MODELACIÓN DE LA GENERACIÓN Y ATRACCIÓN DE VIAJES E N EL VALLE

DE ABURRÁ 2005

CLAUDIA MARCELA ALDANA RAMIREZ

Tesis presentada como requisito para optar al títul o de

Magíster en Ingeniería - Infraestructura y Sistemas de Transporte

Director

IVÁN REINALDO SARMIENTO ORDOSGOITIA, Ph.D.

UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN

FACULTAD NACIONAL DE MINAS

ESCUELA DE INGENIERÍA CIVIL

MEDELLÍN

2007

2

NOTAS DE ACEPTACIÓN

________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

____________________________

Primer Jurado

____________________________ Segundo Jurado

_____________________________

Tercer Jurado

Medellín, Diciembre de 2007

3

AGRADECIMIENTOS

Agradezco de manera muy especial la colaboración y ayuda presentada por el profesor Iván Sarmiento Ordosgoitia también director de este proyecto de tesis, por su acompañamiento y apoyo durante la realización de este trabajo. Agradezco a mis padres, sus oraciones y amor en todo momento. A mis amigos los cuales sufrieron y trasnocharon junto conmigo.

4

TABLA DE CONTENIDO TABLA DE CONTENIDO................................................................................................................... 4 LISTA DE FIGURAS ........................................................................................................................... 5 LISTA DE TABLAS ............................................................................................................................. 6 RESUMEN .......................................................................................................................................... 8 1. INTRODUCCIÓN Y OBJETIVOS .............................................................................................. 9 1.1 INTRODUCCIÓN ............................................................................................................................................................ 9 1.2 OBJETIVOS................................................................................................................................................................... 11

1.2.1 Objetivo General .....................................................................................................................11 1.2.2 Objetivos Específicos .............................................................................................................11

2. CONCEPTOS BASICOS Y ANTECEDENTES ........................................................................ 12 2.1 CONCEPTOS BASICOS............................................................................................................................................... 12 2.2 ANTECEDENTES .......................................................................................................................................................... 13 3. EL PROCESO DE PLANEACIÓN DEL TRANSPORTE URBANO ......................................... 15 3.1 PLANEACIÓN DEL TRANSPORTE URBANO ............................................................................................................. 15 3.1.1 EL PROBLEMA DEL TRANSPORTE ............................................................................................................................ 16 3.1.2 ESTRUCTURA URBANA .............................................................................................................................................. 17 3.1.3 USO DEL SUELO.......................................................................................................................................................... 17 3.1.4 VIAJES .......................................................................................................................................................................... 18 3.2 MODELOS DE TRANSPORTE ..................................................................................................................................... 19 3.2.1 MODELOS DE GENERACIÓN Y ATRACCIÓN DE VIAJES ...................................................................................... 20 3.2.2 MODELOS DE DISTRIBUCIÓN DE VIAJES ............................................................................................................. 23 3.2.3 MODELOS DE REPARTO MODAL .............................................................................................................................. 24 3.2.4 MODELO DE ASIGNACIÓN DE TRANSPORTE ........................................................................................................ 26 4. MODELADO DE LA GENERACIÓN Y ATRACCIÓN DE VIAJES......................................... 29 4.1 ALGUNAS DEFINICIONES BASICAS........................................................................................................................ 30 4.2 MODELADO DE FACTOR CRECIMIENTO ................................................................................................................. 30 4.3 MODELOS DE REGRESIÓN LINEAL MULTIPLE BASADA EN LAS ZONAS ......................................................... 31 4.3.1 ALGUNAS CONSIDERACIONES IMPORTANTES .................................................................................................... 31 4.3.2 REGRESIÓN BASADA EN HOGARES ....................................................................................................................... 32 4.4 VINCULO ENTRE GENERACIONES Y ATRACCIONES............................................................................................ 32 4.5 CLASIFICACIÓN CRUZADA O ANALISIS DE CATEGORIAS ................................................................................ 32 4.6 VARIABLES DE PRONÓSTICO EN EL ANALISIS DE LA GENERACIÓN DE VIAJES.......................................... 34 5. METODOLOGIA ....................................................................................................................... 36 5.1 RECOLECCIÓN DE LA INFORMACIÓN..................................................................................................................... 36 5.2 ZONIFICACIÓN DE LA ENCUESTA ORIGEN DESTINO PARA LA REGIÓN METROPOLITANA DEL VALLE DE ABURRÁ................................................................................................................................................................ 36 5.2.1 ZONIFICACIÓN DE LA ENCUESTA ORIGEN - DESTINO ...................................................................................... 36 5.2.2 LA REGIÓN METROPOLITANA DEL VALLE DE ABURRÁ Y CRITERIOS DE ZONIFICACIÓN ......................... 37 5.2.3 TAMAÑO DE MUESTRA RECOMENDADO POR LOS ESTUDIOS TRADICIONALES........................................... 39 5.2.4 DEFINICIÓN DE PERIODOS DE MODELACIÓN ..................................................................................................... 40 5.2.5 FACTORES DE EXPANSIÓN....................................................................................................................................... 41

5.2.1.1 Expansión de la muestra ..................................................................................................41 5.2.1.2 Metodología para el cálculo de factores.........................................................................41 5.2.1.3 Factor de Expansión Validado .........................................................................................41

5.2.2 CLASIFICACIÓN DE LOS VIAJES POR PROPÓSITO.............................................................................................. 41 5.2.3 CATEGORIAS SOCIOECONÓMICAS DE LOS USUARIOS ..................................................................................... 45 5.2.4 DEFINICIÓN DE LAS CATEGORIAS SOCIOECONOMICAS DE LOS USUARIOS............................................... 46 5.3 CALIBRACIÓN DE MODELOS DE DEMANDA .......................................................................................................... 48 5.3.1 MODELOS DE GENERACION DE VIAJES................................................................................................................. 48 5.3.2 MODELOS DE GENERACIÓN Y ATRACCIÓN DE VIAJES BASADOS EN EL HOGARAR (BH) Y NO BASADOS EN EL HOGAR (NBH). ....................................................................................................................................... 52 5.3.3 SELECCIÓN DE LOS VIAJES A MODELAR .............................................................................................................. 55 5.3.4 RECOLECCIÓN DE INFORMACIÓN PARA CALIBRACIÓN ..................................................................................... 56 6. RESULTADO DE LOS MODELOS .......................................................................................... 57 7. CONCLUSIONES...................................................................................................................... 76 17. BIBLIOGRAFIA ........................................................................................................................ 78

5

LISTA DE FIGURAS

Figura 1. Etapas del Modelo Clásico del Transporte Figura 2. Proceso de Planeacion del Transporte Figura 3. Etapas que comprende el Modelo del Transporte Figura 4. Zonificación del Área de Estudio Plan de Movilidad 2005 Figura 5. Zonas Sit en las que se encuentra desagregada el área de Estudio Figura 6. Distribución Horaria de los Viajes Figura 7. Análisis de Clasificación Cruzada Figura 8. Análisis de Clasificación Cruzada Figura 9. Pasos a Seguir para la realización de la Clasificación Cruzada Figura 10. Pasos a Seguir de las Regresiones Lineales realizadas en TransCAD Figura 11. Pasos a Seguir de las Regresiones Lineales realizadas en TransCAD Figura 12. Pasos a Seguir de las Regresiones Lineales realizadas en TransCAD Figura 13. Viajes totales al Trabajo. Modelados Vs Observados Figura 14. Viajes totales al Estudio. Modelados Vs Observados Figura 15. Viajes totales a Otros. Modelados Vs Observados Figura 16. Viajes totales por estratos – motivos para el periodo pico a.m. Figura 17.Porcentaje viajes al trabajo a.m. Figura 18.Porcentaje viajes al estudio a.m. Figura 19.Porcentaje viajes a otros a.m. Figura 20. Viajes totales por estratos – motivos para el periodo pico p.m Figura 21.Porcentaje viajes al trabajo p.m. Figura 22.Porcentaje viajes al estudio p.m. Figura 23.Porcentaje viajes a otros p.m. Figura 24.Porcentaje viajes al trabajo Valle Figura 25.Porcentaje viajes al estudio Valle Figura 26.Porcentaje viajes a otros Valle

6

LISTA DE TABLAS

Pág. Tabla 1. Distribución de las zonas en el área de estudio Tabla 2. Tamaños muestrales recomendados Internacionalmente Tabla 3. Muestras obtenidas en los distintos municipios del Valle de Aburrá Tabla 3 4. Distribución Horaria de Viajes Tabla 5. Viajes por Propósito Ida del Período Pico de la Mañana Tabla 6. Viajes por Propósito Ida del Período Pico de la Tarde Tabla 7. Viajes por Propósito Ida del Período Valle Tabla 8. Viajes con Otros Propósito Ida Período Pico de la Mañana Tabla 9. Viajes con Otros Propósito Ida Período Pico de la Tarde Tabla 10. Viajes con Otros Propósito Ida Período Valle Tabla 11. Viajes por Propósito Retorno del Período Pico de la Mañana Tabla 12. Viajes por Propósito Retorno del Período Pico de la Tarde Tabla 13. Viajes por Propósito Retorno del Período Valle Tabla 14. Viajes con Otros Propósito Ida Período Pico de la Mañana Tabla 15. Viajes con Otros Propósito Ida Período Pico de la Tarde Tabla 16. Viajes con Otros Propósito Ida Período Valle Tabla 17. Total de Viajes en Horas Pico y Valle según el Nivel de Ingresos Tabla 18. Total de Viajes realizados para los diferentes periodos del día Tabla 19. Total de viajes diarios por Propósito Tabla 20. Definición inicial del Nivel de Ingreso de los usuarios en categorías para el modelo Tabla 21. Total inicial de hogares con Autos separados por categoría Tabla 22. Total inicial de hogares con Motos separados por categoría Tabla 23. Definición del Nivel de Ingreso de los usuarios en categorías para el modelo Tabla 24. Total de hogares con Autos separados por categoría Tabla 25. Total de hogares con Autos separados por categoría Tabla 26. Porcentaje de los viajes basados (BH) y no basados en el hogar (NBH Tabla 27. Tasas de Clasificación Cruzada Periodo Pico de la Mañana Propósito Trabajo Tabla 28. Tasas de Clasificación Cruzada Periodo Pico de la Mañana Propósito Tabla 29. Tasas de Clasificación Cruzada Periodo Pico de la Mañana Propósito Otros Tabla 30. Tasas de Clasificación Cruzada Periodo Pico de la Tarde Propósito Trabajo Tabla 31. Tasas de Clasificación Cruzada Periodo Pico de la Tarde Propósito Estudio Tabla 32. Tasas de Clasificación Cruzada Periodo Pico de la Tarde Propósito Otro Tabla 33. Tasas de Clasificación Cruzada Periodo Valle Propósito Trabajo Tabla 34. Tasas de Clasificación Cruzada Periodo Valle Propósito Estudio Tabla 35. Tasas de Clasificación Cruzada Periodo Valle Propósito Otros Tabla 36. Viajes Modelados para el Periodo Pico de la Mañana Tabla 37. Viajes Modelados para el Periodo Pico de la Mañana Tabla 38. Viajes Modelados para el Periodo Pico de la Mañana Tabla 39. Viajes Totales Modelados para el Periodo Pico de la Mañana Tabla 40. Viajes Totales Observados para el Periodo Pico de la Mañana Tabla 41.Desviación estándar entre valores para los viajes modelados y los viajes observados periodo pico de la mañana

7

Tabla 42. Viajes Totales Modelados para el Periodo Pico de la Mañana Tabla 43. Viajes Totales Observados para el Periodo Pico de la Mañana Tabla 44.Desviación estándar entre valores para los viajes modelados y los viajes observados periodo pico de la tarde Tabla 45. Viajes Totales Modelados para el Periodo Valle Tabla 46. Viajes Totales Observados para el Periodo Pico de la Mañana Tabla 47.Desviación estándar entre valores para los viajes modelados y los viajes observados periodo valle Tabla 48. Modelos de Generación (RLM-BHI) Pico de la Mañana Tabla 49. Modelos de Generación (RLM-BHR) Pico de la Mañana Tabla 50. Modelos de Generación (RLM-BHI) Pico de la Tarde Tabla 51. Modelos de Generación (RLM-BHR) Pico de la Tarde Tabla 52. Modelos de Generación (RLM-BHI) Periodo Valle Tabla 53. Modelos de Generación (RLM-BHR) periodo Valle Tabla 54. Modelos de Generación (RLM-BHI) Estratos 1 – 2 Periodo Pico AM Tabla 55. Modelos de Generación (RLM-BHI) Estratos 3 – 4 Periodo Pico AM Tabla 56. Modelos de Generación (RLM-BHI) Estratos 5 – 6 Periodo Pico AM Tabla 57. Modelos de Generación (RLM-BHI) Estratos 1 – 2 Periodo Pico PM Tabla 58. Modelos de Generación (RLM-BHI) Estratos 3 – 4 Periodo Pico PM Tabla 59. Modelos de Generación (RLM-BHI) Estratos 5 – 6 Periodo Pico PM Tabla 60. Modelos de Generación (RLM-BHI) Estratos 1 – 2 Periodo Valle Tabla 61. Modelos de Generación (RLM-BHI) Estratos 3 – 4 Periodo Valle Tabla 62. Modelos de Generación (RLM-BHI) Estratos 5 – 6 Periodo Valle Tabla 63. Modelos de Generación. Viajes Modelados vs Viajes Observados Periodo pico de la mañana Tabla 64. Modelos de Generación. Viajes Modelados vs Viajes Observados Periodo pico de la tarde Tabla 65. Modelos de Generación. Viajes Modelados vs Viajes Observados Periodo Valle Tabla 66. Modelos de Atracción (RLM-BHI) Pico de la Mañana Tabla 67. Modelos de Atracción (RLM-BHR) Pico de la Mañana Tabla 68. Modelos de Atracción (RLM-BHI) Pico de la Tarde Tabla 69. Modelos de Atracción (RLM-BHR) Pico de la Tarde Tabla 70. Modelos de Atracción (RLM-BHI) Periodo Valle Tabla 71. Modelos de Atracción (RLM-BHR) Periodo Valle Tabla 72. Modelos de Atracción (RLM-NBH) No Basados en el Hogar para las horas pico seleccionadas

8

RESUMEN Este documento, “Modelación para la generación y atracción de viajes en el Valle de Aburrá 2005”, investiga y compara los modelos matemáticos que mejores resultados obtuvieron, para la generación y atracción de viajes, en periodos específicos del día, con la información suministrada por el Área Metropolitana. En este caso se trabajó con datos tomados en los 10 municipios, que conforman el Área Metropolitana del Valle de Aburrá, (Medellín, Caldas, Sabaneta, Envigado, Itaguí, La Estrella, Bello, Copacabana, Girardota, Barbosa), por medio de encuestas reveladas que se realizaron en 23600 hogares. Los modelos matemáticos que se acomodaron a la situación actual, se trabajaron con el software TransCad. Los modelos de análisis de categorías o Clasificación cruzada, dan buenos resultados para las tasas de viajes encontrados para las diferentes categorías que se tuvieron en cuenta. Se probaron varios modelos de regresión lineal múltiple para los viajes de generación, tanto a nivel desagregado por hogar, como a nivel agregado por zonas, encontrando que hay mayor dispersión con los datos desagregados y mejorando los resultados para los modelos zonales. También se probaron modelos para las diferentes categorías en las que se subdividieron los periodos de modelación. Por otra parte los modelos de regresión lineal para los viajes de atracción tuvieron mejores resultados.

9

1. INTRODUCCIÓN Y OBJETIVOS

1.1 INTRODUCCIÓN

El transporte es un elemento constitutivo de la vida urbana, y así como su mejoramiento contribuye a elevar la calidad de vida de la población, su deterioro constituye un vector de degradación que deben pagar todos los ciudadanos en mayor o menor medida. Por esta razón, es preocupante constatar que los problemas del transporte urbano en las ciudades latinoamericanas se han agudizado en el último tiempo, sobre todo como resultado de un crecimiento urbano desorganizado, de una expansión rápida e inusitada de la propiedad y el uso del automóvil privado y de un alto grado de desorganización del transporte público, todo lo que ha provocado adicionalmente significativos impactos ambientales negativos en las ciudades. Es justificado hablar de la existencia de un momento de inflexión en las condiciones del transporte en las ciudades latinoamericanas por ejemplo en Colombia. Las tasas de motorización están creciendo a un ritmo alto y sostenido, y seguirán haciéndolo durante algunos años más; la reducción en las velocidades de circulación ha afectado la ecuación financiera del sistema de transporte público que se degrada, lo que genera condiciones superiores de deterioro sectorial y ambiental. La congestión se ha convertido en una realidad en muchas ciudades que ven, como sus tiempos de viaje están progresivamente aumentados durante los últimos tiempos, por ejemplo en Medellín la velocidad de los autos en horas pico ha disminuido de valores cercanos a los 40 Km/h a valores cercanos a los 30Km/h en el 2006. (Mediciones realizadas por la Universidad Nacional)

Empíricamente, se ha constatado en muchas experiencias a nivel mundial que existe una relación positiva entre la movilidad y el crecimiento económico y viceversa. La generación de nuevos empleos y la mayor disponibilidad de ingresos familiares se constituyen en fuertes incentivos para incrementar la generación de viajes, para funciones tales como el trabajo, el estudio, el consumo y la recreación, lo cual es especialmente cierto cuando los ingresos disponibles permiten a algunos ciudadanos poseer un automóvil propio.

El modelo clásico de transporte, está compuesto por cuatro submodelos que reflejan las distintas etapas de la demanda y la oferta del transporte, y una quinta etapa que será la localización de las viviendas. Estas son generalmente las preguntas mas frecuentes para cada una de las etapas: 1. Generación y Atracción ¿Cuántos viajes se realizan? 2. Distribución ¿A qué destino se viaja? 3. Partición Modal ¿Qué modo de transporte se utiliza? 4. Asignación de Ruta ¿A través de qué ruta se viaja? 5. Localización. Esta etapa generalmente se omite, tomándose como un dato de entrada en el proceso de generación.

10

Figura 1. Etapas del Modelo Clásico del Transporte.

Fuente: Plan Maestro de Movilidad del Valle de Aburrá 2005

Los viajes se caracterizan principalmente por su propósito y por el medio de transporte en que se realizan. Así, tienen mayor relevancia los viajes cuyo propósito es el trabajo o el estudio, ya que su porcentaje es elevado. A la suma de ambos se le conoce como movilidad obligada. La generación de viajes es el número de viajes realizados por grupos familiares de una zona considerada, o por los automóviles existentes en dicha zona, por unidad de tiempo, incluyendo los viajes que ocurren fuera de la zona de residencia. En tales condiciones, la producción de viajes se relaciona con las características propias del grupo familiar como por ejemplo el número de sus integrantes, ingresos, tasa de motorización, etc. La atracción de viajes es en general el número de viajes atraídos por una zona por unidad de tiempo, y se refiere al número de puntos extremos, orígenes o destinos, que corresponden a los viajes basados en el hogar, o a los destinos de viajes no basados en el hogar. El objetivo básico de la primera etapa de la modelación del transporte – Generación y Atracción de viajes – es predecir el número de viajes de personas o vehículos que son generados y atraídos por cada una de las zonas en las que se ha desagregado el área en estudio. Esta etapa del proceso de planeación del transporte está relacionada únicamente con el número de viajes que inician y finalizan en cada zona, y no con la manera como se hacen las conexiones entre orígenes y destinos de viajes, por lo tanto los transbordos, o las paradas pequeñas como a estaciones de gasolina, no se cuentan como un inicio o un final de un viaje.

