Sei sulla pagina 1di 47

DEPARTAMENTO DE TRANSPORTE

PLANEAMIENTO DEL TRANSPORTE














DEMANDA DE TRANSPORTE DIRIGIDA A REDES

- Generacin de Viajes
- Distribucin de Viajes
- Divisin Modal




Gua de estudio preparada por el Profesor Adjunto Ing. Luis M. Girardotti



















Facultad de Ingeniera UBA
Marzo de 2001

1
GENERACIN DE VIAJES

I LA ETAPA DE GENERACIN DE VIAJES EN EL PROCESO DE
PLANEAMIENTO DEL TRANSPORTE URBANO

Generacin de viajes
1
, definicin: proceso mediante el cual se cuantifican los viajes
realizados por las personas que residen o desarrollan
actividad en una determinada rea urbana, o por
vehculos relacionados con dicha rea.

En este trabajo los viajes se referirn a movimientos de personas.

La generacin de viajes es funcin de:

1. El uso del suelo. Existe una estrecha relacin entre la generacin de viajes y la
manera en que el suelo es utilizado, incluyendo la ubicacin e intensidad de uso.
2. Las caractersticas socioeconmicas de la poblacin del rea.
3. Tipo, disponibilidad y calidad de las facilidades de transporte disponibles en el rea.

Estas relaciones funcionales se utilizan en el proceso de planeamiento del transporte con el
objeto de obtener informacin cuantitativa sobre la demanda de transporte.

La generacin de viajes constituye una de las etapas del proceso de planeamiento del
transporte, cuyas cuatro fases principales son las siguientes: (1) inventarios; (2) anlisis de
las condiciones existentes y calibracin de las herramientas de representacin
2
; (3)
proyeccin al futuro de las variables significativas, (4) anlisis de sistemas de transporte
futuros y (5) monitoreo, seguimiento y revisin del plan. Ver Figura N 1.

La secuencia anterior tambin puede ser puesta de la siguiente manera, incluyendo la
pregunta que cada una de las etapas intenta responder:

1. Estudio de la poblacin, la economa del rea y las actividades que se
desarrollan. Cul ser la magnitud de esas actividades?

2. Estudio del uso del suelo. Dnde estarn localizadas esas actividades?

3. Etapa de generacin de viajes. Cuntos viajes generarn esas
actividades?

4. Etapa de distribucin de viajes. Hacia donde se dirigirn esos viajes?


1
Viaje: movimiento en un sentido desde un punto de origen a un punto de destino. Estos puntos se denominan
extremos del viaje. El viaje se refiere a una persona o a un vehculo.
2
Verbigracia modelos. En todo el proceso de determinacin de la demanda de transporte dirigida a redes se
utilizarn modelos. La definicin genrica de modelo es la siguiente: representacin parcial y aproximada de
la realidad.
2
5. Etapa de divisin modal. Qu modo de transporte utilizarn esos viajes?

6. Etapa de asignacin de viajes. Qu itinerario seguirn esos viajes?

7. Anlisis de sistemas y evaluacin. Plan de transporte. Cul es el mejor
sistema de transporte?

8. Monitoreo, revisin y seguimiento del plan. Puede mejorarse el plan?


II FUNDAMENTOS DE LA GENERACIN DE VIAJES

El objetivo de la etapa de generacin de viajes es el de obtener una adecuada identificacin
y cuantificacin de los viajes que tienen como extremo las distintas zonas en que fue
dividida el rea en estudio.

Los volmenes de viajes generados son en general muy difciles de determinar y proyectar
directamente. Cierta informacin que caracteriza a las zonas puede ser ms fcil y
eficientemente proyectada que los mismos extremos de viaje y constituyen lo que se
denominan variables explicativas, pues explican la generacin de viajes. Esta informacin
se refiere al uso del suelo, a las caractersticas socioeconmicas de las zonas del rea en
estudio y a las caractersticas del sistema de transporte. Los modelos de generacin viajes
estn formados por relaciones funcionales entre los viajes generados y las variables
explicativas, de manera que conociendo el valor de las variables explicativas en un
horizonte futuro se puede estimar aceptablemente la demanda futura de viajes.

Los viajes pueden ser caracterizados por dos atributos que debern ser tenidos en cuenta
durante el proceso de su estudio. Estos atributos son: propsito y horario.

El propsito de viaje est compuesto por dos elementos: base y motivo. Como base se
entiende 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. Como motivo se consideran los siguientes:
trabajo, compras, estudio y otros motivos. De acuerdo a la prctica habitual los
propsitos de viaje considerados son los siguientes:

Basados en Hogar-Trabajo (BHT).
Basados en Hogar-Estudio (BHE).
Basados en Hogar-Compras (BHC).
Basados en Hogar-Otros motivos (BHO), y
No Basados en el Hogar (NBH).

Los cinco propsitos enumerados no necesariamente debern ser tenidos en cuenta en su
totalidad, en algunos casos puede ser suficiente considerar 4 propsitos (BHT, BHE o
BHC, BHO y NBH) y hasta 3 (BHT, BHO y NBH) segn el tamao y las caractersticas del
3
rea en estudio. Los BHT y NBH debern estar siempre presentes mientras que los BHE,
BHC y BHO pueden mantenerse separados o combinarse segn su importancia relativa.
Para cada uno de los propsitos considerados se deber desarrollar un modelo de
generacin que cuantifique los viajes generados con ese propsito.

El restante atributo es el horario en que se realiza el viaje. Se consideran viajes en hora
pico (matutino y vespertino) y viajes diarios (total en el da sin considerar la hora en que se
realizan). Los modelos de generacin pueden estar construidos para estimar viajes en hora
pico o viajes diarios. Este ltimo caso es el ms comn, ya que a partir de los viajes diarios
y mediante factores horarios se pueden calcular los volmenes en cualquier hora del da.

La generacin de viajes puede dividirse en dos pasos: i) determinacin del nmero de viajes
originados en cada zona (producciones) y ii) determinacin del nmero de viajes destinado
a cada zona (atracciones).

Para toda el rea en estudio el nmero de producciones deber ser obligatoriamente igual al
de atracciones, aunque no necesariamente para cada una de las zonas en particular. Esto se
debe a que por definicin los viajes basados en el hogar (BH_) siempre son producidos por
la zona que contiene al hogar y atrados por la zona del otro extremo, en cualquier sentido
que se realice el viaje. Los viajes no basados en el hogar (NBH) son producidos por la zona
origen y atrados por la zona destino.

Por lo anterior en las zonas que son principalmente residenciales las producciones sern
mayores que las atracciones, mientras que en las zonas que son mayoritariamente
comerciales, industriales o educacionales las atracciones sern mayores que las
producciones.

Esta divisin en viajes de produccin y atraccin es relevante cuando se utiliza un modelo
gravitatorio para la etapa de distribucin, no as para los otros mtodos de distribucin, en
los que solamente se considera el origen y el destino de los viajes.

Variables que explican la generacin de viajes

Uso del suelo

El uso del suelo puede ser determinado y pronosticado con facilidad y aceptable precisin.
Dentro de esta variable se pueden distinguir tres atributos que influyen en la generacin de
viajes, esos atributos son: tipo, intensidad y ubicacin.

Los diferentes tipos de usos del suelo tienen diferentes caractersticas de generacin y por
ello es importante distinguirlos. La clasificacin de tipos de usos del suelo ms habitual
suele ser: residencial, comercial, industrial, educacional y de esparcimiento. El uso del
suelo residencial produce ms viajes que los otros usos, mientras que los restantes usos son,
en general, mayores atractores de viajes que productores.

La intensidad del uso del suelo expresa el nivel de actividad que caracteriza una
determinada zona y usualmente se expresa en trminos de cantidad o de densidad tal como
4
nmero total de viviendas en la zona o empleos por unidad de superficie. La intensidad de
uso del suelo tiene una marcada influencia en el nmero y tipo de viajes que genera una
determinada zona. En general, a menor densidad habitacional mayor nmero de viajes
generados por persona. Lo mismo sucede con la distribucin por modo en que se realizan
los viajes, las zonas de menor densidad de hogares producen mayor cantidad de viajes en
automvil por vivienda.

La ubicacin de las actividades se refiere a la distribucin espacial de los usos del suelo y
de las actividades dentro del rea en estudio. Las modalidades de viaje de habitantes de un
barrio de alta densidad pero rodeado por zonas de baja densidad y alejado del centro de una
urbe son distintas a las que tendra si ese mismo barrio estuviera prximo al centro.

El cuadro que sigue resume lo expresado ms arriba.

TIPO DE USO
DEL SUELO
TIPO DE ACTIVIDAD MEDIDA DE LA INTENSIDAD
Residencial - Residencial.


- Superficie de suelo
residencial
- Unidades habitacionales.
- Unidades hab. por unidad
de superficie.
- Densidad de poblacin.
- Poblacin total.
Industrial
Comercial
- Industria manufacturera.
- Servicios.
- Comercio mayorista.
- Comercio minorista.
- Oficinas.
- Empleos totales.
- Empleos clasificados por
tipo.
- Empleos por unidad de
superficie.
- Area de suelo ocupada.


Educacin - Universidad.
- Secundario.
- Primario.
- Matrculas


Esparcimiento - A determinar. - Nro. de elementos
apropiados (capacidad,
butacas, amarras, etc.).


Caractersticas socioeconmicas

Las caractersticas socioeconmicas que influyen en la generacin de viajes se refieren a
los hogares y son las siguientes: ingreso familiar, tamao del hogar, posesin de automvil,
tipo de vivienda y actividad de los integrantes del hogar.

5
Ingreso familiar. Esta caracterstica es una de las ms importantes en la determinacin de la
cantidad de viajes por hogar o por individuo y la modalidad de los mismos. A mayor
ingreso mayor nmero de viajes por unidad de tiempo y mayor cantidad de viajes en
automvil.

El tamao familiar (nmero de integrantes del hogar) tambin influye positivamente en la
generacin de viajes. En otras palabras la frecuencia de viajes por hogar aumenta con el
tamao del mismo.

La posesin de automvil est directamente relacionada con el nivel de ingreso familiar y
con el tamao del hogar. En general una familia de menor grado de motorizacin genera
menor frecuencia de viajes.

La generacin de viajes vara segn el tipo de vivienda. Las viviendas unifamiliares en
terrenos nicos generan ms viajes por integrante que las viviendas unifamiliares en
terrenos compartidos y stas a su vez generan ms viajes que las viviendas en edificios de
departamentos. Esta variable no es habitualmente utilizada en estudios a nivel de reas
urbanas sino para la determinacin de la generacin de viajes de desarrollos urbanos
especficos, tales como grandes edificios, barrios cerrados, etc.

