más clara que el
tráfico de todas las categorías, a excepción de los buses, aumenta de forma casi
constante, con un mayor dinamismo en los camiones grandes probablemente a causa de
la importancia de la carretera para el transporte de materiales. Al igual que en Caldas, el
0
200
400
600
800
1000
1200
1400
16002
00
1
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
201
4
201
5
201
6
201
7
201
8
Evolución TPD - Quindío
Ligeros Buses Camiones pequeños Camiones grandes Total
80
100
120
140
160
180
200
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
201
4
201
5
201
6
201
7
201
8
Evolución TPD - Quindío
Ligeros Buses Camiones pequeños Camiones grandes Total
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
46 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
tráfico de buses se pudo ver afectado por los cambios en las dinámicas poblacionales
con nuevas rutas para el transporte de personas entre la región.
• RISARALDA
Tabla 18. TPD años 2007 – 2018 en Risaralda del desarrollo vial ‘Armenia – Pereira –
Manizales’ por categoría de vehículo. Elaboración propia a partir las series históricas
de tráfico disponibles en la página web de la ANI [27].
RISARALDA
Año Ligeros Buses Camiones
pequeños
Camiones
grandes Total
2007 2929.30 380.96 641.40 574.33 4526.00
2008 2974.14 362.75 575.38 569.15 4481.41
2009 3139.74 314.04 358.25 329.61 4141.64
2010 3533.86 300.99 427.25 333.06 4595.17
2011 3944.01 333.72 658.09 396.58 5332.41
2012 4191.33 384.65 767.41 405.41 5748.79
2013 4769.89 371.39 800.66 410.87 6352.81
2014 5371.73 410.33 907.29 461.03 7150.38
2015 5945.80 430.24 802.69 485.83 7664.56
2016 5828.56 412.91 757.39 476.79 7475.65
2017 6273.44 445.85 779.32 460.55 7959.16
2018 6397.66 461.70 799.73 468.52 8127.61
Figura 12. Evolución del TPD entre 2007 – 2018 en Risaralda del desarrollo vial
‘Armenia – Pereira – Manizales’ por categoría de vehículo. Elaboración propia a
partir las series históricas de tráfico disponibles en la página web de la ANI [27].
A diferencia de Caldas y Quindío, en Risaralda se observa que el tráfico de camiones
grandes disminuye desde los primeros años de operación de la estación de peaje,
50
70
90
110
130
150
170
190
210
230
200
7
200
8
200
9
201
0
201
1
201
2
201
3
201
4
201
5
201
6
201
7
201
8
Evolución TPD - Risaralda
Ligeros Buses Camiones pequeños Camiones grandes Total
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
47 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
manteniendo niveles inferiores a los iniciales durante todo el periodo del que se tiene
información. Esto es especialmente interesante ya que Risaralda se encuentra ubicado
entre Caldas y Quindío y en ambos departamentos el tráfico de camiones grandes
permaneció en crecimiento entre los años 2007 y 2017. El comportamiento de este tipo
de vehículos en Risaralda puede deberse a que exista una vía alterna que permita obviar
el peaje encontrado en el departamento. También es curioso encontrar que el tráfico de
buses se mantiene relativamente constante durante el periodo 2007 – 2018 mientras que
en Caldas y Quindío el tráfico de este tipo de vehículos disminuyo constantemente, este
se puede suponer con este comportamiento que en Risaralda hay un uso constante de
buses para el transporte entre poblaciones.
• TOTAL CONCESIÓN
Tabla 19. TPD años 2001 – 2018 en el desarrollo vial ‘Armenia – Pereira – Manizales’
por categoría de vehículo. Elaboración propia a partir las series históricas de tráfico
disponibles en la página web de la ANI [27].
TOTAL CONCESIÓN
Año Ligeros Buses Camiones
pequeños
Camiones
grandes Total
2001 8643.07 990.44 2315.51 767.87 12716.89
2002 7713.93 1409.28 2298.81 830.62 12252.65
2003 9093.16 1612.41 2440.10 890.31 14035.98
2004 9619.79 1807.01 2577.17 989.40 14993.37
2005 12090.31 2462.00 4256.13 2525.95 21334.39
2006 12430.79 2706.67 4593.96 2968.27 22699.69
2007 13396.35 2801.75 4810.69 3216.31 24225.10
2008 13496.15 2611.87 4758.41 3099.65 23966.07
2009 13769.55 2504.97 4486.97 2999.74 23761.23
2010 14178.20 2402.41 4803.12 3329.82 24713.54
2011 15082.56 2401.47 5193.14 3681.95 26359.13
2012 16197.70 2428.42 5286.97 3738.56 27651.65
2013 17584.84 2373.84 5582.07 3751.26 29292.01
2014 18993.84 2422.99 5883.86 4060.50 31361.19
2015 21004.62 2405.56 6097.83 4101.42 33609.43
2016 21963.14 2423.72 6207.72 4025.75 34620.32
2017 22644.81 2439.14 6293.50 3997.68 35375.14
2018 23082.16 2471.91 6390.55 4106.40 36051.01
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
48 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 13. Evolución del TPD entre 2001 – 2018 en el desarrollo vial ‘Armenia –
Pereira – Manizales’ por categoría de vehículo. Elaboración propia a partir las series
históricas de tráfico disponibles en la página web de la ANI [27].
Es de esperar que la evolución total del tráfico en la concesión se vea afectada por las
particularidades en cada departamento. La figura se ve afectada de igual forma por la
puesta en servicio del peaje de Corozal en 2015 dificultando el análisis de las otras
categorías de tráfico, por esto se decide realizar una nueva figura teniendo como base de
inicio el año 2005
Figura 14. Evolución del TPD entre 2005 – 2018 en el desarrollo vial ‘Armenia –
Pereira – Manizales’ por categoría de vehículo. Elaboración propia a partir las series
históricas de tráfico disponibles en la página web de la ANI [27].
La figura anterior sirve como resumen del comportamiento del tráfico en toda la
concesión. Se observa, como era de esperar, que el tráfico de buses disminuye de forma
constante a partir del año 2017, que el tráfico de camiones grandes tiene un
50
100
150
200
250
300
350
400
450
500
5502
00
1
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
201
4
201
5
201
6
201
7
201
8
Evolución TPD - Total concesión
Ligeros Buses Camiones pequeños Camiones grandes Total
80
100
120
140
160
180
200
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
201
4
201
5
201
6
201
7
201
8
Evolución TPD - Total concesión
Ligeros Buses Camiones pequeños Camiones grandes Total
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
49 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
comportamiento más dinámico y que el tráfico de vehículos ligeros y camiones
pequeños crece de forma regular.
NOTAS
• No se tuvo en cuenta los datos de tráfico de los años 2000 y 2019 al ser datos de una
parte del año. En el 2000 se tienen 5 meses de información (desde agosto) y en el
2019 se tienen 4 meses (hasta abril).
• Los datos que se obtienen desde la página web de la ANI son datos del tráfico
mensual total por peaje y por categoría de vehículo. Para el análisis de los datos se
decidió obtener el TPD anual dividiendo por 365 el total del tráfico de cada año.
