Actualización modelo transportes Lima

3(5Ô

0LQLVWHULR
GH 7UDQVSRUWHV
< &RPXQLFDFLRQHV

9LFHPLQLVWHULR
GH 7UDQVSRUWHV

6HFUHWDUtD 7pFQLFD GHO
&RQVHMR GH 7UDQVSRUWH
GH /LPD &DOODR

0(72'2/2*Ì$ '( $&78$/,=$&,Ð1 '(/
02'(/2 '( 75$163257(6 '(/ É5($
0(75232/7$1$ '( /,0$ < &$//$2

/LPD (QHUR

WZj

DŝŶŝƐƚĞƌŝŽ
ĚĞ dƌĂŶƐƉŽƌƚĞƐ
z ŽŵƵŶŝĐĂĐŝŽŶĞƐ

sŝĐĞŵŝŶŝƐƚĞƌŝŽ

^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů
ŽŶƐĞũŽ ĚĞ dƌĂŶƐƉŽƌƚĞ ĚĞ
ŝŵĂ Ǉ ĂůůĂŽ

‘–‡‹†‘
1.1
2

El Enfoque de Sistemas................................................................................... 6

LOS MODELOS DE TRANSPORTE.................................................................... 10
2.1

MODELO SECUENCIAL DE CUATRO ETAPAS ........................................... 11

2.1.1
2.1.2
3

Generalidades ......................................................................................... 11
Modelo Secuencial .................................................................................. 11

ENFOQUE DE MODELACIÓN ............................................................................ 13
3.1

El enfoque...................................................................................................... 13

3.2

Tipo de modelos ............................................................................................ 14

3.2.1
3.2.2

Modelos táctica........................................................................................ 14

3.2.3
4

Los modelos estratégicos. ....................................................................... 14

Modelación operativa............................................................................... 15

CONTEXTO TEMPORAL DEL ANÁLISIS............................................................ 15
4.1

Cortes Temporales ........................................................................................ 16

4.2

Períodos de modelación. ............................................................................... 17

4.3

Definición de los períodos de modelación. ..................................................... 19

4.4

Temporalidad de los datos............................................................................. 25

4.4.1
4.4.2
5

Datos de oferta. ....................................................................................... 25
Datos de demanda. ................................................................................. 26

EL MODELO DE TRANSPORTE......................................................................... 27
5.1

Introducción ................................................................................................... 27

5.2

Área de estudio y zonificación........................................................................ 28

5.3

Zonificación y tipo de modelación .................................................................. 32

5.4

Red vial.......................................................................................................... 33

5.5

Redes de transporte público .......................................................................... 34

5.6

Modos de transporte ...................................................................................... 35

5.7

Jerarquía y atributos en la red de un modelo. ................................................ 37

5.8

Categorización de la demanda....................................................................... 38

1

WZj
6

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

MODELO CLASICO DE 4 ETAPAS..................................................................... 41
6.1

Generación de viajes ..................................................................................... 42

6.1.1

Generación de viajes basados en el hogar de ida (bhi) ........................... 43

6.1.2

Generación de viajes basados en el hogar de retorno (bhr). ................... 46

6.1.3

Generación de viajes no basados en el hogar (nbh)................................ 47

6.1.4

Modelos de Atracción de viajes ............................................................... 48

6.1.5

Resumen de modelos de generación y atracción de viajes ..................... 50

6.1.6

Productores especiales de viajes ............................................................ 51

6.2

Distribución de viajes ..................................................................................... 51

6.3

Modelos de partición modal ........................................................................... 52

6.4

Modelos de asignación. ................................................................................. 55

6.4.1
6.4.2
7

Transporte privado .................................................................................. 55
Transporte Público .................................................................................. 56

METODOLOGÍA DE CALIBRACIÓN UN MODELO ............................................. 58
7.1

Representatividad y predicción en modelos de transporte ............................. 58

7.2

Calibración de los modelos de demanda........................................................ 59

7.2.1

Corrección por Subreporte de Viajes ....................................................... 60

7.2.2

Modelos de generación y atracción de viajes .......................................... 63

7.2.3

Consideraciones adicionales en la calibración de modelos de generación y

atracción. ............................................................................................................. 63
7.2.4

Validación de Modelos Calibrados........................................................... 65

7.2.5

Verificación Final Generación-Atracción .................................................. 66

7.3

Calibración de modelos de distribución. ......................................................... 66

7.3.1

Método de factor de crecimiento.............................................................. 66

7.3.2

Método factor de crecimiento doblemente acotado o fratar ..................... 66

7.3.3

Modelos gravitacionales sintéticos o función de impedancia o disuasión. 67

7.3.4

Método de ajuste de matrices Tri-dimensional......................................... 72

7.3.5

Recomendaciones importantes. .............................................................. 74

2

WZj
7.4

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Calibración de la partición modal ................................................................... 75

7.4.1

Logit multinomial...................................................................................... 75

7.4.2

Logit jerárquicos. ..................................................................................... 76

7.4.3

Proceso de calibración ............................................................................ 78

7.4.4

Criterios de calibración. ........................................................................... 79

7.4.5

Especificación de las funciones de utilidad. ............................................. 80

7.4.6

Método incremental en cambio modal ..................................................... 81

7.4.7

Casos de referencia. ............................................................................... 84

7.5

Calibración de la asignación en Transporte Privado ...................................... 85

7.5.1

Preparación de los datos para el proceso de calibración ......................... 85

7.5.2

Metodología del proceso de calibración................................................... 86

7.6

Calibración del Transporte Público................................................................. 90

7.6.1

Preparación de los datos ......................................................................... 90

7.6.2

Metodología de calibración de transporte público. ................................... 91

7.7

Criterios de calibración................................................................................... 92

7.7.1

Datos en la red vial.................................................................................. 92

7.7.2

Calibración de parámetros con histogramas............................................ 94

7.7.3

Calibración de los caminos o rutas. ......................................................... 98

7.7.4

Líneas de deseo de viajes. ...................................................................... 99

7.8
8

Criterios de validación.................................................................................... 99

REQUERIMIENTO DE INFORMACIÓN............................................................. 101
8.1

Encuesta Origen-Destino en Hogares (EODH). ........................................... 101

8.1.1

Encuestas Origen Destino interceptación (EODI). ................................ 101

8.2

Encuestas de Preferencia Declarada ........................................................... 103

8.3

Información para el modelo de oferta........................................................... 103

8.3.1

Características físicas de la red vial base. ............................................. 103

8.3.2

Vialidad relevante de caminata.............................................................. 104

3

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

8.3.3

Conectores centroides........................................................................... 104

8.3.4

Capacidad vial. ...................................................................................... 104

8.3.5

Intersecciones con semáforos. .............................................................. 104

8.3.6

Tiempos de recorrido para viajes en autos y transporte público. ........... 105

8.4

Sistema de rutas transporte público ............................................................. 105

8.4.1

Inventario de Rutas de Transporte Público y tiempos de viaje............... 105

8.4.2

Estudio de Frecuencia de Paso ............................................................. 106

8.5

Información de transito................................................................................. 106

8.5.1

Aforos de vehículos. .............................................................................. 106

8.6

Costos de operación. ................................................................................... 107

8.7

Información de demanda en rutas de transporte público.............................. 108

8.7.1

Encuestas Origen – Destino a bordo de rutas de Transporte Público. ... 108

8.7.2

Estudio de Ocupación Visual de transporte público y privado................ 109

8.7.3

Estudio de Ascenso (Subida) y Descenso (Bajada) de Pasajeros. ........ 110

8.8

Información para pronósticos ....................................................................... 110

8.8.1
8.8.2

Pronóstico de tasa de motorización ....................................................... 111

8.8.3

Uso del Suelo ........................................................................................ 115

8.8.4

Actividades Económicas y Productivas Relevantes ............................... 115

8.8.5

Equipamiento ........................................................................................ 116

8.8.6

Aspectos Urbano-Ambientales .............................................................. 116

8.8.7

Tendencias............................................................................................ 117

8.8.8
9

Datos Socioeconómicos ........................................................................ 110

Transporte Público ................................................................................ 117

PRESENTACIÓN DE INFORME ....................................................................... 118
9.1

Formato de presentación base de datos. ..................................................... 118

9.2

Fuente de datos secundaria......................................................................... 118

9.3

Fuente de datos primaria. ............................................................................ 119

4

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

9.4

Construcción de los modelos. ...................................................................... 119

9.5

Reporte de indicadores importantes............................................................. 120

ANEXO A:

Metodología de encuestas de hogares mediante método de categorías

ANEXO B:

Análisis de los modelos de transporte realizados en el Área

Metropolitana de Lima y Callao.

5

WZj
1.

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

INTRODUCCIÓN

La metodología de análisis de sistemas de transporte que a continuación se presenta,
está inspirada en el enfoque general propuesto por Manheim centrándose en la
modelación de las relaciones de corto plazo entre el sistema de transporte T y el
sistema de actividades A (la ciudad a la que el T sirve). Así, dado un sistema de
actividades, que fija la demanda por servicios de transporte (generaciones y
atracciones de viajes de personas o toneladas de carga), y dado un sistema de
transporte (redes de infraestructura y de servicios con sus respectivas características
operacionales) se predicen los patrones de flujos (viajes de personas, o toneladas de
carga, origen-destino y flujos en arcos) y los niveles de servicio de equilibrio
resultantes en las diversas redes consideradas en la modelación.
El objetivo del presente capítulo introductorio es describir de manera resumida el
enfoque de sistemas propuesto por Manheim1, que es el sustento del enfoque de
análisis de la presente metodología.

1.1

El Enfoque de Sistemas.