La actividad de los residentes influye en la generacin de viajes. La principal influencia la
tiene la ocupacin del jefe de familia, ya que determina el nivel de ingreso del grupo
familiar. A mayor nmero de personas ocupadas por hogar mayor cantidad de viajes
generados.

Sistema de transporte

El tipo, disponibilidad y calidad de las facilidades de transporte disponibles en el rea
determina la variable denominada accesibilidad. A mayor accesibilidad mayor cantidad de
viajes realizados. La accesibilidad se define de la siguiente manera:

( )

=
=
n
j
ij j i
F A ACC
1

Siendo:
ACC
i
= accesibilidad de la zona i.
A
j
= viajes atrados por la zona j. Se adoptan las atracciones como ponderacin de la
importancia relativa de cada zona.
F
ij
= factor de impedancia entre la zona i y la zona j, a mayor factor mayor accesibilidad.
n = nmero de zonas.






6
III METODOS DE GENERACIN DE VIAJES

Mtodo de la tasa de generacin

Este mtodo se basa en la relacin que se observa entre la generacin de viajes, detectada
en las encuestas de origen y destino, con la informacin obtenida de los relevamientos de
uso del suelo.

Para cada una de las zonas del rea en estudio se determinan las superficies abarcadas por
cada tipo de uso del suelo y se cuantifican los extremos de viajes que les corresponden
(cantidad de viajes originados y destinados a la zona). El siguiente cuadro ilustra el
procedimiento:

Zona i
Tipo de uso del
suelo
Relevamiento de
uso del suelo
Ha.
Censo O-D
(extremos de viaje)
Tasa de Generacin
(viajes / ha.)
Residencial 500 4.000 8
Industrial 100 3.000 30
Comercial 50 2.000 40

Las tasas son de produccin y atraccin de viajes por lo que este mtodo abarca ambos
pasos del proceso.

La estimacin de la generacin futura se realiza determinando la evolucin de las reas para
cada tipo de uso del suelo. De esa manera, si se estima que el rea residencial crecer a
1.000 Ha., la generacin futura de viajes de la zona causada por el uso del suelo residencial
ser de 8.000 viajes (1.000 Ha. x 8 viajes / ha.). De la misma forma se procede con los
restantes usos del suelo.

La simpleza de este mtodo hace que sea rpido y econmico de aplicar pero no tiene en
cuenta otras variables explicativas tales como el ingreso, el tamao del hogar y la
motorizacin, lo que lo hace poco preciso. Su utilidad est en la actualizacin a bajo costo
de estudios anteriores.

Mtodo del Factor de Crecimiento

Este es tambin un mtodo expeditivo y poco preciso y es generalmente utilizado en la
actualizacin y proyeccin de viajes estimados de estudios anteriores. La expresin bsica
de este modelo es la siguiente:

i i i
t F T =
Donde:
T
i
= viajes futuros de la zona i.
t
i
= viajes actuales de la zona i.
F
i
= factor de crecimiento.
7
El factor de crecimiento habitualmente se lo determina a partir de la evolucin estimada de
las variables socioeconmicas que explican los viajes. Una expresin del factor de
crecimiento puede ser la siguiente:

0 0 0
i i i
n
i
n
i
N
I
I
M I P
M I P
F


=

Siendo P
i
la poblacin, I
i
el ingreso promedio familiar y M
i
la motorizacin (autos/hogar)
de la zona i. El superndice 0 corresponde al ao base y el superndice n al ao futuro.

Este mtodo se aplica a tablas de viajes anteriores que deben ser actualizadas. No se
considera la divisin entre produccin y atraccin. Los viajes generados por este mtodo
son luego distribuidos por algn proceso basado en el factor de crecimiento
3
.

Mtodo de Regresin Lineal Mltiple

El mtodo de regresin lineal mltiple es un procedimiento estadstico en el que se
establece una relacin lineal entre una variable dependiente y varias variables
independientes o explicativas, de acuerdo a la siguiente expresin:

n n
X b X b X b k T + + + + = ...
2 2 1 1


Donde T es la variable dependiente (en este caso los viajes producidos o atrados por una
zona), X
1
a X
n
son las variables independientes, b
1
a b
n
son los coeficientes de la regresin
lineal y k es el trmino independiente que representa la parte de la variable dependiente no
explicada por las variables independientes.

Los parmetros de la ecuacin de regresin, es decir los coeficientes de regresin y el
trmino independiente, se determinan mediante software estadstico. Adems de los
parmetros mencionados se debe conocer tambin el grado de ajuste de la ecuacin de
regresin con respecto a los datos. Este grado de ajuste se mide a travs de los siguientes
indicadores estadsticos:

R
2
(coeficiente de determinacin), cumplindose que 0 R
2
1. Este indicador
representa la proporcin en que las variables independientes explican la variabilidad
de la variable dependiente. Cuanto ms prximo a la unidad mayor grado de ajuste.
Error estndar de la estimacin:

( )
m N
T T
S
i
est i
T

2

Donde:
T
i
= valores observados de la variable dependiente (viajes zonales).
T
est
= valores de T
i
calculados mediante la ecuacin de regresin.

3
Ver captulo referido a distribucin de viajes.
8
N = nmero de casos.
m = nmero de parmetros estimados de la ecuacin de regresin (coeficientes y
trmino independiente).
El error estndar de la estimacin (S
T
) debe ser lo ms pequeo posible.

Los valores obtenidos de los parmetros de la ecuacin de regresin (b
1
a b
n
) tambin
deben ser sometidos a tests de hiptesis a travs del estadstico t:
bj
j
S
b
t =
Siendo S
bj
el desvo estndar del coeficiente. Para que el valor del coeficiente b
j
sea
significativo, es decir que la variable X
j
tenga importancia en la explicacin, se debe
cumplir que t sea mayor que 2
4
, de otro modo es conveniente eliminar la variable de la
ecuacin.

En rigor el trmino independiente k debera ser cero, ya que representa la porcin de los
viajes que no dependen de ninguna variable explicativa. Si este valor es grande con
respecto al valor medio de T la ecuacin debera ser descartada, por el contrario si el valor
de k es pequeo se puede re-estimar la funcin obligndola a pasar por el origen.

Las variables independientes a considerar debern ser seleccionadas de acuerdo con su
disponibilidad y facilidad de proyeccin. En general son variables que representan las
caractersticas socioeconmicas de cada zona, tales como:

Produccin y atraccin de viajes basados en el hogar:

Poblacin
Poblacin mayor de 5 aos
Nmero de hogares
Nmero de personas empleadas
Nmero de automviles
Poblacin estudiantil
Area de suelo residencial
Distancia al distrito central

Produccin y atraccin de viajes no basados en el hogar:

Empleos industriales
Empleos en servicios
Empleos en comercio minorista
Empleos pblicos
Otros empleos
Empleos totales
Matricula estudiantil

4
En rigor se debe determinar el valor de t en cada caso para los grados de libertad del problema y el nivel de
confianza adoptado. Estos valores son prximos a 2 para un nivel de confianza de 95%.
9
Area de suelo industrial
Area de suelo de servicios
Area de suelo comercio minorista
Nmero de hogares

Estas variables pueden ser totales (habitantes, automviles, empleados, etc.) o tasas
(habitantes por hogar, autos por hogar, etc.). En ambos casos, si el divisor es el mismo para
todas las variables, los coeficientes de la funcin sern idnticos, aunque existen algunas
diferencias que tienen explicacin estadstica
5
.

Los modelos de regresin lineal se pueden plantear, adems de por propsito, tambin por
modo de transporte, privado (auto) o pblico, por lo que se realiza simultneamente la etapa
de divisin modal, no explicada en este trabajo.

Mtodo de Clasificacin Cruzada o Anlisis de Categoras

a) Producciones

El mtodo de clasificacin cruzada, para la determinacin de la produccin de viajes, se
basa en la estratificacin de n variables independientes en dos o ms grupos, creando una
matriz n-dimensional conteniendo los valores de la variable dependiente, en este caso las
tasas de produccin de viajes por propsito y por hogar.

Los valores de la variable dependiente son los promedios calculados a partir de los datos
aportados por la encuesta domiciliaria de O-D.

Lasa variables independientes se eligen de manera de minimizar las desviaciones estndar
de las tasas calculadas.

Las variables independientes habitualmente utilizadas son: i) tamao del hogar; ii) tenencia
de automvil; iii) ingreso familiar; y iv) grado de accesibilidad. En el caso del EPTRM
6
las
variables fueron i) nivel socioeconmico; ii) tenencia de automvil; y iii) grado de
accesibilidad.

El procedimiento seguido es el siguiente:

1. Se clasifican los hogares encuestados segn la estratificacin seleccionada, por
ejemplo por estrato socioeconmico y tamao familiar y se construye una matriz
como la que sigue:





5
La utilizacin de tasas o promedios zonales reduce la denominada heterocedasticidad, o variabilidad de la
varianza, debida al efecto producido por el diferente tamao de las zonas.
6
Estudio Preliminar de Transporte del Area Metropolitana de Buenos Aires, 1973.
10
NSE del hogar Tamao familiar
1 2 3
1
2 NH
ij
N de hogares con
NSE=2 y tamao=2

3
4
5 ms

En cada una de las celdas se coloca el nmero de hogares correspondiente.

2. Se determinan los viajes encuestados de acuerdo a la misma estratificacin anterior
y adems por propsito de viaje:


NSE del hogar
1 2 3
Tamao
del
hogar
BHT BHE BHO NBH BHT BHE BHO NBH BHT BHE BHO NBH
1
2 V
ijk
N de
viajes

3
4
5 ms

En cada celda se contabilizan los viajes correspondientes.

3. Se construye una matriz como la que sigue:

NSE del hogar
1 2 3
Tamao
del
hogar
BHT BHE BHO NBH BHT BHE BHO NBH BHT BHE BHO NBH
1
2 t
ijk

3
4
5 ms

En cada celda se calcula la tasa de produccin:

ij
ijk
ijk
NH
V
t =
11
Donde:

t
ijk
= tasa de produccin de viajes de hogares de nivel socioeconmico i, tamao j y con
propsito k.
V
ijk
= nmero de viajes de hogares de nivel socioeconmico i, tamao j y con propsito k.
NH
ij
= nmero de hogares de nivel socioeconmico i y tamao j.