2.2.7. Comentarios adicionales
• Para el día 17 de junio de 2019 la tasa de cambio entre euros y pesos colombianos
era igual a:
EUR = 3,636.34 COP
• En relación al índice de motorización, solamente se pudo encontrar información de
todo el territorio colombiano. Aunque en el RUNT aparece la información del
número de vehículos registrados, los datos solamente están disponibles desde el año
2016 y no se encuentran una división por departamentos. Es notorio la falta de
organización con esta información por parte del gobierno de Colombia. En cuanto a
la información disponible en OICA, no se tiene claro de donde se obtuvieron los
datos de Colombia, sin embargo, se observa que coinciden con los datos del RUNT
(no se aprecia un gran cambio en la figura de evolución entre los años 2015 y 2016)
y con datos aislados de diferentes años encontrados en noticias y otras de
información consultadas.
• Los precios de combustibles líquidos corresponden a lo que ingresa el productor por
cada galón vendido y no el precio de venta al público el cual se calcula en cada sitio
de entrega. En ECOPETROL no hay una lista de precios por departamentos ya que
dichos precios varían en cada lugar.
2.3. EJECUCIÓN DEL MODELO
Para poder ejecutar el modelo es necesario tener datos de todas las variables en el
mismo periodo de tiempo. Por esto, tras analizar la información se decide que el periodo
del 2005 al 2008 es el más apto para el desarrollo del modelo, pues es donde se tiene
información de todas las variables consideradas.
A continuación, se presenta el proceso seguido para la obtención de las regresiones con
la aplicación del modelo logarítmico. Vale la pena señalar que en un principio se
realizaron las regresiones sin tener en cuenta la correspondencia de los resultados con el
comportamiento esperado de las variables en la vida real. Posteriormente se realizan
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
50 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
nuevas regresiones agrupando las componentes del PIB por sectores económicos y
cuidando el sentido físico de los coeficientes de las variables explicativas.
2.3.1. Primer acercamiento
Para la ejecución del modelo se decide agrupar las componentes del PIB en grupos
relacionados entre sí para disminuir la cantidad de variables y mejorar los resultados de
las regresiones.
Tabla 20. Componentes del PIB de los departamentos de Caldas, Quindío y Risaralda.
Elaboración propia a partir de [40]
A Agricultura, ganadería, caza, silvicultura y pesca.
B Explotación de minas y canteras.
C Industrias manufactureras.
D Suministro de electricidad, gas, vapor y aire acondicionado; Distribución de agua; evacuación y
tratamiento de aguas residuales, gestión de desechos y actividades de saneamiento ambiental
E Construcción.
F Comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas;
Transporte y almacenamiento; Alojamiento y servicios de comida.
G Información y comunicaciones.
H Actividades financieras y de seguros.
I Actividades inmobiliarias.
J Actividades profesionales, científicas y técnicas; Actividades de servicios administrativos y de
apoyo.
K Administración pública y defensa; planes de seguridad social de afiliación obligatoria; Educación;
Actividades de atención de la salud humana y de servicios sociales.
L Actividades artísticas, de entretenimiento y recreación y otras actividades de servicios; Actividades
de los hogares individuales en calidad de empleadores; actividades no diferenciadas de los hogares
individuales como productores de bienes y servicios para uso propio.
Teniendo en cuenta la evolución de los componentes del PIB presentada en las figuras
resumen y su relación se realizaron las siguientes agrupaciones.
• F-G-H-I.
• D-J-K-L.
• B-E.
Si bien, se analizó la evolución de cada tipo de tráfico con la evolución de los
componentes del PIB para tener una idea más clara de cuáles eran los componentes que,
por las tendencias de crecimiento presentadas, podían tener mayor influencia en el
crecimiento para así desagregar las agrupaciones anteriores con el fin de obtener
mejores resultados en las regresiones.
Para la obtención de las regresiones y la ejecución del modelo, se optó por utilizar la
herramienta de análisis de datos disponible en Excel, la cual posee una potencia de
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
51 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
cálculo suficiente para los objetivos planteados y entrega resultados de forma clara
ayudando a realizar análisis más rigurosos.
Como se utiliza el modelo logarítmico, es necesario primero obtener el logaritmo
natural de todas las variables consideradas para así poder ingresar los datos en la
herramienta de Excel.
A continuación, se muestra un pequeño resumen del proceso seguido para el tráfico de
vehículos ligeros en el total de la concesión.
1. Se obtiene el logaritmo natural de las variables consideradas.
Tabla 21. Logaritmo natural de las variables explicativas del tráfico de vehículos
ligeros en el total de la concesión. Elaboración propia.
Ligeros Tarifa Ocupados A.C.P.M. Motor A B C E F-G-H-I J-K-L-D
9.40 10.38 6.87 7.67 14.87 7.76 5.58 8.06 7.42 8.86 8.84
9.43 10.49 6.84 7.87 14.94 7.89 5.82 8.19 7.52 8.92 8.87
9.50 10.70 6.82 8.08 15.01 7.91 5.65 8.16 7.58 8.98 8.92
9.51 10.78 6.84 8.24 15.09 7.87 5.26 8.18 7.61 9.02 8.94
9.53 10.86 6.85 8.16 15.14 7.85 5.20 8.11 7.56 9.02 8.95
9.56 10.89 6.88 8.30 15.19 7.88 5.11 8.12 7.54 9.05 8.97
9.62 10.94 6.91 8.48 15.26 7.83 5.15 8.10 7.60 9.10 8.98
9.69 10.98 6.94 8.57 15.33 7.82 5.33 8.10 7.69 9.12 9.01
9.77 11.00 6.94 8.58 15.37 7.90 5.39 8.13 7.80 9.15 9.07
9.85 11.05 6.97 8.61 15.44 7.98 5.48 8.17 7.83 9.20 9.12
9.95 11.08 7.01 8.43 15.49 8.02 5.36 8.22 7.79 9.24 9.15
10.00 11.15 7.02 8.25 15.56 8.01 5.60 8.26 7.89 9.27 9.17
10.03 11.20 7.03 8.30 15.59 8.05 5.54 8.28 7.82 9.29 9.19
10.05 11.24 7.04 8.45 15.64 8.06 5.44 8.29 7.86 9.31 9.24
2. Después, se seleccionan los datos en la función de regresión de la herramienta de
análisis de datos de Excel. Se deja el nivel de confianza preestablecido de 95%.
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
52 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 15. Ventana de trabajo de la función regresión de análisis de datos de Excel.
3. Posteriormente se ejecuta la herramienta y se obtienen los resultados mostrados
en la siguiente tabla. Los valores sombreados son los deben cumplir las
condiciones de las medidas de bondad de ajuste mencionadas previamente.
• Coeficiente de determinación (R2) elevado, preferiblemente por encima
del 85%
• Estadísticos t por encima de 1.96
• Estadístico F por debajo de 0.05
Tabla 22. Resultados obtenidos al ejecutar la función regresión para el tráfico de
vehículos ligeros en toda la concesión. Elaboración propia.