El sistema de transporte T y el sistema de actividades A están estrechamente
relacionados. En primer lugar, T afecta la forma en que A crece y se desarrolla. Por
otro lado, los cambios que se producen en A se traducen normalmente en cambios en
T. Si se denota por F al patrón de flujos en el sistema de transporte, esto es, los flujos
origen-destino por modo, para carga y pasajeros, los flujos en los arcos y las rutas de
las diversas redes de infraestructura y de servicios, y los niveles de servicio (costos,
tiempos, etc.) resultantes de dichos flujos, las relaciones antes mencionadas pueden
representarse como se muestra en la Figura 2-1 2-1. En ella se observa que:
•

El patrón de flujos F está determinado por el sistema de actividades A y por el
sistema de transporte T (relación tipo I). Dicho de otra forma, dados un sistema
de transporte fijo (infraestructura, vehículos y formas de operación de los
diversos modos existentes) y el sistema de actividades al que éste debe servir
(actividades

residenciales,

industriales,

comerciales,

educacionales,

recreacionales, etc.) existirá una estructura o patrón de flujos determinada.

ϭ

DĂŶŚĞŝŵ͕ D͘͘ ;ϭϵϳϵͿ ƵŶĚĂŵĞŶƚĂůƐ ŽĨ dƌĂŶƐƉŽƌƚĂƚŝŽŶ ^ǇƐƚĞŵ ŶĂůǇƐŝƐ͘ dŚĞ D/d WƌĞƐƐ͕ ĂŵďƌŝĚŐĞ͕

DĂƐƐ͘

6

WZj

•

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

A lo largo del tiempo, a través del patrón de flujos F, cambios en el sistema de
transporte afectarán (causarán cambios) al sistema de actividades A (relación
tipo II). Esto es, en respuesta al patrón de flujos se producirán relocalizaciones
de actividades y en general cambios en los niveles de actividad).

•

Del mismo modo, a través del patrón de flujos F, cambios en el sistema de
actividades se traducirán en cambios en el sistema de transporte (relación de
tipo II), ya que en respuesta al patrón presente en el sistema de transporte
aparecerán nuevos servicios o modificaciones de los existentes.

En términos económicos las relaciones de tipo I son relaciones de corto plazo; la
capacidad del sistema y su demanda (generación y atracción) están fijas, en tanto las
relaciones de tipo II son relaciones de largo plazo, en el que se supone que tanto el
sistema de transporte como el sistema de actividades pueden variar.

Figura 2-1 Análisis estratégico de Sistemas de Transporte Urbano

Con el objeto de reducir la gran incertidumbre asociada a la predicción del desarrollo
de las ciudades, en lugar de modelar los impactos de las relaciones de largo plazo
entre el Sistema de Actividades (A) y Sistemas de Transporte (T), la metodología
utiliza la técnica de construcción de escenarios de desarrollo urbano y de escenarios
de transporte (planes). Construidos estos escenarios para un corte temporal futuro se
analizan las relaciones de corto plazo y se estiman, para cada escenario de desarrollo

7

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

urbano y cada plan de transporte, los patrones de flujos y niveles de servicio
asociados que constituyen la información básica para medir rentabilidades sociales de
los diversos planes analizados.
Así, la metodología de análisis de sistemas de transporte se compone de tres grandes
bloques o etapas.
En primer lugar, se deben construir escenarios de crecimiento o de desarrollo de la
ciudad. Estos escenarios buscan entregar información respecto de las variables
urbanas que determinan los viajes (generaciones y atracciones) sobre la base de
ciertas condicionantes socio-económicas, físicas y normativas, propias de la ciudad.
Básicamente la metodología de construcción de escenarios de desarrollo urbano debe
responder a preguntas como las siguientes para las ciudades en análisis, tanto para
hoy como para determinados cortes temporales futuros:
•

¿Cuántos habitantes habrá en la ciudad?, ¿de qué nivel socio-económico?
¿dónde se localizarán?;

•

¿Qué superficie, destinada a diversos usos y en distintas localizaciones,
existirá en la ciudad?.

Una vez respondidas estas preguntas, es posible generar los valores de las variables
explicativas de los modelos de generación y atracción de viajes, para las diferentes
dimensiones en que son tratados los viajes, obedeciendo a distintas características
poblacionales (distintos períodos del día y diferentes cortes temporales). Diversas
hipótesis sobre el desarrollo de la ciudad y crecimiento del ingreso de sus habitantes
(y en particular sobre la evolución de la posesión de automóvil) dan lugar a escenarios
de desarrollo urbano diferentes y, en definitiva, a diferentes demandas por transporte,
expresadas en términos de distintos vectores de generación y atracción de viajes.
Una segunda etapa o componente de la metodología es la construcción o definición
de los planes estratégicos de transporte (definición de sistemas de transporte T,
alternativos), esto es, conjuntos coherentes de proyectos físicos (modificaciones a la
infraestructura o a los servicios de transporte existentes) y proyectos de políticas de
transporte (por ejemplo, tarificación vial, aumento de costo de estacionamiento,
cambios del precio de los combustibles, cambios a esquemas tarifarios para el
transporte público, etc.).

8

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

La tercera etapa, como se dispone de una o varias combinaciones de sistemas de
transporte T y sistemas de actividades A. Para cada una de estas combinaciones,
dados el sistema de actividades y el sistema de transporte, usando el modelo de
transporte, es posible predecir los flujos (viajes origen/destino) y flujos en arcos (para
las distintas redes consideradas) y los niveles de servicio de equilibrio. La información
anterior es la base para la evaluación desde la perspectiva social y privada de los
planes estudiados.
Los enfoques de modelación satisfacen las relaciones tipo I de la Figura 2-1 2-1, Esto
quiere decir que dado un sistema de Actividades (A) y dado un sistema de Transporte
(T), el modelo de comportamiento de usuarios implementado en los modelos de
transporte es capaz de obtener un patrón de Flujos (F) sobre el sistema.

9

WZj

DŝŶŝƐƚĞƌŝŽ

ʹ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

La formulación de cualquier modelo requiere la definición de un fenómeno (una
variable o un conjunto de variables) que necesita ser explicado y por otra parte, la
definición de un conjunto de variables explicativas que se supone determina las
características del fenómeno que interesa analizar.
En transporte urbano, fenómenos típicos que interesa estudiar son por ejemplo, el
número de viajes producidos y atraídos por zona, por propósito y categoría, la
probabilidad de utilizar un cierto modo de transporte, los flujos en los arcos de una
determinada red, etc. Para explicar estos fenómenos se recurre a variables tales como
las características socioeconómicas de los individuos, niveles de servicio de los modos
de transporte y otras.
Sin embargo, los modelos de transporte son utilizados no sólo para explicar los
fenómenos mencionados sino también para predecir sus comportamientos futuros. Por
ello, es pertinente mencionar un problema habitual de cualquier modelo que va a ser
utilizado para determinar el valor futuro de una cierta variable y que dice relación con
la factibilidad de predecir los valores de las variables explicativas correspondientes. La
calibración de estos modelos normalmente enfrenta una disyuntiva entre los
requerimientos de la explicación y los requerimientos de la predicción.
Si el primer objetivo del modelo es explicar de la mejor manera posible el fenómeno
observado en un momento determinado, entonces es correcto recurrir a toda variable
que ayude a este propósito. Pero, si el objetivo del modelo es predecir el
comportamiento futuro del fenómeno que se intenta explicar, entonces es necesario
privilegiar la inclusión de aquellas variables explicativas cuya evolución en el tiempo
sea factible determinar razonablemente. Buena parte del arte de modelar radica en la
habilidad con que se resuelve este conflicto de objetivos.
En el caso de la presente metodología, todas las definiciones que ya se han hecho y
que se harán más adelante respecto a las variables explicativas de los modelos, tienen

10

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

en especial consideración la factibilidad de estimar sus valores futuros, habida cuenta
de la necesidad de utilizar la capacidad predictiva de los modelos.

2.1

MODELO SECUENCIAL DE CUATRO ETAPAS

2.1.1 Generalidades
La experiencia práctica de la modelación de transporte, utilizada las versión clásico del
modelo secuencial de cuatro etapas, que hasta la fecha es el modelo más
extensamente utilizado en las más diversas ciudades del mundo. Este modelo trabaja
sobre la hipótesis de que los usuarios realizan secuencialmente un conjunto de
elecciones que caracterizan sus viajes, a base de ciertos atributos personales y del
sistema de transporte. Estas elecciones dicen la relación con las decisiones de viajar
(generación de viajes) hasta un destino (distribución de viajes) en un modo de
transporte (partición modal) y a través de una ruta determinada (asignación). La
agregación de estas decisiones individuales, determina las características de
operación de un sistema de transporte dado.
Sin embargo, el enfoque secuencial tiene una inconsistencia en los tiempos de viaje
en las fases de distribución-partición modal – asignación que debe ser resuelto de
manera adecuada.
2.1.2 Modelo Secuencial
El modelo que se propone como parte de la metodología de análisis corresponde al
clásico modelo secuencial de cuatro etapas. Para resolver la inconsistencia del
proceso de distribución – partición modal- asignación, se han planteado diferentes
soluciones entre las cuales está el proceso de retroalimentación (feedback),

que

permite que en procesos iterativos se obtenga un sistema consistente en cuanto a los
tiempos de la red y la demanda. Los diferentes programas de planeación de transporte
ofrecen algoritmos o programas para resolverlo, las cuales deben estar implementados
dentro del proceso de aplicación del modelo secuencial.
El modelo general consta de un conjunto de submodelos que reflejan las distintas
etapas de la demanda y de la oferta de transporte. La definición pone especial énfasis
en la calidad de cada uno de estos submodelos porque de ello depende la bondad del
modelo general. En este sentido, se propone que la mencionada naturaleza del

11

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

modelo secuencial debe entenderse como una reducción de las dimensiones del
análisis, pero no así de la calidad de las herramientas metodológicas.
Siguiendo esta línea de desarrollo, en la definición del modelo se han propuesto todas
aquellas innovaciones técnicas que parecen razonables a los objetivos de la
metodología, aun aceptando que la mayor sofisticación conceptual pueda conducir a
requerimientos adicionales en su aplicación, ya sean éstos de orden técnico,
presupuestario y/o temporales.
Figura 2-1 Modelo secuencial

2L ' M

7LM

7 LMN

Fuente: Modelling Transport – Ortuzar (clases) and Willumsen (pág. 23)

La Figura 2-1, muestra un esquema general del modelo propuesto y sus diferentes
etapas o submodelos. El modelo de Generación determina, a base de la información

12

DŝŶŝƐƚĞƌŝŽ

WZj


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

socioeconómica y de población, los viajes producidos ( 2L ) y los viajes atraídos ( ' M )
por cada una de las zonas de análisis en que se divide el área de estudio. El modelo
de Distribución construye una matriz de viajes ( 7LM ) entre parejas origen-destino de
zonas. El modelo de Partición Modal, divide los viajes entre los distintos modos de
N
transporte disponibles ( 7LM ). Finalmente las matrices de viaje por modo son asignadas

a las redes correspondientes, obteniéndose de esta manera los flujos por arcos.