Este mtodo supone que las tasas de produccin de viajes, determinadas para cada una de
las categoras definidas por los estratos de las variables independientes, permanecen
invariables en el tiempo.

Las tasas de produccin por nivel de accesibilidad y estrato socioeconmico por todo
propsito utilizadas en el EPTRM son las siguientes:

Estrato Socioeconmico
Alto Medio Bajo
Nivel de
Accesibilidad
(1)
C/Auto S/Auto C/Auto S/Auto C/Auto S/Auto
Total
I 13,55 8,95 8,93 5,75 8,09 3,82 5,69
II 12,45 8,55 9,02 5,51 6,81 4,63 7,25
III 11,84 5,32 7,08 6,05 5,41 4,14 5,47
IV 8,75 5,21 6,88 4,73 5,56 3,80 4,95
V 7,45 6,40 4,74 3,74 4,43 3,78 4,13
Promedio 10,69 6,91 7,25 5,12 5,75 3,97 5,40
(1) Tal como fuera definida en la Pg. 5.

Se observa como varan las tasas de produccin de viajes segn el NSE, la posesin de
automvil y la accesibilidad.

Existen tablas similares para cada uno de los propsitos considerados. El nivel
socioeconmico fue medido a travs del siguiente indicador:

=
k
ijk
ij ij
ij
ij
T
C P
A
I
Siendo:

I
ij
= ndice socioeconmico de la vivienda j en la zona i.
A
ij
= nmero de ambientes, sin contar cocina y bao, con que cuenta la vivienda.
P
ij
= nmero de personas que habitan en la vivienda.
C
ij
= calidad o categora de la vivienda.
Tijk = tipo de ocupacin de la persona k.

Para cada uno de los estratos de NSE (alto, medio y bajo) se determinaron lmites del
indicador.

12
Los viajes futuros producidos por cada zona se calculan multiplicando las tasas de
generacin para cada categora de hogar por la cantidad de los mismos que se prev existir
en cada una de dichas zonas.

Este procedimiento se repite para cada uno de los propsitos de viaje considerados.

b) Atracciones

Mediante el mtodo de clasificacin cruzada se calculan las producciones. Para calcular las
atracciones se utiliza el mtodo de regresin lineal simple o mltiple, ya explicado. Las
ecuaciones que se plantean son, por ejemplo, las siguientes:

Atracciones BHT = f(Empleos Comercio Minorista, Otros Empleos)
Atracciones BHE = f(Matrculas de Estudiantes)
Atracciones BHC = f(Hogares, Empleos Comercio Minorista, Otros Empleos)
Atracciones BHO = f(Hogares, Empleos Comercio Minorista, Otros Empleos)
Atracciones NBH = f(Hogares, Empleos Comercio Minorista, Otros Empleos)

Determinacin de los Viajes de Produccin y Atraccin Futuros

En primer lugar se debern proyectar las variables independientes utilizadas en el modelo,
para cada una de las zonas, tales como poblacin, accesibilidad, nmero de hogares por
nivel socioeconmico y motorizacin, empleos, matrculas, etc.

En segundo lugar se calculan las producciones y atracciones por zona y por motivo,
aplicando las ecuaciones o tasas segn el mtodo elegido.

Luego se debern balancear producciones y atracciones por propsito, ya que al haber sido
calculadas con distintos procedimientos generalmente no coincidirn. Se deber cumplir
que:


= = = =
=
m
k
m
k
n
i
ik
n
i
ik
A P
1 1 1


Donde:

m = nmero de propsitos.
n = nmero de zonas.
P
ik
= producciones de la zona i con propsito k.
A
ik
= atracciones de la zona i con propsito k.

El balanceo se realiza prorrateando las diferencias entre las atracciones, ya que por lo
general stas son determinadas con modelos de menor precisin que las producciones.

Las producciones se determinan a partir de informacin primaria proveniente de las
encuestas domiciliarias, mientras que las atracciones son ecuaciones de regresin ajustadas
13
con informacin secundaria (censos de poblacin, censos econmicos, encuestas
permanentes de hogares, etc.).







Figura N 1 PROCESO DE PLANEAMIENTO DEL TRANSPORTE URBANO
FASE DEL PROCESO
RELEVAMIENTOS ACTIVIDAD RELEVAMIENTOS CARACTERISTICAS CARACTERISTICAS
E ECONOMICA Y DE USO DEL DE LOS VIAJES, DEL SISTEMA DE
INVENTARIOS POBLACION SUELO ENCUESTAS TRANSPORTE
PLANTEO DEL ZONIFICACION Y
SUB-MODELO DE RED EXISTENTE
GENERACION
PRODUCCION SUB-MODELO DE
SITUACION Y ATRACCION DISTRIBUCION
PRESENTE DE VIAJES CALIBRACION
Y
CALIBRACION
DE TECNICAS SUB-MODELO
Y MODELOS DE DIVISION
MODAL
ASIGNACION
VIAJES ACUALES
A RED EXISTENTE
AJUSTE DE LA RED
PROYECCIONES PREVISION DE GENERACION
ECONOMICAS Y FUTUROS USOS DE VIAJES
DE POBLACION DEL SUELO FUTUROS
DETERMINACION PRODUCCIONES SUB-MODELO DE
DE LA DEMANDA Y ATRACCIONES DISTRIBUCION
FUTURA FUTURAS VIAJES FUTUROS
SUB-MODELO
DE DIVISION
MODAL
METAS Y PLANTEO DE CURSOS DE ASIGNACIONES
OBJETIVOS DEL PLANES Y ACCION, A REDES FUTURAS
PLANEAMIENTO PROYECTOS REDES FUTURAS
ANALISIS DE
SISTEMAS, ANALISIS Y
EVALUACION Y EVALUACION
RECOMENDACIONES
PROPUESTA DE
PLAN DE
TRANSPORTE
MONITOREO REPLANTEO DE METAS, SEGUIMIENTO
Y SEGUIMIENTO OBJETIVOS Y Y MONITOREO
DEL PLAN PROYECCIONES DEL PLAN
Ciclo de
Calibracin
Ciclo de elaboracin
del Plan
Ciclo de revisin
del Plan
14
DISTRIBUCION DE VIAJES


I INTRODUCCION

Distribucin de viajes
7
, definicin: proceso mediante el cual se determinan las zonas de
origen y destino de los viajes generados.

La etapa de distribucin de viajes recibe como entrada (input) las cantidades de viajes
producidos y atrados por zona, calculadas en la etapa anterior de generacin.

El resultado de la etapa de distribucin de viajes es la produccin de las denominadas
matrices de origen y destino de viajes. Dichas matrices contienen en sus celdas la cantidad
de viajes por unidad de tiempo (por hora, por da, etc.) entre las zonas del Area de Estudio.
Existirn tantas matrices como propsitos de viaje se hayan definido y por lo tanto el
proceso de distribucin debe ser realizado para cada una de ellos.

Las matrices de viajes constituyen la entrada (input) principal para las etapas subsiguientes
del modelo de transporte, es decir divisin modal y asignacin. Por esa razn la
distribucin no est referida al modo de transporte utilizado ni a los trayectos que podra
tomar un viaje dado.

Los procedimientos matemticos de distribucin se clasifican en dos grupos bsicos:

1. Anlogos o mtodos de factor de crecimiento.
2. Modelos sintticos.


II FUNDAMENTOS DE LA DISTRIBUCION DE VIAJES

1. Mtodos de factor de crecimiento

Existen varios mtodos de factor de crecimiento, los que se limitan a la actualizacin o
proyeccin de una matriz de origen y destino existente, o matriz base.

Estos mtodos se basan en la siguiente ecuacin general:
Siendo:

T
ij
= cantidad de viajes futuros ente las zona i y j.
t
ij
= cantidad existente de viajes entre las zona i y j (elementos de la matriz base).
F = factor (o factores) de crecimiento.


7
Viaje: movimiento en un sentido desde un punto de origen a un punto de destino. Estos puntos se denominan
extremos del viaje. El viaje se refiere a una persona o a un vehculo.
F t T
ij ij
=
15
El factor F depende del uso del suelo, de las caractersticas socioeconmicas del rea y de
las perspectivas de crecimiento futuro. Si bien en la frmula anterior aparece como un
factor nico, cada uno de los mtodos que se vern plantean uno o varios factores.

Los factores de crecimiento se plantean generalmente relacionando una situacin futura
estimada con una situacin presente (o pasada reciente) conocida, de acuerdo a una
expresin como la siguiente:


Siendo:
TM
a
, TM
f
= tasa de motorizacin actual y futura.
P
a
, P
f
= poblacin actual y futura.
Y
a
, Y
f
= ingreso actual y futuro.

Los mtodos basados en factores de crecimiento tienen las siguientes desventajas:

- En la estimacin de los viajes interzonales no intervienen las caractersticas de la red.
Se hace la hiptesis de que la estructura de viajes representada por la matriz base refleja
adecuadamente el efecto de la separacin fsica, de los modos de transporte disponibles,
etc. Esto puede ser cierto para la fecha de la matriz base pero no necesariamente en el
futuro, ms si se esperan cambios significativos en la red.
- Las celdas vacas en la matriz base seguirn siendo vacas en el futuro, aunque las zonas
de dichas celdas puedan crecer y aumente la probabilidad de que intercambien viajes.
- No tienen en cuenta los cambios en el usos de suelo.

Como principal ventaja puede sealarse que son sencillos y fciles de programar y aplicar.
Se aplican a predicciones de demanda a corto y, eventualmente, mediano plazo y cuando se
espere bajo crecimiento, siendo especialmente indicados para esos casos.

En reas urbanas complejas los modelos del factor de crecimiento se utilizan para proyectar
los viajes externos, que no son estimados por el modelo de generacin, sino detectados en
los censos de cordn.

No son aplicables para realizar predicciones largo plazo, cuando se prevean grandes
crecimientos y cambios significativos en el uso del suelo.

Los mtodos ms aplicados de distribucin basados en el factor de crecimiento son:

1. Factor uniforme.
2. Factor promedio.
3. Mtodo de Fratar.



) , , (
) , , (
a a a
f f f
Y P TM f
Y P TM f
F =
16
1.1 Factor uniforme

Consiste en aplicar un factor de crecimiento nico para todos los movimientos interzonales
del rea y equivale a la multiplicacin de la matriz base por un escalar. La hiptesis bsica
en que se basa este modelo es que todas las zonas crecern uniformemente, lo mismo que
los viajes intercambiados.

La frmula matemtica de este modelo es igual a la anterior:
Donde:

T = nmero total de viajes futuros en el rea de estudio.
t = nmero total de viajes actuales en el rea de estudio.