RESUMEN
Estadísticas de la regresión
Coeficiente de correlación múltiple
0.9998
Coeficiente de determinación R2
0.9997
R2 ajustado 0.9985
Error típico 0.0089
Observaciones 14
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
53 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
ANÁLISIS DE VARIANZA
Grados de
libertad Suma de
cuadrados Promedio de
los cuadrados F
Valor crítico de F
Regresión 10 0.7012 0.0701 884.9183 5.63E-05
Residuos 3 0.0002 7.92E-05
Total 13 0.7014
Coeficientes Error típico
Estadístico t
Probabilidad Inferior
95% Superior
95% Inferior 95.0%
Superior 95.0%
Intercepción -6.755 1.041 -6.490 0.007 -10.068 -3.442 -10.068 -3.442
Tarifa 0.235 0.458 0.512 0.644 -1.224 1.693 -1.224 1.693
Ocupados 1.261 1.101 1.146 0.335 -2.242 4.765 -2.242 4.765
A.C.P.M. -0.106 0.047 -2.253 0.110 -0.256 0.044 -0.256 0.044
Motor -1.032 0.482 -2.141 0.122 -2.566 0.502 -2.566 0.502
A 0.047 0.272 0.172 0.874 -0.820 0.913 -0.820 0.913
B 0.035 0.035 0.999 0.391 -0.076 0.145 -0.076 0.145
C -0.397 0.202 -1.969 0.144 -1.040 0.245 -1.040 0.245
E 0.233 0.212 1.100 0.352 -0.442 0.908 -0.442 0.908
F+G+H+I 1.575 0.903 1.744 0.179 -1.298 4.447 -1.298 4.447
J+K+L+D 0.927 0.505 1.834 0.164 -0.682 2.536 -0.682 2.536
4. El proceso se repite hasta que se encuentre una combinación de variables
explicativas con las cuales se obtengan valores de estadísticos significativos. En
este caso con las siguientes variables se obtuvieron resultados significativos:
Para agilizar el proceso de selección de variables que puedan explicar el tráfico,
se realiza un análisis visual de la evolución de las variables independientes
comparando con la evolución del tráfico, así es posible descartar aquellas
variables cuyo comportamiento se aleja grandemente de los patrones de
crecimiento presentes en el tráfico.
Tabla 23. Logaritmo natural de las variables explicativas seleccionadas para hacer la
regresión del tráfico de vehículos ligeros en el total de la concesión. Elaboración
propia.
Ligeros Ocupados A.C.P.M. Motor C E F-G-H-I J-K-L-D
9.40 6.87 7.67 14.87 8.06 7.42 8.86 8.84
9.43 6.84 7.87 14.94 8.19 7.52 8.92 8.87
9.50 6.82 8.08 15.01 8.16 7.58 8.98 8.92
9.51 6.84 8.24 15.09 8.18 7.61 9.02 8.94
9.53 6.85 8.16 15.14 8.11 7.56 9.02 8.95
9.56 6.88 8.30 15.19 8.12 7.54 9.05 8.97
9.62 6.91 8.48 15.26 8.10 7.60 9.10 8.98
9.69 6.94 8.57 15.33 8.10 7.69 9.12 9.01
9.77 6.94 8.58 15.37 8.13 7.80 9.15 9.07
9.85 6.97 8.61 15.44 8.17 7.83 9.20 9.12
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
54 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
9.95 7.01 8.43 15.49 8.22 7.79 9.24 9.15
10.00 7.02 8.25 15.56 8.26 7.89 9.27 9.17
10.03 7.03 8.30 15.59 8.28 7.82 9.29 9.19
10.05 7.04 8.45 15.64 8.29 7.86 9.31 9.24
Tabla 24. Resumen de resultados de la regresión del tráfico de vehículos ligeros en el
total de la concesión. Elaboración propia.
Coef. de determinación
(R2) 0.999472498
Estadístico F 2.11707E-09
Variable Coeficiente Estadístico t
Intercepción -6.526 -11.943
Ocupados 0.854 6.268
A.C.P.M. -0.131 -5.016
Motor -0.852 -4.426
C -0.430 -4.017
E 0.232 4.106
F+G+H+I 1.932 5.585
J+K+L+D 0.948 5.115
5. Con los valores de los coeficientes y de las variables se halla el valor del
Logaritmo natural de ‘y’ (tráfico) con el cual se obtiene el tráfico previsto por el
modelo.
Tabla 25. Datos del TPD observado y calculado con el modelo logarítmico para
vehículos ligeros en el total de concesión. Elaboración propia.
año Tráfico
Observado Modelo
2005 12090.31 12126.09
2006 12430.79 12383.15
2007 13396.35 13357.87
2008 13496.15 13568.81
2009 13769.55 13707.27
2010 14178.20 14240.60
2011 15082.56 15165.15
2012 16197.70 16096.33
2013 17584.84 17526.65
2014 18993.84 19052.35
2015 21004.62 20944.88
2016 21963.14 22130.70
2017 22644.81 22426.77
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
55 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
2018 23082.16 23186.62
Figura 16. Tráfico observado y calculado con el modelo logarítmico para vehículos
ligeros en el total de concesión. Elaboración propia.
El proceso se repite para todos los tipos de tráfico en los departamentos y en el total de
la concesión.
2.3.2. Ejecución final
Para mejorar los resultados obtenidos en las regresiones realizadas en el primer
acercamiento al modelo, se decidió agrupar los componentes PIB en sus respectivos
sectores de la economía (primario, secundario y terciario) lo cual a su vez permite
analizar de forma más clara como es la relación de economía de la región con el tráfico
de la carretera. Así, las agrupaciones quedan de la siguiente forma:
• Sector primario
o A. Agricultura, ganadería, caza, silvicultura y pesca
o B. Explotación de minas y canteras
• Sector secundario
o C. Industrias manufactureras
o D. Suministro de electricidad, gas, vapor y aire acondicionado; Distribución
de agua; evacuación y tratamiento de aguas residuales, gestión de desechos y
actividades de saneamiento ambiental
o E. Construcción
• Sector terciario
o F. Comercio al por mayor y al por menor; reparación de vehículos
automotores y motocicletas; Transporte y almacenamiento; Alojamiento y
servicios de comida
12000
14000
16000
18000
20000
22000
24000
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD vehículos ligeros - Total concesión
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
56 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
o G. Información y comunicaciones
o H. Actividades financieras y de seguros
o I. Actividades inmobiliarias
o J. Actividades profesionales, científicas y técnicas; Actividades de servicios
administrativos y de apoyo
o K. Administración pública y defensa; planes de seguridad social de
afiliación obligatoria; Educación; Actividades de atención de la salud
humana y de servicios sociales
o L. Actividades artísticas, de entretenimiento y recreación y otras actividades
de servicios; Actividades de los hogares individuales en calidad de
empleadores; actividades no diferenciadas de los hogares individuales como
productores de bienes y servicios para uso propio
De igual forma, para la ejecución final del modelo, se optó por seguir un procedimiento
más riguroso al momento de seleccionar las variables en las regresiones, de forma que
todos los coeficientes tuvieran los signos esperados.
2.4. PROYECCIÓN A FUTURO.
Para completar el ejercicio, se realiza la proyección del tráfico para los próximos 5 años
utilizando los resultados obtenidos en las regresiones. Para esto es necesario encontrar
las proyecciones de las variables explicativas
Se encontró la última actualización de las proyecciones de las tasas de crecimiento del
IPC Y PIB publicadas en marzo de 2019 por el Banco de la República de Colombia el
cual estima un crecimiento del PIB del 3.2% para el año 2019 y de 3.3% para el año
2020, así mismo, estima un crecimiento del IPC del 3.2% para el año 2019 y del 3.3%
para el año 2020. Estos valores son el resultado de promediar las proyecciones
elaboradas por otros bancos, entidades financieras y analistas económicos. Para el resto
de años se asumió un tasa de crecimiento constante de 3.3% para el PIB y el IPC.