Distribución

Asignación Localización

Partición

Modal

Generación y

Atracción

11

En términos generales, se trata de explicar la forma como se generan y atraen los viajes, mediante la utilización de relaciones entre las características de los viajes y las características del medio urbano. Para esto se utilizarán análisis de Clasificación cruzada y modelos matemáticos de regresión lineal. El Área Metropolitana, entre 2006 y 2007 han trabajado en el estudio de los modelos clásicos de transporte, con el fin de aportar soluciones en materia de Movilidad para la región del Valle de Aburrá. Estas pueden ser las preguntas fundamentales dentro de la investigación: ¿Cuántos viajes son generados o atraídos por cada una de las zonas del Valle de Aburra? ¿Cuáles son las zonas del Valle de Aburra con mayor generación y atracción de viajes? ¿Qué tipo de modelos se han utilizado en la generación y atracción de viajes en el Valle de Aburra? ¿Cuáles son los modelos mas apropiados y que hacer para mejorarlos? ¿Cuáles son las variables más relevantes dentro de los modelos a utilizar en la generación y atracción de viajes? Para efectuar la modelación de la demanda de viajes se utilizara el software TransCAD, como una herramienta que presenta grandes ventajas para la modelación de sistemas de transporte y permite representar de una manera más real las condiciones de la red vial y de las diferentes zonas que se definen en el estudio. Toda la información se puede georeferenciar y asociar atributos mediante bases de datos las cuales pueden ser representadas gráficamente sobre la red y cada una de las zonas consideradas 1.2 OBJETIVOS

1.2.1 Objetivo General

Modelar la generación de viajes en el Valle de Aburrá 2005, comparando diferentes tipos de modelos matemáticos.

1.2.2 Objetivos Específicos

• Predecir el número de viajes de personas que son generados con modelos

desagregados y atraídos con modelos agregados, por cada una de las zonas del Valle de Aburrá, (modelos utilizados para el hogar).

• Analizar las variables que tienen mayor relevancia dentro de los modelos de generación de viajes.

• Estimar las tasas de producción de viajes por categorías de familias o individuos en diferentes períodos del día.

• Estimar modelos de atracción de viajes según los tipos de atracción contabilizados globalmente (comercio, centros de salud, educación, trabajo, recreación etc.) para diferentes períodos del día.

• Analizar las variables que tienen mayor relevancia dentro del modelo de la atracción de viajes.

12

2. CONCEPTOS BASICOS Y ANTECEDENTES 2.1 CONCEPTOS BASICOS

• Viaje: Es un movimiento de un sentido desde un punto de origen a un punto

de destino con un único propósito. Se tendrán en cuenta los viajes realizados caminando con una longitud mínima en torno a los 300 metros y todos los viajes realizados en vehículos motorizados o no. Por otro lado, se ignorarán los viajes realizados por niños menores de 5 años.

• Origen: Lugar y momento en que se inicia un viaje • Destino : Lugar y momento en que termina un viaje • Propósito: Actividad que se quiere realizar en el destino • Modo: Medios de transporte utilizados y su modalidad de operación • Ruta: Trayectoria para llegar desde el origen al destino • Volumen o Flujo: Cantidad de viajes por unidad de tiempo • Nivel de Servicio o Calidad: atributos del viaje realizado por un viajero,

tales como tiempo de viaje, comodidad, seguridad, confiabilidad • Agregación: En principio, todos los viajes son distintos, lo que es

inmanejable para una modelación o análisis comprensible, por esta razón se deben de agregar

- Agregación Espacial: División del área de la ciudad en zonas - Agregación Temporal: Definición de períodos representativos del año base - Agregación Funcional: Definición de un número reducido de propósitos de viaje - Agregación Poblacional: definición de un número moderado de categorías de usuario

• Generación de Viajes: Cantidad de viajes de cada categoría que salen de cada zona de origen en cierto período del día con algún propósito, la generación de viajes se clasifican de la siguiente forma

- Basados en el hogar: función de características demográficas y socioeconómicas de la zona de origen y uso del suelo - No Basados en el hogar: Función de otras características de la zona de origen

• Atracción de Viajes: Cantidad de viajes de cada categoría que llegan de

cada zona de origen en cierto período del día con algún propósito. La atracción de viajes se calcula de acuerdo a las siguientes características

- Función de características de uso del suelo en la zona de destino - Diferentes variables para cada propósito de viaje

• Distribución de Viajes: Cantidad de viajes entre cada par de zonas de origen destino: Se calcula una matriz de viajes en función de

- Función de los costos compuestos de transporte entre zonas - Función de los viajes generados y atraídos por cada zona

• Partición Modal: Cuantos viajes utilizan cada modo de transporte, esto depende de:

- Función de costo y calidad (nivel de servicio) de los modos alternativos de transporte

13

- Función de la disponibilidad de modos para un viaje específico • Asignación: Arcos de la red de transporte utilizados para viajar

- Automóviles eligen ruta desde su origen al destino en función de la oferta vial, y de los tiempos y costos de viaje - Pasajeros de transporte público eligen línea en función de la oferta de los modos de transporte público y sus atributos - Los tiempos y costos de viaje son función del flujo

• Localización: Donde se localizan las residencias y las actividades - Cantidad de actividades que se localizan en una zona dada. Es función entre otros factores de su accesibilidad, la cual depende de los costos de transporte al resto de las zonas. - Depende también de limitaciones físicas (espacio disponible), regulatorias (POT) y económicas.

2.2 ANTECEDENTES

El transporte urbano representa un costo elevado para América Latina, mucho más, por ejemplo, que el transporte aéreo. Si bien los pasajes en avión son mucho más caros que los de bus o taxi, se viaja en estos últimos con una frecuencia muy superior a lo que se viaja en avión. El transporte urbano de rutina, en las ciudades de más de 100.000 habitantes, cuesta aproximadamente 3½% del Producto Interno Bruto (PIB), mientras que el costo del tiempo consumido en efectuar estos viajes, que no se contabiliza en el PIB, equivale a un 3%. Muy probablemente, estos costos van en aumento, a raíz de consideraciones tales como:

(i) La expansión territorial de las ciudades y el consecuente incremento en la distancia promedio de los viajes efectuados.

(ii) La sustitución de medios de menor costo de operación por persona, como el bus, por otros, más caros de operar, como el automóvil.

(iii) La mayor congestión, que aumenta las demoras y los costos de operación de los vehículos. Además, de acuerdo a los resultados de las encuestas en hogares, las familias de mayores ingresos realizan un número mayor de viajes.

(Ian Thompson 2002) El sistema de transporte urbano, posibilita el movimiento de personas y bienes imprescindibles para mantener el desarrollo de las actividades socioeconómicas de cualquier región. La operación de tal sistema se torna más difícil y conflictiva en la medida que el desarrollo económico hace crecer el nivel de ingreso de la población y con ello la complejidad y sofisticación del aspecto urbano. Signos de este proceso lo constituyen el incremento de la tasa de motorización y de la cantidad de viajes que cada persona realiza, lo que a su vez trae consigo los problemas de congestión, polución ambiental y accidentes, típicos de las regiones actuales. Las ciudades que comprenden el Valle de Aburrá, no son ajenas a éste fenómeno y es así como durante los últimos años se han visto aparecer y hacer crisis problemas que hace sólo unas décadas eran inexistentes. La problemática de movilidad en esta área del departamento de Antioquia ha tratado de solucionarse a través de pequeñas medidas en la operación del transporte público colectivo y la implantación del primer y único sistema de transporte masivo tipo Metro en Colombia. No obstante y aunque la región cuenta con un medio de

14

transporte, eficiente, rápido y seguro; Medellín y su Área Metropolitana no han podido resolver los problemas de transporte que se presentan en su territorio, por la falta de una política clara de transporte que genere los cambios estructurales necesarios para convertir la explotación artesanal del transporte en una verdadera industria. (EDU y TRANSMILENIO S.A. 2003) Las relaciones socioeconómicas han hecho que el centro de Medellín y a la vez centro metropolitano, sea el principal lugar de actividad comercial y de servicios, lo que ha sido reforzado por la disposición radial de las rutas de transporte colectivo, generando una alta concentración de viajes al centro y por ende congestión vehicular, sobresaturación del espacio público y deterioro de la zona céntrica de la ciudad, que conllevó al desplazamiento de actividades directivas del sector empresarial y bancario, desarrollándose en él una economía informal que aumenta aún más la atracción de viajes. Como característica general de las rutas de servicio de transporte público colectivo, se encuentra que la mayor parte de los recorridos tanto urbanos como metropolitanos, convergen en la Zona Céntrica (comuna 10) del municipio de Medellín, principal centro atractor de viajes en la ciudad, debido a su alta actividad económica, comercial, etc. En general el cubrimiento de las rutas de transporte Público es bueno y abarca gran parte del territorio del Valle de Aburrá, recorriendo aproximadamente 4.412 Kilómetros de vía. Aunque el cubrimiento geográfico es muy alto, este no indica que el sistema de rutas atienda eficientemente la demanda. (EDU y TRANSMILENIO S.A., 2003) Esto ha llevado a que la región haya soportado por varios años problemas como:

• Incremento en los tiempos de viaje, causado por congestiones y bajas velocidades.

• Inseguridad en los desplazamientos • Contaminación • Disminución progresiva de los ingresos por el incremento del parque

automotor • Altos costos operacionales. • Largas jornadas de trabajo para los conductores • Guerra del centavo • Carencia de condiciones laborales ajustadas a la legislación vigente • Incertidumbre en los ingresos salariales (pago por pasajero movilizado) • Congestión • Disminución de la competitividad regional • Accidentalidad • Dispersión urbana descontrolada por la flexibilidad del sistema de transporte.

15

3. EL PROCESO DE PLANEACIÓN DEL TRANSPORTE URBANO

3.1 PLANEACIÓN DEL TRANSPORTE URBANO

El proceso de planeación de transporte debe ser comprendido como un conjunto de actividades relacionadas entre sí que tienen por objetivo mejorar la calidad de vida de los ciudadanos, específicamente en los aspectos relacionados con el funcionamiento del sistema de transporte. El uso de la palabra "proceso" indica que la planeación debe ser una actividad continua, que acompaña la evolución del sistema estudiado así como la naturaleza de sus problemas y de la eficacia de las soluciones adoptadas. Es fundamental que la planeación sea conducida por un enfoque sistemático, considerando los componentes del sistema estudiado, las relaciones entre ellos y su comunicación con su ambiente interno. (Manual de Conceptos y Lineamientos para la Planeación del Transporte Urbano).

Figura 2. Proceso de Planeacion del Transporte

Fuente: Manual de Conceptos y Lineamientos para la Planeaci ón del Transporte Urbano

De una manera general, las principales etapas asociadas al proceso de planeación del transporte son las siguientes, como se observa en el diagrama anterior: - Identificación de los problemas; - Identificación del sistema de interés; - Establecimiento de metas y objetivos para el sistema; - Generación de alternativas para la solución de los problemas identificados; - Análisis del comportamiento del sistema, en particular frente a las alternativas consideradas; -Evaluación de las alternativas estudiadas (desde el punto de vista técnico, económico y ambiental);

16

- Selección de alternativas que atiendan mejor a los objetivos establecidos; - Implantación de la alternativa seleccionada; - Monitoreo de la evolución del sistema, buscando la identificación de nuevos problemas.

3.1.1 EL PROBLEMA DEL TRANSPORTE El problema del transporte urbano está totalmente relacionado al proceso de urbanización. La industrialización y los cambios en la productividad agrícola, tuvieron como efecto el crecimiento acelerado de las ciudades sin la correspondiente infraestructura. De una forma general, la urbanización en Latinoamérica tiene dos componentes que influyen de sobremanera en el problema del transporte: la construcción de calles angostas de las ciudades en crecimiento y la falta de planeación y control del desarrollo urbano. Las ciudades en crecimiento no tenían forma de prever los cambios en la tecnología del transporte. El interés en preservar la historia de estas ciudades exige soluciones en la circulación de los vehículos, calles peatonales, estacionamiento, etc. Sin embargo, los centros históricos de las ciudades, tienen también una dimensión restrictiva y no serían un problema muy fuerte si no existieran complicaciones por el crecimiento desordenado y acelerado de la urbanización, justamente debido a los cambios tecnológicos en la industria y en el transporte. Estos factores hacen que se tenga que entender muy bien el problema del transporte: permitir el transporte de bienes y personas en condiciones preestablecidas de precio, confort y seguridad en el menor tiempo posible. El problema puede ser entendido como la necesidad de comunicación originada por las actividades urbanas de producción de bienes y servicios. Las personas viven en un lugar y necesitan ejercer sus actividades económicas, productivas y de consumo en otros lugares. Las actividades están ubicadas en espacios propios y el sistema de transporte es una de las formas de comunicación entre las actividades. La forma de producción industrial moderna hace que las ciudades se densifiquen y sea crítica la producción de espacio para el transporte. Así viene la preocupación no sólo con la producción de nuevo espacio para proveer más oferta, sino también la preocupación por la mejor utilización del espacio existente. El énfasis en la planeación del transporte urbano ha cambiado en los últimos años. Los procedimientos anteriores estaban más involucrados en la provisión de oferta para satisfacer la demanda. Con este propósito se construyeron las vías rápidas, las grandes vialidades y los sistemas de transporte colectivo como el metro. Sin embargo, se debe asegurar la utilización más eficiente de las facilidades existentes antes de entrar a pensar en nuevas inversiones en infraestructura, las cuales además de ser cuantiosas, requieren plazos generalmente largos para su ejecución y puesta en servicio.

17

La ciudad debe ser mirada como un sistema que evoluciona, donde los usos del suelo y los flujos de tráfico son interdependientes. Debe reconocerse que los flujos de tráfico cambian en respuesta a modificaciones en usos del suelo y viceversa. Se debe tener en cuenta la congestión vehicular, signo principal de los problemas actuales del transporte latinoamericano y asociada principalmente al uso del automóvil privado, que tiene como consecuencia fundamental la pérdida de calidad de vida en las ciudades. Sus efectos más significativos son la contaminación atmosférica acústica, la descomposición y ruptura del espacio urbano, los accidentes y el sobreconsumo de energía. El uso del automóvil está asociado al crecimiento urbano. El crecimiento poblacional y la superficie urbanizada, provocan una prolongación de los viajes en tiempo y distancia. El servicio de transporte público sufre así un mayor deterioro y degradación, resultado del aumento de los costos de operación asociados a velocidades comerciales más reducidas, a viajes más largos y a una menor densidad de pasajeros transportados por kilómetro; el automóvil refuerza su imagen, al ofrecer mejores condiciones de comodidad y de tiempo de viaje.

3.1.2 ESTRUCTURA URBANA Otro aspecto muy importante para la planeación, es el entendimiento de la estructura urbana de la ciudad: las zonas de trabajo, las zonas habitacionales y sus características socioeconómicas, los corredores viales, las áreas de expansión y, las barreras físicas al sistema de transporte y al desarrollo urbano. Esta información debe considerar el uso del suelo y la función de la vialidad como espacio de comunicación entre las diferentes actividades urbanas. En la estructura urbana es importante tener claridad en la distribución de las actividades urbanas y la jerarquía vial que sirve a la comunicación entre dichas actividades. En general, las ciudades medias son monocéntricas. En el área central se ubican las actividades de comercio y de servicios y es el área que concentra la mayoría de los destinos de viaje. Además de esto hay una o más áreas industriales. En la frontera se tiene que considerar no solamente los pasos fronterizos, sino la influencia del área urbana en el otro lado de la frontera.

3.1.3 USO DEL SUELO Otra variable importante pero no siempre disponible y utilizada en la planeación del transporte urbano, es el uso del suelo. Este dato está disponible en los catastros de inmuebles para fines de impuestos. Los catastros generalmente contienen más información que la necesaria para fines de planeación; como valor de los inmuebles, nombre del dueño e impuestos pagados. El agudo crecimiento poblacional y la expansión de la superficie de las ciudades se ha producido por tramos aislados, habitualmente sin secuencia ni planificación. Urbanizaciones nuevas que se instalan dentro del área urbana, interrumpiendo la vialidad estructurante de la ciudad: otras, que se extienden más allá del área construida, tienen difícil accesibilidad; grandes áreas quedan conectadas por una o pocas vías al resto de la trama urbana. La fluidez en estas condiciones se ve profundamente afectada. Además del impacto natural en los costos, debido al crecimiento en las distancias y en los tiempos de viaje.

18

Es interesante obtener una base de datos parcial que contenga datos agregados por manzana de los siguientes atributos:

• Manzana • Tipo de inmueble:

- Industria pesada - Industria ligera - Comercio grande (plazas comerciales, grandes tiendas) - Comercio pequeño - Servicios públicos - Servicios privados - Escuelas - Hospitales

• Área construida • Área de terreno • Número de pisos • Área del terreno ocupada por construcción

3.1.4 VIAJES

Los viajes se definen como un traslado desde una zona de origen hasta una zona de destino de una persona o carga, con cierto propósito, por un modo y ruta, además se realizan en diferentes periodos del día. Sus características son: • Propósito: - Trabajo - Escuela/educación - Compras - Negocios - Médico/Odontología/salud - Recreación/visita - Hogar • Modo: - Automóvil propio - Automóvil rentado/taxi - Autobús - Microbús - Combinado - Camión de la empresa - Escolar - Motocicleta - Bicicleta - A pie • Tiempo de viaje • Periodo del día

19

3.2 MODELOS DE TRANSPORTE El modelaje aplicado al análisis y a la planeación de transporte es una ciencia madurada. La riqueza metodológica vinculada a esta cuestión proviene de más de 30 años de investigación interdisciplinaria, abarcando conocimientos de ingeniería, economía, geografía, sociología, psicología, estadística, matemática aplicada, análisis de sistemas, etc. Como una ciencia con su madurez, la distancia entre la teoría y la práctica no es muy grande. Los desarrollos teóricos más recientes son, en general, rápidamente involucrados en la estructura de las aplicaciones verificadas en la práctica, sin que el enfoque global sea cuestionado o ampliamente revisado. Las consideraciones dadas en este material son iniciales y buscan solamente introducir los principales conceptos y metodologías utilizadas en el desarrollo y aplicación de modelos para la planeación de transporte. (Manual de Conceptos y Lineamientos para la Planeación del Transporte Urbano). El enfoque de modelación clásico parte por considerar una red multimodal de transporte, una zonificación apropiada del área de estudio, y la recolección y codificación de datos tanto para la calibración y validación de los modelos, como para su uso en modalidad predictiva (datos de planificación). Estos datos incluyen información socio-económica acerca de la población en cada zona del área de estudio, así como datos de su actividad económica, incluyendo empleos, espacio comercial y facilidades educacionales y recreacionales. Con estos datos, obtenidos típicamente de una encuesta origen – destino, se pueden estimar modelos que permitan predecir el total de viajes generados y atraídos por cada zona (Generación de viajes). Para modelar la generación, como se vera mas adelante, la practica contempla el uso de información a nivel de los hogares y técnicas de clasificación, regresión lineal múltiple o mixta. Para modelar la atracción de viajes, aun se considera aceptable utilizar datos a nivel zonal (información agregada). Se deben estimar modelos diferentes para los distintos propósitos de viaje que se estén considerando en el estudio. (Ortúzar, 2000) El proceso de modelaje generalmente es tratado en cuatro etapas distintas: - Generación de viajes o de la demanda; - Distribución de viajes o de la demanda; - División o selección modal; - Distribución a las redes de transportes. Las tres primeras etapas tienen por óptica central la simulación del comportamiento de la demanda por transportes. La primera etapa se basa en informaciones socioeconómicas y demográficas de la población o de las actividades económicas en el área de estudio, además de los datos referentes a las características del uso, ocupación o capacidad productiva del suelo en la región. En consecuencia, hay matrices de demanda por modo (o combinación de modos) de transporte, desagregados por tipos de flujo (propósito, tipo de usuario) o períodos. En la última etapa de modelaje, la asignación de viajes, se hace la interacción entre la oferta, representada a través de redes de transporte modales, y la demanda, sintetizada en las matrices de la demanda, ya cambiadas en viajes de personas o vehículos. Los resultados obtenidos en estas etapas alimentan un procedimiento de evaluación de alternativas que considera aspectos económicos, de satisfacción de la demanda, etc.