Este constituye el mtodo ms simple de distribucin de viaje futuros, y a la vez el menos
preciso. La principal crtica que se le efecta a este mtodo es que todas las zonas del rea
evolucionan de la misma manera, lo que en la realidad generalmente no sucede. Se aplica
para actualizar matrices de origen y destino anteriores y para realizar proyecciones cuando
no existe tiempo ni recursos para la aplicacin de mtodos ms detallados.


1.2 Factor promedio

Este mtodo constituye un avance con respecto al anterior, ya que considera factores de
crecimiento por zona. Su expresin matemtica es la siguiente:




Siendo:
t
ij
= viajes entre las zonas i y j actuales.
T
ij
= viajes entre las zona i y j futuros.
t
i(G)
t
j(G)
= flujos actuales totales generados por las zonas i y j.
T
i(G)
, T
j(G)
= flujos futuros totales generados por las zonas i y j.

t
T
F
F t T
ij ij
=
=
( )
) (
) (
) (
) (
2
G j
G j
j
G i
G i
i
j i
ij ij
t
T
F
t
T
F
F F
t T
=
=
+
=
17
Dado que los flujos totales calculados con este mtodo no coincidirn con los estimados en
la etapa de generacin, se aplica un proceso iterativo en el que se utilizan los flujos totales
de la iteracin anterior para calcular nuevos factores de crecimiento.

En general se comprobar que:


Primera iteracin:


Segunda iteracin:


Se contina iterando hasta que los factores F se aproximen a la unidad y los T
i
se
aproximen a los T
i(G)
.


1.3 Mtodo de Fratar
8


El mtodo de Fratar es tambin un proceso iterativo. Consiste en ajustar secuencialmente
las columnas y las filas de la matriz, hasta alcanzar el equilibrio y se basa en el principio de
que un cambio en una celda (viajes entre i y j) es directamente proporcional a los cambios
en los viajes originados y destinados en las zonas de la celda.


8
Este mtodo fue desarrollado por Thomas J. Fratar (1913-2001) en 1954.

=
=

n
j
ij i
G i i
T T
T T
1
) (
( )

=
=
=
=
+
=
n
i
ij j
n
j
ij i
j i
ij ij
T T
T T
F F
t T
1
1
2
( )
2
1 1
1
) (
1
) (
1
j i
ij ij
j
G j
j
i
G i
i
F F
T T
T
T
F
T
T
F
+
=
=
=
18
Se debe especificar un factor de crecimiento para cada zona de origen y para cada zona de
destino.

El proceso matemtico es el siguiente:


Siendo:
k = nmero de iteracin.
F
jk
= factor del destino j (columna), iteracin k.
F
ik
= factor del origen i (fila), iteracin k.

El equilibrio se obtiene cuando los factores se aproximan a la unidad.

En el Anexo 1 se desarrolla un ejemplo de aplicacin del mtodo para una matriz de origen
y destino de 4 zonas. En dicho ejemplo se alcanza el equilibrio en 4 iteraciones, aunque ya
en la iteracin 3 los resultados pueden considerarse como aceptables.


2. Mtodos sintticos

Los modelos de distribucin sintticos se basan en la estimacin de los intercambios de
viajes interzonales en funcin de las producciones y atracciones de las zonas y en la
separacin espacial entre las mismas.

La separacin espacial se mide en tiempo de viaje, distancia o costo sobre la red de
transporte.

Para poder ser aplicados estos modelos deben ser calibrados, de manera que las funciones
matemticas representen lo ms aproximadamente posible las caractersticas de los viajes
realizados en un rea urbana particular. Luego de ser calibrado el modelo debe ser sometido
a una serie de pruebas antes de ser aceptado.

Los modelos sintticos ms utilizados son:

1. Modelo gravitatorio.
2. Modelo de oportunidad.
3. Programacin lineal.
( )
( )

=
=
+

=
=
=
n
j
jk ijk
G i
ik
n
i
ijk
G j
jk
ik jk ijk k ij
F T
T
F
T
T
F
F F T T
1
) (
1
) (
) 1 (
19

En este trabajo se tratar sobre el modelo gravitatorio solamente.


2.1 Modelo Gravitatorio

2.1.1 Teora.

El denominado Modelo Gravitatorio (MG) de distribucin de viaje se origin en la
ecuacin de la ley de gravitacin universal de Newton:


Donde:

F = fuerza con que se atraen dos cuerpos.
M
1
, M
2
= masa de los cuerpos.
d = distancia que separa los cuerpos.
G = constante.

Esta formulacin puede aplicarse al transporte, suponiendo que la fuerza de atraccin son
los viajes interzonales, las masas estn representadas por las producciones y atracciones de
las zonas y la distancia por la separacin espacial entre las mismas, medida en unidades
relativas al transporte (distancia, tiempo, costo, etc.).

Se puede decir entonces que la cantidad de viajes de personas entre dos zonas es
directamente proporcional al producto de las producciones, atracciones y una funcin de la
separacin espacial:


Siendo:

T
ij
= viajes producidos por la zona i y atraidos por la zona j.
P
i
= viajes producidos por la zona i.
A
j
= viajes atraidos por la zona j.
F
ij
= factor de impedancia
9
entre zonas i y j, tambin llamado factor de friccin.
K
ij
= factor de ajuste socioeconmico para el par ij.

El factor de ajuste socioeconmico se utiliza para corregir ciertas deficiencias que presenta
el MG y ser explicado ms adelante.

9
El concepto de impedancia, por analoga con la electricidad, se refiere a la dificultad de moverse en una red
de transporte urbana y puede medirse en distancia, tiempo o costo.
2
2 1
d
M M
G F

=
ij ij j i ij
K F A P T
20

El factor de impedancia (Fij) depende de la separacin espacial entre zonas. La separacin
espacial entre zonas se puede medir en varias unidades de impedancia, siendo la de tiempo
la ms utilizada. La impedancia total entre zonas es la suma de las impedancias de los
tramos del camino mnimo
10
ms las impedancias terminales. Las impedancias terminales
corresponden a los tiempos y/o costos de espera, caminata, recorrido buscando
estacionamiento, etc.

La ecuacin del MG puede ser escrita de siguiente manera:

T
ij
= C
i
. P
i
. A
j
.F
ij
.K
ij
(1)

Siendo C
i
una constante de proporcionalidad. Esta constante se determina de la siguiente
manera:

P
i
=
j
T
ij
=
j
[C
i
P
i
A
j
F
ij
.K
ij
] = C
i
P
i

j
[A
j
F
ij
.K
ij
] (2)

Por lo tanto:

Donde n = nmero de zonas.

La expresin final del MG es la siguiente:



El factor Fij surge de una funcin exponencial inversa de la impedancia: F
ij
= f [1/I
ij
], y
deben ser determinados a travs del proceso de calibracin, que se realiza mediante
iteracin.

Calibracin.

El objetivo de la calibracin es hacer que el MG reproduzca la distribucin en el ao base
de los viajes de acuerdo a la impedancia
11
. La distribucin de viajes en funcin de la
impedancia consiste en una tabla en que se suman los viajes con igual impedancia, para
cada propsito de viaje:

10
Los caminos mnimos dentro de una red se determinan mediante el submodelo de asignacin.
11
Los viajes en el ao base son determinados mediante las encuestas domiciliarias y de intercepcin.
[ ]

=

=
n
j
ij ij j
i
K F A
C
1
1
[ ]

=


=
n
j
ij ij j
ij ij j i
ij
K F A
K F A P
T
1
21

Unidades de
Impedancia
Tabla de
Viajes
1 Total de viajes
con impedancia
1
2 Idem
impedancia 2
...
...
...
...
r Idem
impedancia r

En algunos casos, para simplificar el proceso se utiliza la impedancia media ponderada de
todos los viajes.

El modelo calibrado deber reproducir adecuadamente la distribucin de viajes en el ao
base o bien aproximarse a la impedancia media ponderada.

Para mostrar como se procede para la calibracin de un MG se utilizar un ejemplo muy
reducido de tres zonas, ver Anexo 2.

En primer lugar se debe contar con los datos de produccin y atraccin por zona (que
provienen de la etapa de generacin) y con la matriz de impedancias (que consiste en una
matriz cuyas celdas contienen las impedancias entre cada par de zonas).

A continuacin se aplica el MG con un conjunto de factores de friccin unitarios. Se
obtiene la matriz de produccin y atraccin correspondiente a la iteracin 1 (Viajes
Calculados It=1). Estos viajes calculados se distribuyen segn su impedancia y se muestran
en la cuarta columna del Cuadro de Calibracin. La distribucin se realiza mediante la
matriz de viajes calculados y la matriz de impedancias. La quinta y sexta columna del
Cuadro de Calibracin muestra los nuevos factores de friccin, calculados como:

Primer paso (valores en la quinta columna):

Donde:
k = nmero de iteracin.
r = rango de impedancia.
T
r
0
= total de viajes en el ao base para el rango de impedancias r.
T
r
k-1
= total de viajes calculados en la iteracin k-1 para el rango de impedancias r.

Segundo paso (se calcula el entero ms prximo por redondeo):
1
0

=
k
r
r k
r
T
T
f
22

Con los factores de friccin de la primera iteracin se calcula una nueva matriz de viajes y
se repite el procedimiento. En la columna 7 se muestran los viajes calculados, cuya
distribucin coincide con la buscada, por lo que puede considerarse al modelo como
calibrado. En la columna 8 se calculan los factores de acuerdo al primer paso y en la
columna 9 los factores de friccin definitivos, de acuerdo al segundo paso, los que se
utilizarn para la distribucin de viajes futuros. Se muestra tambin la matriz final de
produccin y atraccin para el ao base. (Viajes Calculados It=2).

Ajuste de las atracciones.

Cuando se aplica el MG, el total de producciones calculadas por zona ser igual a la dada
como dato, por la estructura del modelo
12
, pero no necesariamente suceder lo mismo con
las atracciones. En general se cumplir que:


Para que el modelo reproduzca tambin las atracciones se realiza un procedimiento iterativo
hasta que las atracciones estimadas con el modelo coincidan con los valores deseados
(atracciones dato, provenientes de la etapa de generacin).

Luego de cada iteracin se recalculan las atracciones de acuerdo a la siguiente frmula:



Donde:
A
jk
= atraccin ajustada para la zona j, iteracin k (A
jk
= A
j
cuando k=1)
C
jk
= atraccin actual para la zona j, iteracin k, calculada por el MG.
A
j
= atraccin deseada (dato) para la zona j.