No se ha podido encontrar proyecciones para la tasa de motorización, la población
ocupada y el precio de combustible por lo que se utilizó la herramienta de predicción de
Excel para tener los valores de estas variables hasta el año 2023.
Para las variables restantes de las cuales no se encontró proyección se decidió utilizar la
función 'previsión' de Excel. Esta herramienta permite realizar un cálculo, en base al
histórico dado, de los valores pronosticados para fechas futuras. La herramienta
construye una estimación para las fechas futuras de las variables extrapolando en
función de los valores históricos. Como resultado se entrega la previsión de las
variables, un límite de confianza inferior y un límite de confianza superior
Sabiendo que los coeficientes de las regresiones representan las elasticidades de las
variables respecto al tráfico la proyección del tráfico de realiza de la siguiente forma.
∆𝑌 = ∆𝑋1 ∙ 𝛽1 + ∆𝑋2 ∙ 𝛽2 +⋯+ ∆𝑋𝑛 ∙ 𝛽𝑛
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
57 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Donde:
• ΔY es la tasa de crecimiento del tráfico
• ΔX1, ΔX2, …, ΔXn son las tasas de crecimiento de las variables explicativas del
modelo.
• β1 hasta βn son los coeficientes de las variables explicativas del modelo.
Se deben calcular todas las tasas de crecimiento año por año para poder obtener los
valores proyectados del tráfico.
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
58 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
3. RESULTADOS
En este apartado se muestran y analizan los resultados obtenidos tanto del primer
acercamiento como de la ejecución final del modelo.
3.1. PRIMEROS RESULTADOS
Tabla 26. Resumen primeros resultados
tráfico de camiones pequeños en
Caldas. Elaboración propia.
Coef. de determinación
(R2) 0.970995
Estadístico F 0.006310
Variable Coeficiente Estadístico
t
Intercepción 1.732 0.899
Tarifa -0.083 -0.212
A.C.P.M. -0.116 -1.597
A 0.157 0.536
B -0.031 -0.446
E 0.106 0.602
F+I 1.012 1.160
J+K -0.193 -0.358
Tabla 27. Resumen primeros resultados
tráfico de camiones grandes en
Risaralda. Elaboración propia.
Coef. de determinación
(R2) 0.997623
Estadístico F 0.000755
Variable Coeficiente Estadístico
t
Intercepción 25.834 11.989
Tarifa -4.679 -9.842
A.C.P.M. -0.085 -1.324
Motor -2.617 -2.659
A -2.272 -9.061
B 0.400 5.333
C -5.380 -13.772
J+K+L+D 5.102 6.360
F+H+I+G 10.575 12.041
.
Tabla 28. Resumen primeros resultados
tráfico de vehículos ligeros en toda la
concesión. Elaboración propia.
Coef. de determinación
(R2) 0.999472
Estadístico F 2.1171E-09
Variable Coeficiente Estadístico
t
Intercepción -6.526 -11.943
Ocupados 0.854 6.268
A.C.P.M. -0.131 -5.016
Motor -0.852 -4.426
C -0.430 -4.017
E 0.232 4.106
F+G+H+I 1.932 5.585
J+K+L+D 0.948 5.115
Tabla 29. Resumen primeros resultados
tráfico de buses en Quindío.
Elaboración propia.
Coef. de determinación
(R2) 0.948694
Estadístico F 0.001767
Variable Coeficiente Estadístico
t
Intercepción 16.356 4.371
Tarifa 1.173 1.572
Ocupados -0.721 -2.314
A.C.P.M. -0.084 -1.858
Motor -2.804 -3.049
A -0.792 -2.074
F+G+H+I 2.855 6.213
D+J+K+L 1.374 2.312
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
59 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 17. TPD observado y calculado con el modelo logarítmico para camiones
pequeños en Caldas. Elaboración propia.
Figura 18. TPD observado y calculado con el modelo logarítmico para camiones
grandes en Risaralda. Elaboración propia.
2400
2500
2600
2700
2800
2900
3000
3100
3200
3300
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD camiones pequeños - Caldas
Observado Modelo
300
350
400
450
500
550
600
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD camiones grandes - Risaralda
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
60 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 19. TPD observado y calculado con el modelo logarítmico para buses Quindío.
Elaboración propia.
Figura 20. TPD observado y calculado con el modelo logarítmico vehículos ligeros en
toda la concesión. Elaboración propia.
Se decide mostrar solamente los resultados obtenidos para los cuatro casos anteriores al
ser suficiente para identificar los problemas presentados durante el primer acercamiento
al modelo logarítmico.
Aunque en un principio los resultados arrojados por las regresiones parecen estar bien,
es necesario tener claro el sentido lógico de las variables que se están analizando y la
influencia que deberían tener sobre el tráfico. Es de esperar que el tráfico y el
combustible (A.C.P.M) tengan coeficientes negativos y el PIB, la población ocupada y
la tasa de motorización tengan coeficientes positivos.
Los resultados de las anteriores regresiones en su mayoría son muy buenos, los
coeficientes de determinación (R2) con valores entre 0.94 y 0.99, los estadísticos F por
1050
1100
1150
1200
1250
1300
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD buses - Quindío
Observado Modelo
12000
14000
16000
18000
20000
22000
24000
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD vehículos ligeros - Total concesión
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
61 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
debajo de 0.05 y en general buenos resultados para los estadísticos t. Sin embargo, los
coeficientes de las variables explicativas están en su mayoría con signos diferente al
esperado.
En el caso de la tarifa, no tiene sentido un coeficiente con signo positivo que indicaría
un aumento del tráfico a incrementos en la tarifa de los peajes. Lo más natural es que a
medida que se incrementa el coste por utilizar los servicios de una carretera se
disminuya el tráfico de vehículos que circulan por ella, más aún en un país en vía de
desarrollo como Colombia.
Con el PIB pasa lo mismo, algunos componentes tienen signo negativo lo cual no es
normal. El tráfico está muy relacionado a la situación económica de la región, cuando se
tienen tasas de crecimiento positivas hay más dinamismo en las actividades económicas
lo que lleva a un aumento del transporte de productos, bienes, personas, etc. Caso
contrario cuando se presentan tasas de crecimiento negativas, en este caso la economía
se reprime y se disminuye el transporte de cosas. Es por esto que un resultado con
coeficiente negativo en el PIB no tiene razón de ser.
El coeficiente de la variable de población ocupada también presenta el mismo problema
en el signo. No es normal un signo negativo para esta variable, al haber un aumento de
la población con trabajo se espera que se aumente el trafico en la carretera. En todo
caso, se acepta que el coeficiente no sea significativo y que para este caso de estudio la
población ocupada no explique el tráfico, pero nunca se puede tener un coeficiente con
signo negativo.
Para la tasa de motorización pasa lo mismo, el coeficiente es negativo lo cual difiere de
lo esperado. Al haber más vehículos en la región se espera un aumento del tráfico y no
una disminución.
Es destacable que solamente el precio del combustible presenta para los cuatro casos
anteriores coeficientes con el signo correcto.