20

Figura 3. Etapas que comprende el Modelo del Transp orte.

Fuente: Manual de Conceptos y Lineamientos para la Planeación del Transporte Urbano

3.2.1 MODELOS DE GENERACIÓN Y ATRACCIÓN DE VIAJES

La generación de viajes es el proceso mediante el cual se cuantifican los viajes realizados por las personas que residen o desarrollan actividad en una determinada área urbana o por vehículos relacionados con dicha área. (Girardotti 2001) En este trabajo los viajes se referirán a movimientos de personas. La generación de viajes es función de:

1. El uso del suelo: Existe una estrecha relación entre la generación de viajes y la manera en que el suelo es utilizado, incluyendo la ubicación e intensidad de uso.

2. Características socioeconómicas de la población del área de estudio. 3. La disponibilidad y calidad de los medios de transporte disponibles en el área

3.2.1.1 FUNDAMENTOS DE LA GENERACIÓN Y ATRACCIÓN DE

VIAJES El objeto de la etapa de la generación de viajes es el de obtener una adecuada identificación y cuantificación de los viajes que tienen como extremo las distintas zonas en que fue dividida el área de estudio. Para el presente estudio, se tiene que la zona fue dividida en 419 zonas SIT (Zonas del Sistema Integrado de Transporte), que recogen información de los 10 municipios que conforman el Área Metropolitana del Valle de Aburra. Los viajes pueden ser caracterizados por dos atributos que deberán ser tenidos en cuenta durante el proceso de su estudio. Estos atributos son: propósito y horario. El propósito de viaje esta compuesto por dos elementos: Base y motivo Base: Se entiende como base el lugar en que comienza o termina un viaje distinguiendo entre basados en el hogar y no basados en el hogar, siendo los basados en el hogar los que tienen uno de sus extremos en el hogar del individuo que viaja. Los no basados en el hogar son los que en ninguno de sus extremos se encuentra el hogar.

21

Motivo: Se consideran el trabajo, estudio, compras y otros. Generalmente se consideran cinco propósitos de viaje:

• Basados en el hogar – Trabajo (BHT) • Basados en el hogar – Estudio (BHE) • Basados en el hogar – Compras (BHC) • Basados en el hogar – Otros (BHO) • No Basados en el hogar (NBH)

Aunque en algunos casos es suficiente considerar solo tres propósitos, según el tamaño y las características del área de estudio. En este caso tendremos en cuenta los viajes al Trabajo, al Estudio, (llamados de tipo obligatorio) y el resto de los viajes, se considerarán dentro del grupo de Otros (llamados de tipo discreto). Para cada uno de los propósitos considerados se deberá desarrollar un modelo de generación que cuantifique los viajes generados con este propósito. Otro atributo es el horario en que se realiza el viaje. Se consideran viajes en las horas pico del día tanto para el periodo de la mañana como para el periodo de la tarde y se considerará un periodo valle y viajes diarios totales (sin considerar la hora en que se realizan). La generación de viajes puede dividirse en dos pasos:

1. La determinación del número de viajes originados en cada zona. 2. La determinación del número de viajes destinado o atraído por cada zona.

Para el área de estudio, el número de producciones deberá ser igual al de atracciones, aunque no necesariamente para cada una de las zonas en particular. Esto se debe a que los viajes basados en el hogar (BH) siempre son producidos por la zona que contiene al hogar y atraídos por la zona del extremo, en cualquier sentido que se realice el viaje. Los viajes no basados en el hogar (NBH) son producidos por la zona origen y atraídos por la zona destino. Por lo anterior en las zonas principalmente residenciales las producciones serán mayores que las atracciones, mientras que en las zonas que son generalmente comerciales, industriales o educacionales, las atracciones serán mayores que las producciones. (Girardotti 2001)

3.2.1.2 VARIABLES QUE EXPLICAN LA GENERACIÓN Y ATRACCIÓN DE VIAJES

- USO DEL SUELO Este puede ser determinado y pronosticado con facilidad. Se pueden distinguir tres atributos que influyen en la generación de viajes, estos son: Tipos : Los diferentes tipos de usos del suelo tienen diferentes características de generación y por ello es importante distinguirlos. La clasificación de tipos de usos de suelo más habitual suele ser: Residencial, comercial, industrial, educacional y recreacional. El uso del suelo residencial produce más viajes que los otros usos, mientras que los usos restantes son en general, mayores atractores de viajes que productores. Intensidad : Expresa el nivel de actividad que caracteriza cada zona y usualmente se expresa como el numero total de viviendas en la zona o empleos por unidad de

22

superficie. La intensidad del uso de un suelo tiene una marcada influencia en el número y tipo de viajes que genera determinada zona. En general, a menor densidad habitacional, mayor numero de viajes generados por persona. Ubicación: Esta se refiere a la distribución espacial de los usos del suelo y de las actividades dentro del área de estudio. Características socioeconómicas: Las que influyen en la Generación de viajes, son las siguientes: Ingreso familiar (estrato), tamaño del hogar, posesión de automóvil, tipo de vivienda y actividad de los integrantes del hogar (Personas que trabajan, personas que estudian, personas que trabajan y estudian, personas jubiladas, personas desempleadas, amas de casa).

El objetivo básico de la modelación de la generación y atracción de viajes, es predecir el número de viajes de personas o vehículos que son generados y atraídos por cada una de las zonas en que se ha desagregado el área en estudio, y no en la manera como se hacen las conexiones entre orígenes y destinos de viajes. (Manual de TransCAD, versión 4.8)

3.2.1.3 MODELOS UTILIZADOS EN LA GENERACIÓN Y ATRACCIÓN DE VIAJES

Método de Clasificación Cruzada o Análisis de Categ orías: Se trata de desagregar la población en grupos relativamente homogéneos, basados en ciertas características socioeconómicas, para cada uno de los cuales se calculan tasas de generación de viajes. El procedimiento que se sigue en este método puede resumirse en las siguientes cinco etapas:

• Identificación de las variables socioeconómicas relevantes • Determinación de los rangos de valores para la clasificación • Determinación de las tasas de Generación/Atracción de viajes • Estimación de la composición familiar futura, según las diferentes categorías para cada una de las zonas

La determinación de los viajes generados o atraídos en cada zona estudiada responde a la siguiente ecuación:

Gi, k = ∑ Hi, n Tn, k Gi,k = es el número de viajes producidos en la zona i con propósito k Hi,n = es el número de hogares en la zona i con clasificación n Tn,k = es la tasa media de producción de viajes de la clasificación n con propósito k (Niño Arbelaez) Regresión Lineal Múltiple: La estimación de la generación de demanda por transporte abarca la previsión de dos términos: la producción, que es la demanda originada o producida en cada zona de tráfico y, la atracción, que es la demanda destinada o consumida en cada zona. Los modelos de generación que se basan en el análisis de regresión lineal múltiple, buscan establecer una relación lineal entre un conjunto de variables explicativas (independientes o exógenas) y una variable que pretende explicar (dependiente o endógena) en general la producción o la atracción de la demanda por zona. La forma general del modelo se presenta a continuación:

Gi=a0+a1.X1+a2.X2+a3.X3+...

23

Donde: Gi: Producción o atracción de demanda en la zona i para el tipo de flujo considerado, expresada en viajes de personas o vehículos, por unidad de tiempo (hora, día, año) X1, X2, X3,...: Variables explicativas de la generación de demanda a0, a1, a2, a3,...: Parámetros que describen el comportamiento de la demanda, determinados en la calibración del modelo por análisis de regresión.

3.2.2 MODELOS DE DISTRIBUCIÓN DE VIAJES Los modelos de distribución agregados de viajes se usan para predecir flujos entre zonas de origen y destino. Existen dos categorías principales de estos métodos los cuales predominan en la planeación de transporte urbano, el primer método es llamado método de factores de crecimiento y plantea escalar una matriz existente aplicando factores multiplicativos derivados de predicciones de producción y/o atracción asociadas a las celdas de la matriz. La segunda categoría básica de generación de viajes agregados es el modelo gravitacional. Los modelos gravitacionales incluyen como entrada una o más matrices de flujo y una matriz de impedancia que refleja la distancia, tiempos o costo de los viajes entre zonas, y estima el nivel futuro de producciones y atracciones. El modelo gravitacional relaciona explícitamente el flujo entre zonas con la impedancia intrazonal de los viajes. Los modelos gravitacionales son originalmente motivados por que los flujos decrecen como una función de la distancia que separa las zonas, esto es la atracción gravitacional entre dos objetos que decrece como una función de la distancia entre los objetos. Este principio es aplicado en los modelos de planeación del transporte, donde la analogía Newtoniana ha sido reemplazada por la hipótesis de que los viajes entre las zonas i y j es función de los viajes originados en las zonas i y el nivel de atracción y accesibilidad de la zona j con respecto a las demás zonas. Existen diferentes medidas de impedancia como son: la distancia de viaje, el tiempo de viaje, o el costo del mismo. Igualmente diferentes funciones potenciales de impedancia que pueden ser usadas para derivar la atracción relativa de cada zona. Como una alternativa a las funciones de impedancia se puede usar un factor de impedancia (esencialmente esto es una función de impedancia discreta que relaciona la impedancia entre zonas con la atracción entre zonas). (Niño Arbelaez)

3.2.2.1 MODELOS UTILIZADOS EN LA DISTRIBUCIÓN DE VIAJES Modelos de Factor de Crecimiento: Como se ha mencionado, los modelos de factor de crecimiento plantean escalar una matriz existente aplicando factores multiplicativos derivados de predicciones de producción y/o atracción asociadas a las celdas de la matriz. Estos métodos son usualmente encontrados cuando no se tiene información disponible respecto de las distancias interzonales de la red, tiempos de viajes o costos generalizados.

24

Modelos de Gravedad: Al relacionar el numero de viajeros que utilizaban el transporte público, se encontró que se incrementaban a medida que era mayor la población de las zonas y disminuían los viajes en función de la distancia que las separaba de la zona centro. Analizando esa información formuló la que se puede considerar primera fórmula analógica de transporte:

Donde

K: es una constante determinada empíricamente que tiene en cuenta aspectos socioeconómicos y características propias del tipo de viajes P: es la población respectiva de las ciudades i o j d: es la distancia que separa las dos zonas y representa una resistencia a la realización del viaje y puede estar expresada en distancia, tiempo o costo generalizado y está a su vez afectada por b, un exponente que depende del motivo de viaje. Entre más importante el motivo del viaje, por ejemplo trabajo, menor el valor de este exponente.

3.2.3 MODELOS DE REPARTO MODAL Los modelos de selección modal son utilizados para analizar y predecir la elección que los individuos harán al escoger los modos de transporte que son utilizados para cada tipo particular de viaje. Generalmente el objetivo es predecir la proporción o el número de viajes hechos en cada modo, principalmente predecir la proporción de los viajes atraídos por el transporte público. Los modelos de reparto (o selección modal) pueden llevarse a cabo bien sea a nivel agregado o desagregado de zona. Los modelos a nivel agregado buscan predecir las cuotas zonales de viajes por modo y se calculan de manera típica por medio de la utilización de cuotas según modo, por pares de origen – destino y de promedios de datos demográficos por zona. Los modelos desagregados se basan en datos a nivel individual obtenidos de encuestas. A nivel individual la elección es discreta –una persona elige una entre un conjunto de alternativas modales-. Los modelos logit se estiman con frecuencia con base en datos a nivel individual, y entonces se elaboran pronósticos basados en variables agregadas explicativas. Los insumos para los modelos de elección modal incluyen normalmente características socioeconómicas de los viajeros y características del servicio de los modos alternos (costo y tiempo de viaje). (Niño Arbelaez) El modelo de partición modal divide la matriz de viajes proveniente de la etapa de distribución, en tantas matrices como modos de transporte existan disponibles para los usuarios. Un modelo de partición modal será necesario para cada categoría de demanda, propósito de viaje y período de análisis. Los modelos de partición modal denominados de elección discreta , constituyen buena parte de las actuales aplicaciones en estudio de transporte. Como su nombre lo indica, estos modelos están orientados a simular el proceso de elección de un individuo enfrentado a un conjunto de alternativas discretas de elección. La hipótesis

25

subyacente en este tipo de modelos es que la probabilidad de que un individuo escoja una alternativa determinada es función de las características (socioeconómicas) del individuo y de la atractividad relativa de cada opción. Desde el punto de vista de la partición modal, la extensión del concepto anterior es inmediata. Para viajar entre un origen y un destino determinado, un usuario de la categoría n dispone de un conjunto finito y discreto An de modos de transporte alternativos. La elección de un modo específico m є An, dependerá de las características del usuario y de los atributos de los modos disponibles. Para representar estas características, se define una función de utilidad asociada a cada una de las alternativas disponibles y se supone que el usuario elegirá aquella que le reporte una mayor utilidad. La función utilidad normalmente se expresa con una formulación lineal en los parámetros:

Donde los Xn

mk representan indistintamente los atributos del modo m y las características del usuario de la categoría n. Típicamente esta expresión incluye como atributos del modo sus variables de servicio (tiempo de viaje, tiempo de espera, tarifa, etc.) y como características del usuario, su ingreso, nivel educacional y otros. También es habitual incluir combinaciones de variables (ej.: tarifa dividida por ingreso familiar). Los parámetros θn

mk representan el peso que los usuarios de la categoría n asignan a cada variable incluida en la función utilidad. Luego, tales parámetros deben ser calibrados para cada categoría de usuarios. El parámetro libre δn

m corresponde a una constante modal que representa ciertas características específicas que el modo m tiene para los usuarios de la categoría n, y que no están representados en el resto de la función utilidad del modo. Por razones derivadas de la forma de estimar los parámetros de la función, es necesario fijar en cero la constante modal de una de las alternativas, llamada alternativa de referencia. El resto de las constantes modales serán relativas a dicha alternativa de referencia. Sin embargo, existen además ciertas características subjetivas en la elección modal de los usuarios, que no son observables por el modelador (comodidad, privacidad, gustos, etc.). Por lo tanto, en rigor la función utilidad debe incluir un término observable (como el que se mencionó antes) y un término aleatorio que refleje aquellas variables ignoradas en la decisión modal de los usuarios:

Donde: Vn

m = Función de utilidad completa de la alternativa m para los usuarios de la categoría n. Un

m = Parte observable de la función utilidad. εm = Parte no observable (aleatoria) de la función utilidad. Las distintas hipótesis respecto a la distribución de probabilidades del término aleatorio εm darán origen a distintos tipos de modelos de elección discreta para la partición modal. Dado que se trata de simular comportamiento de individuos, la distribución normal debería ser la más indicada para el término aleatorio y en este caso se puede derivar el denominado modelo probit de partición modal. No

26

obstante, la complejidad matemática de la distribución normal hace que la aplicación del probit sea muy dificultosa para más de tres alternativas modales. (Metodología para Análisis de Sistemas de Transporte en Grandes Ciudades y Ciudades de Tamaño Medio, Chile)

3.2.4 MODELO DE ASIGNACIÓN DE TRANSPORTE La cuarta etapa del modelo clásico de transporte es la asignación de viajes a la red de transporte, se comparan en esta etapa la oferta y la demanda. Los modelos de asignación aportan elementos para identificar la oferta. El sistema de la red y en el caso del transporte público, las características de los servicios ofrecidos como la frecuencia y capacidad, representan los principales elementos del lado de la oferta en el transporte. En el ámbito económico, los intercambios concretos de bienes y servicios tienen lugar como resultado de la combinación de la demanda para ellos con la oferta. El punto de equilibrio resultante define el precio con el que se intercambian los bienes y los flujos respectivos en el mercado. El punto de equilibrio se encuentra cuando el coste marginal de producir y vender los bienes es igual al ingreso marginal que se obtiene de venderlos. El reparto de viajes a rutas proporciona un esquema de caminos y flujos de arcos que se dice, están en equilibrio cuando los viajeros no pueden encontrar mejores rutas para sus destinos, ya que están viajando en las mejores rutas disponibles. Este es el equilibrio de la red de caminos. (Modelling Transport)

3.2.4.1 ASIGNACIÓN DE TRANSPORTE PRIVADO En el caso de la asignación de transporte privado, es conveniente proponer modelos que pueden tratar el fenómeno de la congestión, por varias razones: aunque de menor intensidad, en el caso de las ciudades de tamaño medio, la congestión puede estar presente en algunos arcos de la red y es necesario simular su impacto, porque éstos suelen ser los arcos donde se materializan proyectos de transporte; los modelos que tratan redes congestionadas son igualmente adecuados cuando el fenómeno tiene poca importancia. Los modelos de asignación de transporte privado con mayor fundamentación técnica, utilizan el primer principio de Wardrop para explicar la asignación de viajes a la red. Este principio supone que los usuarios intentan minimizar sus costos de operación al realizar sus viajes. Si pudieran hacerlo, cada usuario elegiría la ruta más corta (en términos de tiempo de viaje, por ejemplo) para llegar a su destino. Pero, puesto que en general existe el fenómeno de la congestión vehicular, la ruta más corta deja de serlo cuando muchos usuarios tratan de usar los mismos arcos de la red. Los usuarios entonces considerarán otras rutas, hasta encontrar aquella que tenga el mínimo costo posible, dadas las condiciones de operación existentes en la red. Cuando todos los usuarios hayan encontrado esta ruta más conveniente, la red de transporte privado se encontrará en equilibrio.

27

El primer principio de Wardrop dice simplemente que habrá equilibrio en la red cuando ningún usuario pueda reducir unilateralmente su costo de viaje, mediante un cambio de ruta. Naturalmente éste es un principio general, que caracteriza la solución del problema de asignación a redes de transporte privado, pero que no ilustra respecto a la manera de encontrar dicha solución. (Metodología para Análisis de Sistemas de Transporte en Grandes Ciudades y Ciudades de Tamaño Medio, chile, 1998). La red básica, utilizada para la asignación de transporte privado, está representada por un grafo G = (N, A), donde N es el conjunto de nodos y A el conjunto de arcos. El primero representa las intersecciones de calles y los centroides de las zonas (localización del origen y destino de los viajes) y el segundo conjunto representa las calles de la ciudad. La siguiente nomenclatura será necesaria para formular el problema: El problema de asignación de transporte privado, se resuelve planteando un problema de optimización matemática del siguiente tipo:

Se puede demostrar que la solución de este problema (es decir los flujos de equilibrio en cada arco de la red) satisface el primer principio de Wardrop El método de Frank Wolfe -que es el más utilizado en los diversos programas computacionales de asignación de transporte privado - consta de dos fases: búsqueda de dirección y minimización unidimensional. (Metodología para Análisis de Sistemas de Transporte en Grandes Ciudades y Ciudades de Tamaño Medio, chile, 1998).

3.2.4.2 ASIGNACIÓN DE TRANSPORTE PÚBLICO En el caso de la asignación de transporte público el problema es esencialmente distinto al de transporte privado. En este caso, los usuarios deben elegir aquella línea de transporte público (bus, taxi colectivo, etc.) que utilizarán para realizar su viaje. Dado que el recorrido de los buses está fijo en la red, los usuarios no eligen su camino a través de la red vial (como lo hacen los automovilistas) sino a través de las distintas líneas de transporte público disponibles para hacer su viaje. Las distintas hipótesis respecto a la forma en que los usuarios eligen las líneas de transporte público para realizar sus viajes, dan origen a distintos modelos de asignación de transporte público.