͵

V

En este capítulo se muestran los conceptos de los enfoques de modelación para que
permitan tener una orientación en la construcción de los modelos de transporte
urbanos:

3.1

El enfoque.

El enfoque que se adopte tiene mucho impacto, como veremos en seguida.

‡

El contexto en que se toman las decisiones: esto involucra la adopción de una
perspectiva particular y selección de un ámbito o nivel de cobertura del sistema de
interés.

±

Perspectiva. La elección define el tipo de decisiones para ser considerada
(estratégicas, tácticas u operacionales). Los modelos estrictamente
operativos, están fuera de alcance de esta metodología.

±

Ámbito. La selección determina el nivel de análisis; ¿es solo transporte
público? ¿Cuántas opciones deben ser consideradas para satisfacer a
distintos grupos de interés?

‡

Precisión o nivel de exactitud: puede ser crucial para logra diferenciar entre un
buen proyecto y uno no tan bueno, particularmente cuando la decisión no es obvia.
hay que tener mucho cuidado el aplicar el “sentido común”.

‡

Disponibilidad de información: incluye el problema de estabilidad temporal de los
datos y las dificultades asociadas a predecir sus valores a futuro. En muchos

13

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

casos, la disponibilidad de información es el factor clave para decidir el enfoque de
modelación.
‡

Recursos disponibles para el estudio:
±

Financiamiento.

datos, instalaciones computacionales, software y personal

calificado o entrenado en tareas de modelación.
±

Tiempos disponibles para efectuar el estudio.

±

Nivel de comunicación con quienes deben tomar decisiones.

3.2

Tipo de modelos

Los tipos de modelos y su aplicación:
3.2.1 Los modelos estratégicos.
Este nivel es de manejo de políticas y se trabaja con un nivel agregado de análisis y
están orientados a ser implementados en largo plazo, por ejemplo:
•

Integración uso de suelos – planeamiento sistemas de transportes.

•

Aplicación de medidas en oferta o demanda para aliviar la congestión. Ejemplo.
Introducción de carriles de High Occupancy Vehicle (HOV), mejoras en transporte
público.

•

Conceptos de corredores y servicios.

•

Planeamiento de infraestructura

•

Planeamiento de equipamiento

3.2.2 Modelos táctica
El planeamiento a nivel táctico se trabaja dentro de estructura del plan estratégico. En
este nivel los análisis relativos son más detallados, como en los siguientes casos:
‡

Diseños de corredores de transporte público.

‡

Diseños de rutas de sistemas de transporte masivos tipo BRT, trenes ligeros o
sistemas metro.

‡

Esquemas de gestión de tráfico basados en precios e innovaciones
tecnológicas

‡

Planeamiento y programación de rutas.

‡

Tarificación vial.

14

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

3.2.3 Modelación operativa.
El planeamiento a nivel operativo se trabaja con viajes, vehículos y sistemas de
control, cubre las actividades que son llevados a cabo durante varias veces dentro de
un día, como por ejemplo:
‡

Sistemas avanzados de control y gestión de tráfico.

‡

Asignación detallada dentro de un día.

‡

Conteo de pasajeros

‡

Control de vehículo (programación)

Este tipo de modelación específica no será abordado en esta metodología.

Ͷ

Normalmente los modelos de transporte son requeridos para analizar la operación del
sistema en ciertos años representativos, que incluyen el presente (habitualmente
llamado año base) y algunos años futuros, todos los cuales se denominan
colectivamente cortes temporales. En cada uno de estos cortes temporales, es
necesario contrastar la operación del sistema de transporte en una situación base de
comparación (situación base) con la operación del sistema después de introducir
modificaciones estructurales en sus características fundamentales (situación con
proyecto).
Por otra parte, la operación del sistema en un día completo es un fenómeno cuya
complejidad y dinamismo desborda las capacidades de las actuales herramientas de
análisis. La metodología habitual analiza períodos representativos de un día típico y
utiliza el modelo de transporte para simular la operación del sistema dentro de tales
períodos. El resultado por período se extiende al día completo y posteriormente es
extrapolado para obtener el total anual.
Los cortes temporales futuros son simulados introduciendo al modelo las variables de
entrada correspondientes de cada período, con los valores que se estima que tales
variables tomarán en el futuro. Luego se simula la operación del sistema en los
períodos definidos y se sigue el procedimiento descrito anteriormente.

15

WZj
4.1

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Cortes Temporales

Esta metodología plantea varias interrogantes respecto al contexto de validez de
aplicación del modelo. En primer lugar, es claro que en el mejor de los casos, el
modelo se calibra y valida con información actual, lo cual significa que aún un buen
modelo sólo garantizará -en principio- una buena simulación del comportamiento
actual del sistema de transporte. Si el modelo está correctamente formulado y
calibrado, debería también ser adecuado para predecir los cambios en la operación del
sistema, por efecto de modificaciones estructurales de sus características (proyectos y
políticas) si ellas se produjeran en el presente.
La llamada calibración del modelo tiene como principal objetivo capturar los patrones
de comportamiento de los distintos elementos que interactúan en el sistema, entre los
cuales (y muy importantes) están los usuarios. La hipótesis básica de que tales
patrones de comportamiento permanecerán constantes en el futuro, se hace
claramente discutible a medida que se consideran escenarios más distantes en el
tiempo. Por ejemplo, no es posible garantizar que las tasas de generación de viajes
para los hogares de ingreso medio con un automóvil, serán en 20 años más, las
mismas que las actuales.
Tampoco es posible saber si la valorización que los usuarios de distintos niveles de
ingreso dan al tiempo de viaje permanecerá constante en el futuro. Estos ejemplos
reflejan un problema tradicional de cualquier modelo que trate de simular la operación
futura de un sistema en que está involucrado el comportamiento de individuos. En el
caso del modelo de transporte, el comportamiento de los usuarios es una de las
variables fundamentales del sistema, por lo que la incertidumbre del futuro es una
característica importante a considerar cuando se aplica el modelo. Es inmediato que
mientras más cercano sea el horizonte temporal de aplicación, menor será la
incertidumbre respecto a la validez del modelo, debido a que se reducen las
posibilidades de alteración de los patrones de comportamiento y por lo tanto, de los
parámetros que fueron calibrados para el modelo.
De la discusión anterior se concluye la conveniencia de que los cortes temporales de
análisis estén lo más cercanos posible del año de calibración. Habitualmente el
modelo de transporte es utilizado para simular escenarios a diez, quince y hasta veinte

16

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

años plazo, lo que parece revelar un exceso de confianza en su capacidad predictiva.
Estos horizontes tan lejanos son necesarios para la evaluación de proyectos, pero es
posible limitar estos requerimientos para evitar entregar una responsabilidad excesiva
al modelo.
Complementando lo anterior, se debe considerar que el modelo de transporte requiere
información exógena, tales como características socioeconómicas de los hogares,
escenarios de desarrollo urbano, modelos demográficos, etc., cuyo horizonte de
predicción es, en general, de corto plazo. En términos generales, es aconsejable que
el corte temporal máximo no se proyecte más allá de diez años plazo (y en lo posible
menos de diez años). Adicionalmente debe definirse un corte temporal intermedio
entre el año base y el corte temporal máximo.
Debe tenerse presente además, que la definición de los cortes temporales está
fundamentalmente relacionada no sólo con el contexto de validez conceptual del
modelo, sino también con la posibilidad de estimar correctamente (a futuro) sus datos
de entrada.

4.2

Períodos de modelación.

Tradicionalmente la modelación de transporte urbano se ha limitado a definir dos
períodos básicos de análisis: período punta de la mañana y período de fuera de punta.
Normalmente, cada uno de estos períodos se prolonga entre una y dos horas, espacio
de tiempo dentro del cual se supone que todos los viajes que se producen en algún
origen, llegan a su destino. El análisis de estos períodos representativos arroja ciertos
resultados operacionales (matrices de viaje por modo, niveles de servicio, flujos por
arco de cada red) que son valorados económicamente para efectos de evaluación,
obteniéndose finalmente costos y beneficios por período. Dichos costos y beneficios
son posteriormente extrapolados para obtener totales diarios y anuales.
Es indudable que con sólo dos períodos representativos, la extensión al total diario
resulta menos realista que lo deseable y debido a ello, algunos estudios han
aumentado el número de períodos de análisis, incluyendo punta del mediodía, punta
de la tarde, fuera de punta de la mañana y de la tarde, etc. Desafortunadamente, la
definición del número de períodos no es sólo una cuestión de más modelos y de más