En cada iteracin se aplica el MG para calcular los viajes usando las atracciones
modificadas en la iteracin precedente. El proceso se detiene cuando el MG alcanza una
aproximacin suficiente en el clculo de las atracciones deseadas.


12
Cuando se dedujo el modelo gravitatorio, para la determinacin de la constante de proporcionalidad se
parti de que la suma de los viajes producidos por zona deba ser igual a la produccin dato del ao base, ver
frmula (2).
( )

=
k
r
k
r k
r
f MIN
f
ENTERO F
) 1 (
) 1 (

=
k j
k j
j
jk
A
C
A
A
i
n
j
ij
P T =

=1

n
i
j ij
A T
1
23
En la prctica este proceso consiste en modificar las atracciones que se utilizan en la
frmula para que el MG reproduzca las atracciones deseadas, que son las que provienen de
la etapa de generacin.

Factores de ajuste socioeconmicos.

Adems de los factores de friccin, relacionados con la separacin espacial, existen otros
factores que influyen en la distribucin de viajes. El efecto de esos factores se tienen en
cuenta en el MG a travs de los factores de ajuste socioeconmicos K
ij


El MG solamente tiene en cuenta la producciones y atracciones por motivo y la separacin
espacial y no contiene en su formulacin ninguna variable que caracterice el nivel
socioeconmico de las personas que realizan los viajes. Esto puede producir algunas
distorsiones en la distribucin, como se explica en el siguiente ejemplo.

Supongamos que dentro del rea del estudio hay zonas residenciales con poblacin de bajos
ingresos y zonas residenciales con poblacin de altos ingresos. Al mismo tiempo existen
zonas con empleos mayoritariamente de altos ingresos, tales como edificios
administrativos, bancos, financieras, etc., y zonas con empleos mayoritariamente de bajos
ingresos, tales como talleres y fbricas
13
. Es de esperar que la distribucin resultante
vincule con fuerte intercambio de viajes las zonas residenciales de bajos ingresos con las
zonas de empleos fabriles y las zonas residenciales de altos ingresos con las zonas de
empleos de altos ingresos, tal como se muestra en la figura siguiente:




13
En general las zonas con empleos de altos ingresos se ubican en reas centrales de la ciudades, mientras que
las zona industriales se ubican en los suburbios.
Area del Estudio
Zonas de Em pleos
Altos Ingresos
Zonas Residenciales Zonas Resincenciales
Altos Ingresos Bajos Ingresos
Zonas de
Em pleos
Fabriles
24
Como el MG no tiene en cuenta variables socioeconmicas distribuir los viajes producidos
y atrados de acuerdo a las producciones y atracciones por motivo, en este caso BHT, y a
las impedancias, por lo que posiblemente la distribucin resultante no sea la esperada. En
este caso habra que aplicar a los intercambios que no resultan ajustados a la realidad
factores socioeconmicos K
ij
a los efectos de obtener un escenario similar a la realidad.














25
ANEXO 1
Ejemplo de Aplicacin del Mtodo Fratar

Matriz Original Ao Base

O\D 1 2 3 4 Tij Ti(G) Fio
1 0 2000 3000 4000 9000 40000 4.4444
2 4000 0 3000 1000 8000 30000 3.7500
3 3000 2000 0 1000 6000 20000 3.3333
4 1000 2000 3000 0 6000 10000 1.6667
Tij 8000 6000 9000 6000 29000
Tj(G) 10000 20000 30000 40000
Fjo 1.2500 3.3333 3.3333 6.6667

Matriz Iteracin 1 Ajuste por
columnas


O\D 1 2 3 4 Tij Fi1
1 0 6667 10000 26667 43333 0.923077
2 5000 0 10000 6667 21667 1.384615
3 3750 6667 0 6667 17083 1.170732
4 1250 6667 10000 0 17917 0.55814
Tij 10000 20000 30000 40000
Fj 1 1 1 1

Matriz Iteracin 1 Ajuste por filas

O\D 1 2 3 4 Tij Fi
1 0 6154 9231 24615 40000 1
2 6923 0 13846 9231 30000 1
3 4390 7805 0 7805 20000 1
4 698 3721 5581 0 10000 1
Tij 12011 17680 28658 41651
Fj1 0.8326 1.1312 1.0468 0.9604

Matriz Iteracin 2 Ajuste por
columnas

1 2 3 4 Tij Fi2
1 0 6962 9663 23640 40264 0.993442
2 5764 0 14494 8865 29123 1.030107
3 3655 8829 0 7495 19980 1.001006
4 581 4209 5843 0 10633 0.940483
Tij 10000 20000 30000 40000
Fj 1 1 1 1
26
Matriz Iteracin 2 Ajuste por filas
1 2 3 4 Tij Fi
1 0 6916 9600 23485 40000 1
2 5937 0 14931 9132 30000 1
3 3659 8838 0 7503 20000 1
4 546 3959 5495 0 10000 1
Tij 10143 19713 30025 40119
Fj2 0.9859 1.0146 0.9992 0.9970

Matriz Iteracin 3 Ajuste por
columnas

1 2 3 4 Tij Fi3
1 0 7017 9591 23415 40023 0.99943
2 5854 0 14918 9105 29877 1.004125
3 3607 8967 0 7481 20055 0.997256
4 539 4016 5490 0 10045 0.995482
Tij 10000 20000 30000 40000
Fj 1 1 1 1
Matriz Iteracin 3 Ajuste por filas
1 2 3 4 Tij Fi
1 0 7013 9586 23401 40000 1
2 5878 0 14980 9142 30000 1
3 3598 8942 0 7460 20000 1
4 536 3998 5466 0 10000 1
Tij 10012 19953 30031 40004
Fj3 0.9988 1.0023 0.9990 0.9999

Matriz Iteracin 4 Ajuste por
columnas

1 2 3 4 Tij Fi4
1 0 7029 9576 23399 40004 0.999892
2 5871 0 14964 9141 29977 1.00078
3 3593 8963 0 7459 20016 0.9992
4 536 4008 5460 0 10003 0.999695
Tij 10000 20000 30000 40000
Fj 1 1 1 1

Matriz Iteracin 4

Ajuste por filas

1 2 3 4 Tij Fi
1 0 7028 9575 23397 40000 1
2 5876 0 14976 9148 30000 1
3 3590 8956 0 7454 20000 1
4 535 4006 5458 0 10000 1
Tij 10002 19991 30009 39999
Fj4 0.9998 1.0005 0.9997 1.0000
27

ANEXO 2
Ejemplo de Calibracin de un Modelo Gravitatorio







Producciones y Atracciones
Zona 1 2 3 Total
Produccin 7 11 7 25
Atraccin 11 7 7 25
Matriz de Impedancias
Zona 1 2 3
1 8 1 4
2 3 6 5
3 2 7 4
Cuadro de Calibracin
Unidades de Viajes F Viajes F Viajes F
Impedancia Inicial Calcul. Iteracin 1 Calcul. Iteracin 2
1 4 1 2 2.04082 6 4 6.28571 6
2 4 1 3 1.29870 4 4 4.00000 4
3 6 1 5 1.23967 4 6 3.81818 4
4 4 1 4 1.02041 3 4 3.20700 3
5 3 1 3 0.97403 3 3 3.00000 3
6 2 1 3 0.64935 2 2 2.00000 2
7 1 1 2 0.51020 2 1 1.57143 2
8 1 1 3 0.32468 1 1 1.00000 1
Total viajes 25 F mnimo= 0.32468 F mnimo= 1.00000
Viajes Calculados It= 1 Viajes Calculados It= 2
Zona 1 2 3 Zona 1 2 3
1 3 2 2 25 1 1 4 2 77
2 5 3 3 25 2 6 2 3 77
3 3 2 2 25 3 4 1 2 77
Total de viajes 25 Total de viajes 25
28
DIVISION MODAL

Definicin: determinacin de la proporcin en que los usuarios seleccionan el modo
de transporte para la realizacin de sus viajes.

Factores que influencian la divisin modal

- Caractersticas del usuario:
- Disponibilidad de automvil.
- Estructura del hogar.
- Ingreso.
- Caractersticas del viaje:
- Propsito.
- Longitud.
- Horario del viaje.
- Caractersticas del sistema de transporte:
- Comodidad y conveniencia.
- Confiabilidad y regularidad.
- Accesibilidad.
- Seguridad.


Modelos de extremos de viajes

Los modelos de divisin modal de extremos de viaje se aplican inmediatamente despus de
la etapa de generacin de modo de retener las caractersticas de las personas que realizan
los viajes, aunque no consideran las caractersticas del viaje.

Modelos de intercambios de viajes

En este tipo de modelos la divisin modal se realiza luego de la distribucin. Tienen la
ventaja de que se pueden considerar las caractersticas del viaje, aunque se pierden las
caractersticas del usuario, dado que en las matrices post-distribucin los viajes son
agregados sin distinguir.

Modelos de distribucin y divisin modal

Realizan distribucin y divisin modal simultneamente
14
:



14
Nota: la expresin exp(x) es equivalente a e
x
, siendo e la base de los logaritmos naturales.



=
j m
ijm j
ijm j
i ijm
I A
I A
P T
) exp(
) exp(

29

P
i
= producciones de la zona i.
A
j
= atracciones de la zona j.
= parmetro del modelo.
I
ijm
= impedancia entre i y j por el modo m.
t
v
ij
= tiempo de viaje (en vehculo).
t
c
ij
= tiempo de acceso (caminata).
t
e
ij
= tiempo de espera.
t
t
ij
= tiempo de transbordo.
F
ij
= costo o tarifa.

ij
= otros costos (estacionamiento, peaje, etc.).
VT = valor del tiempo.

Participacin del modo m en el mercado:



Esta ltima expresin corresponde a los modelos denominados Logit por su semejanza con
la funcin logstica.

Cuando se trata de la divisin entre dos modos el modelo se denomina binario. Cuando
existen ms de dos modos el modelo se denomina multinomial..

Si bien fueron deducidos en forma conjunta, este tipo de modelos puede aplicarse
independientemente de la etapa de distribucin.

Calibracin de modelos Logit binarios

La calibracin consiste en encontrar el valor del parmetro del modelo (). La informacin
necesaria son las impedancias, I
ij1
e I
ij2,
y la distribucin del trfico, P
ijk
, entre dos modos
conocidos para cada par ij.