28

Los modelos más tradicionales suponen que el usuario elegirá aquella línea específica que minimiza su tiempo total de viaje (En realidad, este concepto de tiempo total de viaje, normalmente se define como una combinación ponderada de tarifa, tiempo de espera en el paradero, el tiempo de viaje en vehículo, etc.) Es claro que esta hipótesis de trabajo es correcta si un usuario tiene sólo una línea disponible, o un conjunto pequeño de líneas muy distintas (en términos de las variables tiempo de viaje, tiempo de espera, tarifa) disponibles para realizar su viaje. En este caso es razonable suponer que el usuario elegirá aquella línea que minimiza su tiempo total de viaje. Este tipo de modelos se conoce como de asignación a itinerarios mínimos. Sin embargo, en ciertos casos en que el número y cobertura de las líneas disponibles es mayor, los usuarios disponen muchas veces de un conjunto de líneas muy parecidas (en términos de tarifa, tiempo de viaje y tiempo de espera) disponibles para realizar sus viajes, y la hipótesis de elección de una sola línea específica deja de ser adecuada. En la práctica, los usuarios no consideran una sola línea, sino un subconjunto de líneas comunes o atractivas, que minimizan su tiempo total esperado de viaje. Para realizar su viaje, el usuario utilizará cualquiera de las líneas pertenecientes a este subconjunto de líneas atractivas. Una vez que esta hipótesis de trabajo respecto al comportamiento de elección de los usuarios se plantea en términos matemáticos, es posible formular modelos, que conducen a una asignación de viajes de transporte público mucho más realista. Tales modelos son conocidos como de asignación a rutas mínimas de transporte público . (Metodología para Análisis de Sistemas de Transporte en Grandes Ciudades y Ciudades de Tamaño Medio, chile, 1998).

29

4. MODELADO DE LA GENERACIÓN Y ATRACCIÓN DE VIAJES

En este capítulo se describirá en mayor profundidad la etapa de la generación y atracción de viajes, dentro del modelo clásico de modelización del transporte. Su objetivo principal es predecir el número total de viajes de personas o vehículos que son generados por Oi (orígenes) y atraídos a Dj (destinos), para cada una de las zonas en que se ha desagregado el área en estudio. Esta etapa no está relacionada con la manera en que se hacen las conexiones entre orígenes y destinos de viajes. Se trata de explicar la forma en que se generan y atraen los viajes, mediante la utilización de relaciones entre las características de los viajes y las del medio urbano. Los modelos de generación de viajes se desarrollan generalmente de manera separada, por propósito, por modo de transporte y por hora del día. Se basan en el supuesto de que los viajes son una función de tres factores:

- Patrones de usos del suelo: Las diferentes características de generación de viajes se producen por diferentes usos del suelo y de intensidades de su uso. Se ha establecido en algunos estudios que del orden del 80% de los viajes se inician o se finalizan en el hogar, por tanto es importante el uso residencial, que se suele representar en términos de hectáreas utilizadas, número de viviendas o de personas residentes. Otros usos importantes son el comercio, la industria y la educación expresados en términos de número de puestos disponibles o de área total utilizada. - Características socioeconómicas de la población: Las que se consideran principalmente son el tamaño de la familia, número de trabajadores y estudiantes en el hogar, el número de vehículos disponibles en el hogar, nivel de ingreso, estructura de edades y sexo. - Características del sistema de transporte: Facilidades disponibles y nivel de accesibilidad.

La predicción de los totales: Oi y Dj, se realizará partiendo de datos estructurados como atributos socioeconómicos de hogar. Posteriormente se analizarán algunos factores que afectan a la generación y atracción de viajes. Se explicarán las principales aproximaciones del modelado, empezando con la técnica más simple de factor crecimiento. Se considerarán posteriormente modelos de generación de viajes zonales y de regresión lineal basada en hogares. Después nos centraremos en los modelos de clasificación cruzada donde se examinará el análisis clásico de categorías. El capítulo finaliza con una sección en la que se trata la predicción de valores futuros para las variables explicativas en los modelos.

30

4.1 ALGUNAS DEFINICIONES BASICAS

• Viaje basado en el hogar: Es aquel en el que el origen o el destino del viaje

realizado, es el hogar de la persona que realiza dicho viaje. • Viaje no basado en el hogar: Es aquel en donde ni el origen ni el final del

viaje es el hogar de la persona que realiza dicho viaje. • Producción de viajes: Se define como el hogar final de un viaje tipo basado

en hogares o como el origen de un viaje tipo no basado en hogares. • Atracción de viajes: Se define como el final no de hogar, de un viaje tipo

basado en hogares o como el destino de un viaje tipo no basado en hogares. • Generación de viajes: Se define a menudo como el número total de viajes

generados por los hogares en una zona, sean tanto del tipo basado en hogares, como del no basado en hogares. Esto es lo que producen la mayoría de los modelos y la tarea se basará en asignar viajes de tipo no basado en hogares a otras zonas como producciones de viajes.

4.2 MODELADO DE FACTOR CRECIMIENTO

Desde los años 50 se han propuesto varias técnicas para modelar la generación de viajes. La mayoría de los métodos tienden a predecir el número de viajes producidos (o atraídos) por el hogar o zona como una función (generalmente lineal) de relaciones a definir a partir de los datos disponibles. Antes de cualquier comparación de resultados entre áreas o según el tiempo, es importante aclarar los siguientes aspectos mencionados antes:

- Que viajes se van a considerar (por ejemplo sólo viajes en vehículo y caminando).

- La edad mínima a incluir en el análisis (a partir de 5 años habitualmente). Para cada una de las siguientes categorías: viajes de personas, viajes de carga, producciones de viaje y atracciones de viajes, se puede aplicar esta técnica para predecir el número futuro de viajes. Su ecuación básica es:

Ti = Fi ti

Ti ≡ viajes futuros en la zona i; ti ≡ viajes actuales en la zona i; Fi ≡ un factor de crecimiento El único problema que se presenta es la estimación de los Fi. Estos factores están relacionados con variables como la población (P), el ingreso (I) y la propiedad de vehículo particular (C). Los métodos de factor crecimiento sólo se utilizarán en la práctica para predecir el número futuro de viajes externos hacia un área. Hay otros métodos superiores que también se pueden utilizar para modelar producciones y atracciones de viajes de personas y producciones y atracciones de viajes de mercancías.

31

4.3 MODELOS DE REGRESIÓN LINEAL MULTIPLE BASADA EN

LAS ZONAS Consiste en obtener una expresión polinómica que permita evaluar una variable dependiente (numero de viajes) a partir de una serie de variables independientes (ó variables explicatorios del modelo). Su forma general es la siguiente: Y= K+ a1X1 + a2X2 +…. + aixi + anXn

Donde: Y: Variable dependiente (numero de viajes realizados en el hogar) Xi: Variable independiente o explicativa del modelo ai: Coeficiente de la variable independiente R: Intercepto, que en este caso representa los viajes no explicados por la variable independiente. La calibración de ai y K se realiza por medio de mínimos cuadrados. (Cantillo, 2006) En este caso se quiere encontrar una relación entre el número de viajes producidos o atraídos por la zona y un promedio de las características socioeconómicas de los hogares en cada zona. Se consideran como hipótesis fundamentales del modelo que la relación funcional sea de tipo lineal, las variables explicativas sean independientes entre sí, los valores numéricos de las variables independientes sean continuos y tengan una distribución normal y que la relación funcional se mantenga en el futuro. Si se puede asegurar que las hipótesis mencionadas se cumplen, se podrá establecer para cada zona, una relación entre las variables explicativas (características socioeconómicas) de los viajes y los viajes generados o atraídos.

4.3.1 ALGUNAS CONSIDERACIONES IMPORTANTES Los modelos zonales pueden explicar únicamente la variación en el comportamiento de las personas que realizan los viajes, entre zonas. Por este motivo sólo pueden ser útiles si las variaciones intrazonales reflejan de modo adecuado las razones reales de la variabilidad de los viajes. Para que esto suceda debería ser necesario que las zonas no sólo tuvieran una composición socioeconómica homogénea, sino que representaran lo más ampliamente posible un rango de condiciones. Un problema importante es que las principales variaciones en los datos de viajes de personas suceden a nivel intrazonal.

Regla del término independiente : Se debería esperar que la línea de regresión estimada pase por el origen; sin embargo, se obtienen a menudo grandes valores del término independiente (en comparación al producto del valor promedio de cualquier variable y su coeficiente en la regresión). Si esto sucede se puede rechazar la línea de regresión estimada; si el término independiente no es significativamente diferente de cero, será interesante re-estimar la línea de regresión de manera que pase por el origen. Zonas nulas : Es posible que algunas zonas no ofrezcan información sobre ciertas variables dependientes (podría no haber viajes basados en hogares generados en zonas no residenciales). Las zonas nulas se deben excluir del análisis; aunque su

32

inclusión no debería afectar de modo importante a la estimación de los coeficientes (puesto que las ecuaciones deberían pasar por el origen), un incremento arbitrario en el número de zonas que no proporcionan datos útiles tenderá a producir estimadores estadísticos que sobreestimen la aproximación de la regresión estimada.

4.3.2 REGRESIÓN BASADA EN HOGARES Un modo de reducir la variación intrazonal que aparece en los datos de viajes de personas, sería reduciendo el tamaño de las zonas, especialmente si las zonas son homogéneas. Por otro lado, zonas pequeñas implican un mayor número de ellas y esto tiene dos consecuencias:

- Modelos más caros en términos de recogida de datos, calibración y operación.

- Mayores errores de muestreo, que para el modelo de regresión lineal múltiple se supone no existentes.

� OBTENCIÓN DE TOTALES ZONALES

En el caso de modelos de regresión basados en zonas, no resulta un problema la obtención de totales zonales, precisamente porque el modelo está estimado a este nivel. En cambio, en el caso de modelos basados en hogares, se requiere una etapa de agregación. Sin embargo precisamente porque el modelo es lineal el problema de agregación se resuelve reemplazando los valores zonales medios de cada variable independiente en la ecuación del modelo, por éstos multiplicados por el número de hogares en cada zona. 4.4 VINCULO ENTRE GENERACIONES Y ATRACCIONES

En principio los modelos anteriores no garantizaban, por defecto, que el número de total de viajes originarios en todas las zonas (orígenes Oi), sea igual al número total de viajes atraídos a los orígenes (destinos Dj), es decir: ∑i Oi = ∑j Dj El problema es que se requiere esta condición implícitamente para el siguiente sub-modelo de distribución de viajes. La solución a esta dificultad reside en el hecho de que normalmente los modelos de generación de viajes son mejores que los de atracción de viajes. Dichos modelos están basados habitualmente en hogares con buenas variables explicativas. Los modelos de atracción, por otro lado, se estiman mejor utilizando datos zonales. Por este motivo la práctica habitual considera como T, el número total de viajes obtenidos al sumar todos los orígenes Oi, y se multiplicarán todos los destinos Dj por un factor f, con f = T / ∑j Dj. De este modo se asegura la igualdad de la ecuación anterior. (Modelling transport). 4.5 CLASIFICACIÓN CRUZADA O ANALISIS DE CATEGORIAS

Hasta finales de los años 60, la mayoría de los estudios de planificación del transporte en USA, desarrollaban ecuaciones basadas en análisis de regresión lineal. Al final de esta década, surgió un método alternativo para la modelización de

33

la generación de viajes, el método se denominó análisis de categorías, en el Reino Unido y clasificación cruzada, en USA. El método se fundamenta en determinar la producción de viajes en función de las características socioeconómicas del hogar. Se basa en estimar la respuesta (número de producciones de viajes por hogar para un propósito dado), como una función de atributos de hogar. Su hipótesis básica es que las tasas de la generación de viajes son relativamente estables a lo largo del tiempo para determinadas categorías de hogar. El método encuentra empíricamente estas tasas y por ello necesita una gran cantidad de datos; de hecho un elemento crítico es el número de hogares en cada clase. Desventaja: No es posible verificar las significancia de las variables escogidas y requiere un muestreo de gran dimensión El procedimiento se inicia desagregando la población en grupos relativamente homogéneos, basados en ciertas características socioeconómicas, para cada uno de los cuales se calculan tarifas de generación de viajes. Las etapas se podrían resumir:

- Identificación de las variables socioeconómicas relevantes. - Determinación de los rangos de valores para la clasificación. - Determinación de las tarifas de Generación/ Atracción de viajes. - Estimación de la composición familiar futura, según las diferentes categorías

para cada una de las zonas. - Determinación de Generación/ Atracción futura de viajes.

Las ventajas del método son las siguientes: - Las agrupaciones de clasificación cruzada son independientes del sistema

de zonas del área de estudio. - No se requieren hipótesis previas sobre la forma de las relaciones.

Las relaciones pueden diferir en la forma de clase a clase. En común con métodos tradicionales de clasificación cruzada, se tienen varias desventajas:

- El modelo no permite la extrapolación más allá de sus estratos de la calibración, aunque puede ser ampliable la clase más baja o más alta de una variable. Por ejemplo hogares con dos o más autos y cinco o más residentes.

- Se requiere que el tamaño de los ejemplos sea grande, si no los valores de la celda variarán en seguridad debido a diferencias en los números de hogares disponibles para la calibración.

- No existen medidas de bondad de ajuste estadísticas para el modelo, así que únicamente se puede comprobar la proximidad agregada a los datos de la calibración.

- No hay un modo eficaz de elegir las variables para la clasificación, o de elegir las mejores agrupaciones de una variable dada; la minimización de las desviaciones estándar requiere un largo procedimiento de prueba y error, que puede resultar no factible en la práctica.

34

4.6 VARIABLES DE PRONÓSTICO EN EL ANALISIS DE LA GENERACIÓN DE VIAJES

La elección de variables utilizadas para predecir medias de generación de viajes (por hogar), ha sido un tema de preocupación para los planificadores de transporte. Estas variables son: número de hogares, tamaño de hogar (y/o estructura), número de vehículos en propiedad e ingresos. Durante los años 80 se avanzó en el estudio de la generación de viajes, aplicando ciencias sobre el comportamiento. La hipótesis con la que se trabajaba era que las circunstancias sociales en que viven los individuos deberían tener un considerable peso en las oportunidades y restricciones para las opciones de realización de actividades. Se buscaba diferenciar el comportamiento del viaje. Por ejemplo el hecho de que una persona viva sola afectará a las oportunidades de realizar actividades con otras personas para satisfacer sus necesidades de viaje. Al nivel de hogar, los hogares de individuos sin parentesco, tienden a seguir un esquema de actividades con menos influencia por la presencia de otros miembros del hogar (conlleva mayor número de viajes frecuentes), que en el caso de hogares de individuos emparentados (con tamaño y otras características similares). Se debe a la coordinación reducida entre los diferentes miembros y a que sus esquemas de actividad incluyen menos actividades centradas en el hogar. Un modo de introducir estas nociones en el modelado de la generación de viajes, es desarrollar un conjunto de tipos de hogar que tienen en cuenta estas singularidades. Entonces añaden este peso a las ecuaciones que predicen el comportamiento de los hogares. Una posible aproximación es considerar la estructura de edad del hogar y su estilo de vida. Esta aproximación es consistente con la idea de que el viaje es una demanda derivada 1 y el comportamiento del viaje es una parte de una asignación mayor de tiempo y dinero para actividades en localizaciones separadas. Un conjunto de hipótesis que se puede contrastar empíricamente es si los mayores puntos de corte (o etapas) en el ciclo de vida son consistentes con los principales cambios de la asignación de tiempo. Los puntos de corte pueden ser:

- El tiempo en que se alcanza la etapa escolar. - El tiempo cuando una persona joven deja el hogar, vive solo, vive con

amigos o se casa. - El tiempo en que todos los hijos de una pareja no jubilada han dejado el

hogar. - El tiempo en que todos los miembros de un hogar han alcanzado la edad de

la jubilación. Resulta interesante comparar los hogares en una etapa de este ciclo de vida con los hogares de la etapa inmediatamente posterior.

1 Demanda derivada : Es la demanda del factor (demanda de lo servicios productivos del factor), se llama demanda

derivada porque depende de la demanda del bien que contribuye a producir.

La elasticidad de la demanda de un factor productivo depende de las características del bien

35

Los aspectos sobre el estilo de vida y etapa del ciclo familiar son importantes desde dos puntos de vista: primero, la identificación de grupos estables (basados en la edad o el sexo) con diferentes horarios de actividad y por tanto, demandas de viaje; segundo, que permite la traza de cambios sistemáticos basados en variaciones demográficas (como cambios en la estructura de edad, estado civil o de empleo). Uno de los conceptos más significativos en la predicción del comportamiento de los viajes es la media cambiante de hogares por población, como en países industrializados. Las metodologías de pronóstico de viajes que suponen implícitamente medias estables de hogares, pueden verse afectadas por este cambio estructural en la composición demográfica de la sociedad. Otros conceptos estudiados en países industrializados son la entrada de la mujer al mercado de trabajo y la edad media de la población. El aumento de edad tiende a estar asociado con un declive en la movilidad y un cambio en el estilo de vida. Todas las ideas anteriores llevan al propósito de incorporar una variable de la estructura del hogar en el modelado de la generación de viajes. Las categorías de estructura del hogar estaban basadas en la edad, sexo, estado civil, apellidos de cada miembro del hogar. Estas variables permitían la determinación de la presencia o ausencia de dependencias en los hogares, el número y características de los adultos presentes, y la relación entre los miembros del hogar. Aunque estos modelos, con la incorporación de dicha variable, trajeron notables mejoras, pruebas con diferentes datos condujeron a su rechazo. Esto no sólo estuvo en la evidencia estadística sino en la sensibilidad política (es difícil utilizar la estructura de hogar como una variable política). (Modelling transport).

36

5. METODOLOGIA 5.1 RECOLECCIÓN DE LA INFORMACIÓN

El Área Metropolitana del Valle de Aburrá encargó en Noviembre de 2005 a la Escuela de Ingeniería Civil de la Facultad de Minas de la Universidad Nacional de Colombia sede Medellín, la realización de la encuesta Origen Destino EOD. Por su naturaleza, la EOD permite tomar información de la movilidad urbana en el área estudiada, y aportar los datos necesarios que faciliten lograr los siguientes dos objetivos fundamentales:

• Elaborar una descripción detallada y confiable de los patrones de movilidad de la Región Metropolitana del Valle de Aburrá de la que hacen parte los municipios de Medellín, Bello, Envigado, Itagüí, Sabaneta, Copacabana, Girardota, Barbosa, La Estrella y Caldas. Tal descripción generalmente conlleva a la estimación de matrices de viajes entre zonas, para distintos propósitos, modos y períodos del día.

• Proporcionar información necesaria para la estimación de modelos

estratégicos para la planificación de transporte urbano, incluyendo modelos de generación y atracción de viajes, distribución de viajes, partición modal, y asignación de viajes.

En este caso los datos son estudiados con el fin de modelar específicamente cuales son las zonas de mayor generación y atracción de viajes para una mejor planificación del transporte. 5.2 ZONIFICACIÓN DE LA ENCUESTA ORIGEN DESTINO PARA

LA REGIÓN METROPOLITANA DEL VALLE DE ABURRÁ

5.2.1 ZONIFICACIÓN DE LA ENCUESTA ORIGEN - DESTINO La zonificación del área de estudio es una tarea estratégica clave para la realización con éxito de la encuesta de movilidad. Las zonas constituyen las unidades básicas de análisis y se definen en función de determinados criterios2. Estas zonas reflejan características de uso del suelo, localización de actividades o también singularidades urbanas; asimismo, tienen similitud y son compatibles con las divisiones geográficas administrativas y políticas como son los barrios. Un aspecto fundamental fue la consideración de la existencia de homogeneidad al interior de sectores determinados, cuidando que sus límites fueran compatibles con los cordones y líneas pantalla al interior de la ciudad y con las fronteras entre barrios y comunas.