17

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

información de calibración y validación. Un problema adicional, se presenta cuando se
considera la real capacidad de los modelos disponibles para simular realistamente el
comportamiento del sistema de transporte.
Este problema se manifiesta principalmente en una de las tareas básicas del modelo:
las estimaciones de la demanda. Los modelos de demanda con mayor fundamento
conceptual son aplicables a aquellos viajes que se originan en el hogar, entre otras
cosas porque la mayoría de estos viajes son habituales y autónomos. Es decir, para
los viajes originados en el hogar, las decisiones de los usuarios son relativamente
típicas (a dónde viajar, con qué propósito, en qué modo, por cuál ruta), las alternativas
de elección son también relativamente claras y en general las opciones de los usuarios
no están condicionadas por decisiones tomadas en períodos anteriores. Estas dos
características de habitualidad y autonomía, unido a la mayor facilidad de obtener
información de los usuarios y de su comportamiento para este tipo de viajes, hacen
que la tarea de modelarlos sea más abordable.
Considérese en cambio, el problema de modelar los viajes de punta tarde. En este
caso la habitualidad de los viajes es mucho más difusa (distintos destinos de viaje en
distintos días: regreso al hogar, diversión, compras, social, etc.); se presentan
fenómenos complejos de explicar y simular (por ejemplo los viajes concatenados:
origen en el lugar de trabajo, destino intermedio con propósito compras y destino final
en el hogar); y la autonomía de los usuarios puede estar condicionada por decisiones
de períodos anteriores, lo que tiene obvias implicancias para explicar su
comportamiento en el período punta de la tarde (por ejemplo, si un usuario eligió
automóvil para viajar al trabajo en la mañana, en la práctica no tiene alternativa modal
para su viaje de regreso en la tarde y ningún modelo podría predecir adecuadamente
su comportamiento modal, a menos que fuera informado de la decisión de la mañana y
se condicionara exógenamente su predicción).
Sin embargo, un problema recurrente para los diseños de sistema de rutas de
transporte masivo son las capacidades de estaciones o diseño de estaciones y su
carga durante el día, donde con tan solo 2 períodos tiene muchas limitaciones. Así
mismo, cuando se requiere modelar una tarificación vial urbana, es importante conocer
varios períodos para poder modelar diferente disponibilidad de pagos según hora o

18

DŝŶŝƐƚĞƌŝŽ

WZj

^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů


sentido de circulación, inclusive durante el período de la madrugada, donde el
potencial operador de la autopista de peaje pueda decidir abrir para operar o no.
El rango de modelación de una zona urbana debe ser al menos 18 horas continuas
(05:30 a 23:30 horas) de un día típico y opcionalmente el período de madrugada.
Entonces, los periodos sugeridos de un día son:
•

Período pico de la mañana.

•

Período valle promedio equivalente.

•

Período pico del medio día.

•

Período pico de la tarde.

•

Período de madrugada. Importante cuando se modela autopistas de peaje.

Los períodos deben ser definidos de acuerdo a criterios que se explican en el siguiente
punto, de tal manera que la demanda de un día (ó su equivalente) sea la suma de
cada período modelado, y se aproveche la totalidad de las matrices de viaje y se evite
el uso de “factores” de expansión.
En términos de oferta, un mayor número de períodos, básicamente significa un mayor
esfuerzo

de

definición

y

calibración

de

las

redes

involucradas,

aunque

conceptualmente no existen problemas mayores (algunas dificultades de modelación
podrían presentarse no obstante, si existieran alternativas multimodales de viaje).

4.3

Definición de los períodos de modelación.

Un primer elemento básico para el modelo, que requiere una suerte de calibración, es
la definición horaria y la extensión de cada período de modelación.
La Encuesta Origen-Destino de Viajes (EOD) proveerá la información necesaria para
definir los períodos: a partir de los datos de la hora media de realización de los viajes
(promedio entre hora de salida y hora de llegada) es posible construir histogramas en
intervalos de 15 minutos (cuartos de hora) de viajes totales, viajes en transporte
público y viajes en transporte privado. En estos histogramas se pueden identificar los
horarios de mayor y menor demanda de transporte durante el día.
En la Figura 4-1 se muestra los resultados de todos los viajes y todos los modos en
función de la hora media de viaje, a partir de la muestra de la encuesta de origen

19

DŝŶŝƐƚĞƌŝŽ

WZj

^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů


destino en hogares (JICA, 2004), se presenta esta figura con el único fin de ilustrar el
comportamiento de los viajes durante las horas del día sin entran en el análisis de la
muestra misma durante las otras horas del día.
Se puede observar que la extensión del período pico de la mañana es desde las 06:45
a 08:29 horas, siendo la hora pico entre las 07:00 y 07:59. Este período de una hora
de extensión, debe ser elegido de manera que queden incluidos dentro de él, al menos
los dos cuartos de hora más cargados (entre 6:45 y 8:29 horas).
Es importante resultar que este definición de período pico está basado en viaje
(pasajeros) y se debe diferenciar respecto al mayor flujo vehicular que no
necesariamente coincide, como veremos luego.
La Figura 2-1, muestra un esquema general del modelo propuesto y sus diferentes
etapas o submodelos. El modelo de Generación determina, a base de la información
socioeconómica y de población, los viajes producidos ( 2L ) y los viajes atraídos ( ' M )
por cada una de las zonas de análisis en que se divide el área de estudio. El modelo
de Distribución construye una matriz de viajes ( 7LM ) entre parejas origen-destino de
zonas. El modelo de Partición Modal, divide los viajes entre los distintos modos de
N

transporte disponibles ( 7LM ). Finalmente las matrices de viaje por modo son asignadas
a las redes correspondientes, obteniéndose de esta manera los flujos por arcos.
Figura 4-1 Pasajeros total por hora media de viaje
ϯϬϬϬϬ

dŽƚĂů

ϮϱϬϬϬ

dƌĂŶƉŽƌƚĞ WƌŝǀĂĚŽ
dƌĂŶƐƉŽƌƚĞ WƷďůŝĐŽ

WĂƐĂũĞƌŽƐ

ϮϬϬϬϬ

ϭϱϬϬϬ

ϭϬϬϬϬ

ϱϬϬϬ

ϮϰϯϬ

ϮϰϬϬ

ϮϯϯϬ

ϮϯϬϬ

ϮϮϯϬ

ϮϮϬϬ

ϮϭϯϬ

ϮϭϬϬ

ϮϬϯϬ

ϮϬϬϬ

ϭϵϯϬ

ϭϵϬϬ

ϭϴϯϬ

ϭϴϬϬ

ϭϳϯϬ

ϭϳϬϬ

ϭϲϯϬ

ϭϲϬϬ

ϭϱϯϬ

ϭϱϬϬ

ϭϰϯϬ

ϭϰϬϬ

ϭϯϯϬ

ϭϯϬϬ

ϭϮϯϬ

ϭϮϬϬ

ϭϭϯϬ

ϭϭϬϬ

ϭϬϯϬ

ϵϯϬ

ϭϬϬϬ

ϵϬϬ

ϴϯϬ

ϴϬϬ

ϳϯϬ

ϳϬϬ

ϲϯϬ

ϲϬϬ

ϱϯϬ

ϱϬϬ

ϰϯϬ

ϰϬϬ

ϯϯϬ

ϯϬϬ

ϮϯϬ

ϮϬϬ

ϭϯϬ

ϭϬϬ

Ϭ

,ŽƌĂƐ ĚĞů ĚŝĂ ;ĐĂĚĂ ϭϱ ŵŝŶƵƚŽƐͿ

Fuente: Muestra de la encuesta Origen – Destino de Hogares (MTC/JICA2004)

20

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Otro problema que dificulta la definición, está relacionado con la no habitualidad
temporal de los viajes fuera de punta dentro de un día típico (por ejemplo, una ama de
casa que viaja todos los días al mercado a hacer sus compras, pero a distintas horas
cada día).
Dado que los viajes con este tipo de características son comunes en fuera de punta,
es claro que cualquiera sea la definición temporal del período, se corre el riesgo de
subestimar tales viajes (es decir, que el período no sea representativo). Desde este
punto de vista, la definición estricta de una hora para representar el período fuera de
punta, será necesariamente cuestionable cualquiera sea la hora elegida.
Esta discusión sugiere un enfoque distinto al tradicional para definir el período de fuera
de punta. Este consiste en definir un período de una hora de extensión para fuera de
punta, pero la especificación precisa de la hora de inicio y término de dicho período
quedará indeterminada. En otras palabras, se reconoce el hecho de que aunque
existen varias horas de fuera de punta durante el día, ninguna de ellas es
suficientemente representativa del resto, y por lo tanto una hora promedio de todas las
horas fuera de punta será la mejor opción.
Este enfoque tiene la ventaja de permitir el mejor aprovechamiento de los datos de la
EOD para efectos de la calibración del modelo de transporte, ya que se incluye en el
análisis una mayor cantidad de viajes que efectivamente se producen en fuera de
punta y cuyos patrones de comportamiento interesa determinar.
Para identificar las horas que pueden ser consideradas fuera de punta, se debe excluir
del mencionado histograma de viajes totales, los períodos estimados como punta de
mañana, punta tarde y punta mediodía, junto con los intervalos inmediatamente
anteriores y posteriores (debido a que se está tratando de aislar la influencia de las
horas punta sobre la fuera de punta). Además, se excluyen aquellas horas donde no
existe actividad de transporte o ésta es mínima.

Un período de modelación de madrugada, es realmente importante cuando se
analizará la demanda de autopistas urbanas de peajes.

21

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Desde el punto de vista del modelo -que sólo modelará una hora promedio de fuera de
punta-la suposición implícita es que en cualquiera de estas horas el sistema de
transporte se comporta de manera semejante. De hecho, el modelo recibirá como
datos, los vectores de orígenes y destinos para una hora, que pueden ser calculados
como el promedio ponderado de los viajes realizados en cada propósito para el lapso
horario mayor y el lapso de una hora seleccionado.
Resultará deseable que la definición horaria de los períodos punta y fuera de punta
sea contrastada con el histograma que se deduce de los conteos continuos realizados.
Dicho análisis debe ser realizado en forma cuidadosa ya que el concepto de “hora
media de viaje” usado para construir el histograma obtenido a partir de la EOD es
distinto al concepto de un conteo en un punto particular. Para reducir la distorsión
espacial y temporal que se puede producir, se recomienda construir el histograma para
una “envolvente de los puntos de conteo continuo”. La envolvente puede construirse
como la suma vertical (en todos los puntos), del flujo en cada lapso temporal.
Visto todo lo anterior, las actividades más relevantes de considerar para efectos de
ilustrar técnicamente esta definición, son las siguientes:
A. Construcción de histograma de viaje para las 24 horas de día laboral de época
normal, obtenida de la Encuesta de Origen-Destino (EOD), utilizando la
siguiente desagregación:
i.

Criterio: hora media de viaje.

ii.

Viajes cada 15 minutos.

iii.

Viajes separados por modo: transporte público y privado.

