Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more ➡
Download
Standard view
Full view
of .
Add note
Save to My Library
Sync to mobile
Look up keyword
Like this
10Activity
×
0 of .
Results for:
No results containing your search query
P. 1
20 - Introducción a los modelos desagregados de demanda

20 - Introducción a los modelos desagregados de demanda

Ratings: (0)|Views: 4,712|Likes:

More info:

Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See More
See less

03/11/2013

pdf

text

original

 
UNA INTRODUCCIÓN A LOS MODELOS DESAGREGADOSDE DEMANDA DE TRANSPORTE
 
Juan de Dios Ortüzar SalasDepartamento de Ingeniería de Transporte
 
Pontificia Universidad Católica de Chile
 
RESUMEN
 
Los métodos de análisis y predicción de demanda en planificaciSn de sis_
 
temas de transporte, han recurrido tradicionalmente a datos agregados y modelos con variables dependientes continuas. Debido a una serie de razones tej5
 
ricas y prácticas, los desarrollos más recientes*en este campo se han doñeen,
 
trado en el uso de modelos desagregados (o a nivel individual) de elecciónentre alternativas discretas*
 
 f&.'u
 
Este trabajo resume los elementos esenciales de estas nuevas metodolo-gías haciendo énfasis en el problema de partición modal de viajes, qué ha8ido su campo de aplicación más exitoso.
 
 
1. Introducción
 
La utilización de modelos (agregados) de demanda en la planificación desistemas de transporte se remonta a los comienzos de la decada aei
DU
|_i, 2, 3J, yya a principios de la década del 60 existía un cuerpo metodológico aparentemente bien entendido y documentado[4] . No obstante el trabajo pionero de in-vestigadores como Warner [5]u Oi y Shuldiner [6] , que mostraba la existenciade serias deficiencias en las metodologías agregadas desarrolladas hasta useentonces, ésta primera generación de modelos siguió siendo utilizada en formamayoritaria en proyectos de transporte hasta fines de la década del 70. Dehecho solo hace unos pocos años se empezaron a considerar en forma seria losmodelos desagregados o de la segunda generación [7,8] , que sin duda constituyaiun avance metodológico significativo en cuanto a técnicas de estimaciónde demanda (Williams [9] presenta una buena revisión del desarrollo teórico eneste área).
 
El marco conceptual en que se han desarrollado estos nuevos modelos, deelección discreta a nivel individual, es el de la Teoría de la Utilidad Alea-toria [7, lOJ ; ésta, que es utilizada en £l 1 para discutir las principalescaracterísticas, hipótesis y problemas de una gran variedad de estructurasfuncionales,básicamente postula que:
 
i) Los individuos q, pertenecientes a una cierta población o segmento de mercado Q, actúan en forma determinística > racional al escoger entre un conjun-to de alternativas, estando sujetos a las mismas restricciones.— 
 
 y
Esto es, escoger la alternativa con mayor utilidad neta asociada.
 
 
conveniente modelo Logit Simple, dado por:
 
Si, por otro lado, los ei tienen una distribución Normal multivariada general, se obtiene el poderoso (pero computacionalmente difícil de implementar)modelo Probit Múltiple £l3], que no posee una expresión analítica sencillacomo (3) y que en la practica requiere de aproximaciones para casos que en-vuelven mas de 3 alternativas.
 
En este trabajo discutiremos brevemente algunos aspectos relacionados conla aplicación de estos modelos de elección discreta, haciendo especialmentereferencia al uso del sencillo Logit Simple en problemas de predicción de lapartición modal para viajes al trabajo. En la sección 2 nos preocupa remos dela recolección y medición de datos; la sección 3 estará dedicada al problema deespecificación y la sección 4 al de estimación de modelos. Final mente, en lasección 5 nos referiremos al problema de agregación que es necesario resolverpara la aplicación práctica de estas herramientas. No pretendemos cubrir enprofundidad todos estos aspectos, por lo que referimos a quie nes esténinteresados a buenas discusiones generales de fácil acceso en la li teraturaespecializada £7,9,14,15,16 y ¿7].
 
2. Recolección y medición de datos.
 
A pesar de que en teoría suelen existir varios enfoques alternativos paraatacar un problema determinado, la mera disponibilidad de datos suele reducirla elección a un sólo método. Históricamente la metodología dominante en píanificación de transporte, ha consistido en recolectar datos para un sólo ins-tante de tiempo (cross-section), típicamente acerca de las preferencias exhi-bidas por los usuarios del sistema, aunque en ciertas oportunidades se han preferido enfoques alternativos basados en información declarada por los usuarios£l5, 18, 19] . El problema de estos métodos es que no es posible (con datospara un sólo instante de tiempo) discriminar entre la gran variedad de fuentesde dispersión de la información, tales como variación en las preferencias, res_
 
tricciones operativas o hábitos conductuales £l6, 20]. Por otro lado, modelosbasados en paneles, datos de series de tiempo, o simplemente en información deltipo 'antes y después
1
, que podrían permitir testear en forma directa y qui zasrechazar hipótesis nulas relativas a la respuesta conductual de los usuarios,tienen asociados problemas técnicos propios cuya discusión escapa al ámbito deeste trabajo ( ver £2lJ para una interesante aplicación). Un área problemarelacionado con la anterior, es la de medición de variables que se esquematizaen la Figura 1. Desgraciadamente, se ha avanzado muy poco en este aspecto y dehecho no ha sido posible cuantificar ninguna de las relaciones o elementos dela figura. Sin embargo, se pueden encontrar excelentes discusiones del temaen [22 ] y £ 23].
 
El desarrollo e implementación de modelos de demanda de transporte ha es-tado asociado tradicionalmente a la recolección de gran cantidad de datos, in-cluyendo costosas encuestas origen-destino de viajes £3, 4, 7, 8j. Debido aque los modelos agregados convencionales utilizaban información a nivel zonal,se requerían muestras aleatorias de gran tamaño para la etapa de calibración, yes bien sabido £24 J que en muchas ocasiones los recursos consumidos en la
 

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->