Los casos anteriores muestran los problemas que pueden surgir al realizar estas
regresiones si no tiene claro el sentido natural del comportamiento del tráfico. Desde
luego no hay problema con los cálculos realizados, la función regresión de Excel
simplemente trabaja con la información que recibe y realiza los cálculos analizando el
comportamiento de cada variable desde un punto de vista matemático. Lo más probable
es que se estén generando problemas de colinealidad entre las componentes del PIB, que
cómo se puede ver en las figuras de evolución, se presentan patrones de crecimiento
muy similares en varios componentes. La presencia de colinealidad, así no sea el caso
de una relación lineal exacta, explica los valores de R2 tan altos y los coeficientes con
signos erróneos.
Para solucionar este problema y para obtener resultados concordes con la realidad se
decidió agrupar las componentes del PIB en sus respectivos sectores de la economía
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
62 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
(primario, secundario y terciario) lo cual a su vez permite analizar de forma más clara
como es la relación de economía de la región con el tráfico de la carretera.
3.2. EJECUCIÓN FINAL
A continuación, se muestran los resultados obtenidos en la ejecución final del modelo
para cada departamento y para el total de la concesión.
3.2.1. Caldas
Tabla 30. Resumen resultados finales
para el tráfico de vehículos ligeros en
Caldas. Elaboración propia.
Coef. de determinación
(R2) 0.995641
Estadístico F 2.453E-08
Variable Coeficiente Estadístico
t
Intercepción -5.475 -9.670
Tarifa -1.346 -4.217
A.C.P.M. -0.176 -4.970
Motor 1.824 4.267
Sector Terciario
0.192 0.472
Tabla 31. Resumen resultados finales
para el tráfico de camiones pequeños en
Caldas. Elaboración propia.
Coef. de determinación (R2) 0.953729
Estadístico F 1.107E-05
Variable Coeficiente Estadístico
t
Intercepción 0.385 0.429
A.C.P.M. -0.064 -0.930
Motor 0.431 6.307
Sector Secundario
0.185 1.307
Tabla 32. Resumen resultados finales para el tráfico de camiones grandes en Caldas.
Elaboración propia.
Coef. de determinación
(R2) 0.952055
Estadístico F 1.275E-05
Variable Coeficiente Estadístico
t
Intercepción 2.000 1.145
Ocupados 0.410 0.400
Sector Terciario
0.324 0.540
dummy -0.229 -6.491
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
63 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 21. TPD observado y calculado de vehículos ligeros en Caldas. Elaboración
propia.
Figura 22. TPD observado y calculado de camiones pequeños en Caldas. Elaboración
propia.
5000
5500
6000
6500
7000
7500
8000
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD vehículos ligeros - Caldas
Observado Modelo
2400
2600
2800
3000
3200
3400
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD camiones pequeños - Caldas
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
64 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 23. TPD observado y calculado de camiones grandes en Caldas. Elaboración
propia.
Al agrupar las componentes del PIB y al realizar una selección más objetiva de las
variables que participan en la regresión, se obtienen resultados que coinciden con lo
esperado en la vida real. Ya no hay problemas con los signos de los coeficientes y
aunque en algunos casos el estadístico t es bajo, en las tres regresiones el coeficiente de
determinación es mayor a 0.95 lo que indica que se esta explicando muy bien el
comportamiento del tráfico con las variables seleccionadas.
En el caso de los camiones pesados fue necesario el uso de una variable dummy entre
los años 2007 y 2009 para obtener resultados válidos. Es probable que durante una parte
del año 2008 se hubiera paralizado el tráfico de este tipo de vehículos por alguna
actividad de protesta o de otra característica. Si no se hubiera utilizado la variable
dummy no se habrían podido obtener resultados coherentes con la realidad.
Aunque el tráfico de camiones pesados estaría más relacionado con las actividades del
sector primario de la economía, los resultados muestran que es el sector terciario el que
provee una explicación del comportamiento del tráfico de este tipo de vehículos en
Caldas. Si bien, el estadístico t de 0.54 indica que la variable no es tan significativa por
lo que se debe tener mucha precaución con este resultado. Lo más probable es que hace
falta información de otras variables relacionadas al sector primario y secundario como
el índice de industrialización que puedan explicar de mejor forma el comportamiento de
los vehículos pesados.
Cabe destacar que no con ninguna combinación de variables se pudo explicar el
comportamiento del tráfico de buses, que en la mayor parte del periodo de estudio
presentó tasas de crecimiento negativas.
1000
1100
1200
1300
1400
1500
1600
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD camiones grandes - Caldas
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
65 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
3.2.2. Quindío
Tabla 33. Resumen resultados finales
para el tráfico de vehículos ligeros en
Quindío. Elaboración propia.
Coef. de determinación
(R2) 0.996951
Estadístico F 2.617E-11
Variable Coeficiente Estadístico
t
Intercepción -5.555 -7.420
Tarifa -0.536 -2.723
A.C.P.M. -0.192 -8.001
Motor 0.493 1.938
Sector Terciario
1.669 6.574
Tabla 34. Resumen resultados finales
para el tráfico de camiones pequeños en
Quindío. Elaboración propia.
Coef. de determinación (R2) 0.993664
Estadístico F 2.757E-11
Variable Coeficiente Estadístico
t
Intercepción -1.214 -4.240
Tarifa -0.283 -2.729
Sector Secundario
0.113 2.853
Sector Terciario 1.352 8.885
Tabla 35. Resumen resultados finales para el tráfico de camiones grandes en Quindío.
Elaboración propia.
Coef. de determinación (R2) 0.934814
Estadístico F 3.005E-07
Variable Coeficiente Estadístico
t
Intercepción -0.735 -0.653
Motor 0.352 2.903
Sector Secundario
0.409 3.076
Figura 24. TPD observado y calculado de vehículos ligeros en Quindío. Elaboración
propia.
4500
5000
5500
6000
6500
7000
7500
8000
8500
9000
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD vehículos ligeros - Quindío
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
66 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 25. TPD observado y calculado de camiones pequeños en Quindío. Elaboración
propia.
Figura 26. TPD observado y calculado de camiones grandes en Quindío. Elaboración
propia.
Igual que en Caldas, la agrupación de los componentes del PIB por actividades
económicas y la selección critica de las variables que participan en las regresiones
ayuda a obtener resultados coherentes con la realidad. En particular, se observa que en
las tres regresiones realizadas los estadísticos presentan valores aptos, lo cual indica que
el modelo se acerca mucho al comportamiento del tráfico, algo que se puede apreciar en
las figuras del TPD observado y calculado.
Se observa una diferenciación entre los sectores económicos y el tipo de tráfico que
ayudan a explicar, la regresión de vehículos ligeros cuenta con el sector terciario y los
camiones pequeños y grandes con el sector primario y secundario.
1300
1500
1700
1900
2100
2300
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD camiones pequeños - Quindío
Observado Modelo
1100
1300
1500
1700
1900
2100
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD camiones grandes - Quindío
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
67 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
En este caso tampoco se pudo encontrar una combinación de variables que ayudara a
explicar le comportamiento tan irregular que presenta el tráfico de buses.
3.2.3. Risaralda
Tabla 36. Resumen resultados finales
para el tráfico de vehículos ligeros en
Risaralda. Elaboración propia.
Coef. de determinación
(R2) 0.976684
Estadístico F 4.512E-08
Variable Coeficiente Estadístico
t
Intercepción -13.687 -5.173
Ocupados 0.893 0.778
Sector Terciario
1.895 3.703
Tabla 37. Resumen resultados finales
para el tráfico de camiones pequeños en
Risaralda. Elaboración propia.