B. Construcción de histograma de flujo a base de la envolvente de los puntos de
conteo continuos considerados (por ejemplo. Línea cortina del río Rimac),
usando la siguiente información.
i. Criterio: hora de pasada del vehículo.
ii. Flujos de pasajeros cada 15 minutos.
iii. Flujos separados por modo: transporte público y privado.
C. Análisis de los histogramas A) y B) y selección los períodos de modelación.
D. Análisis de los histogramas A) y B) y selección de las horas de modelación en
cada período. La definición se sustentará en la consideración de los cuartos de
horas de mayor número de viajes en el caso de horas puntas y para períodos

22

DŝŶŝƐƚĞƌŝŽ

WZj

^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů


valle será representativo de condiciones medias. Estas horas debe estar
contenida en C).
E. Determinación de los factores que permitan pasar de los valores de períodos
ampliados C) a las horas de modelación D).
De las Figura 4-1 y Figura 4-2 y aplicando los criterios podemos establecer los
períodos de modelación siguiente:
•

Período pico de la mañana desde las 06:45 a 08:30 horas y la hora pico desde
las 07:00 a 07:59 horas y existe una buena coincidencia entre las figuras
presentadas.

•

Período pico del medio día, según la Figura 4-1 4-1 es desde las 12:15 a 14:14
horas con una hora pico de las 13:00 a 13:59 horas. Sin embargo, este período
no está muy bien definido en la Figura 4-2 4-2.

•

Período pico de la tarde, según la Figura 4-1 4-1 es desde las 17:00 a 19:59
horas con la hora pico entre las 17:45 a 18:44 horas, en la Figura 4-2 4-2 es de
19:00 a 19:59 horas.

•

Período valle son las demás horas no consideradas en los períodos definidos,
dentro del contexto de modelación de un período de 18 horas que sería desde
las 05:30 a 23:30 horas.
Figura 4-2 Pasajeros en la línea cortina del Río Rímac

ϯϬϬ͕ϬϬϬ
dƌĂŶƐƉŽƌƚĞ WƌŝǀĂĚŽ
dƌĂŶƐƉŽƌƚĞ WƷďůŝĐŽ
dŽĚŽƐ

ϮϱϬ͕ϬϬϬ

WĂƐĂũĞƌŽƐ

ϮϬϬ͕ϬϬϬ

ϭϱϬ͕ϬϬϬ

ϭϬϬ͕ϬϬϬ

ϱϬ͕ϬϬϬ

Ϭ
ϭ

Ϯ

ϯ

ϰ

ϱ

ϲ

ϳ

ϴ

ϵ

ϭϬ

ϭϭ

ϭϮ

ϭϯ

ϭϰ

ϭϱ

ϭϲ

ϭϳ

ϭϴ

ϭϵ

ϮϬ

Ϯϭ

ϮϮ

Ϯϯ

Ϯϰ

,ŽƌĂƐ ĚĞů ĚŝĂ

Fuente: Aforos en línea cortina del rio Rimac (MTC/JICA2004)

23

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Tanto la encuesta de hogares como las aforos y ocupación visual de viajeros, fueron
realizados entre Junio – Julio - Agosto del 2004, que en la ciudad de Lima y Callao es
la estación de invierno.
La única coincidencia resulta en el período pico de la mañana que tiene una
característica de viajes obligados (propósito hacia el trabajo y estudios), pero los otros
períodos existen diferencias.
Las principales diferencias que se observan se deben a lo siguiente:
•

La encuesta Origen Destino en hogares corresponde a respuestas de viajes en
hogares durante los meses de Junio – Julio – Agosto del 2004, durante un día
laborable y que al final representa un día promedio.

•

Las horas de viajes en la encuesta de hogares podrían ser más imprecisas en
los períodos diferentes a horas pico.

•

Los aforos en la línea cortina fueron realizados en un solo día.

La recomendación cuando existen esas diferencias será ajustar los períodos obtenidas
de la Encuesta Origen Destino en Hogares con tiempos medios a los obtenidos los
períodos que se obtengan con los aforos en la línea cortina del río Rímac.
Periodos según flujo vehicular
En la Figura 4-3 se muestra los aforos de vehículos en la línea cortina del río Rímac,
en el cual se puede observar que la hora pico de la mañana es de 08:00 a 08:59
diferente al período pico de pasajeros, siendo los otros períodos similares al de los
pasajeros.
Por lo tanto es recomendable considerar la diferencia importante en el período de la
mañana para efectos de modelar principalmente proyectos de tarificación vial o
soluciones relacionados a la congestión.

24

DŝŶŝƐƚĞƌŝŽ

WZj

^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů


Figura 4-3 Aforos de vehículos equivalentes en la línea cortina del Río Rimac
ϲϬ͕ϬϬϬ
WƌŝǀĂĚŽ ; ƵƚŽƐ Ǉ dĂǆŝƐͿ
WƵďůŝĐŽ
dŽĚŽƐ

ϱϬ͕ϬϬϬ

sĞŚŝĐƵůŽƐ ƋƵŝǀĂůĞŶƚĞƐ

ϰϬ͕ϬϬϬ

ϯϬ͕ϬϬϬ

ϮϬ͕ϬϬϬ

ϭϬ͕ϬϬϬ

Ϭ
ϭ

Ϯ

ϯ

ϰ

ϱ

ϲ

ϳ

ϴ

ϵ

ϭϬ

ϭϭ

ϭϮ

ϭϯ

ϭϰ

ϭϱ

ϭϲ

ϭϳ

ϭϴ

ϭϵ

ϮϬ

Ϯϭ

ϮϮ

Ϯϯ

Ϯϰ

,ŽƌĂ ĚĞů ĚşĂ

Fuente: Aforos en línea cortina del río Rímac (MTC/JICA2004)

4.4

Temporalidad de los datos

Uno de los aspectos a tener en cuenta para la toma de datos de campo es el efecto de
la temporalidad de los mismos, tanto en los años horizonte (datos longitudinales) y los
datos dentro de un año (efecto transversal) es decir la estacionalidad.
Como afecta la temporalidad a los atributos de un modelo de transportes:
4.4.1 Datos de oferta.
Los datos de oferta son:
•

Red vial base.- Se modifica desde el momento que se ha realizado la visita a
campo y la culminación de proyectos en marcha, cambios en sentido de
circulación, semaforización, etc.

•

Sistemas de rutas. Debería ser más definidos. Sin embargo, la ciudad es un
caso particular donde existen mucha dificultad en tener un base de datos
actualizada.

La forma de abordar este dificultad es desarrollando el modelo al momento de los
trabajos de visita a campo (red vial y sistema de rutas) es como haber tomado una
“fotografía” de la ciudad. Para incorporar modificaciones a la red vial y que estos

25

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

forman parte de la nueva red vial, como proyectos que se culminaran dentro de 1 ó 2
años o menos; una vez calibrado y validado el modelo de transporte, se crea un
escenario llamado “escenario base mejorado” que incorpora esos cambios y que
quedaran definitivamente en el modelo base de transporte.
4.4.2 Datos de demanda.
Los datos de demanda cambian permanentemente, aún así se realice una especie de
censo de viajes. Esto es entendible pues se trata la movilidad de las personas por
alguna actividad que van a realizar en el destino, al igual el desplazamiento de la
carga.
Sin embargo, en orden de magnitud van cambiando de acuerdo la estacionalidad que
existe y que afectan fuertemente a la cantidad y patrones de viajes en la ciudad. Estos
vienen a ser:
•

Vacaciones de estudiantes a todo nivel, que viene a ser en los meses de 2da
Quincena de Diciembre, Enero y Febrero.

•

Las vacaciones de estudiantes de medio año que son la última semana de Julio y
la primera de Agosto.

•

Fines de semana, festivos y eventos especiales.

La población estudiantil es el 30% aproximadamente de la población total (MED,
2008), esto afecta también a comportamiento de muchos padres que tenían viajes
concatenados hacia o desde colegio antes de ir a trabajar.
Entonces, se debe tener especial cuidado en elegir las fechas de acopio de datos a fin
de obtener datos de estaciones por decir “normales”.
Actualmente la ciudad no cuenta con información que permita conocer la variación de
la demanda de viajes por cada día y meses de un año. Pero suponemos que los
periodos vacaciones son de los más resaltantes que en lo posible debemos de evitar.
Los trabajos de campo de demanda afectados por la estacionalidad son:
•

Aforos vehiculares.

•

Ocupación visual de vehículos (autos y transporte público).

•

Encuesta Origen Destino a bordo de vehículos de transporte público.

•

Conteos de subida y bajada de pasajeros.

•

Encuestas de movilidad en general.

26

WZj

DŝŶŝƐƚĞƌŝŽ

^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů


A continuación en la Tabla 4-1 4-1 se muestra un resumen donde es conveniente
realizar trabajos de campo para propósitos de modelación de transporte.
En cualquier caso, se puede hacer los trabajos de campo en cualquier día del año,
pero se debe tener en cuenta el impacto de la estacionalidad y si es necesario realizar
algún tipo de corrección.
Tabla 4-1 Fechas ideales para trabajos de campo en estudios de demanda

Fuente: Elaboración propia

ͷ
5.1

Introducción

La formulación considera un modelo secuencial clásico de cuatro etapas (Generación,
Distribución, Partición Modal y Asignación que se muestra en la Figura 5-1 5-1.
El modelo de Generación determina, en base a información socioeconómica y de
población, los viajes producidos

(2L )

y los viajes atraídos

(' ) por cada una de las
M

zonas de análisis en que se divide el área de estudio. El modelo de Distribución

27

WZj

DŝŶŝƐƚĞƌŝŽ

construye una matriz de viajes


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

(9 ) entre parejas origen-destino de zonas. El modelo
LM

de Partición Modal, divide los viajes entre los distintos modos de transporte disponibles

(9 ) .
N
LM

Finalmente las matrices de viaje por modo son asignadas a las redes

correspondientes, obteniéndose de esta manera los flujos por arcos.

El modelo incorpora “Asignación Multiclase” de vehículos a la red vial. Ello permite
considerar que el valor de la tarifa, a nivel de las elecciones de los usuarios sobre
la red vial, es percibido en forma diferenciada por los individuos, dependiendo
naturalmente de su nivel de ingreso.
Figura 5-1 Modelo Secuencial Clásico de 4 Etapas

2L ' M

7 LM

7LMN

5.2

Área de estudio y zonificación.