2 ORTUZAR, J. de D. y WILLUMSEN, L. G. Modelling Transport. John Wiley and Sons, 3 ed. 2001.

499 p

37

Como parte de la zonificación, se considera la agregación de estas zonas en macrozonas, que constituyen áreas geográficas características, creadas para un análisis más global; específicamente, las macrozonas se hicieron coincidir con las comunas de Medellín y cierta macrozonificación del resto de municipios. (Universidad Nacional Encuesta OD de viajes 2005)

Figura 4. Zonificación del Área de Estudio Plan de Movilidad 2005

M unicip ios O c cid ente

M unic ip ios N or te

M unicip ios O r iente

G ua rne

R ion egro

M arin illa , S antuario

La C eja

E l R eti ro

M unicip ios Sur

Aeropu er to J M C

Zona s E xt erna s

Zona s Inte rnas

N

EW

S

ZO N IFIC A C IO N PL A N D E M O VILID ADV ALLE A BU R R A

SIM B O LO G IA

Fuente: Geodatabase PMM

5.2.2 LA REGIÓN METROPOLITANA DEL VALLE DE ABURRÁ Y CRITERIOS DE ZONIFICACIÓN

En la EOD realizada por la Universidad Nacional de Colombia, Sede Medellín, se consideró como área de influencia, la totalidad del área urbana y rural de Medellín y el área urbana de los restantes municipios que hacen parte de la región metropolitana que incluye a Caldas, Envigado, Itagüí, La Estrella, Sabaneta, Copacabana, Bello, Girardota, y Barbosa. La extensión total de la Región Metropolitana es de 184 km2 de área urbana y 965 km2 de área rural. En el Valle de Aburrá habitan aproximadamente 3’300.000 habitantes según proyección del DANE al 2005. En general se determinaron los siguientes criterios de zonificación principales:

• Se evaluó el uso del suelo, de manera que existiese la mayor homogeneidad posible al interior de cada zona.

• Se consideró la inclusión como zonas OD de los puntos singulares dentro de la ciudad que pudieran ser atractores de viajes por sí mismos. Entre estos se incluyen universidades, terminales de transporte, cerros tutelares, lugares turísticos y oficinas públicas.

• El área de estudio, se subdividió en función de corredores principales que atraviesan por zonas contiguas, para evitar así que los centroides de esas zonas estén muy cercanos al eje de dicho corredor.

Para fines del estudio, el área de estudio, fue dividida en 419 zonas del Sistema Integrado de Transporte (Zona SIT), incluyendo 409 zonas internas a la Región

38

Metropolitana y 10 zonas externas compuestas por los municipios localizados al oriente cercano y las zonas externas lejanas , tal como se indica en la Tabla 1. En ella no se han incluido las zonas rurales de municipios del Norte y Sur de Medellín. (Encuesta Origen Destino de viajes Valle de Aburra 2005

Tabla 1. Distribución de Zonas en el Área de Estudi o.

MUNICIPIO O REGIÓN NÚMERO DE ZONAS SIT

Medellín zona urbana 325 Medellín zona rural (corregimientos) 7 Bello zona urbana 22 Envigado zona urbana 11 Itagüí zona urbana 14 Sabaneta zona urbana 6 Caldas zona urbana 1 Copacabana zona urbana 6 Girardota zona urbana 6 Barbosa zona urbana 9 La Estrella zona urbana 2 Municipios oriente cercano + Aeropuerto JMC 6 Zonas externas lejanas 4 Total 419

Fuente: Encuesta valle de Aburra 2005 Figura 5. Zonas Sit en las que se encuentra desagre gada el área de Estudio

Fuente: Encuesta Origen – Destino del Valle de Aburra 2005

39

5.2.3 TAMAÑO DE MUESTRA RECOMENDADO POR LOS ESTUDIOS TRADICIONALES

Las variables más relevantes que se desean estimar con la encuesta son tasas de generación de viajes y matrices Origen/Destino por modo, motivo y período del día. En primera instancia el diseño muestral partió de la recomendación de Bruton3, usada hace más de veinte años, la cual se muestra en la Tabla 2.

Tabla 2. Tamaños Muestrales recomendados Internacio nalmente

Fuente: Manual de Conceptos y Lineamientos para la Planeación del Tr ansporte Urbano

Como la zona conurbada de Medellín, Envigado e Itagüí tiene más de un millón de habitantes, se propuso un tamaño de muestra entre el valor mínimo y el recomendado, que pudiera lograrse con un tiempo y costo razonables, escogiéndose un tamaño medio de 2,2%, y para los municipios restantes que no están conurbados se escogió un porcentaje que estuviera cercano al 12% recomendado para poblaciones entre 50 y 150 mil habitantes. Ambas cosas se lograron en este estudio tal como se muestra en la Tabla 3.

Tabla 3. Muestras obtenidas en los distintos Munic ipios del Valle de Aburrá

Municipio

Población proyec.

DANE para 2005

Población Cubierta

Viviendas encuestadas

Viviendas Totales

cubiertas 2005*

% de Muestra

Muestras Globales

Medellín 2.093.893 2.093.893 12.340 591.808 2,10% Bello 400.428 346.835 2.037 83.614 2,40% Itagüí 288.307 219.402 1.615 54.141 3,00%

Envigado 175.143 175.143 834 41.827 2,00%

2,20%

Caldas 74.234 54.612 1.523 12.810 11,90% La Estrella 57.289 29.960 1.308 7.514 17,40%

Copacabana 57.216 52.952 1.317 12.992 10,10% Sabaneta 41.313 36.204 876 9.003 9,70% Girardota 40.417 23.013 851 5.400 15,80% Barbosa 39.087 20.463 960 5.065 19,00%

12,90%

V. de Aburrá 3.267.327 3.052.477 23.661 824.174 2,90% 2,90% Fuente: Población: DANE y Encuesta Calidad de Vida 2005-Área Metropolitana y Planeación-Municipio de Envigado. * Las viviendas cubiertas 2005 incluyen todo Medellín y las urbanas del resto de municipios. * La población urbana cubierta, restando la rural de la Encuesta Calidad de Vida no coincide con la del DANE

3 BRUTON, M.J. (1985) Introduction to Transportation Planning 3ed. Hutchinson, London.

40

5.2.4 DEFINICIÓN DE PERIODOS DE MODELACIÓN Se entiende que es casi imposible modelar las 24 horas del día, por esto se tomaron los periodos más críticos del día, o aquellos periodos en donde se encuentra mas congestionada la red vial, lo que se conoce como las horas pico, en este caso se tendrá en cuenta los periodos entre las 6:00 a.m. y las 8:00 a.m., entre las 5:00 p.m. y las 7:00 p.m., (ver tabla 4) y se tomará un periodo valle, entre las 9:00 a.m. y las 11:00 a.m., para conocer el comportamiento de los viajes en los periodos de baja demanda en la red vial. En la Tabla 34, se puede observar las horas en las cuales se realizan la mayor cantidad de viajes en el Valle de Aburrá durante las 24 horas del día.

Tabla 4. Distribución Horaria de Viajes Horas Total de Viajes

Hora 0 -2 10518 Hora 2 -4 16826 Hora 4 -6 218317 Hora 6 -8 979728

Hora 8-10 376220 Hora 9-11 290717

Hora 10-12 332966 Hora 12-14 732191 Hora 14-16 401828 Hora 16-18 600779 Hora 17-19 933077 Hora 18-20 769549

Hora 20-22 221237 Hora 22-24 77624

Figura 6. Distribución Horaria de los Viajes.

HORAS PICO

0200000400000600000800000

10000001200000

Hora

0 -2

Hora

4 -6

Hora

8-10

Hora

10-1

2

Hora

14-1

6

Hora

17-1

9

Hora

20-2

2

Horas

Via

jes

Viajes

41

5.2.5 FACTORES DE EXPANSIÓN Una vez la encuesta Origen Destino se verifica, es necesario expandir la muestra para representar el total de la población.

5.2.1.1 Expansión de la muestra

Para expandir las muestras obtenidas de los aforos de tránsito y de las encuestas en cordón externo, se utilizó como universo muestral el total de viajes observados en el conteo vehicular clasificado que se realizó paralelamente a la encuesta. Además, se realizó un estudio de tasas de ocupación que permitió convertir los flujos vehiculares en viajes personales. Se aclara que en la medición de tasas de ocupación en taxis no se contabilizó al conductor.

5.2.1.2 Metodología para el cálculo de factores

Para obtener el conjunto de factores de expansión, se estimó factores de expansión diferentes para cada una de las zonas en las que se agrego la Encuesta Origen Destino. Con ello, es posible expandir la muestra de manera que represente de mejor manera el comportamiento de la región metropolitana. Durante el proceso, y para garantizar que los datos expandidos distribuyan acorde con las características de la población, se tuvo en cuenta como variable relevante el estrato socioeconómico (considerando la estratificación socioeconómica de 1 a 6), de tal manera que para cada zona se estimó un factor diferente para cada estrato o grupo de estratos.

5.2.1.3 Factor de Expansión Validado

Es el factor de expansión ajustado para cumplir con los viajes que atraviesa una pantalla determinada (Eje del río Medellín) en un modo (Bus, Auto, Taxi, etc.). 5.2.2 CLASIFICACIÓN DE LOS VIAJES POR PROPÓSITO Los mejores modelos de generación de viajes obtenidos en la práctica se tienen cuando se identifican y modelan separadamente los viajes según los diferentes propósitos de viaje. Una forma frecuente de tipificar los viajes para efectos de sus análisis es el lugar donde se inician y donde se terminan; de esta manera se definen los viajes Basados en el Hogar como aquellos donde el inicio o el término de viaje se da en el hogar, denominándose como Basados en el Hogar de Ida (BHI) o Basados en el Hogar de Regreso (BHR), según sea el caso. Los viajes cuyo origen o destino no se producen en el hogar se denominan viajes No Basados en el Hogar (NBH). En el caso de viajes de tipo basado en el hogar, se han utilizado normalmente 5 categorías: viajes al trabajo; viajes al estudio; viajes para compras; viajes de recreación y por último otro tipo de viajes. Los dos primeros se llaman de tipo obligatorio y los otros de tipo discreto u opcional. La última categoría aglutina todos los viajes realizados por motivos menos rutinarios como puede ser por motivos de salud. Para este estudio, se tomarán 3 categorías: Viajes al trabajo, viajes al estudio y otros, en este último se agrupan los viajes de salud, compras, recreación, etc.

42

Generalmente, no se separan según esta clasificación los viajes no basados en el hogar (NBH), puesto que suelen representar del 15% al 20% de todos los viajes. Inicialmente se presentan los viajes totales observados por propósito y periodo realizados en el día, resultados obtenidos de matrices realizadas en el software TransCAD. Las siguientes tablas presentan los viajes más predominantes por propósito obtenidos de la encuesta Origen Destino 2005, para los períodos picos del día.

Tabla 5. Viajes por Propósito de Ida realizados en el Períod o Pico de la Mañana

Pico Mañana (06:00 - 08:00) Propósito BHI NBH Total

Trabajo 495605 22507 518113 52,33%

Estudio 335295 4611 339906 34,33%

Otros 125572 6483 132055 13,34%

Total 956473 33601 990074 100,00%

% 96,61% 3,39% 100% Tabla 6. Viajes por Propósito de Ida realizados en el Períod o Pico de la Tarde

Pico Tarde (17:00 - 19:00) Propósito BHI NBH Total

Trabajo 31530 8393 39923 4,20%

Estudio 20127 13753 33880 3,56%

Otros 820750 56904 877654 92,24%

Total 872407 79050 951456 100,00%

% 91,69% 8,31% 100,00%

Tabla 7. Viajes por Propósito de Ida realizados en el Período Valle Valle (09:00 - 11:00) Propósito

BHI NBH Total Trabajo 67537 18091 85628 29,07%

Estudio 22016 2181 24198 8,22%

Otros 168300 16404 184704 62,71%

Total 257853 36677 294530 100,00%

% 87,55% 12,45% 100,00%

De las tablas anteriores, se puede observar que son mayores los viajes basados en el hogar de ida en la hora pico de la mañana con un 97%, debido a que la mayor cantidad de viajes sale del hogar, hacia el trabajo o el estudio; en el periodo pico de la tarde, se puede observar también que el 92% de los viajes son basados en el hogar, en el propósito otros, donde se encuentra incluido el propósito regreso a casa. Es notorio, el aumento de los viajes no basados en el hogar en la hora pico de la tarde, 8%, del 3% del periodo pico de la mañana, esto puede ser debido a que en este periodo del día las personas después de salir de los sitios de trabajo o estudio, se disponen a realizar actividades que no se encuentran relacionadas con el hogar, como por ejemplo las compras, la recreación, etc.

43

El periodo valle escogido para este estudio, nos indica, con un 87%, que la mayor cantidad de viajes que se realiza, sale o llega al hogar. El propósito de viajes otros, incluye todos los viajes diferentes a los viajes al trabajo o los viajes al estudio como son los viajes por compras, salud, recreación o regreso a casa. A continuación en las siguientes tablas, se muestran estos viajes.

Tabla 8. Viajes con Otros Propósitos de Ida realiza dos en el periodo pico de la

Mañana Pico Mañana (06:00 - 08:00) Propósito

BHI NBH Total Compras 7900 677 8577 11,21%

Salud 16487 630 17117 22,37%

Recreación 1041 306 1347 1,76%

Regreso a casa 47033 2429 49463 64,66%

Total 72461 4042 76503 100,00%

% 94,72% 5,28% 100,00% Tabla 9. Viajes con Otros Propósitos de Ida realiza dos en el periodo pico de la

Tarde Pico Tarde (17:00 - 19:00) Propósito

BHI NBH Total Compras 23180 7517 30695 3,58%

Salud 6231 1046 7277 0,85%

Recreación 32139 7036 39175 4,57%

Regreso a casa 758826 22167 780994 91,00%

Total 820375 37767 858142 100,00%

% 95,60% 4,40% 100,00%

Tabla 10. Viajes con Otros propósitos de Ida realiz ados en el periodo Valle

Valle (09:00 - 11:00) Propósito BHI NBH Total

Compras 38806 3708 42515 27,73%

Salud 22014 2193 24207 15,79%

Recreación 15618 1359 16977 11,07%

Regreso a casa 68588 1030 69618 45,41%

Total 145027 8291 153317 100,00%

% 94,59% 5,41% 100,00%

El aumento tanto en los viajes basados en el hogar y los viajes no basados en el hogar en el periodo pico de la tarde, es debido a los regresos a casa, los cuales suman el 91 % de los viajes con otros propósitos. Para los viajes basados en el hogar y no basados en el hogar de retorno, también se muestran a continuación en las siguientes tablas. Los viajes de retorno al hogar, son aquellos viajes que se originan desde el trabajo, desde el estudio o desde otros lugares al hogar. Los viajes no basados en el hogar, son aquellos viajes que no tienen un destino o un final en el hogar, sino que se originan desde el lugar de estudio o trabajo hacia lugares de compras, recreación o salud.

44

Tabla 11. Viajes por Propósito de Retorno realizados en el Pe ríodo Pico de la

Mañana Pico Mañana (06:00 - 08:00) Propósito

BHR NBH Total Trabajo 14030 3648 17678 33,28%

Estudio 7101 1145 8246 15,53%

Otros 25901 1289 27190 51,19%

Total 47032 6082 53114 100,00%

% 88,55% 11,45% 100,00%

Tabla 12. Viajes por Propósito de Retorno realizado s en el Período Pico de la

Tarde Pico Tarde (17:00 - 19:00) Propósito

BHR NBH Total Trabajo 277323 9504 286827 49,65%

Estudio 152554 2780 155334 26,89%

Otros 131334 4226 135560 23,46%

Total 561211 16510 577721 100,00%

% 97,14% 2,86% 100,00%

Tabla 13. Viajes por Propósito de Retorno realizado s en el Período Valle Pico Valle (09:00 - 011:00) Propósito

BHR NBH Total Trabajo 35161 1391 36552 34,64%

Estudio 27557 466 28023 26,56%

Otros 40269 670 40939 38,80%

Total 102987 2527 105514 100,00%

% 97,61% 2,39% 100,00%

Tabla 14. Viajes por Otros Propósitos de Retorno re alizados en el Período Pico

de la Mañana Pico Mañana (06:00 - 08:00) Propósito

BHR NBH Total Compras 12420 105 12525 15,82%

Salud 9223 51 9274 11,72%

Recreación 14202 158 14360 18,14%

Regreso a casa 6398 600 6998 8,84%

Otras 35616 375 35991 45,47%

Total 77859 1289 79148 100,00%

% 98,37% 1,63% 100,00%

45

Tabla 15. Viajes por Otros Propósitos de Retorno realizados e n el Período Pico de la Tarde Pico Tarde (17:00 - 19:00) Propósito

BHR NBH Total Compras 22848 571 23419 17,28%

Salud 12330 37 12367 9,12%

Recreación 22035 338 22373 16,50%

Regreso a casa 13894 1728 15622 11,52%

Otras 60227 1552 61779 45,57%

Total 131334 4226 135560 100,00%

% 96,88% 3,12% 100,00%

Tabla 16. Viajes por Otros Propósitos de Retorno re alizados en el Período Valle

Pico Valle (09:00 - 011:00) Propósito BHR NBH Total

Compras 9168 64 9232 40,54%

Salud 6474 102 6576 28,87%

Recreación 4697 119 4816 21,15%

Regreso a casa 1940 211 2151 9,44%

Otras 17990 174 18164 79,75%

Total 40269 670 22775 100,00%

% 94,72% 5,28% 100,00% 5.2.3 CATEGORIAS SOCIOECONÓMICAS DE LOS USUARIOS En TransCAD, el método de clasificación cruzada para las generaciones de viajes, separa la población en un área urbana dentro de grupos relativamente homogéneos basados sobre ciertas características socioeconómicas. La encuesta Origen Destino 2005 realizada en el Valle de Aburrá, tuvo en cuenta el nivel socioeconómico de cada una de las familias encuestadas. Para modelar estos datos es necesario como se dijo anteriormente, desagregar en categorías socioeconómicas a los usuarios que realizan o demandan algún tipo de viaje, en la tabla 17, se puede observar el número de viajes totales, realizados en el día según el nivel de ingresos de las familias encuestadas. Para este estudio, se tendrá en cuenta el ingreso de cada una de las familias, las cuales se clasificaran teniendo en cuenta (6) seis estratos sociales, tomando uno (1) como el estrato con los ingresos mas bajo y seis (6) como el estrato con los ingresos mas altos, también se tendrá en cuenta la tasa de motorización de los hogares teniendo en cuenta desde cero (0) autos a mas de un (1) auto por hogar.

46

Tabla 17. Total de Viajes en Horas Pico y Valle seg ún el Nivel de Ingresos

VIAJES PICO

AM VIAJES PICO

PM VIAJES HORAS

VALLE TOTAL %

ESTRATO 1 68920 59631 13694 142245 4%

ESTRATO 2 349901 324563 85201 759666 24%

ESTRATO 3 359303 344144 108348 811795 25%

ESTRATO 4 1061177 105063 44661 1210901 38%

ESTRATO 5 67136 70873 28388 166397 5%

ESTRATO 6 38635 47182 14239 100055 3%

TOTAL 1945074 951456 294530 3191060 100% Los viajes totales realizados en un día para los diferentes estratos y propósitos son de 4`784.597. De lo cual se tiene que los viajes en el periodo pico de la mañana corresponden al 41% del total de viajes realizados en el día, los viajes en el periodo pico de la tarde corresponden al 20% del total de viajes realizados en el día y los viajes tomados para el periodo valle elegido corresponden al 6% de los viajes totales realizados en el día. El 33% final corresponde al total de viajes realizados en el resto del día. Ver tabla 18.