Coef. de determinación
(R2) 0.714517
Estadístico F 1.435E-02
Variable Coeficiente Estadístico
t
Intercepción -0.691 -0.116
Tarifa -1.232 -0.618
Sector Terciario
2.223 0.820
dummy -0.297 -1.676
Tabla 38. Resumen resultados finales para el tráfico de camiones grandes en
Risaralda. Elaboración propia.
Coef. de determinación
(R2) 0.739388
Estadístico F 2.355E-03
Variable Coeficiente Estadístico
t
Intercepción 10.714 4.428
Tarifa -4.666 -4.990
Sector Terciario
5.604 5.046
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
68 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 27. TPD observado y calculado de vehículos livianos en Risaralda. Elaboración
propia.
Figura 28. TPD observado y calculado de camiones pequeños en Risaralda.
Elaboración propia.
2800
3800
4800
5800
6800
7800
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD vehículos ligeros - Risaralda
Observado Modelo
350
450
550
650
750
850
950
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD camiones pequeños - Risaralda
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
69 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 29. TPD observado y calculado de camiones grandes en Risaralda. Elaboración
propia.
En Risaralda solo se tiene resultados óptimos en la regresión del tráfico de vehículos
ligeros. Los coeficientes de determinación de ambas tipologías de camiones son
cercanos a 0.71, de lo cual se puede inferir que el comportamiento del tráfico no esta
siendo bien explicado, algo que se confirma en las figuras. Si bien, aún usando variables
dummy no se logra mejorar los resultados de dicho estadístico. Para mejorar estos
resultados sería necesario recurrir a otras variables económicas que tengan más relación
con el tráfico de camiones
Aunque la evolución del tráfico de buses en Risaralda se comporta de forma diferente a
lo visto en Caldas y Quindío, en donde se tienen tasas de crecimiento negativas durante
la mayor parte del periodo seleccionado, no fue posible encontrar una combinación de
variables que permita explicar tráfico de forma coherente
3.2.4. Total concesión
Tabla 39. Resumen resultados finales
para el tráfico de vehículos ligeros en
toda la concesión. Elaboración propia.
Coef. de determinación
(R2) 0.994078
Estadístico F 5.179E-10
Variable Coeficiente Estadístico
t
Intercepción -4.941 -7.025
Tarifa -0.306 -2.492
A.C.P.M. -0.083 -2.031
Motor 0.609 2.395
Sector Terciario
1.153 3.258
Tabla 40. Resumen resultados finales
para el tráfico de camiones pequeños en
toda la concesión. Elaboración propia.
Coef. de determinación
(R2) 0.991369
Estadístico F 1.292E-10
Variable Coeficiente Estadístico
t
Intercepción 1.385 4.925
Tarifa -0.042 -0.649
Sector Terciario
0.947 8.142
dummy -0.049 -3.765
300
350
400
450
500
550
600
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD camiones grandes - Risaralda
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
70 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Tabla 41. Resumen resultados finales para el tráfico de camiones grandes en toda la
concesión. Elaboración propia.
Coef. de determinación (R2) 0.940537
Estadístico F 1.962E-06
Variable Coeficiente Estadístico
t
Intercepción 1.271 1.345
Ocupados 0.720 2.651
Sector Secundario
0.431 3.846
dummy 0.072 2.187
Figura 30. TPD observado y calculado de vehículos ligeros en toda la concesión.
Elaboración propia.
Figura 31. TPD observado y calculado de camiones pequeños en toda la concesión.
Elaboración propia.
12000
14000
16000
18000
20000
22000
24000
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD vehículos ligeros - Total concesión
Observado Modelo
4200
4600
5000
5400
5800
6200
6600
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD camiones pequeños - Total concesión
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
71 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 32. TPD observado y calculado de camiones grandes en toda la concesión.
Elaboración propia.
Al igual que con los resultados en Caldas y Quindío, se obtienen en la mayoría de los
casos estadísticos significativos, indicación de una explicación correcta del
comportamiento del tráfico con las variables seleccionadas. En ambas tipologías de
camiones fue necesario el uso de variables dummy entre los años 2007 y 2010 para
ayudar a mejorar la explicación del modelo en el descenso presentado en el año 2008.
El comportamiento del tráfico de buses es realmente intrigante, es probable que se
hayan tomado medidas regulatorias del transito de buses por la concesión algo que
explicaría las tasas de crecimiento negativas que se presentan.
2500
2700
2900
3100
3300
3500
3700
3900
4100
4300
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
TPD camiones grandes - Total concesión
Observado Modelo
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
72 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
3.3. PROYECCIONES
A continuación, se muestran las proyecciones del tráfico realizadas a partir de los
resultados obtenidos en las regresiones.
3.3.1. Caldas
Tabla 42. TPD observado y proyectado en Caldas. Elaboración propia.
TPD - Caldas
Año
Vehículos
ligeros
Camiones
pequeños
Camiones
grandes
Ob
serv
ad
o
2007 5286.24 2503.21 1072.77
2008 5327.70 2534.22 1032.62
2009 5406.65 2498.13 1166.52
2010 5393.50 2690.03 1344.67
2011 5669.25 2737.63 1451.32
2012 6081.04 2644.19 1433.72
2013 6471.95 2768.94 1432.87
2014 6621.28 2814.40 1565.04
2015 7388.78 3092.29 1558.69
2016 7859.30 3150.19 1516.68
2017 7764.96 3193.57 1541.75
2018 7918.71 3277.52 1565.20
Pro
yec
ción
2019 8070.98 3325.03 1582.55
2020 8344.54 3398.91 1600.66
2021 8602.27 3472.13 1618.97
2022 8844.15 3544.77 1637.49
2023 9070.25 3616.90 1656.22
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
73 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 33. Proyección TDP vehículos
ligeros en Caldas. Elaboración propia.
Figura 34. Proyección TDP camiones
pequeños en Caldas. Elaboración
propia.
Figura 35. Proyección TDP camiones grandes en Caldas. Elaboración propia.
3.3.2. Quindío
Tabla 43. TPD observado y proyectado en Quindío. Elaboración propia.
TPD - Quindío
Año
Vehículos
ligeros
Camiones
pequeños
Camiones
grandes
Ob
ser
va
do
2005 4593.19 1398.71 1147.79
5000
5600
6200
6800
7400
8000
8600
9200
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3
Proyección TDP vehículos ligeros
- Caldas
Observado Proyección
2400
2600
2800
3000
3200
3400
3600
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3
Proyección TDP camiones
pequeños - Caldas
Observado Proyección
1000
1100
1200
1300
1400
1500
1600
1700
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3Proyección TDP camiones grandes -
Caldas
Observado Proyección
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
74 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
2006 4894.43 1564.31 1386.91
2007 5180.81 1666.07 1569.21
2008 5194.31 1648.81 1497.88
2009 5223.16 1630.58 1503.61
2010 5250.84 1685.83 1652.08
2011 5469.30 1797.42 1834.05
2012 5925.33 1875.37 1899.44
2013 6343.00 2012.47 1907.52
2014 7000.82 2162.17 2034.43
2015 7670.04 2202.85 2056.90
2016 8275.28 2300.13 2032.28
2017 8606.40 2320.61 1995.38
2018 8765.79 2313.29 2072.68
Pro
yec
ció
n 2019 9003.81 2401.69 2132.49
2020 9463.92 2495.44 2193.80
2021 9941.92 2592.84 2255.48
2022 10438.66 2694.05 2317.59
2023 10954.98 2799.21 2380.16
Figura 36. Proyección TDP vehículos
ligeros en Quindío. Elaboración propia.