La primera especificación necesaria para construir modelo de demanda, es la
definición del contexto espacial de su aplicación. En términos generales se puede
decir que el área de estudio debería cubrir todos los lugares, donde se producen o se
atraen los viajes que utilizan el sistema de transporte que se desea analizar ver Figura
5-2. Aunque en transporte urbano el área de estudio está normalmente asociada con
los límites espaciales de la ciudad, muchas veces es necesario considerar las
influencias externas (por ejemplo, transporte interurbano de pasajeros y de carga). El
modelo explica (o trata de explicar) la operación del sistema de transporte dentro del
área de estudio -cuyo perímetro físico está definido por un cordón externo ver Figura

28

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

5-3- y las influencias externas deben ser tratadas como datos exógenos del problema,
que el modelo debe considerar, pero que no puede explicar.
Definido el contexto espacial, el área de estudio se divide en zonas más pequeñas,
que constituirán en adelante la unidad básica del análisis de transporte. La primera
característica deseable de las zonas es su homogeneidad en términos de utilización
de suelos y de características socioeconómicas de la población, dado que éstas son
dos variables fundamentales para explicar demanda de viajes.
La definición geográfica de las zonas debe respetar las divisiones administrativas y
políticas de la ciudad y sobre todo, las divisiones geográficas del Censo de Población
que el Estado realiza periódicamente. De esta manera será posible obtener con
facilidad ciertos datos básicos de entrada para el análisis de transporte, tales como el
número de hogares por zona estratificados por ingreso, posesión de automóvil,
tamaño familiar, etc. Además, en torno al Censo de Población suelen desarrollarse
estudios de proyección de sus datos, información también útil para el análisis de
transporte.
La delimitación de zonas de tránsito debe evitar en lo posible que una vía principal
forme parte de uno de sus límites, esto es debido a la dificultad posterior de asignarles
viaje, es recomendable que un vía principal este contenida en una zona de tránsito. Si
esta vialidad es un límite distrital y se cumple las características de los criterios de
zonificación, esto significa que ambas municipalidades o parte de ellas tienen
comportamientos similares y se deben desagregar, o sea que habría distrito sector A,
etc.

29

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Figura 5-2 Área de estudio y zonas externas


El número de zonas es otra definición delicada. A mayor número de zonas, el análisis
de transporte es más preciso y detallado, pero también son mayores los
requerimientos del modelo y de la información necesaria. Por otro lado, un número
demasiado pequeño de zonas podría conducir a análisis demasiado agregados,
reñidos con los objetivos de un estudio de transporte. Por ejemplo, un número
demasiado reducido de zonas resultará en áreas zonales muy grandes (difícilmente
homogéneas) lo que a su vez redundará en un gran número de viajes intrazonales;
dado que la unidad de análisis básico es la zona, los modelos de asignación no
pueden tratar tales viajes, y el análisis completo pierde credibilidad.

30

WZj

DŝŶŝƐƚĞƌŝŽ

^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů


La cantidad de zonas ideal sería por cada hogar, lo que resultaría poco práctico, luego
sería cada manzana lo que resultaría un poco más razonable pero aún requiere
muchos datos. Entonces, el criterio lo que utilizamos en la modelación es el espacio
que razonablemente una persona puede caminar, es de 5 cuadras o 500 metros a la
redonda que sería el mínimo tamaño de una zonificación.
Figura 5-3 Cordón externo de la zona urbana área Metropolitana de Lima y Callao

CL-1
CL-1

CL-2
CL-2

CL-3
CL-3

CL-4
CL-4

CL-7
CL-7

CL-5
CL-5

CL-6
CL-6


Es recomendable que la zonificación distinga adecuadamente aquellas zonas
singulares de la ciudad. Ello se justifica porque normalmente no poseen un
comportamiento de viajes similar al de otras zonas preferentemente residenciales,
comerciales o industriales. A base de la experiencia adquirida en el desarrollo de

31

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

diversos estudios de transporte, es aconsejable identificar como una zona
independiente a las siguientes singularidades:
• Estaciones de sistemas masivos de transporte público.
• Cuarteles Militares,
• Cerros,
• Sectores de estadio,
• Universidades relevantes,
• Grandes centros comerciales.
• Grandes hospitales,
• Cementerio y otros sectores que el analista estime pertinente.
La ventaja de ello radica en que las zonas resultantes son homogéneas en términos
de su uso de suelos y en términos de los viajes generados y atraídos. Su tratamiento
no es diferente al de otras zonas, con la salvedad de que en éstas no es necesario
que existan hogares, y para estimar la cantidad de viajes en muchos casos se
requerirá de estudios específicos de producción – atracción de viajes.

5.3

Zonificación y tipo de modelación

Un modelo de transporte es una importante herramienta de planeación, pero dado su
alta popularidad es requerida con mucha frecuencia por los tomadores de decisiones
para poder tener una respuesta sobre determinados proyectos o también por algún
inversionista privado para tener una primera aproximación o identificar oportunidades.
Por otro lado, los modelos de transporte no están muy actualizados y si lo están tardan
días en dar una respuesta a los tomadores de decisiones, es en ese sentido que se ha
pensado en elaborar dos tipos de modelos de transportes, a saber:
•

Modelo estratégicos de respuesta rápida (MR2), que tendría alrededor de 500
zonas de tránsito.

•

Modelo táctico-operativo (MTO), que sería un modelo más detallado que tendría
entre 1200 a 1500 zonas de tránsito.

•

Ambos tendrían la misma red vial y de rutas transportes y solo se modifica los
conectores centroides para dar una conectividad razonable.

•

Las matrices de viajes deben ser compatibles totalmente en forma agregada o
desagregada.

32

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Más detalles sobre los otros componentes de estos modelos, se presentaran en cada
capítulo.

5.4

Red vial

La red básica, utilizada para la asignación de transporte privado, está representada
por un grafo * = ( 1 $) , donde 1 es el conjunto de nodos y $ 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 definición de los enlaces y nodos para propósito de modelación debe guardar un
equilibrio entre la simplificación de la red y su representatividad de la red real, se
recomienda tener en cuenta lo siguiente:
i.

La red vial no debe ser tan desagregada que puede ser muy real pero puede
causar fuertes dificultades al momento de calibrar el modelo.

ii.

La red no puede ser tan agregada que ya no representa la realidad y de forma
similar causa dificultades al momento de calibrar.

iii.

La conectividad debe ser una simplificación razonable de la red vial real y se
debe resaltar aspectos importantes que sabemos que importan en un proceso
de modelación.

iv.

Se debe tener en cuenta la funcionalidad de le red vial a representar y si existe
alguna diferenciación importante a considerar, esta debe realizarse en redes
paralelas (por ejemplo. Carriles centrales rápidas y vías auxiliares, etc.).

En la Tabla 5-1 5-1 se muestra una clasificación sugerida, basado en los diferentes
estudios realizados en la ciudad.
La clasificación debe realizarse en dos niveles:
La clasificación de primer nivel, se ha tomado como referencia la normatividad
desarrollada en 1987 por la Comisión Multisectorial coordinadora de Proyectos de
desarrollo urbano de Lima Metropolitana. Estudio de Clasificación de Vías.

33

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Clasificación de segundo nivel, establecido para propósitos de modelación de
transporte urbano de Lima y Callao.

5.5

Redes de transporte público

Existe también una red para cada uno de los modos de transporte público, que
representan los servicios ofrecidos a los usuarios, y está dada por el grafo

(

)

* P = 1 P /P , en el cual 1 P es un subconjunto de N y /P es el conjunto de todas
las líneas del modo P sobre la red.
Tabla 5-1 Clasificación vial

Fuente: Elaboración propia

34

WZj
5.6

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Modos de transporte

Para comprender los modos de transporte, existen dos maneras de definir un viaje: en
términos del viaje específico y el viaje no específico. El primero es un viaje completo
de una persona con un solo propósito, mientras que el segundo es parte del anterior,
segregado por modo de viaje. En otras palabras, un viaje específico es una cadena de
viajes no específicos por diferentes modos individuales de viaje. Por consiguiente,
para poder definir el modo representativo de viaje, es necesario determinar la prioridad
entre diversos modos de viaje.
La prioridad es definida en función a las siguientes consideraciones:
i.

El modo de transporte público tiene mayor prioridad que el modo privado.

ii.

El modo ruta única tiene mayor prioridad que el modo alimentador

La relación del modo representativo se muestra en la Tabla 5-2 5-2. Donde a los
“modos original” (*) se les conoce como sistema de transporte no convencional o
Pseudo transporte público o Paratransit, el “modo integrado” se obtiene a partir de
cómo es su comportamiento sobre la red vial.
El modo original (1) de Mototaxi, son utilizados para viajes cortos o como aproximación
a un paradero de transporte público, no tiene ruta ni intervalo determinada pues esta
es fijada por la demanda.
El modo original (2) colectivo o taxi-colectivos si tienen una ruta determinada pero no
un intervalo determinado depende de la demanda. Compiten directamente con las
rutas de transporte público convencional, son más rápidos y más caro que el
transporte público convencional, pero más barato que un servicio de taxi.
Naturalmente, no siempre es necesario utilizar todos estos modos simultáneamente.
De hecho, dependiendo de su importancia relativa, es aconsejable ignorar algunos de
ellos para simplificar el análisis.
Existen otros modos, como el transporte escolar, que representan una participación
importante en los viajes con un propósito determinado específicamente en la ciudad de
Lima y Callao. Lamentablemente, por dificultades de modelación no es posible incluir
este modo en el análisis.