Las proporciones para cada par ij en cada modo son las siguientes, obviando los subndices:

VT
F
t t t t I
ij ij
t
ij
e
ij
c
ij
v
ij ijm
+
+ + + + = ) ( 5 , 2



=


=
=
m
ijm
m
j m
ijm j
j i
j m
ijm j
ijm j
i ij
ij
ijm
ijm
I
I A
A P
I A
I A
P T
T
T
P
) exp(
) exp( ) exp(
) exp(



=
m
ijm
ijm
ijm
I
I
P
) exp(
) exp(

30
Haciendo el cociente P
1
/ P
2
:



Aplicando logaritmos a ambos trminos y reagrupando:

Este modelo es idntico al utilizado en la asignacin de trfico a rutas alternativas (Mtodo
multirruta probabilstico). (Ver apunte Previsin de la Demanda Dirigida a Corredores)

Si se cuenta con datos de particin modal de varios pares ij se puede aplicar regresin lineal
y determinar el valor de .

Modelo QRS II

La divisin modal se realiza para cada par O-D y para cada propsito, basada en la
diferencia entre las desutilidades de automvil y transporte pblico y las tasas de
cautividad del transporte pblico.

La desutilidad se define como el tiempo de viaje ponderado y es equivalente a la
impedancia. Las ponderaciones dependen del tipo de uso del tiempo de que se trate. Por
ejemplo un minuto de espera es equivalente, en trminos de desutilidad, a ms de un
minuto de viaje.

La expresin de la desutilidad es la siguiente:

D = Wa*Ta + We*Te + Pe + Tv + Pt +Wt*Tt + Wa*Tb + F/VT

Siendo:

Wa = ponderacin o peso del tiempo de acceso (caminata).
Ta = tiempo de acceso o caminata.
We = ponderacin del tiempo de espera.
( ) [ ]
( ) [ ]
( ) [ ]
1 2
1 2
1 2
1 2
1
exp 1
exp
1
exp 1
1
I I
I I
P P
I I
P
+

= =
+
=

( ) ( ) [ ]
( ) [ ]
1 2
1 2 1
1
exp
exp
1
1
I I
I I P
P
=

=

( )
1 2
1
1
1
log I I
P
P
=

[ ]
1 2
2 1
log
I I
P P

=
31
Te = tiempo de espera.
Pe = penalizacin por espera .
Tv = tiempo de viaje en el vehculo.
Pt = penalizacin por transbordo.
Wt = ponderacin del tiempo de transbordo.
Tt = tiempo de transbordo.
Tb = tiempo de egreso (caminata).
F = tarifa o costo de viaje.
VT = valor del tiempo.

VT = 0,33 * Ingreso/minuto = 0,33*Ingreso anual
120.000


El valor 120.000 son los minutos laborables en un ao (250d/a*8h*60m/h).

Una forma ms simple de la expresin anterior es la siguiente:

D = Tv + 2.5*Te + F/VT

El valor de Te incluye todos los tiempos de espera, acceso, transbordo, etc.

La cautividad del transporte pblico se define como la fraccin de viajes que no tiene otra
opcin que el transporte pblico, generalmente porque el usuario no posee automvil o
porque el automvil del hogar est siendo utilizando por otro integrante.

La diferencia de desutilidad se define de la siguiente manera:

D
d
ijk
= (t
ij
+ t
ji
D
ij
D
ji
)/2 D
c
k


Donde:

t
ij
= tiempo de viaje entre i-j en auto.
t
ji
= idem j-i
D
ij
= desutilidad en transporte pblico entre zona i y zona j.
D
ji
= idem j-i.
D
c
k
= desutilidad especfica del TP para propsito k.

La divisin modal de los viajes se calcula de la siguiente manera:


Siendo:
p
t
ijk
= probabilidad de que un usuario tome TP entre i y j.

+
+

=
ik
d
ijk k
ik
j i
t
ijk
Y
D M
Y
S S p
) exp( 1
1
32
S
i
= proporcin de personas dentro de la zona de TP en el origen.
S
j
= idem dentro de la zona de destino.
Y
ik
= cautividad de la zona i para propsito k.
M
k
= parmetro para el propsito k.

La expresin anterior corresponde a un modelo tipo Logit. Este modelo se calibra mediante
pruebas cambiando los parmetros M
k
hasta que el modelo reproduzca razonablemente bien
las divisin modal relevada.
33
ANEXO

Estimacin de Modelos Logit Discretos

Introduccin a los Modelos de Eleccin Discretos

Los modelos tipo Logit son modelos de eleccin, es decir se construyen para la prediccin de la
eleccin que ciertos individuos realizarn frente un conjunto de opciones alternativas, por ejemplo
la eleccin del modo de transporte para la realizacin de un viaje. Estos modelos pertenecen al
grupo denominado modelos economtricos, los que para poder ser aplicados en la prediccin deben
ser primeramente estimados, entendindose por estimacin de un modelo economtrico a la
determinacin, mediante mtodos estadsticos, de los parmetros de ajuste del modelo.

En el texto anterior se expusieron modelos Logit agregados, en los que las variables entran en el
modelo representadas por promedios de la poblacin y la estimacin se realiza buscando los
parmetros que mejor se ajusten tambin para el promedio de la poblacin. En cambio, la
estimacin de modelos discretos o desagregados se basa en las decisiones tomadas por los usuarios
individuales.

Por razones de simplicidad se explicar la estimacin de un modelo binario, es decir en el que el
resultado del modelo puede tomar dos valores o que, en otras palabras, la eleccin se puede realizar
entre dos modos. El modelo Logit binario puede ser escrito matemticamente de la siguiente
manera:


Donde:

P(y
i
= 1) es la probabilidad de que la variable binaria y
i
adopte el valor 1.
x
i
es una funcin lineal con k variables independientes x
ki


La variable binaria y
i
es una variable ficticia. Una variable ficticia es aquella que determina el
estado o decisin de un individuo i, por ejemplo el modo de transporte que elige para la realizacin
de un viaje. Siempre toma valores discretos, por ejemplo si elige auto es y
i
= 1 si elige transporte
pblico es y
i
= 0. Por lo tanto la probabilidad de que la variable y
i
adopte el valor 0 es P(y
i
= 0) = 1-
P(y
i
= 1).

Para la estimacin de un modelo Logit discreto es necesario contar con informacin representativa
de la poblacin que se quiere modelar, a partir de una muestra de individuos de esa poblacin. Para
esa muestra se deben observar las decisiones y atributos de los individuos, del viaje y de los modos
mediante la realizacin de una encuesta.

Este tipo de modelo se estima mediante el mtodo de mxima verosimilitud
15
, el que se basa en la
funcin de verosimilitud de la muestra. Dicha funcin se define como la probabilidad de que el

15
Por tratarse de una variable que slo adopta valores discretos no puede aplicarse el mtodo de ajuste por
cuadrados mnimos ordinarios, ya que ese mtodo dara por resultado una distribucin continua no restringida
al intervalo entre cero y uno.
( )
i
x
i
e
y P

+
= =
1
1
1
34
modelo reproduzca las observaciones de la muestra. La funcin de verosimilitud puede expresarse
de la siguiente manera:



Siendo:
L = indicador de verosimilitud
n = tamao de la muestra.

En la prctica, el clculo del indicador se realiza aplicando el modelo a cada elemento de la muestra
y multiplicando sucesivamente los resultados. Por ejemplo:


Elemento de
la muestra
y
i
observado P(y
i
= 1) P(y
i
= 0)
1 0 P(y
1
= 0)
2 1 P(y
2
= 1)
3 0 P(y
3
= 0)
... ... ...
n 1 P(y
n
= 1)

Funcin de
verosimilitud
L=P(y
1
= 0). P(y
2
= 1). P(y
3
= 0)... P(y
n
= 1)

Este indicador, por tratarse de un producto de probabilidades, deber necesariamente tener un valor
entre 0 y 1, siendo preferible el modelo que maximice la funcin L (mxima verosimilitud). Para
facilitar los clculos se utiliza el logaritmo natural de la verosimilitud, por lo que el Ln L ser
siempre un valor negativo y cuanto mayor, es decir ms prximo a cero, mejor resulta el ajuste del
modelo.

Modelo de Divisin Modal

Como se dijera al principio, la divisin modal de los viajes puede ser representada por un modelo de
eleccin, en el que el trmino eleccin puede definirse como: la expresin de las preferencias de un
individuo para la realizacin de un viaje. En este tipo de modelo, la eleccin del individuo se basa
en el principio de maximizacin de la utilidad. Este principio establece que un individuo elegir, de
entre las la opciones disponibles, aquella que maximice su utilidad o satisfaccin.

Esta utilidad podr ser expresada mediante una funcin, que ser una expresin matemtica, cuyo
valor depender de los atributos de las opciones disponibles y de las caractersticas y preferencias
del individuo. La funcin de utilidad expresa que si un individuo prefiere un determinado modo
sobre los dems, el valor de dicha funcin de utilidad para ese modo deber ser mayor que para los
restantes.

La expresin matemtica de la utilidad estar dada en funcin de un grupo de variables que
representarn las caractersticas y atributos de los modos de transporte y de los individuos y que
tienen influencia en la eleccin que realicen estos ltimos, por ejemplo: tiempo de viaje, nmero de
( ) ( )
i i
n
i
i i
x y P x y P L / 0 / 1
1
= = =

=

35
transbordos, tiempos de caminata y espera, costo del viaje, ingreso del individuo, posesin de
automvil, etc.

De acuerdo al principio de maximizacin de la utilidad, si un individuo prefiere el modo i al j ello
implica que:


Donde:

U = funcin de utilidad.
x
i
, x
j
= atributos de los modos i y j (tiempo de viaje, costo, etc.).
S = atributos del individuo que influyen en la seleccin de modo.

La funcin de utilidad debe ser definida de manera que se cumplan las siguientes condiciones:

La forma de la funcin de utilidad deber ser la misma para todas las opciones. Su valor
depender de los atributos del modo y del individuo.
La utilidad de un modo depende exclusivamente de los atributos del modo y del individuo,
independientemente de los atributos de los otros modos.
La eleccin del individuo depende de las utilidades de todos los modos.

Para la definicin de funciones de utilidad para un caso especfico se debe identificar, en primer
lugar, las variables que describen los atributos de cada modo y los atributos de los usuarios. La
habilidad del modelo de predecir lo ms aproximadamente posible la divisin modal depende
fundamentalmente de la eleccin acertada de estas variables. No obstante, por ser el proceso de
seleccin de modo un proceso complejo en el que intervienen innumerables factores, no ser
siempre posible identificar a la totalidad de esas variables, siendo la omisin
16
de ciertas variables y
los errores de medicin de las incluidas la principal fuente de error de prediccin de los modelos.