Figura 37. Proyección TDP camiones
pequeños en Quindío. Elaboración
propia.
4500
5300
6100
6900
7700
8500
9300
10100
10900
200
5
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3
Proyección TDP vehículos ligeros
- Quindío
Observado Proyección
1300
1500
1700
1900
2100
2300
2500
2700
2900
200
5
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3
Proyección TDP camiones
pequeños - Quindío
Observado Proyección
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
75 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 38. Proyección TDP camiones grandes en Quindío. Elaboración propia.
3.3.3. Risaralda
Tabla 44. TPD observado y proyectado en Risaralda. Elaboración propia.
TPD - Risaralda
Año
Vehículos
ligeros
Camiones
pequeños
Camiones
grandes
Ob
serv
ad
o
2007 2929.30 641.40 574.33
2008 2974.14 575.38 569.15
2009 3139.74 358.25 329.61
2010 3533.86 427.25 333.06
2011 3944.01 658.09 396.58
2012 4191.33 767.41 405.41
2013 4769.89 800.66 410.87
2014 5371.73 907.29 461.03
2015 5945.80 802.69 485.83
2016 5828.56 757.39 476.79
2017 6273.44 779.32 460.55
2018 6397.66 799.73 468.52
Pro
yec
ció
n 2019 6878.74 823.11 484.02
2020 7407.34 850.04 498.99
2021 7974.88 877.84 514.42
2022 8584.16 906.55 530.33
2023 9238.17 936.20 546.74
1100
1300
1500
1700
1900
2100
2300
2500
200
5
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3
Proyección TDP camiones grandes -
Quindío
Observado Proyección
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
76 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 39. Proyección TDP vehículos
pequeños en Risaralda. Elaboración
propia.
Figura 40. Proyección TDP camiones
pequeños en Risaralda. Elaboración
propia.
Figura 41. Proyección TDP camiones grandes en Risaralda. Elaboración propia.
3.3.4. Total concesión
Tabla 45. TPD observado y proyectado en toda la concesión. Elaboración propia.
TPD - Total concesión
Año
Vehículos
ligeros
Camiones
pequeños
Camiones
grandes
2800
3800
4800
5800
6800
7800
8800
9800
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3
Proyección TDP vehículos ligeros
- Risaralda
Observado Proyección
300
400
500
600
700
800
900
1000
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3
Proyección TDP camiones
pequeños - Risaralda
Observado Proyección
300
350
400
450
500
550
600
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3Proyección TDP camiones grandes -
Risaralda
Observado Proyección
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
77 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Ob
serv
ad
o
2005 12090.31 4256.13 2525.95
2006 12430.79 4593.96 2968.27
2007 13396.35 4810.69 3216.31
2008 13496.15 4758.41 3099.65
2009 13769.55 4486.97 2999.74
2010 14178.20 4803.12 3329.82
2011 15082.56 5193.14 3681.95
2012 16197.70 5286.97 3738.56
2013 17584.84 5582.07 3751.26
2014 18993.84 5883.86 4060.50
2015 21004.62 6097.83 4101.42
2016 21963.14 6207.72 4025.75
2017 22644.81 6293.50 3997.68
2018 23082.16 6390.55 4106.40
Pro
yec
ción
2019 24036.56 6575.46 4202.94
2020 25262.52 6771.83 4302.99
2021 26526.57 6974.05 4404.89
2022 27830.28 7182.32 4508.65
2023 29175.22 7396.81 4614.33
Figura 42. Proyección TDP vehículos
ligeros en toda la concesión.
Elaboración propia.
Figura 43. Proyección TDP camiones
pequeños en toda la concesión.
Elaboración propia.
12000
14000
16000
18000
20000
22000
24000
26000
28000
30000
200
5
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3
Proyección TDP vehículos ligeros
- Total concesión
Observado Proyección
4100
4600
5100
5600
6100
6600
7100
7600
200
5
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3
Proyección TDP camiones
pequeños - Total concesión
Observado Proyección
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
78 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
Figura 44. Proyección TDP camiones grandes en toda la concesión. Elaboración
propia.
2400
2800
3200
3600
4000
4400
4800
200
5
200
7
200
9
201
1
201
3
201
5
201
7
201
9
202
1
202
3
Proyección TDP camiones grandes -
Total concesión
Observado Proyección
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
79 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
4. CONCLUSIONES
En relación a las variables explicativas, se seleccionaron las que tienen más Influencia
en el tráfico de la región y de las que se podía encontrar información. Aun así, hace falta
más información que permita explicar el comportamiento del tráfico de los camiones.
Los datos encontrados de todas las variables provienen de entidades dedicadas al
manejo de esa información, lo cual valida su calidad.
El modelo escogido para realizar las regresiones fue el más adecuado ya que permitía
analizar la relación de un grupo de variables con el tráfico y no tenía especial dificultad
para su desarrollo. Los problemas presentados en el primer acercamiento al modelo con
los signos de las variables por la colinealidad de las componentes del PIB se
solucionaron al agrupar en sectores económicos. Para cada tipo de tráfico se
seleccionaron las variables con las que se tenían mejores resultados en los estadísticos
de las regresiones.
El tráfico de vehículos livianos para los tres departamentos y para toda la concesión fue
con el que se tuvieron mejores resultados con coeficientes de determinación (R2) por
encima de 0.98. El sector terciario fue el más explicativo para este tipo de tráfico,
estando presente en todas las regresiones realizadas. En general el comportamiento del
tráfico de vehículos ligeros es uniforme sin cambios muy pronunciados, esto ocasiona
que sea mucho más fácil de explicar
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
80 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
5. BIBLIOGRAFIA
[1] K. Jha, N. Sinha, S. Shrikant Arkatkar, and A. Kumar Sarkar, “Modeling Growth
Trend and Forecasting Techniques for Vehicular Population in India,” Int. J.
Traffic Transp. Eng., vol. 3, no. 2, pp. 139–158, 2013.
[2] K. Jha, N. Sinha, S. S. Arkatkar, and A. K. Sarkar, “A comparative study on
application of time series analysis for traffic forecasting in India: prospects and
limitations Traffic forecasting,” Curr. Sci., vol. 110, no. 3, 2016.
[3] R. Cervero, “Are Induced-Travel Studies Inducing Bad Investments?,” Access,
vol. 22, 2003.
[4] K. M. Hymel, K. A. Small, and K. Van Dender, “Induced Demand and Rebound
Effects in Road Transport,” Irvine, 2010.
[5] C. Stephen, “Traffic Prediction Using Multivariate Nonparametric Regression,”
J. Transp. Eng., vol. 129, no. 2, pp. 161–168, Mar. 2003.
[6] M. Baker Jr, “Statistical Evaluation of Projected Traffic Growth,” 2005.
[7] George E. P. Box, G. M. Jenkins, and G. C. Reinsel, Time series analysis
forecasting and control, 3rd ed. San Francisco: Englewood Cliffs, N.J. Prentice
Hall 1994, 1994.