Tabla 18. Total de Viajes realizados para los dife rentes periodos del día. Total % Viajes Totales Día 4784597 100 Viajes Pico AM 1945074 41 Viajes Pico PM 951456 20 Viajes Periodo Valle 294530 6 Viajes Restantes 1593537 33

Tabla 19. Total de viajes diarios por Propósito

MOTIVO PROPOSITOS VIAJES TOTALES %

1 Trabajo 1114386 23 2 Estudio 717206 15 3 Compras 132046 3 4 Salud 81890 2 5 Recreación 120537 3 6 Regreso a casa 2249721 47 7 Otros 368811 8

TOTALES 4784597 100 De la tabla anterior, se puede observar que los viajes predominantes son aquellos viajes llamados de carácter obligatorio como lo son los viajes al trabajo y al estudio, los cuales representan un 38% de los viajes totales. Además de esto se encuentra un alto porcentaje para los viajes de regreso a casa con un 47%. 5.2.4 DEFINICIÓN DE LAS CATEGORIAS SOCIOECONOMICAS DE LOS

USUARIOS

47

Para la definición de las categorías socioeconómicas de los usuarios, se creó inicialmente una tabla con nueve categorías, tomando grupos mas pequeños y específicos como se presenta a continuación: Tabla 20. Definición inicial del Nivel de Ingreso de los usuarios en categorías para el modelo

Tasa de Motorización Nivel de Ingreso Estrato O auto 1 auto 2 o mas autos

1 E1+E2 Categoría 1 Categoría 2 Categoría 3

2 E3+E4 Categoría 4 Categoría 5 Categoría 6

3 E5+E6 Categoría 7 Categoría 8 Categoría 9

Las tablas que se presentan a continuación, nos indican cuantos hogares dependiendo del nivel de ingreso posee autos o motocicletas:

Tabla 21. Total inicial de hogares con Autos separ ados por categoría Tasa de Motorización (Autos por hogar) Nivel de

Ingreso Estrato O auto 1 auto 2 o mas autos

Bajo E1+E2 11037 475 22 Medio E3+E4 8923 1742 139 Alto E5+E6 391 592 292

SUBTOTAL POR HOGARES 20351 2809 453

TOTAL HOGARES 23613

Tabla 22. Total inicial de hogares con Motos separ ados por categoría Tasa de Motorización (Motos por hogar) Nivel de

Ingreso Estrato O Motos 1 Motos 2 o mas Motos

Bajo E1+E2 10489 972 73

Medio E3+E4 9479 1207 118 Alto E5+E6 1144 118 13

SUBTOTAL POR HOGARES 21112 2297 204

TOTAL HOGARES 23613 Se observa que para las categorías que comprenden un auto y dos o más autos (o motos) por hogar en la tasa de motorización, se presentan muy bajos resultados, por lo cual se determinó trabajar con un número menor de categorías. Es casi lógico entender que a menor ingreso por hogar, la tasa de motorización también será menor, por esto se toman seis categorías donde se suman las categorías iniciales: 2 - 3, 5 - 6, y 8 – 9, quedando una nueva definición para las categorías de la siguiente manera:

48

Tabla 23. Definición del Nivel de Ingreso de los u suarios en categorías para el modelo Tasa de Motorización (Autos por hogar) Nivel de

Ingreso Estrato O auto 1 o + más autos

Bajo E1+E2 Categoría 1 Categoría 2

Medio E3+E4 Categoría 3 Categoría 4

Alto E5+E6 Categoría 5 Categoría 6

La siguiente tabla muestra el número de hogares con autos y motos para las nuevas categorías definidas:

Tabla 24. Total de hogares con Autos separados por categoría Tasa de Motorización (Autos por hogar) Nivel de

Ingreso Estrato O auto 1 o mas autos

Bajo E1+E2 11037 497 Medio E3+E4 8923 1881

Alto E5+E6 391 884

SUBTOTAL POR HOGARES 20351 3262 TOTAL HOGARES 23613

Se tiene en cuenta el aumento que en los últimos años ha presentado el uso de las motocicletas en el Valle de Aburrá, por esto en la siguiente tabla, se muestra el número de motos por hogar.

Tabla 25. Total de hogares con Autos separados por categoría Tasa de Motorización (Motos por hogar) Nivel de

Ingreso Estrato O Motos 1 o mas Motos

Bajo E1+E2 10489 1045 Medio E3+E4 9479 1325

Alto E5+E6 1144 131

SUBTOTAL POR HOGARES 21112 2501 TOTAL HOGARES 23613

Para el Análisis de Clasificación Cruzada, se tendrá en cuenta la suma de autos y motos por hogar, como una variable denominada VEHICULO, con la cual se obtendrá las tasas de viajes generados. 5.3 CALIBRACIÓN DE MODELOS DE DEMANDA

5.3.1 MODELOS DE GENERACION DE VIAJES

5.3.1.1 ESPECIFICACIÓN MATEMÁTICA DEL MODELO

• ANÁLISIS DE CATEGORÍAS O CLASIFICACIÓN CRUZADA

El método de clasificación cruzada para el cálculo de la generación de viajes, separa la población en un área urbana dentro de grupos relativamente homogéneos basados en ciertas características socioeconómicas. Por ejemplo se puede clasificar hogares en un

49

área por tamaños de familia (1, 2, 3,4,>5 Personas/ Hogar) y por auto (0,1,>2 Autos / Hogar), de lo cual resultan 15 clasificaciones. Las tasas promedio de la generación de viajes (el número de viajes estimado que será tomado por hogares o por individuo) son empíricamente derivadas de datos agregados o desagregados para cada grupo de clasificaciones. En el ejemplo anterior se producen 15 promedios de tasas de viaje. Una vez las tasas son conocidas para cada clasificación, estas tasas de viajes son usualmente aplicadas para cada zona. Las características promedio de cada zona son usadas para determinar la clasificación a la cual pertenece la zona, las cuales después determinan las ratas de viaje para aplicar a los hogares o individuos en la zona. Usando este método, una tasa de viajes es aplicada para todas las personas en una zona. Alternativamente, cada zona puede ser subdividida dentro de pequeñas clasificaciones para usar la proporción de hogares dentro de una zona que posee ciertas características. Usando este método, más que un promedio de tasas de viaje, este estima la producción de viajes de cada zona. Por ejemplo una zona puede ser dividida dentro de hogares sin carro y hogares con carro. En este caso, dos tasas promedio de viajes son aplicados para cada zona. Para realizar Clasificación Cruzada en TransCAD, se necesitan dos tipos de salidas. La primera es una tabla de tasas de viaje que define las clasificaciones (Categorías) que se desean usar, e incluye las tasas de viaje para cada clasificación. También se necesitan datos de los valores promedios de los parámetros de la clasificación (Categorías) dentro de cada zona en el área de estudio. Por ejemplo, si la clasificación está basada en autos y número de personas en el hogar, entonces se debe saber el promedio de autos y el promedio de personas por hogar para cada zona. Se pueden crear clasificaciones basadas en cualquier cantidad de características y se pueden definir cualquier número de propósitos de viaje. En este caso se toman las categorías dependiendo de los promedios de los autos por hogar y los estratos en los que se tomaron las encuestas, además de los viajes basados en el hogar y no basados en el hogar para los propósitos de trabajo, estudio y otros, en los periodos del día seleccionados para el estudio.

50

Figura 7. Análisis de Clasificación Cruzada

Fuente: Encuesta Origen – Destino del Valle de Aburra 2005

5.3.1.2 MODELOS BASADOS EN EL HOGAR Para la modelación de los viajes Basados en el Hogar de Ida 4 (BHI), se calibró un modelo de Método de Clasificación Cruzada, mencionado anteriormente, el cual determina las tasas de generación de viajes por hogar para cada período, propósito y categoría de demanda (en la tabla 23 se muestran las seis categorías definidas). El modelo postula que, en cada período:

• El número de categorías de demanda será determinante para definir las dimensiones del modelo, sus requerimientos de información y calibración y finalmente, la precisión de sus resultados.

• El número de categorías utilizado en los estudios de transporte es muy variable; siempre será deseable una mayor desagregación de la demanda, pero ello debe conciliarse con la disponibilidad de información necesaria para modelar cada categoría.

• Se estima que una categorización adecuada de los hogares debería considerar al menos tres niveles de ingreso (ingreso bajo, medio y alto ) y al menos dos niveles de tasa de motorización del hogar (sin vehículo, con vehículo ).

• Es recomendable que los rangos de ingreso adoptados permitan representar grupos con un comportamiento diferente desde el punto de vista de la demanda de transporte. Indudablemente, cada categoría de ingreso es estrictamente funcional al desarrollo económico de cada ciudad.

4 Corresponden a los viajes que se inician en el hogar.

0 1 2 o más

1

2

3

4

5

6

C3 C4 C5

C6 C7 C8

Estrato de Ingreso

Número de automóviles en el hogar

C1 C2

Trabaja

Trabaja

Estudia

Dueña de Casa

Pensionado

Estudia

Niño

Adulto

Anciano

Minusválido

51

Se podrían incluir otras variables explicativas como número de personas por hogar, pero se utilizan las variables tradicionales de estratos y tasa de motorización dado que presentan mayor facilidad de predicción. El procedimiento que se sigue en el software TransCAD es fácil de apreciar a continuación:

Figura 8. Análisis de Clasificación Cruzada

Figura 9. Pasos a Seguir para la realización de la Clasificación Cruzada

52

5.3.2 MODELOS DE GENERACIÓN Y ATRACCIÓN DE VIAJES BASADOS EN EL HOGARAR (BH) Y NO BASADOS EN EL HOGAR (NBH).

Un modelo de RLM (Regresión Lineal Múltiple) no es más que una función matemática que permite estudiar el comportamiento de una característica o variable llamada dependiente, explicada, regresada o respuesta (Y), a la luz de la información proporcionada por un conjunto de variables fijas, llamadas independientes, explicativas, regresoras o covariables (X). En el modelo de regresión especificado existe un conjunto de parámetros desconocidos (βj y 2

uσ ). Por ello, en primer lugar, se tratará de su estimación.

Existen diversos métodos para estimar los parámetros del modelo, muchos de los cuales se basan en los residuos o errores, que se definen como la diferencia entre el valor real de variable dependiente (Y) y el estimado por el modelo para dicha variable (Ŷ). Dependiendo del propósito que se desee calibrar, se deben de escoger las variables independientes (X) para la Regresión Lineal Múltiple (RLM), de manera que puedan explicar de manera efectiva la generación de viajes. Para la generación de viajes basados y no basados en el hogar se calibra un modelo de regresión lineal múltiple de la siguiente forma:

nj

nkj

k

nk

no

nj EXO ++= ∑ *θθ

Donde:

njO = Número de viajes generados por el hogar o la zona j, de categoría n.

nkθ = Parámetros de calibración.

nkjX

= Variables explicativas (promedios zonales) n

jE = Error de la estimación para la zona.

Para determinar la bondad del ajuste en el modelo de regresión lineal utilizado en cada caso, y la significancia de las variables explicativas que se toman para estos, se calculan los siguientes indicadores estadísticos.

• Coeficiente de determinación

Una vez estimado el modelo es conveniente obtener una medida acerca de la bondad del ajuste realizado. Un estadístico que facilita esta medida es el coeficiente de determinación (R2), que se define como la relación entre la Variación Explicada y la Variación total. Este es un criterio para comparar modelos que tengan el mismo número de parámetros, ya que la capacidad explicativa de un modelo es mayor cuanto más elevado sea el valor que tome este coeficiente. Cabe recordar que su valor oscila entre 0 y 1, sin embargo, un valor grande de R2 no necesariamente implica que el modelo de regresión sea bueno. La adición de una variable al modelo siempre aumenta R2, sin importar si la variable es o no estadísticamente significativa. Es así como los modelos que tienen valores grandes de R2 pueden proporcionar predicciones pobres de nuevas observaciones o estimaciones de la respuesta promedio.

53

Por otra parte el valor coeficiente de determinación crece con el número de parámetros del modelo. Por ello, si los modelos que se comparan tienen distinto número de parámetros o regresores, no puede establecerse comparación entre sus R2. En este caso debe emplearse el coeficiente de determinación corregido o

ajustado 2R , que depura el incremento que experimenta el coeficiente de determinación cuando el número de parámetros (K) es mayor.

• Test T

Test estadístico que permite determinar la significancia de los valores de los parámetros obtenidos. A mayor valor del test, mayor es la significancia de los parámetros. Este es el indicador utilizado para determinar si se acepta como variable explicativa de la generación o de la atracción de viajes la variable escogida.

Se usará el programa computacional TransCAD como herramienta para obtener las RLM. Éste programa, entrega los test estadísticos en los cuales se basará la decisión de catalogar un modelo y sus variables como relevantes o no.

Para la realización de las regresiones lineales en el software TransCAD se procedió de la siguiente manera:

Figura 10. Pasos a Seguir de las Regresiones Lineal es realizadas en TransCAD

Para las regresiones lineales realizadas para la generación de viajes, básicamente se tuvieron presente los promedios de las personas que trabajan fuera de casa, las personas que estudian, las personas jubiladas, las personas desempleadas y las personas amas de casa correspondientes a cada uno de los hogares. Las regresiones lineales realizadas para la Atracción de viajes, tuvo presente las actividades que predominan en cada una de las zonas en las que se agregaron los datos socio-económicos de los hogares encuestados.

54

En general, los modelos de RLM estiman el número de viajes atraídos por una zona (o producidos por una zona) como una función lineal de ciertas variables relacionadas con el equipamiento y usos de suelo de la zona. Las variables independientes que más interesan son aquellas que generan actividades asociadas a cada propósito de viaje, y habitualmente deben ser recogidas desde fuentes independientes. Se debiera estimar un vector de orígenes y un vector de destinos por cada propósito y categoría de demanda, (en el caso de este estudio tres propósitos y seis categorías) pero debido a que la definición de categorías de demanda está asociada a las características de los hogares (tasa de motorización y niveles de ingreso de los hogares), las atracciones de viajes son difíciles de clasificar por categoría, puesto que ellos no se materializan en los hogares, sino en las respectivas zonas, en los períodos considerados (pico mañana y pico tarde). Reconociendo este hecho, la metodología supone que sólo los orígenes son clasificables por propósito (p) y categoría de usuario (n) y los destinos en cambio, son clasificables sólo por el propósito de viaje (p). Así, se estimará un vector Origen por cada propósito de viaje y por cada categoría de demanda (Oi

n) y un vector Destino por cada propósito de viaje, con todas las categorías de demanda agregadas (Dj). Por último, dado que orígenes y destinos de viajes son estimados independientemente, es necesario compatibilizar sus resultados en cada período, asegurando que la suma de los orígenes es igual a la suma de destinos de viajes. Figura 11. Pasos a Seguir de las Regresiones Lineal es realizadas en TransCAD

55

Figura 12. Pasos a Seguir de las Regresiones Lineal es realizadas en TransCAD

• Errores

En la calibración de los modelos se encuentran fuentes de error que deben tenerse en cuenta tales como:

- Errores de medición y toma de datos - Errores de Calibración - Errores de Agregación

5.3.3 SELECCIÓN DE LOS VIAJES A MODELAR Para seleccionar los viajes basados y no basados en el hogar a modelar, se tiene en cuenta los porcentajes prioritarios para los viajes realizados en las horas picos seleccionados, para los diferentes propósitos y periodos del día. A continuación se presentan estos porcentajes.

Tabla 26. Porcentaje de los viajes basados (BH) y n o basados en el hogar (NBH)

PICO AM (%) PICO PM (%) Propósito BHI NBH BHI NBH

Trabajo 25,48 1,16 3,31 0,88

Estudio 17,24 0,24 2,12 1,45

Otros 6,46 0,33 86,26 5,98 De acuerdo a la tabla anterior se ha decidido modelar los propósitos que se encuentran marcados.

56

5.3.4 RECOLECCIÓN DE INFORMACIÓN PARA CALIBRACIÓN

• Selección de la muestra de hogares Para realizar los cálculos de las tasas de la clasificación cruzada, los datos que interesan fundamentalmente son los datos recogidos en la Encuesta Origen – Destino realizada a Hogares. Esta encuesta presenta viajes, personas e ingresos por hogar. La encuesta para hogares presenta los siguientes criterios útiles para la clasificación:

− El hogar reporta ingreso familiar, de aquí la clasificación por estratos para las categorías (Estratos de uno a seis).

− Se considera como válido cualquier viaje que se genere dentro de la zona urbana o que su destino sea un punto interno o externo de la zona urbana.

− Los tiempos presentados para el desarrollo de cada viaje. De estos dependen los periodos de modelación.

− El viaje debe estar basado en el hogar, es decir, la zona en que se origina el viaje debe ser la misma que la zona donde se ubica el hogar de dicha persona.

− El viaje debe ser de “ida”.

• Selección de variables explicativas Para la correcta modelación de la atracción y producción de viajes no basados en el hogar se requiere obtener y adaptar una serie de antecedentes que caracterizan el equipamiento de cada zona en término de las actividades relevantes para cada propósito de viaje. Las variables consideradas para la calibración corresponden en metros cuadrados (m²) de:

− Superficie de oficinas − Superficie residencial − Superficie de comercio − Superficie de servicios públicos − Número de atenciones hospitalarias − Número de matrículas escolares

Los datos de las superficies en m² se presentan en los anexos.

57

6. RESULTADO DE LOS MODELOS

- Viajes Basados en el Hogar de ida Para los viajes basados en el hogar, se tuvo en cuenta las categorías propuestas para calibrar los modelos, utilizando el Análisis de Clasificación Cruzada. Se determinan seguidamente las tasas de generación de viajes originados en el hogar para los propósitos Trabajo, Estudio y Otros, para los diferentes periodos del día.