35

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Tabla 5-2 Modos de transporte
Modo Integrado
Modo original
Caminata

Caminata

Transporte Privado

Automóvil
Taxi (*)

Transporte Público

Mototaxi (*)(1)
Colectivo (*)(2)
Taxi colectivo (*)(2)
Combi
Microbús
Ómnibus

Transporte Público red independiente

Sistema BRT

Transporte Público red independiente Sistema Metro y Tren

Cada uno de estos modos utiliza una red de transporte específica, que debe ser
calibrada de acuerdo a sus características operacionales. La red vial que se utilizará
básicamente para asignar los viajes de transporte privado, estará constituida por las
principales vías e intersecciones de la ciudad. En ella operan también los servicios de
transporte público, los que para efectos de la red vial, generan flujos fijos
(determinados por las frecuencias de los servicios) de vehículos de transporte público
sobre sus arcos.
Cada arco de la red vial tiene asociada una función de costo, conocida como curva
flujo-velocidad, cuyos parámetros será necesario calibrar.
La red vial puede también ser utilizada para asignar (cuando se considere
conveniente) los viajes de caminata. En este caso, la función de costo de los arcos
debería estar relacionada con factores constantes como el largo del arco y su
pendiente, por ejemplo.
Cada modo de transporte público requiere una red de rutas que se construye a partir
de la descripción de los recorridos físicos y de las frecuencias de los servicios de
transporte. En este caso, la función de costo de cada arco de la red, representa el

36

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

costo generalizado de viaje (que debe ser calibrado) en un determinado modo de
transporte público.

5.7

Jerarquía y atributos en la red de un modelo.

En la Figura 5-4 se muestra la jerarquía de los diferentes componentes de la red en un
modelo de transporte en general.
Para un mayor detalle de cada componente es importante documentarse de los
Manuales de usuario de diferentes Software de Planeación de Transporte.
Figura 5-4 Jerarquía de la red en un modelo de transporte

Fuente: Elaboración Propia y diversos software

37

WZj
5.8

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Categorización de la demanda

El objetivo del modelo de demanda es explicar y predecir las decisiones de los
usuarios respecto a la generación, distribución y partición modal de los viajes. Sin
embargo, dependiendo entre otras cosas de sus atributos personales y propósitos de
viaje, los usuarios tienen comportamientos diversos, por lo que es necesario
categorizar la demanda para permitir su mejor explicación.
La primera estratificación de la demanda se realiza a nivel de propósitos de viaje, dado
que el comportamiento de los usuarios puede ser notablemente distinto para cada
motivo de viaje. Considerando los períodos de análisis antes sugeridos los propósitos
de viaje principales serán tres: trabajo, estudio y otros.
Es necesario señalar que los propósitos de viaje indicados son para utilizarse en el
contexto de los submodelos de distribución de viajes y partición modal de viajes del
modelo de transporte. Sin perjuicio de ello, los modelos de generación y atracción de
viajes pueden considerar una desagregación más detallada, debido a que los viajes
basados en el hogar de ida, retorno o no basados en el hogar, tienen normalmente
variables explicativas distintas. Por otro lado, es necesario recordar que los modelos
de asignación no distinguen distintos propósitos de viaje.
Desde el punto de vista de la demanda de transporte, la característica más relevante
del usuario es su nivel socioeconómico. Pero dado que es difícil determinar este nivel
para cada usuario en particular, en lugar de clasificar a los individuos normalmente se
categorizan los hogares que habitan. Cada hogar tiene asociado un cierto ingreso
familiar y una cierta tasa de motorización, variables que son utilizadas para categorizar
los hogares y por extensión, a los individuos que viven en él.
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. Esto hace que el número de categorías utilizado en los estudios de
transporte sea 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.

38

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Tomando en cuenta estas restricciones, 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 auto,
con auto). Eventualmente, si existiera una gran cantidad de hogares poseedores de
más de un vehículo y su comportamiento fuera significativamente diferente de aquellos
que poseen sólo un auto, es recomendable desagregar la variable posesión de
automóvil. Ello permite estratificar la demanda de transporte en distintas categorías
cruzadas de ingreso y tasa de motorización, cada una de las cuales podrá ser
modelada -en principio-separadamente para cada propósito y período considerado.
Alternativamente, puede considerarse la agregación de categorías extremas.
Normalmente, ellas corresponden a los cruces de categorías de ingreso bajos y
medios con 2 o más. En éstas, es normal obtener escasas observaciones en la
muestra, no por problemas de muestreo o de número de encuestas, sino que por
existir un muy bajo número de hogares que presenten dichas características.
En la Tabla 5-3 se muestra la categorización base en el estudio (JICA, 2004) en el
cual se define los 9 categorías. Respecto a los rango de ingreso familiar se obtuvo que
el rango bajo son el 27% de los hogares, rango medio el 37% de los hogares; estos
dos rangos no se pueden subdividir, rango alto medio con el 17% de los hogares y
rango alto con el 19% de los hogares.
Respecto a la posesión de autos, basado en el mismo estudio (JICA, 2004), se tiene
que “sin auto” son el 83% de los hogares y con “1 auto” el 14% y con “2 ó más autos”
el 3% de los hogares.
Tabla 5-3 Definición de categorías
Rango de Ingreso Familiar
Posesión de Autos/ Hogar
(1)
en Nuevos Soles
Sin Auto
1 auto
2 o más
Rango
2
Bajo
Menos de 600
1
4
Medio
Entre 601 - 1,000
3
Alto medio Entre 1,001 - 1,500
ϲ
ϱ
Alto
Más de 1,500
7
8
9
(1) a Junio del 2004

Fuente: EODH 2004

39

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

De acuerdo a la publicación (INEI, 2009) que se muestra en la Tabla 5-4, como se
puede apreciar no hay coincidencia en los rangos de ingresos con los adoptados en el
(JICA, 2004), su homologación debe ser realizado con un análisis específico.
Una recomendación casi siempre útil, es analizar los requerimientos de información
que imponen los distintos modelos a calibrar, para diversas alternativas de
categorización; de tal suerte que, la definición de categorías propuesta, sea
consistente con las posibilidades que ofrece la información recabada.
Tabla 5-4 Definición rangos de ingreso

Fuente: INEI 2009

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.
Dado que la metodología recomienda estratificar la demanda según ingreso y número
de autos, es evidente que la calibración posterior de modelos considerará
exclusivamente aquellos hogares que reporten ambas variables.
Por último, es necesario indicar que existen variables que explican mejor que el
ingreso del hogar la generación de viajes con algún propósito, por ejemplo: número de
trabajadores en el hogar, número de estudiantes. Sin embargo, el uso de estas
variables tiene implícito un problema posterior de predicción, muy difícil de solucionar,
por lo que la metodología aconseja utilizar las variables ingresos y número de autos,
como una solución de compromiso entre la calidad de los modelos y la posibilidad de
predecir en forma confiable las variables independientes a futuro.

40

WZj

DŝŶŝƐƚĞƌŝŽ

͸


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Ͷ Ǥ

La operación del modelo de transporte requiere como datos de entrada los vectores
origen-destino de viajes para cada período de análisis, clasificados por propósitos de
viaje y por categorías de demanda. La estimación de tales vectores constituye el
objetivo de los modelos de generación/atracción.
Idealmente debiera estimarse un vector de orígenes y un vector de destinos por cada
propósito y categoría de demanda, pero en la práctica la clasificación por categorías
de demanda no siempre es posible. Dado que éstas se definen a partir de los niveles
de ingreso y tasa de motorización de los hogares, la categorización de los orígenes
(producciones de viajes) es fácil de hacer cuando los viajes se originan en el hogar, lo
cual es una característica de la mayoría de los viajes en el período punta de la
mañana y una proporción importante en los otros períodos.
Sin embargo, durante estos mismos períodos la mayoría de los viajes se realizan
hacia lugares distintos del hogar, por lo que una eventual categorización de los
destinos (atracciones de viajes) resultaría arbitraria en el mejor de los casos.
Considerando lo anterior, el modelo propuesto supone que sólo los orígenes son
clasificables por propósito p-categoría n y los destinos en cambio, son clasificables
sólo por propósitos de viaje p. Así, el modelo de transporte recibe como datos de
entrada un vector Origen i por cada propósito de viaje y por cada categoría de

{ }

demanda 2LSQ ; y un vector Destino j por cada propósito de viaje, en el que todas las

{ }

categorías de demanda están agrupadas ' MS . Además, debe cumplirse:

¦¦¦ 2

L

L

S

Q

SQ

= ¦¦ ' MS
M

S

Donde:

2LSQ = Número de viajes generados en la zona i, de la categoría n con propósito p.

' MS = Número de viajes atraídos por la zona i, con propósito p.
Por razones metodológicas, las generaciones de viajes (orígenes) son modeladas
independientemente de las atracciones de viajes (destinos), aunque evidentemente

41

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

sus resultados deben ser consistentes. Por otra parte, dado el mayor desarrollo
conceptual de los modelos de generación de viajes, habitualmente el analista tiende a
confiar más en sus resultados y por lo tanto, normalmente se ajustan las atracciones a
las generaciones de viajes.
Una manera simple de realizar este ajuste, es calcular un factor de corrección para
cada propósito de viaje, de la siguiente manera:

¦¦ 2
=
¦'

SQ

L

IS

L

Q

S
M

M

Y luego se multiplica dicho factor por los componentes del vector de destinos del
propósito correspondiente, obteniéndose los valores ajustados.

' MS D

= I S ' MS
Eventualmente, para algún propósito de viaje, la calibración del modelo de atracción
podría entregar resultados más confiables que la correspondiente a los modelos de
generación. En este caso, es recomendable ajustar la generación a la atracción de
viajes. Por ejemplo, si se conoce los viajes que llegan a un gran centro comercial, etc.
El ajuste también se puede hacer por grupos de zonas de atracción según se tenga los
datos más confiables.
Dos tipos de modelos se utilizan para explicar la generación de viajes: regresión lineal
y análisis por categoría. La elección de uno u otro, depende de las características de
los viajes cuyos orígenes o destinos se desea explicar. Si bien los modelos de análisis
por categoría son conceptualmente más adecuados, su ámbito de aplicación se
reduce básicamente a aquellos viajes originados en el hogar. Por otra parte, aunque
los modelos de regresión lineal no son especialmente adecuados para explicar la
generación de viajes, en casos tales como las atracciones de viajes y las generaciones
de viajes no originados en el hogar, suelen ser la única herramienta metodológica
disponible para estudiarlos.