Las variables que forman parte de la funcin de utilidad pueden clasificarse de la siguiente manera:

Variables de poltica. Son las variables que adoptan valores que provienen de decisiones de
polticas deliberadas. La elaboracin de un modelo de demanda tiene por objeto el de
determinar las consecuencias que tendrn los cambios en el valor de estas variables. El
tiempo de viaje, la tarifa, la frecuencia, etc, son ejemplos de variables de poltica.
Variables genricas. Son las variables de poltica que figuran en todos los modos con el
mismo coeficiente.
Variables especficas de modo. Son las variables que entran en la funcin de utilidad con
distintos coeficientes en cada modo. Debe haber por lo menos un modo que no incluya a
dicha variable.
Variables demogrficas o socieconmicas (tambin variables de grupo). Son las variables
que permiten diferenciar el efecto de las medidas de polticas en los diferentes grupos
poblacionales. El ingreso y la posesin de automvil son ejemplos de este tipo de variables.
El valor de estas variables no est sujeto a decisin.


16
La no-inclusin de variables que influyen en el modelo puede deberse a que se las desconoce o por
imposibilidad de medirlas o estimarlas.
) , ( ) , ( S x U S x U
j i
>
36
Las variables pueden figurar en la funcin de utilidad directamente con su valor o transformadas,
por ejemplo mediante la logaritmacin. Asimismo las funciones pueden ser lineales o no lineales.

Algunas variables, tales como el tiempo de viaje, pueden ser desagregadas en componentes, como
por ejemplo: tiempo de caminata y espera, tiempo en vehculo y tiempo de trasbordo, dado que
dichos tiempos son valorados de distinta manera por los usuarios (los tiempos de caminata, espera y
trasbordo tienden a ser percibidos como ms molestos que el tiempo en vehculo). En algunos casos
el tiempo de viaje puede constituir una variable especfica de modo como cuando se incluyen los
tiempos de espera y trasbordo, propios del transporte pblico pero no del automvil.

La variable ingreso o nmero de automviles en el hogar tambin pueden ser usadas como variables
especficas de modo cuando, por ejemplo, sectores de altos ingresos estn dispuestos a utilizar el
automvil no por ahorro de tiempo sino por comodidad y/o flexibilidad. Debe haber por lo menos
un modo sin estas variables.

Adems de las variables descriptivas de los modos y de los individuos se definen tambin las
denominadas constantes especficas de modo. Si dos modos tienen los mismos atributos las
probabilidades ser elegidos por individuos con las mismas caractersticas sern iguales, si bien
pueden presentar diferencias al usuario representadas por variables no incluidas en el modelo, tales
como confort, confiabilidad, seguridad, etc. Este defecto puede ser en parte subsanado mediante la
inclusin de constantes, diferentes, en la funcin de utilidad de todos los modos, excepto uno,
denominado modo base
17
.

Estimacin Economtrica de Modelos Logit Discretos

La estimacin de modelos Logit discretos, tanto binarios como multinomiales, se realiza mediante
paquetes estadsticos - economtricos. Los modelos binarios pueden estimarse mediante paquetes
convencionales, tales como EViews, SPSS, SAS, etc. Para el caso de los modelos multinomiales
debe recurrirse a software especial como ALOGIT o HIELOW.

A continuacin se desarrollar un ejemplo de estimacin de un modelo Logit binario mediante el
paquete estadstico economtrico EViews
18
.

Se parte de un relevamiento a travs de encuestas del modo de viaje al trabajo de una muestra de
usuarios. En la encuesta se relev, para cada elemento de la muestra, la distancia de viaje, los costos
del viaje en transporte pblico (TP) y en automvil (A), los tiempos de viaje en TP y en A, el
ingreso del individuo, la posesin de automvil y el modo utilizado para la realizacin del viaje.

Se plantea un modelo de divisin modal con la siguiente formulacin:



Siendo:

17
Si se incluyeran constantes en todos los modos las mismas seran matemticamente indeterminadas por lo
que el modelo no puede ser estimado.
18
Producto de Quantitative Micro Software, LLC (www.eviews.com)
( )
Utp U
U
e e
e
A P
a
a

+
=
37

P(A) = probabilidad de que el modo A sea elegido.
U
a
= funcin de utilidad del modo A
U
tp
= funcin de utilidad del modo TP

A los efectos de experimentar con los resultados se plantear el modelo con dos variantes. La
denominada Ecuacin 1 tiene las siguientes funciones de utilidad:


La Ecuacin 2 tendr las siguientes funciones de utilidad:



T
a
,T
tp
= tiempos de viaje en A y TP respectivamente.
C
a
,C
tp
= costos de viaje en A y TP respectivamente, en $.
a, b, c, d = parmetros del modelo a estimar.
Y
i
= ingreso del individuo, en miles de $ por mes.

Las variables T, C y C/Y son variables genricas de poltica y entran en la funcin con el mismo
coeficiente. El coeficiente a es una constante especfica de modo y solamente forma parte de la
funcin de utilidad del modo TP. La variable Y en la ecuacin 2 es una variable especfica de modo
dado que aparece solamente en la funcin de utilidad del modo A.

El modelo puede ser expresado de la siguiente manera:

Ecuacin 1:


Ecuacin 2:


La muestra que se utilice para la estimacin del modelo debe ser representativa de la poblacin del
rea de estudio que se quiere modelar, es decir que en ella deben formar parte todos los casos
posibles, de manera que el modelo tenga la capacidad de reproducir la eleccin de modo de
cualquier individuo dentro de esa poblacin. Esta es una condicin muy importante para que el
modelo sea aplicable para la determinacin de la divisin modal agregada del rea de estudio, tal
como se ver ms adelante.
i
a
a a
Y
C
c T b U + =
i
tp
tp tp
Y
C
c T b a U + + =
( )
) / ( ) (
1
1
1
1
i a tp
Y C c T b a U U
e
e
A P
+ +
+
=
+
=
tp tp tp
i a a a
C c T b a U
Y d C c T b U
+ + =
+ + =
) (
1
1
) (
i
Y d C c T b a
e
A P
+ + +
+
=
38

Las planillas siguientes muestran la informacin relevada a 16 personas que realizan viajes diarios
al trabajo
19
. Los encabezamientos tienen el siguiente significado:

Dist = distancia de viaje en km.
Costo_TP = costo de realizar el viaje en TP, comprende la tarifa en una direccin, en $.
Costo_Auto = costo de realizar el viaje en A, en una direccin. Comprende combustible,
estacionamiento y peaje. Expresado en $.
Tiempo_TP = tiempo de viaje en TP, en horas.
Tiempo_Auto = tiempo de viaje en A, en horas.
Ingreso = ingreso del individuo en miles de $ por mes.
Auto = posesin de automvil (1 posee, 0 no posee).
Modo = modo que utiliza para realizar el viaje (1 A, 0 TP).

A continuacin se elabora una planilla con los datos que se ingresan al programa Eviews, con el
clculo de las diferencias que entran en el modelo:

Delta_T = diferencia de tiempo de viaje entre TP y A (T).
Delta_C = diferencia de costo de viaje entre TP y A (C).
Ingreso = igual significado que en planilla anterior (Y).
DC_Y = diferencia de costo de viaje dividida por el ingreso (C/Y).
Auto = igual significado que en planilla anterior.
Modo = igual significado que en planilla anterior.




19
Para casos reales, el tamao de muestra debe estar entre 1000 y 3000 encuestas. Para este tipo de encuestas
no existe un mtodo para la determinacin estadstica del tamao de muestra.
39


La estimacin de los modelos planteados se muestra en la siguiente planilla. En ella se muestra el
resultado obtenido para cada caso observado mediante las dos variantes del modelo y luego los
parmetros estimados. El parmetro C representa al trmino independiente a, luego se muestran los
coeficientes de cada una de las variables (b, c, d).

Adems del indicador de mxima verosimilitud, Ln L, se calcul un indicador que se denomina
Porcentaje Correctamente Predicho, que se calcula comparando la prediccin con los datos reales.
Para ello se supone que si el dato real es 1 y el modelo predice una probabilidad de 0,5 mayor la
ENCUESTA DE DIVISION MODAL
Modo: 0 Transp. Pb.
1 Auto
OBS Dist Costo_TP Costo_Auto Tiempo_TP Tiempo_Auto Ingreso Auto Modo
1 25 1.75 12 1.25 0.625 0.80 0 0
2 4 0.75 5.28 0.2 0.1 1.10 1 0
3 12 1.25 7.84 0.6 0.3 0.50 0 0
4 20 1.75 10.4 1 0.5 2.50 1 1
5 48 2.5 19.36 2.4 1.2 3.50 1 1
6 23 1.75 11.36 1.15 0.575 0.70 0 0
7 39 2.5 16.48 1.95 0.975 0.40 1 1
8 7 1.25 6.24 0.35 0.175 0.40 0 0
9 15 1.25 8.8 0.75 0.375 2.00 1 1
10 41 2.5 17.12 2.05 1.025 1.20 0 0
11 3 0.75 4.96 0.15 0.075 1.80 1 0
12 6 1.25 5.92 0.3 0.15 2.70 1 1
13 28 2.5 12.96 1.4 0.7 2.50 1 1
14 44 2.5 18.08 2.2 1.1 1.50 0 1
15 22 1.75 11.04 1.1 0.55 0.50 0 0
16 17 1.75 9.44 0.85 0.425 0.40 0 0
INPUT A PROGRAMA E_VIEWS
Obs Delta_T Delta_C Ingreso DC_Y Auto Modo
1 0.625 -10.25 0.80 -12.81250 0 0
2 0.100 -4.53 1.10 -4.11818 1 0
3 0.300 -6.59 0.50 -13.18000 0 0
4 0.500 -8.65 2.50 -3.46000 1 1
5 1.200 -16.86 3.50 -4.81714 1 1
6 0.575 -9.61 0.70 -13.72857 0 0
7 0.975 -13.98 0.40 -34.95000 1 1
8 0.175 -4.99 0.40 -12.47500 0 0
9 0.375 -7.55 2.00 -3.77500 1 1
10 1.025 -14.62 1.20 -12.18333 0 0
11 0.075 -4.21 1.80 -2.33889 1 0
12 0.150 -4.67 2.70 -1.72963 1 1
13 0.700 -10.46 2.50 -4.18400 1 1
14 1.100 -15.58 1.50 -10.38667 0 1
15 0.550 -9.29 0.50 -18.58000 0 0
16 0.425 -7.69 0.40 -19.22500 0 0
40
prediccin es correcta, lo mismo sucede si el dato real es 0 y el modelo predice una probabilidad
menor que 0,5.