Tabla 27. Tasas de Clasificación Cruzada Periodo Pi co de la Mañana Propósito Trabajo

Ingreso del Hogar Tasa de Motorización Rango Estrato 0 Veh 1 o + Veh Bajo 1 y 2 0,90 0,94

Medio 3 y 4 0,88 1,01

Alto 5 y 6 0,94 0,88

Tabla 28. Tasas de Clasificación Cruzada Periodo Pi co de la Mañana Propósito Estudio

Ingreso del Hogar Tasa de Motorización Rango Estrato 0 Autos 1 o +Auto Bajo 1 y 2 0,64 0,62

Medio 3 y 4 0,60 0,61

Alto 5 y 6 0,61 0,59

Tabla 29. Tasas de Clasificación Cruzada Periodo Pi co de la Mañana Propósito Otros

Ingreso del Hogar Tasa de Motorización Rango Estrato 0 Veh 1 o + Veh Bajo 1 y 2 0,22 0,19

Medio 3 y 4 0,20 0,23

Alto 5 y 6 0,22 0,42 Tabla 30. Tasas de Clasificación Cruzada Periodo Pi co de la Tarde Propósito

Trabajo Ingreso del Hogar Tasa de Motorización

Rango Estrato 0 Veh 1 o + Veh Bajo 1 y 2 0,05 0,04

Medio 3 y 4 0,04 0,04

Alto 5 y 6 0,03 0,15

58

Tabla 31. Tasas de Clasificación Cruzada Periodo Pi co de la Tarde Propósito Estudio

Ingreso del Hogar Tasa de Motorización Rango Estrato 0 Veh 1 o + Veh Bajo 1 y 2 0,04 0,04

Medio 3 y 4 0,04 0,04

Alto 5 y 6 0,04 0,04

Tabla 32. Tasas de Clasificación Cruzada Periodo Pi co de la Tarde Propósito Otros

Ingreso del Hogar Tasa de Motorización Rango Estrato 0 Veh 1 o + Veh Bajo 1 y 2 1,44 1,46

Medio 3 y 4 1,44 1,53

Alto 5 y 6 1,47 1,39

Tabla 33. Tasas de Clasificación Cruzada Periodo Va lle Propósito Trabajo Ingreso del Hogar Tasa de Motorización

Rango Estrato 0 Veh 1 o + Veh Bajo 1 y 2 0,35 0,36

Medio 3 y 4 0,34 0,34

Alto 5 y 6 0,33 0,26

Tabla 34. Tasas de Clasificación Cruzada Periodo Va lle Propósito Estudio Ingreso del Hogar Tasa de Motorización

Rango Estrato 0 Veh 1 o + Veh Bajo 1 y 2 0,15 0,07

Medio 3 y 4 0,11 0,12

Alto 5 y 6 0,18 0,18

Tabla 35. Tasas de Clasificación Cruzada Periodo Va lle Propósito Otros Ingreso del Hogar Tasa de Motorización Rango Estrato 0 Veh 1 o + Veh Bajo 1 y 2 0,74 0,77

Medio 3 y 4 0,77 0,74

Alto 5 y 6 0,79 0,79 Para las tasas anteriores (encontradas por medio de clasificación cruzada) se encuentra entonces la generación de viajes totales, teniendo en cuenta los viajes realizados por cada zona para cada categoría, y los promedios zonales de las personas que trabajan, que estudian, las personas desempleadas, jubiladas y amas de casa. En las siguientes tablas, se presentan los viajes modelados y los viajes observados para tener una referencia en la comparación. Se debe tener en cuenta que los primeros resultados se obtienen con el factor de expansión correspondiente a cada hogar, mientras que los viajes observados, se

59

obtienen con un factor de expansión validado, que se saca para los integrantes del hogar (mencionados anteriormente).

Tabla 36. Viajes Modelados para el Periodo Pico de la Mañana. VIAJES MODELADOS PERIODO PICO DE LA MAÑANA BHW 1-2 AM BHE 1-2 AM BHO 1-2 AM TOTAL

254793 179394 60860 495047 BHW 3-4 AM BHE 3-4 AM BHO 3-4 AM TOTAL

191204 214478 94259 499940 BHW 5-6 AM BHE 5-6 AM BHO 5-6 AM TOTAL

35309 23454 13831 72594

Tabla 37. Viajes Modelados para el Periodo Pico de la Tarde. VIAJES MODELADOS PERIODO PICO DE LA TARDE BHW 1-2 PM BHE 1-2 PM BHO 1-2 PM TOTAL

14100 11363 405680 431142 BHW 3-4 PM BHE 3-4 PM BHO 3-4 PM TOTAL

27613 10566 315883 354061 BHW 5-6 PM BHE 5-6 PM BHO 5-6 PM TOTAL

4354 1685 55646 61685

Tabla 38. Viajes Modelados para el Periodo Pico de la Mañana. VIAJES MODELADOS PERIODO VALLE

BHW 1-2 V BHE 1-2 V BHO 1-2 V TOTAL 98726 39717 209188 347631

BHW 3-4 V BHE 3-4 V BHO 3-4 V TOTAL 200014 52399 176359 428772

BHW 5-6 V BHE 5-6 V BHO 5-6 V TOTAL 11154 7117 31138 49408

Tabla 39. Viajes Totales Modelados para el Periodo Pico de la Mañana.

VIAJES TOTALES MODELADOS PERIODO PICO DE LA MAÑANA TRABAJO AM ESTUDIO AM OTROS AM

481306 417326 168950

Tabla 40. Viajes Totales Observados para el Periodo Pico de la Mañana VIAJES TOTALES OBSERVADOS PERIODO PICO DE LA MAÑANA

TRABAJO AM ESTUDIO AM OTROS AM 580695 386059 140860

Tabla 41.Desviación estándar entre valores para los viajes modelados y los

viajes observados periodo pico de la mañana DESVIACION DE LOS VALORES PARA EL PERIODO PICO DE L A MAÑANA

-17% 8% 20%

Tabla 42. Viajes Totales Modelados para el Periodo Pico de la Mañana VIAJES TOTALES MODELADOS PERIODO PICO DE LA TARDE

TRABAJO PM ESTUDIO PM OTROS PM 46066 23613 777209

60

Tabla 43. Viajes Totales Observados para el Periodo Pico de la Mañana VIAJES TOTALES OBSERVADOS PERIODO PICO DE LA TARDE

TRABAJO PM ESTUDIO PM OTROS PM 40422 30327 779792

Tabla 44.Desviación estándar entre valores para los viajes modelados y los

viajes observados periodo pico de la tarde DESVIACION DE LOS VALORES PARA EL PERIODO PICO DE L A TARDE

14% -22% 0%

Tabla 45. Viajes Totales Modelados para el Periodo Valle VIAJES TOTALES MODELADOS PERIODO VALLE TRABAJO V ESTUDIO V OTROS V

309894 99233 416684

Tabla 46. Viajes Totales Observados para el Periodo Pico de la Mañana VIAJES TOTALES OBSERVADOS PERIODO VALLE TRABAJO V ESTUDIO V OTROS V

262751 86116 494126

Tabla 47.Desviación estándar entre valores para los viajes modelados y los viajes observados periodo valle

DESVIACION DE LOS VALORES PARA EL PERIODO VALLE 18% 15% -16%

Las desviaciones varían entre un 0% y un 20%, lo que puede entenderse debido a que los viajes observados se calculan con un factor de expansión validado, en cambio los viajes observados se calculan con un factor de expansión global para cada familia. A continuación se presenta gráficamente los datos presentados en las tablas anteriores:

Figura 13. Viajes totales al Trabajo. Modelados Vs Observados

0

200000

400000

600000

TOTAL VIAJES

AM PM VALLE

VIAJES AL TRABAJO

VIAJES MODELADOS VS OBSERVADOS

VIAJES MODELADOS VIAJES OBSERVADOS

61

Figura 14. Viajes totales al Estudio. Modelados Vs Observados

0100000200000300000400000500000

TOTAL VIAJES

AM PM VALLE

VIAJES AL ESTUDIO

VIAJES MODELADOS VS OBSERVADOS

VIAJES MODELADOS VIAJES OBSERVADOS

Figura 15. Viajes totales a Otros. Modelados Vs Obs ervados

0

200000

400000

600000

800000

TOTAL VIAJES

AM PM VALLE

VIAJES A OTROS

VIAJES MODELADOS VS OBSERVADOS

VIAJES MODELADOS VIAJES OBSERVADOS

- Viajes Basados en el Hogar y viajes No Basados en e l Hogar de Retorno desagregadas a nivel familiar. Para los viajes no basados en el hogar y viajes de retorno, se calibró un modelo de regresión lineal, utilizando como variables dependientes los viajes basados en el hogar (BH), y los viajes no basados en el hogar de retorno (BHR), y como variables independientes el numero de personas que trabajan, estudian, trabajan y estudian, personas jubiladas, desempleadas y amas de casa por hogar. El número de Viajes basados en el hogar de retorno (BHR), que se encuentran en el periodo pico de la mañana es inferior al 2%. Los resultados de los modelos de regresión para las generaciones, por propósito y periodo se presentan a continuación,

62

Tabla 48. Modelos de Generación (RLM-BHI) Pico de l a Mañana Pico Mañana de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.574766 0.350849 0.172563 Personas que Trabajan 0.241720 47,6 Personas que Estudian 0.298184 66,0

Personas que T Y E 0.231218 13,5 Personas Jubiladas 0.0937022 10,6

Personas Desempleadas 0.0170875 2,8 Amas de Casa 0.0294598 5,1

Coeficiente de Ajuste R^2 0,0920 0,1558 0,0062

Tabla 49. Modelos de Generación (RLM-BHR) Pico de l a Mañana Pico Mañana de Retorno

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.00148730 0.00553106 0.0137107 Personas que Trabajan 0.00924596 10,3 0,00308056 4,31 0.00238473 1,9 Personas que Estudian 0.00143317 2,19 0.00913040 7,9

Personas que T Y E 0.00543908 1,8 Personas Jubiladas

Personas Desempleadas Amas de Casa 0.00648538 4,7

Coeficiente de Ajuste R^2 0,0051 0,0009 0,0028

Tabla 50. Modelos de Generación (RLM-BHI) Pico de l a Tarde Pico Tarde de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.0350403 0.0107164 1,18151 Personas que Trabajan 0.0111732 6,9 0.106654 16,6 Personas que Estudian 0.0189225 13,0 0.106318 18,1

Personas que T Y E

0.0282949 8,5 Personas Jubiladas 0.0777758 5,1

Personas Desempleadas 0.0219618 2,1 Amas de Casa 0.0472145 4,8

Coeficiente de Ajuste R^2 0,0920 0,0096 0,0271

Tabla 51. Modelos de Generación (RLM-BHR) Pico de l a Tarde Pico Tarde de Retorno

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.00261370 0.00607587 0.223188 Personas que Trabajan 0.0108180 10,4 0.00746787 6,6 0.270503 44,3 Personas que Estudian 0.00709311 7,5 0.00875558 8,5 0.192910 34,5

Personas que T Y E 0.00834280 2,4 0.0599216 15,7 0.148862 7,2 Personas Jubiladas

63

Personas Desempleadas 0.0202735 2,0 Amas de Casa 0.0411315 4,3

Coeficiente de Ajuste R^2 0,0072 0,0145 0,1250

Tabla 52. Modelos de Generación (RLM-BHI) Periodo V alle Periodo Valle de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.277004 0.0884548 0.719001 Personas que Trabajan 0.0459678 12,7 Personas que Estudian 0.0160958 7,7

Personas que T Y E Personas Jubiladas 0.137734 10,5

Personas Desempleadas 0.0358873 4,0 Amas de Casa 0.0298525 3,5

Coeficiente de Ajuste R^2 0,0067 0,0025 0,0059

Tabla 53. Modelos de Generación (RLM-BHR) periodo V alle Periodo Valle de Retorno

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.00982551 0.00277737 0.0254793 Personas que Trabajan 0.00136958 1,5 Personas que Estudian 0.00248668 3,0 0,00156904 3,69 0.00722744 4,3

Personas que T Y E 0,0029691 1,89 Personas Jubiladas 0.0101912 4,6 0.0527354 12,3

Personas Desempleadas 0.0132847 4,5 Amas de Casa 0.00339596 2,4 0.0162607 5,8

Coeficiente de Ajuste R^2 0,0013 0,0006 0,0093 Como puede observarse en los modelos de generación presentados en las anteriores tablas, el coeficiente de determinación R² es muy bajo, lo que indica una gran dispersión entre los datos, pero el estadístico t, nos muestra que las variables elegidas para explicar el comportamiento de los viajes son significativas puesto que son mayores al 1,6, correspondiente al 85% de significancia. Después de realizar los modelos de generación para los viajes de ida, con los resultados tan bajos para el coeficiente de determinación (R²) obtenidos, se decide separar los viajes por estratos, suponiendo que los estratos 1 - 2, 3 - 4 y 5 - 6 se comportan de una manera similar y así encontrar un mejor coeficiente de determinación. Los resultados se presentan a continuación:

Tabla 54. Modelos de Generación (RLM-BHI) Estratos 1 – 2 Periodo Pico AM Estrato 1- 2 Pico Mañana de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t t

Constante 0.539764 0.362476 0.147879 Personas que Trabajan 0.243172 33,7 Personas que Estudian 0.291361 45,0

64

Personas que T Y E 0.255236 9,5 Personas Jubiladas 0.0850974 6,1

Personas Desempleadas 0.0185320 2,5 Amas de Casa 0.0416049 5,4

Coeficiente de Ajuste R^2 0,0952 0,1495 0,0064

Tabla 55. Modelos de Generación (RLM-BHI) Estratos 3 – 4 Periodo Pico AM Estratos 3 - 4 Pico Mañana de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.601343 0.341987 0.165403 Personas que Trabajan 0.247480 33,3 Personas que Estudian 0.303476 45,8

Personas que T Y E 0.216047 9,1 Personas Jubiladas 0.0886434 7,3

Personas Desempleadas 0.0262674 2,7 Amas de Casa 0.0414485 4,9

Coeficiente de Ajuste R^2 0,0965 0,1627 0,0079

Tabla 56. Modelos de Generación (RLM-BHI) Estratos 5 – 6 Periodo Pico AM Estratos 5- 6 Pico Mañana de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.748862 0.317510 0.347868 Personas que Trabajan 0.172958 7,0

Personas que Estudian -

0.0816734 -3,8 0.315905 15,1 Personas que T Y E 0.129497 1,9 0.105749 1,6 Personas Jubiladas 0.0651860 1,6

Personas Desempleadas Amas de Casa

Coeficiente de Ajuste R^2 0,0445 0,1516 0,0013

Tabla 57. Modelos de Generación (RLM-BHI) Estratos 1 – 2 Periodo Pico PM Estrato 1-2 Pico Tarde de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante

0.0378981 0.0249372 1,19832

Personas que Trabajan

0.0378981 4,4 0.0999082 11,2 Personas que Estudian 0.0131201 6,8 0.115140 14,7

Personas que T Y E 0.0512952 6,3 Personas Jubiladas 0.111045 4,5

Personas Desempleadas Amas de Casa

Coeficiente de Ajuste R^2 0,0016 0,0069 0,0297

65

Tabla 58. Modelos de Generación (RLM-BHI) Estratos 3 – 4 Periodo Pico PM Estrato 3- 4 Pico Tarde de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.0298302 0.0208069 1,18771 Personas que Trabajan 0.0072507 3,6 0.112286 11,7 Personas que Estudian 0.0158618 7,9 0.103605 11,3

Personas que T Y E 0.0358658 5,4 Personas Jubiladas 0.0612376 2,8

Personas Desempleadas 0.0432964 2,5 Amas de Casa 0.0591272 4,0

Coeficiente de Ajuste R^2 0,0011 0,008 0,0266

Tabla 59. Modelos de Generación (RLM-BHI) Estratos 5 – 6 Periodo Pico PM Estrato 5-6 Pico Tarde de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.0233536 0.0255522 1,06480 Personas que Trabajan 0.0576667 4,4 0.126362 3,9 Personas que Estudian 0.0316498 2,8 0.0207365 3,6 0.0856404 3,1

Personas que T Y E Personas Jubiladas

Personas Desempleadas 0.215245 2,6 Amas de Casa 0.260873 4,9

Coeficiente de Ajuste R^2 0,0209 0,0093 0,0345

Tabla 60. Modelos de Generación (RLM-BHI) Estratos 1 – 2 Periodo Valle Estrato 1- 2 Periodo Valle de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.286700 0.0732853 0.751434 Personas que Trabajan 0.0383754 7,3 Personas que Estudian 0.0104504 4,0

Personas que T Y E Personas Jubiladas 0.147920 7,0

Personas Desempleadas Amas de Casa

Coeficiente de Ajuste R^2 0,0045 0,0013 0,0042

Tabla 61. Modelos de Generación (RLM-BHI) Estratos 3 – 4 Periodo Valle Estrato 3- 4 Periodo Valle de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 0.271501 0.0971332 0.697840 Personas que Trabajan 0.0551028 10,4 Personas que Estudian 0.0206433 6,1

Personas que T Y E Personas Jubiladas 0.123930 6,8

Personas Desempleadas 0.061730 4,2

66

Amas de Casa 0.048772 3,8 Coeficiente de Ajuste R^2 0,0098 0,0034 0,0073

Tabla 62. Modelos de Generación (RLM-BHI) Estratos 5 – 6 Periodo Valle

Estrato 5- 6 Periodo Valle de Ida Trabajo Estudio Otros

Estimado Test t Estimado Test t Estimado Test t Constante 0.212333 0.139247 0.722632

Personas que Trabajan 0.0350552 2,36 Personas que Estudian 0.0501117 4,3

Personas que T Y E Personas Jubiladas 0.186702 3,9

Personas Desempleadas 0.208528 3,0 Amas de Casa 0.0676045 2,74

Coeficiente de Ajuste R^2 0,0074 0,0134 0,0168 Observando los resultados para los modelos de regresión lineal separados por estratos, se llega a la conclusión de que en algunos casos, aunque los coeficientes de determinación pueden aumentar su porcentaje, no llegan a ser significativos, aunque la t lo siga siendo. Con los modelos de regresión lineal iniciales, (tablas desde la 48 hasta la 53), se determinan los viajes totales, usando los promedios por hogar, y por zona de viajes por propósito. Estos resultados, son multiplicados por un factor de expansión promedio por zona para determinar los viajes totales modelados. Después de este procedimiento, se realiza una regresión lineal entre viajes modelados (Y) y viajes observados (X), los cuales nos entregan los siguientes resultados:

Tabla 63. Modelos de Generación. Viajes Modelados v s Viajes Observados Periodo pico de la mañana VIAJES BH MODELADOS VS OBSERVADOS PERIODO

PICO DE LA MAÑANA Viajes Modelados

BHW Viajes Modelados

BHE Viajes Modelados

BHO Estimado Test t Estimado Test t Estimado Test t

Constante -40,9180 17,286 -104,5670 Viajes BHW Observados 1,38367 25,0 Viajes BHE Observados 1,31091 22,37 Viajes BHO Observados 1,70074 23,6976

Observaciones 346 331 355 Coeficiente de Ajuste

R^2 0.7009 0.6619 0,6933

67

Tabla 64. Modelos de Generación. Viajes Modelados v s Viajes Observados Periodo pico de la tarde VIAJES BH MODELADOS VS OBSERVADOS PERIODO

PICO DE LA TARDE Viajes Modelados

BHW Viajes Modelados

BHE Viajes Modelados

BHO

Estimad

o Test t Estimad

o Test t Estimad

o Test t Constante 45,8887 -37,4767 -37,5265

Viajes BHW Observados 0.731441 5,7 Viajes BHE Observados 1,70919 22,85 Viajes BHO Observados 1,41584 23,27

Observaciones 201 191 410 Coeficiente de Ajuste

R^2 0,5669 0,7651 0,6719

Tabla 65. Modelos de Generación. Viajes Modelados v s Viajes Observados Periodo Valle

VIAJES BH MODELADOS VS OBSERVADOS PERIODO VALLE

Viajes Modelados BHW

Viajes Modelados BHE

Viajes Modelados BHO

Estimado Test t Estimado Test t Estimado Test t Constante 44,8917 -46,4392 -219,2940

Viajes BHW Observados 1,02582 3,7 Viajes BHE Observados 1,85623 23,54 Viajes BHO Observados 1,88007 24,36

Observaciones 285 193 360 Coeficiente de Ajuste

R^2 0,2066 0,766 0,7016 Con los resultados anteriores se concluye que la agregación por zonas y el factor de expansión promedio dan un buen resultado para las generaciones. Para los modelos de atracción, se tuvo en cuenta las superficies en m² de las actividades que se realizan en cada una de las zonas en que se agrega el área de estudio. • Viajes con propósito trabajo: Estos son atraídos por las actividades que ofrecen empleos. Las variables más relevantes son el comercio, oficinas, servicios y la industria. • Viajes con propósito estudio: Son atraídos por la presencia de establecimientos educacionales (número de matrículas por nivel de educación: básica, media y superior). • Viajes con otros propósitos: Corresponden a los viajes de compras, diligencias, y salud entre otros. Las actividades relevantes serán el comercio, los servicios y las atenciones de salud. Además, para incluir el efecto de los viajes con motivos sociales suele incluirse como variable explicativa el total de hogares existente en una zona (residencial). Idealmente el modelo debería determinar el número de viajes atraídos por zona, no sólo para cada período y propósito, sino también para cada categoría de demanda.