6.1

Generación de viajes

Las generaciones de viajes más relevantes pueden diferenciarse en tres tipos:
i.

Generación de viajes basados en el hogar de ida.

42

WZj

DŝŶŝƐƚĞƌŝŽ


ii.

Generación de viajes basados en el hogar de retorno.

iii.

^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

Generaciones de viajes no basadas en el hogar.

Los primeros serán estimados mediante modelos de Análisis de Categorías (AC), en
tanto que para los segundos y terceros se puede utilizar modelos de regresión lineal
múltiple (RLM). Es decir, los orígenes de una zona pueden ser expresados como
sigue:

2LSQ = 2LSQ

EKL
EKU
QEK
Donde:

2LSQ

= Número total de viajes con propósito p, categoría n en la zona i.

2LSQ

= Número de viajes basados en el hogar de ida (bhi).
EKL
2LSQ

= Número de viajes basados en el hogar de retorno (bhr).
EKU
2LSQ

= Número de viajes no basados en el hogar de ida (nbh).
QEK
Esta distinción es metodológicamente importante por las siguientes razones. En primer
lugar, la importancia de cada tipo de viaje depende del período de modelación. Es así
como, los viajes basados en el hogar de ida se realizan principalmente en el período
punta de la mañana. En segundo lugar, la generación de los viajes basados en el
hogar de ida es explicada por las variables socioeconómicas asociadas al hogar del
viajero. Por su parte, la generación de viajes no basados en el hogar y basados en el
hogar de retorno puede ser explicada por aquellas variables asociadas a las
actividades que se desarrollan en las zonas.

6.1.1 Generación de viajes basados en el hogar de ida (bhi)
Los viajes basados en el hogar de ida, para el propósito p y categoría de usuarios n

{2 }, se calcula utilizando el método de Análisis por Categorías (AC), según la
SQ
L EKL

= Número de viajes con propósito p generados por los hogares de la categoría
EKL
n de la zona i.

43

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

+ LQ

= Número de hogares en la zona i, correspondiente a la categoría de hogares n

W SQ

= Tasa de viajes por propósito p y de hogares de categoría n

Este modelo requiere conocer el número de hogares por categoría en cada zona, lo
cual debe ser determinado o estimado a partir de información socioeconómica
independiente: normalmente del Censo Poblacional o de otros catastros urbanos.
Recuérdese además, que es necesario conocer la distribución de hogares por
categoría no sólo en el año base de análisis; también se requiere la distribución futura
de los hogares para cada uno de los cortes temporales. Estas proyecciones son parte
del ámbito de especialización de otras disciplinas, por lo que en el contexto de la
metodología que aquí se discute, la distribución de hogares por categoría se
considerará como un dato exógeno.

Luego, el problema se reduce a encontrar las tasas de generación de viajes para
cada categoría de hogar y propósito. Esta tarea ha sido habitualmente realizada con
los denominados modelos de análisis por categorías, los cuales determinan las tasas
de generación buscadas a partir de una muestra de hogares, simplemente dividiendo
para cada categoría ingreso-tasa de motorización, el número de viajes observados de
un propósito por el número de hogares en la muestra.
La determinación de las tasas de generación puede abordarse mediante dos marcos
conceptuales diferentes: Análisis por Categoría Simple (AC) y Análisis de Clasificación
Múltiple (ACM). Cada enfoque presenta ventajas y desventajas y por lo tanto, la
recomendación establecida en la presente metodología recoge una solución de
compromiso, en el sentido de privilegiar la confiabilidad en la predicción futura, más
que la disponibilidad de indicadores estadísticos asociados a las tasas. En síntesis, se
privilegia el uso de modelos funcionales para predecir el funcionamiento del sistema,
más que para explicar.
La recomendación anterior, se sustenta en el trabajo esclarecedor respecto de esta
decisión (Guevara Thomas, 2009). La conclusión final de la investigación realizada
permite recomendar fundadamente el uso de tasas simples obtenidas del análisis de
categorías tradicional, descartando el uso de modelos basados en el análisis de
clasificación múltiple (ACM) debido a problemas estructurales de sus parámetros que

44

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

limitan su uso para una predicción confiable, esto a pesar de que se intentó mejorar
los modelos basados en el método ACM utilizando diversos enfoque técnicos. La
conclusión a que se llega en el artículo recién citado, apunta a establecer que el uso
de tasas ACM sistemáticamente sobreestima los viajes generados, en las categorías
de más altos ingresos y motorización, sesgando los pronósticos que las utilizan.
La conclusión obtenida en dicho estudio es tan rotunda, que opaca las ventajas
objetivas que ofrece el enfoque de tasas basadas en ACM. ( i) Dispone de medidas
estadísticas que permiten seleccionar entre esquemas alternativos de categorización y
además, obtener una estimación global de la bondad de ajuste del esquema de
clasificación escogido y ii) La determinación de la tasa de una categoría específica, no
depende del número de observaciones que se dispongan en esa categoría).
En conclusión, la metodología recomienda utilizar un enfoque de tasa simple (AC)
para la estimación de modelos de generación de viajes con propósito p de los hogares
de la categoría n. La tasa AC W SQ

º
EKL
W SQ = « Q »
« +L »
¬
¼
Para efectos de orientar ilustradamente los límites de los rangos de ingreso a
adoptar en la categorización, puede utilizarse el método de Análisis de Varianza
(ANOVA) en un factor (ingreso-tasa de generación), para determinar categorías en
que exista un diferencia estadísticamente significativa en las tasas de generación de
viajes a nivel de ingreso. Finalmente, dicho antecedente deberá contrastarse (e
inclusive puede quedar determinado) por la disponibilidad de información consistente
para aplicación (p.ej. categorización de un Escenario de Uso de Suelos disponible) y
coherencia global con rangos aceptables.
Finalmente, puede resultar que el estimar las tasas se obtengan resultados
contraintuitivos, es decir, tasas que no sean crecientes según nivel de ingreso y
motorización (variables relevantes de esta metodología y que como se ha indicado
corresponden a una decisión de compromiso). Una forma que se ha demostrado útil
en la práctica para evitar este problema es el de agregación de categorías, para
efectos del cálculo.

45

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

6.1.2 Generación de viajes basados en el hogar de retorno (bhr).
La generación de este tipo de viajes (muy raros en el período punta mañana y más
frecuentes en el período fuera de punta), debe ser modelada con regresión lineal
múltiple (RLM) a nivel zonal, dado que en este caso el método AC es inaplicable,
puesto que el origen del viaje no es el hogar y por ello, no es lícito considerar el
número de hogares como variable explicativa.
En consecuencia, la modelación de este tipo de viajes será función de variables
asociadas con el uso de suelos y las actividades de una zona. En este sentido, las
variables explicativas del modelo de RLM serán casi las mismas utilizadas por los
modelos de RLM de atracción de viajes.
Sin embargo, -a diferencia de los modelos de atracción de viajes-, la generación de
viajes debe clasificarse por categoría de demanda, de manera que se plantean dos
alternativas. La primera consiste en calibrar un modelo RLM por categoría, mientras
que la segunda consiste en calibrar un modelo RLM que no distingue categorías
(modelo conjunto) y aplicar posteriormente factores que representen adecuadamente
la proporción de cada tipo de usuarios.
La primera alternativa es la más deseable, sin embargo su utilización y grado de
confiabilidad está limitada por el número de viajes observados en cada categoría de
demanda. Es por ello que ese método puede presentar problemas de calibración y
probablemente sea difícil obtener modelos de RLM estadísticamente robustos. La
segunda alternativa, requiere conocer el porcentaje de viajes basados en el hogar de
retorno, generados por zona de acuerdo a la clasificación de demanda. Esta
información no es fácil de obtener, a menos que se cuente con un banco de datos del
tipo de una Encuesta Origen Destino, que se propone como parte de la presente
metodología.

Finalmente, es necesario señalar que tal como antes se indicara, en el período
punta de la mañana, este tipo de viajes es muy raro, por lo que una posibilidad
para incluirlos será amplificar los viajes generados en el hogar de ida para cada
zona (modelados con tasas AC según se discutió antes), por un cierto porcentaje

46

WZj

DŝŶŝƐƚĞƌŝŽ


^ĞĐƌĞƚĂƌşĂ
dĠĐŶŝĐĂ
ĚĞů

que represente a los viajes basados en el hogar de retorno. Ciertamente, este es
un procedimiento arbitrario que debe entenderse como un recurso extremo.

6.1.3 Generación de viajes no basados en el hogar (nbh)

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 AC es
inaplicable.
La modelación de estos viajes, será función de variables asociadas con el uso de
suelos y las actividades de una zona. En este sentido, las variables explicativas del
modelo RLM de generación de viajes serán básicamente las mismas utilizadas en
los modelos RLM de atracciones de viajes que se discutirán en la sección
siguiente.
No obstante -a diferencia del caso de las atracciones de viajes-la generación de viajes
debe ser clasificada por categoría de demanda, de manera que debe calibrarse un
modelo RLM para cada categoría. Ello puede presentar problemas de calibración,
puesto que especialmente en el período punta mañana, el número de viajes no
originados en el hogar puede ser muy pequeño. Si a ello se agrega que este escaso
número de viajes debe ser diferenciado por propósito y categoría, se entiende que
probablemente sea difícil obtener modelos RLM estadísticamente robustos.

Si este problema se presenta, una posibilidad será amplificar los viajes originados
en el hogar en una zona (modelados con AC según se discutió antes) por un cierto
porcentaje que represente a los viajes no originados en el hogar, respecto al total
de viajes producidos en una zona. Ciertamente este es un procedimiento arbitrario,
que debe ser entendido como recurso extremo. Además se requiere conocer (o
estimar) el porcentaje de viajes originados y no originados en el hogar por cada
zona, propósito y categoría. Esta información no es fácil de obtener, a menos que
se cuente con un banco de datos del tipo de una Encuesta Origen-Destino, que se
propone como parte de la presente metodología.

47

Actualización modelo transportes Lima

Actualización modelo transportes Lima

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a Actualización modelo transportes Lima

Similar a Actualización modelo transportes Lima (20)

Actualización modelo transportes Lima