[8] V. M. Islas Rivera, C. Rivera Trujillo, and G. Torres Vargas, “Estudio de la
Demanda de Transporte,” Secretaria de comunicaciones y transportes Instituo
Mexicano del Transporte, no. 213. p. 146, 2002.
[9] D. N. Gujarati, Basic Econometrics, 4th ed. The MacGraw-Hill Companies,
2004.
[10] Office for the Coordination of Humanitarian Affaires, “Eje Cafetero
Colombiano,” OCHA, 2014. [Online]. Available:
https://reliefweb.int/map/colombia/colombia-mapa-ficha-eje-cafetero-14052014.
[Accessed: 09-Jun-2019].
[11] “Eje Cafetero - Sitios Turíticos.” [Online]. Available:
https://www.colombia.com/turismo/sitios-turisticos/eje-cafetero/. [Accessed: 08-
Jul-2019].
[12] N. Cardona Lenis and D. C. Valencia, “Análisis prospectivo del sector turismo en
el eje cafetero,” Pereira, 2002.
[13] J. Vallecilla Gordillo, Cafe y crecimiento económico regional : el Antiguo
Caldas, 1870-1970. Universidad de Caldas, 2001.
[14] DANE, “Mercado laboral por departamentos,” 2018. [Online]. Available:
https://www.dane.gov.co/index.php/estadisticas-por-tema/mercado-
laboral/mercado-laboral-por-departamentos. [Accessed: 29-Jun-2019].
[15] F. Valencia, D. Cortazar, and A. López, “Composición de la economía de la
región eje cafetero de Colombia,” 2013.
[16] A. A. Gómez Ramírez Gonzalo Restrepo Quintero Pablo Emilio González
Gómez Fernando Chalarcá González, “La industria en el Eje Cafetero y los
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
81 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
departamentos de Bolívar, Santander y Tolima. 1985 - 2001,” Ensayos Sobre
Econ. Reg., 2004.
[17] Ministerio de Transporte, “Transporte en Cifras. Estadísticas 2017,” Bogotá,
2017.
[18] Gobernación de Antioquia, “INFRAESTRUCUTRA VIAL EN COLOMBIA
(1993-2013) Proyecto Análisis de las implicaciones sociales y económicas de las
Autopitas para la Prosperidad en el departamento de Antioquia.” Gobernación de
Antioquia, Medellín, pp. 7–8, 2015.
[19] Congreso de Colombia, Ley 80 De 1993, Estatuto General de Contratación de la
Administración Pública. Bogotá: Congreso de Colombia, 1993.
[20] W. Muñoz, “Concesiones viales en colombia. Historia y Desarrollo,” Tecnura,
vol. 10, p. 21, 2002.
[21] “Contrato de concesión 113. Proyecto vial Armenia - Pereira - Manizales.” pp. 1-
3,28-29, 1997.
[22] F. Sánchez Sabogal, “Sobre el índice de estado en los contratos de la tercera
generación de concesión de carreteras nacionales.” Cámara Colombiana de la
Infraestructura, Bogotá, pp. 27–30, 2014.
[23] Agencia Nacional de Infraestructuras, “Operación Estadística de Tráfico y
Recaudo.” ANI, Bogotá, 2016.
[24] Autopistas del Café S.A., “Autopistas del Café.” [Online]. Available:
https://autopistasdelcafe.com/estadovias. [Accessed: 09-Jun-2019].
[25] C. Almarza Llano, “Contabilidad y criterios de inversión aplicados a las
infraestructuras: Análisis de demanda.” Universidad Politécnica de Madrid,
Madrid, 2018.
[26] W. Greene, Econometric analysis., Fifth. New York: Prentice Hall, 2000.
[27] Agencia Nacional de Infraestructuras, “Proyectos de Infraestructura - Carreteras.”
[Online]. Available: https://www.ani.gov.co/proyectos-de-infraestructura-
carreteras. [Accessed: 22-Jun-2019].
[28] DANE, “Cuentas nacionales departamentales.” [Online]. Available:
https://www.dane.gov.co/index.php/estadisticas-por-tema/cuentas-
nacionales/cuentas-nacionales-departamentales. [Accessed: 28-Jun-2019].
[29] R. Panpillón, “Economy Weblog » ¿Qué es el PIB nominal? ¿Qué es el PIB
real?,” IE Business School, 2013. [Online]. Available:
https://economy.blogs.ie.edu/archives/2013/02/que-es-el-pib-nominal-que-es-el-
pib-real/. [Accessed: 28-Jun-2019].
[30] Registro Único Nacional de Tránsito, “Estadísticas del RUNT.” [Online].
Available: https://www.runt.com.co/cifras. [Accessed: 29-Jun-2019].
[31] Organización Internacional de Constructores de Automóviles, “Vehículos en
uso,” 2015. [Online]. Available: http://www.oica.net/category/vehicles-in-use/.
[Accessed: 29-Jun-2019].
[32] Dirección General de Tráfico, “Infraestructura y Capital del Transporte,” Madrid,
ANÁLISIS DE LAS RELACIONES ENTRE EL TRÁFICO DEL DESARROLLO VIAL ARMENIA – PEREIRA – MANIZALES
Y DIFERENTES VARIABLES ECONÓMICAS
82 MÁSTER UNIVERSITARIO EN PLANIFICACIÓN Y GESTIÓN DE INFRAESTRUCTURAS - ETSIC- UPM
MPyGI
2015.
[33] DANE, “Preguntas frecuentes: Empleo.” Bogotá , p. 1.
[34] DANE, “Boletín Técnico Gran Encuesta Integrada de Hogares (GEIH) 2018,”
Bogotá, 2018.
[35] ECOPETROL, “Nuestra Historia,” 2014. [Online]. Available:
https://www.ecopetrol.com.co/wps/portal/es/ecopetrol-web/nuestra-
empresa/quienes-somos/acerca-de-ecopetrol/nuestra-historia. [Accessed: 29-Jun-
2019].
[36] Unidad de Planeación Minero Energética, “Determinación de la demanda real de
Gasolina Corriente, Gasolina Extra, Diesel Oil y GNV en el territorio nacional -
Informe Final,” 2014.
[37] ECOPETROL, “Precios Históricos,” 2019. [Online]. Available:
https://www.ecopetrol.com.co/wps/portal/es/ecopetrol-web/productos-y-
servicios/precios/precios-
historicos/!ut/p/z0/04_Sj9CPykssy0xPLMnMz0vMAfIjo8ziLQIMHd09DQy9Dc
xdjA0cjRwNvdzcTY28HM30C7IdFQGImnT_/. [Accessed: 29-Jun-2019].
[38] J. González Navarro, “La caída del petróleo desde junio de 2014 es la mayor de
los últimos 40 años,” ABC Economia, 2016. [Online]. Available:
https://www.abc.es/economia/abci-caida-petroleo-desde-junio-2014-mayor-
ultimos-40-anos-201608151822_noticia.html. [Accessed: 10-Jul-2019].
[39] Agencia Nacional de Infraestructura, “Quiénes Somos.” [Online]. Available:
https://www.ani.gov.co/informacion-de-la-ani/quienes-somos. [Accessed: 22-
Jun-2019].
[40] DANE, “Cuentas Nacionales de Colombia Base 2015,” Bogotá, 2018.