Se observa que el modelo denominado Ecuacin 2 presenta mejores indicadores que el denominado
Ecuacin 1.


En el grfico tambin se observa que el ajuste de Ecuacin 2 es mejor que el de Ecuacin 1.

A continuacin se muestran las salidas del programa Eviews.
AJUSTE DEL MODELO
Observado Ecuacin 1 Ecuacin 2
0 0.45561 0.11092
0 0.22662 0.01760
0 0.19032 0.01417
1 0.58847 0.97929
1 0.94589 0.99967
0 0.38554 0.09956
1 0.22424 0.26667
0 0.13646 0.01688
1 0.46270 0.56423
0 0.80282 0.79397
0 0.24413 0.15677
1 0.31420 0.96754
1 0.73820 0.99889
1 0.86781 0.88186
0 0.25274 0.06051
0 0.16427 0.07146
Porcentaje
Correct.
Predicho 75.0% 87.5%
Ecuacin 1 Ecuacin 2
C -1.161796 C 9.081511
Delta_t 3.785379 Delta_t 59.91634
DC_Y 0.10787 Delta_c 4.992237
Log Max Ver -8.5388 Ingreso -4.233454
Log Max Ver -4.2335
Grfico de Ajuste
0
0.2
0.4
0.6
0.8
1
1.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Observacin
P
1
Observado
Ecuac. 1
Ecuac. 2
41

Ecuacin 1



Dependent Variable: MODO
Method: ML - Binary Logit
Date: 04/23/03 Time: 16:35
Sample: 1 16
Included observations: 16
Convergence achieved after 4 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob.
C -1.161796 1.181815 -0.983061 0.3256
DELTA_T 3.785379 2.192012 1.726897 0.0842
DC_Y 0.107870 0.080796 1.335101 0.1818
Mean dependent
var
0.437500 S.D. dependent var 0.512348
S.E. of regression 0.470393 Akaike info criterion 1.442354
Sum squared resid 2.876510 Schwarz criterion 1.587215
Log likelihood -8.538834 Hannan-Quinn criter. 1.449772
Restr. log likelihood -10.96503 Avg. log likelihood -0.533677
LR statistic (2 df) 4.852386 McFadden R-squared 0.221266
Probability(LR stat) 0.088373
Obs with Dep=0 9 Total obs 16
Obs with Dep=1 7

-1.0
-0.5
0.0
0.5
1.0
0.0
0.2
0.4
0.6
0.8
1.0
2 4 6 8 10 12 14 16
Residual Actual Fitted
( ) [ ] Y C c T b a
Auto P
/ exp 1
1
) (
+ + +
=
42

Ecuacin 2


Dependent Variable: MODO
Method: ML - Binary Logit
Date: 04/23/03 Time: 16:30
Sample: 1 16
Included observations: 16
Convergence achieved after 8 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob.
C 9.081511 26.80768 0.338765 0.7348
DELTA_T 59.91634 94.94240 0.631081 0.5280
DELTA_C 4.992237 8.532089 0.585113 0.5585
INGRESO 3.199807 1.727980 1.851761 0.0641
Mean dependent var 0.437500 S.D. dependent var 0.512348
S.E. of regression 0.345188 Akaike info criterion 1.029182
Sum squared resid 1.429860 Schwarz criterion 1.222329
Log likelihood -4.233454 Hannan-Quinn criter. 1.039072
Restr. log likelihood -10.96503 Avg. log likelihood -0.264591
LR statistic (3 df) 13.46315 McFadden R-squared 0.613913
Probability(LR stat) 0.003735
Obs with Dep=0 9 Total obs 16
Obs with Dep=1 7
-1.0
-0.5
0.0
0.5
1.0
0.0
0.2
0.4
0.6
0.8
1.0
2 4 6 8 10 12 14 16
Residual Actual Fitted
( ) [ ] Y d C c T b a
Auto P
+ + + +
=
exp 1
1
) (
43
Aplicacin de Modelos Discretos de Divisin Modal

Los modelos son utilizados como auxiliares en el proceso de toma de decisiones al permitir evaluar
el efecto que tendrn las medidas o cursos de accin que se adopten. Por ende, los resultados de los
modelos deben ser agregados, ya que lo que se persigue con su utilizacin es la de determinar los
volmenes de viajes que utilizarn el sistema de transporte.

Los modelos Logit descriptos estn basados en el comportamiento individual de los usuarios debido
a que este tipo de modelos requiere de menor cantidad de informacin y de menor costo de
recoleccin y que, adems, permiten identificar los efectos que tienen las caractersticas
socioeconmicas de las personas y los cambios en los atributos de los modos de transporte en el
comportamiento de la demanda de viajes.

A los efectos de utilizar estos modelos en la prediccin de la divisin modal, ser necesario
encontrar mtodos para transformar la prediccin discreta o desagregada en prediccin agregada, ya
que los modelos se estiman a partir de una muestra obtenida de una encuesta y luego se aplican a
diversas poblaciones, que pueden o no ser parte de la muestra original.

La figura siguiente muestra esquemticamente el proceso de desarrollo y aplicacin de un modelo
de divisin modal.


En la etapa de formulacin se proponen formas alternativas del modelo, como lo fueron, por
ejemplo, las ecuaciones 1 y 2 anteriores. Estas formas son estimadas y luego se selecciona la
considerada como la que mejor representa la eleccin de modo, de acuerdo a los criterios explicados
(mxima verosimilitud y porcentaje correctamente predicho). Se supone que este modelo es
aplicable a cualquier individuo o grupo de individuos dentro del rea de estudio.

Se utilizan varios procedimientos para la agregacin de los resultados obtenidos de los modelos
discretos. A continuacin se describen tres de ellos, para un modelo binario.

Mtodo Simple

Este mtodo consiste en reemplazar el valor de las variables explicativas del modelo por el valor
promedio de cada una de las variables futuras.

La aplicacin del mtodo simple puede producir errores significativos, dado que los resultados
obtenidos de la introduccin de valores promedio de las variables no son iguales a los que se
DESARROLLO Y APLICACIN DE MODELOS DISCRETOS DE DIVISION MODAL
Datos de Variables
Personas y Futuras
Modos (1) (2)
Formulacin Estimacin Procedimiento Prediccin
del Modelo Economtrica de Agregada
de Div. Modal del Modelo Prediccin de Viajes
(1) Variables explicativas (de poltica, socioeconmicas, de modo, etc.)
(2) Variables explicativas futuras.
44
obtendran de aplicar el modelo desagregadamente y luego promediar. Esto se debe a la
caracterstica no lineal del modelo Logit.

La aplicacin del mtodo simple se realiza de la siguiente manera:

Estimar el modelo a partir de una muestra representativa obtenida de una encuesta.
Para la poblacin o grupo para el que se quiera aplicar el modelo calcular los promedios de
las variables explicativas.
Aplicar el modelo de la siguiente manera:




Donde:

S(A), S(TP) = participacin agregada de los modos A y TP para una determinada poblacin.

a
,
tp
= valor de las funciones de utilidad de los modos A y TP calculadas con los promedios
de las variables explicativas para la poblacin de inters.

Mtodo de la Estratificacin del Mercado

El mtodo de la estratificacin del mercado consiste dividir a la poblacin objeto de la proyeccin
en estratos de caractersticas similares, teniendo en cuenta las variables explicativas. Para cada
estrato se realizan predicciones utilizando el mtodo simple y luego se promedia para toda la
poblacin, ponderando por el tamao del estrato. Este mtodo reduce los mrgenes de error del
mtodo simple. Como es lgico, la precisin de este mtodo aumenta con el nmero de estratos de
mercado. La forma de aplicacin es la siguiente:

Estimar el modelo a partir de la muestra obtenida de la encuesta.
Subdividir la poblacin en estratos que tengan caractersticas relevantes homogneas.
Para cada estrato aplicar el mtodo simple.
Promediar ponderadamente por tamao de estrato.



Siendo:

P
i
(A) = probabilidad de seleccionar A dentro del estrato i, calculada con los promedios de las
variables explicativas dentro del estrato.
N
i
= tamao del estrato i.
( ) [ ]
a tp
U U
A S
+
=
exp 1
1
) (
) ( 1 ) ( A P TP S =

=
i
i
i
i i
N
A P N
A S
) (
) (
) ( 1 ) ( A P TP S =
45

Mtodo de la Enumeracin Muestral

El mtodo de la enumeracin muestral consiste en subdividir an ms la poblacin, aunque sin
llegar a considerar a toda la poblacin individualmente, dado que generalmente no se cuenta con
informacin sobre las variables explicativas para todos los individuos. Por ello se recurre a la
obtencin de una muestra representativa de la poblacin de inters. Sobre esta muestra se aplica el
modelo individualmente y se promedian ponderadamente los resultados.

Esta muestra puede estar basada en la muestra utilizada en la estimacin del modelo, o en muestras
obtenidas en zonas del rea de estudio. Para cada muestra se obtiene una prediccin de la divisin
modal distinta. Este mtodo es el ms preciso por lo que se recomienda su aplicacin.

La forma de aplicacin es la siguiente:

Estimar el modelo a partir de la muestra obtenida de la encuesta.
Obtener una muestra de la poblacin de inters y aplicar el modelo a cada individuo de esta
muestra.
Promediar los resultados, segn el siguiente procedimiento:




Se debe cumplir que:


Donde:

P
i
(A), P
i
(TP) = probabilidades de que el individuo i seleccione los modos A y TP respectivamente.
N = tamao de la muestra.
Na = nmero de usuarios que eligen A.
Ntp = nmero de usuarios que eligen TP.


N
A P
A S
i
i
=
) (
) (
N
TP P
TP S
i
i
=
) (
) (
Ntp Na N
TP P Ntp
A P Na
N
i
i
N
i
i
+ =
=
=

) (
) (
46
Bibliografa

Introduccin al Planeamiento del Transporte, Michael J. Bruton, Ed. Troquel, 1975.

Urban Transportation Planning, US Department of Transportation, Federal Highway
Administration, 1985.

A Self-Instructing Course in Disaggregate Mode Choice Modeling, J. L. Horowitz, F. S.
Koppelman, S. R. Lerman, US Department of Transportation, Urban Mass Transportation
Administration, 1986.

Modelling Transport, J. D. Ortzar, L. G. Willumsen, Ed. Wiley, 1994

Modelos de Demanda de Transporte, J. D. Ortzar, Ed. Alfaomega, 2000.