68

Desafortunadamente, en el caso de las atracciones de viajes (dado que se desconocen otras formas de entender el fenómeno de forma más desagregada) habitualmente se considera cada zona y sus características globales como unidad de análisis del modelo, lo cual hace muy difícil clasificar las atracciones por categoría de demanda.

Tabla 66. Modelos de Atracción (RLM-BHI) Pico de la Mañana Pico Mañana Basados en el Hogar de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 672.977 338.804 164.854 Mts Uso Residencial 25,8574 10,0 5,26011 5,3 Mts Uso Comercial 332,457 8,17 39,2555 4,5 Mts Uso Industrial 55,05 3,79 8,96329 2,9 Mts Uso Servicios 165,253 5,26 71,2941 4,4 29,0701 4,3

Mts Uso Salud 85,963 2,6 Mts Matriculas 4579,81 10,0

Coeficiente de Ajuste R^2 0,3215 0,3663 0,2497

Tabla 67. Modelos de Atracción (RLM-BHR) Pico de la Mañana Pico Mañana Basados en el Hogar de Retorno

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 165.808 131,736 117,280 Mts Uso Residencial 3,274640 3,5 2,30703 3,3 2,48196 4,1 Mts Uso Comercial 48,56480 5,9 27,0213 4,4 20,9259 4,0 Mts Uso Industrial 13,42960 4,6 8,99899 4,1 8,77131 4,7 Mts Uso Servicios 37,94560 6,0 31,4434 6,6 22,9689 5,7

Mts Uso Salud Mts Matriculas 666,18400 4,1 449,637 4,3

Coeficiente de Ajuste R^2 0,3394 0,3045 0,3117

Tabla 68. Modelos de Atracción (RLM-BHI) Pico de la Tarde Pico Tarde Basados en el Hogar de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 131,031 99,9673 449,881 Mts Uso Residencial 101,635 25,5 Mts Uso Comercial Mts Uso Industrial 3,13261 2,6 Mts Uso Servicios 9,45048 2,1708 5,29196 1,9

Mts Uso Salud 38,0831 2,5 Mts Matriculas 419,016 7,6

Coeficiente de Ajuste R^2 0,0173 0,3056 0,6359

69

Tabla 69. Modelos de Atracción (RLM-BHR) Pico de la Tarde Pico Tarde Basados en el Hogar de Retorno

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 206,079 150,921 111,364 Mts Uso Residencial 32,4101 19,0 16,5214 16,9 15,5875 15,5 Mts Uso Comercial Mts Uso Industrial Mts Uso Servicios

Mts Uso Salud Mts Matriculas

Coeficiente de Ajuste R^2 0,5069 0,4625 0,4285

Tabla 70. Modelos de Atracción (RLM-BHI) Periodo Va lle Periodo Valle Basados en el Hogar de Ida

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 103,230 121,106 271,032 Mts Uso Residencial Mts Uso Comercial 56,0367 6,6 84,0955 5,6 Mts Uso Industrial 9,93716 1,8 Mts Uso Servicios 43,2977 6,5 9,29993 1,7 73,4128 6,3

Mts Uso Salud 91,3274 1,7 Mts Matriculas 1735,45 15,2

Coeficiente de Ajuste R^2 0,3311 0,6377 0,2709

Tabla 71. Modelos de Atracción (RLM-BHR) Periodo Va lle Periodo Valle Basados en el Hogar de Retorno

Trabajo Estudio Otros Estimado Test t Estimado Test t Estimado Test t

Constante 84,7243 81,4169 140,752 Mts Uso Residencial Mts Uso Comercial 18,0048 4,8 10,8477 3,4 Mts Uso Industrial 4,40868 3,1 2,2887 2,0 Mts Uso Servicios 14,4501 4,9 10,9272 4,3 6,73587 2,3

Mts Uso Salud 44,9362 2,8 Mts Matriculas 168,138 2,3 150,792 2,5

Coeficiente de Ajuste R^2 0,2782 0,2206 0,0161

70

Tabla 72. Modelos de Atracción (RLM-NBH) No Basado s en el Hogar para las

horas pico seleccionadas Viajes No Basados en el Hogar (NBH)

PICO AM PICO PM Trabajo Trabajo Otros

Estimado Test t Estimado Test t Estimado Test t Constante 85,0142 76,1101 106,036

Mts Uso Residencial Mts Uso Comercial 6,38118 2,1 4,8395 1,6 20,275 1,8 Mts Uso Industrial 3,66012 3,4 Mts Uso Servicios 6,17597 2,5 5,27298 1,8 36,2873 3,9

Mts Uso Salud Mts Matriculas 83,4449 1,7

Coeficiente de Ajuste R^2 0,1313 0,1181 0,1074 Además de encontrar los modelos que mejor se ajustaron por categorías para modelar los viajes realizados por los habitantes del área metropolitana, también se encontraron los viajes observados para cada estrato. A continuación se muestran los resultados obtenidos.

Tabla 73. VIAJES TOTALES POR ESTRATO - MOTIVO - PERIODO PICO AM VIAJES TOTALES POR ESTRATO - MOTIVO - PERIODO PICO

DE LA MAÑANA

ESTRATO BHW AM BHE AM BHO AM TOTAL 1 33490 24557 7162 65209 2 174868 123689 38066 336623 3 187304 120381 42369 350054 4 52975 35194 15088 103257 5 33481 22575 9071 65127 6 13488 8899 13817 36204

TOTAL 495606 335295 125573 956474

Tabla 74. PORCENTAJE DE VIAJES TOTALES POR ESTRATO - MOTIVO - PERIODO PICO AM

PORCENTAJE DE VIAJES TOTALES POR MOTIVO Y PERIODO PICO DE LA MAÑANA

ESTRATO BHW AM BHE AM BHO AM 1 7% 7% 6% 2 35% 37% 30% 3 38% 36% 34% 4 11% 10% 12% 5 7% 7% 7% 6 3% 3% 11%

TOTAL 100% 100% 100%

71

Figura 16. Viajes totales por estratos – motivos pa ra el periodo pico a.m.

VIAJES TOTALES POR ESTRATO - MOTIVO -

PERIODO PICO DE LA MAÑANA

020000400006000080000

100000120000140000160000180000200000

1 2 3 4 5 6

ESTRATOS

NUMERO DE VIAJES

ESTRATO BHW AM BHE AM BHO AM

Figura 17.Porcentaje viajes al trabajo a.m.

PORCENTAJE DE VIAJES POR ESTRATO PARA MOTIVO TRABAJO EN EL PERIODO PICO DE LA MAÑANA

11%

37%

35%

7%3%7%

1 2 3 4 5 6

Figura 18.Porcentaje viajes al estudio a.m.

PORCENTAJE DE VIAJES POR ESTRATO PARA MOTIVO ESTUDIO EN EL PERIODO PICO DE LA MAÑANA

10%

36%

37%

7%3%7%

1 2 3 4 5 6

72

Figura 19.Porcentaje viajes a otros a.m.

PORCENTAJE DE VIAJES POR ESTRATO PARA MOTIVO OTROS EN EL PERIODO PICO DE LA MAÑANA

12%

34%

30%

6%11%

7%

1 2 3 4 5 6

Tabla 75. VIAJES TOTALES POR ESTRATO - MOTIVO - PERIODO PICO PM VIAJES TOTALES POR ESTRATO - MOTIVO - PERIODO PICO DE LA

TARDE

ESTRATO BHW PM BHE PM BHO PM TOTAL % 1 1872 1468 1586 4926 4% 2 8731 6599 16590 31920 28% 3 9693 7250 22719 39662 35% 4 1650 1633 9304 12587 11% 5 1143 1415 6872 9430 8% 6 8441 1762 4853 15056 13%

TOTAL 31530 20127 61924 113581 100%

Tabla 76. PORCENTAJE DE VIAJES TOTALES POR ESTRATO - MOTIVO - PERIODO PICO PM

PORCENTAJE DE VIAJES TOTALES POR MOTIVO Y PERIODO PICO DE LA TARDE

ESTRATO BHW PM BHE PM BHO PM 1 6% 7% 3% 2 28% 33% 27% 3 31% 36% 37% 4 5% 8% 15% 5 4% 7% 11% 6 27% 9% 8%

TOTAL 100% 100% 100%

73

Figura 20. Viajes totales por estratos – motivos pa ra el periodo pico p.m

VIAJES TOTALES POR ESTRATO - MOTIVO -

PERIODO PICO DE LA TARDE

0

5000

10000

15000

20000

25000

1 2 3 4 5 6

ESTRATOS

NUMERO DE VIAJES

ESTRATO BHW PM BHE PM BHO PM

Figura 21.Porcentaje viajes al trabajo p.m.

PORCENTAJE DE VIAJES POR ESTRATO PARA MOTIVO TRABAJO EN EL PERIODO PICO DE LA TARDE

5%

30%

28%

6%27%

4%

1 2 3 4 5 6

Figura 22.Porcentaje viajes al estudio p.m.

PORCENTAJE DE VIAJES POR ESTRATO PARA MOTIVO ESTUDIO EN EL PERIODO PICO DE LA TARDE

7%9% 7%

33%

36%

8%

1 2 3 4 5 6

74

Figura 23.Porcentaje viajes a otros p.m.

PORCENTAJE DE VIAJES POR ESTRATO PARA MOTIVO OTROS EN EL PERIODO PICO DE LA TARDE

11%8% 3%

27%

36%15%

1 2 3 4 5 6

Tabla 77. VIAJES TOTALES POR ESTRATO - MOTIVO - PERIODO PICO VALLE

VIAJES TOTALES POR ESTRATO - MOTIVO - PERIODO VALLE

ESTRATO BHW VALLE BHE VALLE BHO VALLE TOTAL % 1 2866 929 8564 12359 5%

2 20873 4870 51146 76889 30%

3 27178 8221 59744 95143 37%

4 9064 4086 25485 38635 15%

5 5869 2442 16677 24988 10%

6 1687 1469 6685 9841 4%

TOTAL 67537 22017 168301 257855 100%

Tabla 78. PORCENTAJE DE VIAJES TOTALES POR ESTRATO - MOTIVO - PERIODO PICO VALLE

PORCENTAJE DE VIAJES TOTALES POR MOTIVO Y PERIODO VALLE

ESTRATO BHW VALLE BHE VALLE BHO VALLE 1 4% 4% 5% 2 31% 22% 30% 3 40% 37% 35% 4 13% 19% 15% 5 9% 11% 10% 6 2% 7% 4%

TOTAL 100% 100% 100%

75

Figura 24.Porcentaje viajes al trabajo Valle

PORCENTAJE DE VIAJES POR ESTRATO PARA MOTIVO TRABAJO EN EL PERIODO VALLE

13%

41%

31%

4%2%9%

1 2 3 4 5 6

Figura 25.Porcentaje viajes al estudio Valle

PORCENTAJE DE VIAJES POR ESTRATO PARA MOTIVO ESTUDIO EN EL PERIODO VALLE

19% 37%

22%

4%7%11%

1 2 3 4 5 6

76

Figura 26.Porcentaje viajes a otros Valle

PORCENTAJE DE VIAJES POR ESTRATO PARA MOTIVO OTROS EN EL PERIODO VALLE

10% 4% 5%

30%

36%

15%

1 2 3 4 5 6

7. CONCLUSIONES

1. La generación y atracción de viajes es la etapa de la modelización que trata de predecir los viajes producidos y atraídos en las zonas de una red en estudio. Para ello se describieron varios métodos como los modelos de regresión lineal múltiple y el análisis de categorías. Ellos se basan en que los viajes producidos dependen fundamentalmente de los patrones de usos del suelo y de las características socioeconómicas de la población.

2. La generación de viajes debe ser clasificada por categoría de demanda, de manera que debe calibrarse un modelo RLM para cada categoría. Esto puede presentar problemas de calibración, puesto que especialmente en el período pico de la mañana, el número de viajes no basados en el hogar (NBH) puede ser muy pequeño. Si a esto se agrega que este escaso número de viajes deben ser diferenciados por propósito y categoría, se entiende que probablemente sea difícil obtener modelos RLM estadísticamente robustos.

3. Recuérdese que las categorías (como siempre) están asociadas a los individuos que realizan los viajes. Los individuos pertenecen a un hogar de cierta categoría y ésta será la categoría asociada a todos sus viajes, independientemente de cuál sea la zona de origen de los mismos.

4. Las atracciones de viajes son modeladas a nivel zonal, lo que normalmente implica que sólo son explicadas por período y propósito, pero no por categoría socioeconómica.

5. Los viajes totales observados para el periodo pico de la mañana son 990.074, de los cuales el 96,61, corresponden a viajes basados en el hogar y el 3,39% corresponden a viajes No basados en el hogar. 495.605 son viajes al trabajo, correspondientes a un 50,01%, 335.295 son viajes al estudio, correspondientes al 33,87% y 125.572 son viajes a otros propósitos, correspondientes al 12,68%. De los viajes No basados en el hogar en el periodo pico de la mañana se tienen 22.507 viajes al trabajo correspondientes a un 2,27%, 4.610 viajes al estudio correspondientes a

77

0,47% y 6.483 viajes a otros destinos correspondientes al 0,65% de los viajes totales.

6. Para el periodo pico de la tarde, se tiene que los viajes totales observados son 951.456. Para los viajes basados en el hogar, se tiene que 31.529 viajes son al trabajo correspondiente al 3,31%, 20.127 viajes son al estudio, correspondientes al 2,12% y 108.142 viajes a otros destinos, correspondientes al 11,37%, los viajes de retorno se encuentran incluidos dentro del periodo pico de la tarde con 712.608 viajes totales de retorno, correspondientes al 74,90%. Los viajes no basados en el hogar, corresponden a un 8% de los viajes totales, y de estos 8.393 viajes son no basados en el hogar al trabajo, y corresponden a un 1%, 13.753 viajes son no basados en el hogar al estudio y corresponden a un 1,5% y 56.903 viajes son no basados en el hogar a otros destinos, correspondientes a un 6% del total de viajes.

7. Para el análisis de categorías o clasificación cruzada, se tuvo en cuenta el uso de autos y motos, debido a la gran demanda que han mostrado las motos en los dos últimos años. Se conoce que de los 23611 hogares encuestados, el 16% correspondiente a 3799 hogares posee automóvil y el 12% correspondiente a 2721 de hogares posee moto, el 72% restante utiliza otro medio de transporte para realizar sus viajes.

8. La generación de viajes no basados en el hogar debe ser modelada con regresión lineal múltiple (RLM) a nivel zonal, puesto que en este caso el método de análisis de categorías es inaplicable.

9. La generación de los viajes No basados en el hogar, son función de variables asociadas con el uso de suelos y las actividades de una zona (debido a que ninguno de estos viajes tiene su extremo en el hogar). En este sentido, las variables explicativas del modelo RLM de generación de viajes No basados en el hogar, son las mismas utilizadas en los modelos RLM de atracciones.

10. En los resultados obtenidos, se encontró que varios hogares con personas que estudian o trabajan no realizaron viajes, o de manera contraria, personas que no trabajan o no estudian, presentaron viajes al trabajo o al estudio, lo que puede entrar como un error en los modelos de regresión lineal.

11. En los viajes de retorno al hogar, dado que el destino del viaje es el hogar, la única variable explicativa posible es el número de hogares por zona. En este caso, fue posible utilizar la técnica de regresión lineal simple (RLS) en el periodo pico de la tarde.

12. Las desviaciones encontradas entre los viajes modelados y los viajes observados varían entre un 0% y un 20%, lo que puede entenderse claramente, debido a que los viajes observados se calculan con un factor de expansión validado, en cambio los viajes observados se calculan con un factor de expansión global para cada familia.

13. Como puede observarse en los modelos de generación presentados en las anteriores tablas, el coeficiente de determinación R² es muy bajo, lo que indica una gran dispersión entre los datos, pero el estadístico t, nos muestra que las variables elegidas para explicar el comportamiento de los viajes son significativas puesto que son mayores al 1,6, correspondiente al 85% de significancia.

14. Después de realizar los modelos de generación para los viajes de ida, con los resultados tan bajos para el coeficiente de determinación (R²) obtenidos,

78

se decide separar los viajes por estratos, suponiendo que los estratos 1 - 2, 3 - 4 y 5 - 6 se comportan de una manera similar y así encontrar un mejor coeficiente de determinación.

15. Se concluye que la agregación por zonas y el factor de expansión promedio, dan un buen resultado para las generaciones.

16. Desafortunadamente, en el caso de las atracciones de viajes (dado que se desconocen otras formas de entender el fenómeno de forma más desagregada) habitualmente se considera cada zona y sus características globales como unidad de análisis del modelo, lo cual hace muy difícil clasificar las atracciones por categoría de demanda.

8. BIBLIOGRAFIA • ORTUZAR, Juan de Dios. Modelos de Demanda de Transporte. 2ª Edición.

Ediciones Universidad Católica de Chile. Alfaomega. México. 2000. • ORTUZAR, Juan de Dios. Modelos Econométricos de Elección Discreta.

Ediciones Universidad Católica de Chile. Santiago. 2000. • ORTUZAR, Juan de Dios. El Problema de la modelación de la demanda desde

una perspectiva desagregada el caso del transporte. Santiago de Chile 2003. • EDU y TRANSMILENIO S.A. (b). Consideraciones Técnicas y Recomendaciones

Generales del Proyecto Metroplús. Volumen 16. Medellín, Diciembre 2003 • NIÑO, Alejandro, Propuesta Metodológica para la elaboración de un plan de

transporte en la ciudad Real, Universidad de Castilla – La Mancha • THOMPSON, Ian, Impacto de las tendencias sociales, económicas, y

tecnológicas sobre el transporte público: una investigación preliminar en ciudades de América Latina, Santiago de Chile 2002.

• GIRARDOTTI, L. Demanda de transporte dirigida a redes. Guía de estudio. Facultad de Ingeniería. UBA. 2001.

• ORTUZAR, J. y WILLUMSEN, L. (1994). Modelling Transport. Second Edition. Jhon Wiley & Sons. U.K

• ORTUZAR, J. y ROMÁN, C. El problema de modelación de demanda desde una perspectiva desagregada: el caso del transporte. EURE (Santiago) v.29 n.88 Santiago dic. 2003

• ÁREA METROPOLITANA DEL VALLE DE ABURRÁ, CONSORCIO MOVILIDAD REGIONAL. Formulación del Plan Maestro de Movilidad para la Región Metropolitana del Valle de Aburrá. Medellín. 2007.

• COMISIÓN DE PLANIFICACIÓN DE INVERSIÓN ES EN INFRAESTRUCTURA DE TRANSPORTE, Metodología para análisis de sistemas de transporte en grandes ciudades y ciudades de tamaño medio. Santiago de Chile. 1998.

• UNIVERSIDAD NACIONAL, Encuesta Origen – Destino de viajes 2005 del Valle de Aburrá. Medellín. 2005

79

• LILL, “La ley de viajes y su empleo en el tráfico ferroviario”. Viena. 1891. • Van Vliet D. (1978). The Frank-Wolfe algorithm for equilibrium assignment

viewed as a variational inequality. Transportation Research 21B 87-89. Notas de clase, Economía Avanzada de transporte, Cantillo Víctor, Sarmiento Iván, 2006 www.dane.gov.co http://altair.udea.edu.co/antioquia/valleaburra.htm