VALORACIN SUBJETIVA DEL TIEMPO DE VIAJE EN EL CORREDOR VIAL SOGAMOSO TUNJA BOGOT

LEONEL MAURICIO OCHOA FONSECA RUT YURDLEY SNCHEZ MANOSALVA

UNIVERSIDAD PEDAGGICA Y TECNOLGICA DE COLOMBIA FACULTAD DE INGENIERA ESCUELA DE TRANSPORTE Y VAS TUNJA 2012

VALORACIN SUBJETIVA DEL TIEMPO DE VIAJE EN EL CORREDOR VIAL SOGAMOSO TUNJA BOGOT

LEONEL MAURICIO OCHOA FONSECA RUT YURDLEY SNCHEZ MANOSALVA

Trabajo de grado presentado como requisito para optar el ttulo de Ingenieros en Transporte y Vas

Director LUIS GABRIEL MRQUEZ DAZ Ingeniero en Transporte y Vas Magster en Ingeniera con nfasis en Transporte

UNIVERSIDAD PEDAGGICA Y TECNOLGICA DE COLOMBIA FACULTAD DE INGENIERA ESCUELA DE TRANSPORTE Y VAS TUNJA 2012

Nota de aceptacin: ______________________________ ______________________________ ______________________________ ______________________________ ______________________________ ______________________________

______________________________ Firma del presidente del jurado

______________________________ Firma del Jurado

______________________________ Firma del Jurado

Tunja, septiembre de 2012

La autoridad cientfica de la Facultad de Ingeniera reside en ella misma, por lo tanto no responde por las opiniones expresadas en ste informe

Se autoriza la reproduccin, indicando su origen.

INTRODUCCIN El presente informe

1. GENERALIDADES
En general, en los modelos de eleccin discreta se representa el comportamiento de un individuo n que se enfrenta a la eleccin de una nica alternativa i entre un conjunto finito I de alternativas disponibles [4]; el individuo busca maximizar su utilidad, as que prefiere la alternativa i sobre la j si Uni>Unj. Es importante considerar que el investigador observa slo algunos atributos de decisin xnj y algunos atributos del individuo sn; de esta manera, mientras el problema es determinstico para el individuo, no lo es as para el investigador, quien tratar la funcin de utilidad con un error aleatorio de media cero y, por lo tanto, . Entonces, la utilidad representativa o sistemtica Vnj es una funcin que requiere para su calibracin el ajuste de unos parmetros [10]. En la mayor parte de los modelos de eleccin discreta que se emplean en la actualidad, se usan funciones lineales en los parmetros para representar esta utilidad determinstica y se considera que los parmetros son constantes para todos los individuos, pero pueden variar entre unas alternativas y otras [4]. Los distintos modelos de comportamiento de maximizacin de la utilidad aleatoria se diferencian principalmente en la especificacin que suponen para el trmino de error . Los principales modelos de eleccin discreta son: Logit (MNL), con errores Gumbel independientes e idnticos (iid), que no admite correlacin entre alternativas ni entre elecciones y requiere homoscedasticidad; Probit (MNP), cuyos factores no observados distribuyen conjuntamente normal, con gran dificultad para el clculo de las integrales; modelos de valor extremo generalizados (GEV), que admiten patrones de correlacin entre alternativas tales como el Logit jerrquico o anidado (HL), en el que las alternativas se estructuran en grupos llamados nidos, de modo que los factores no observados tienen la misma correlacin para las alternativas en el interior del nido y no existe correlacin con las restantes [10]; Logit mixto (ML), en donde los factores no observados se dividen en una parte que contiene la posible correlacin y heteroscedasticidad, y en otra parte que es Gumbel iid, con la ventaja que este modelo puede aproximar cualquiera de los otros [4] por lo que es completamente general. El proceso de calibracin consiste en la estimacin de los coeficientes , tomando como estimadores aquellos valores que maximicen la verosimilitud de la muestra utilizada [4]; este proceso puede hacerse utilizando paquetes de cmputo comerciales o de uso libre como BIOGEME (2008). La seleccin del mejor modelo

se basa en el examen y comparacin de algunos indicadores, tales como la consistencia de signos, la significancia de los estimadores, medidas de bondad de ajuste mediante los ndices de razn de verosimilitud y 2 [12] y el clculo de test de razn de verosimilitud de los modelos ms complejos frente a los ms sencillos, que pueden obtenerse mediante restricciones de ste [9]. Una vez que el mejor modelo es elegido, adems de su empleo para realizar pronsticos de elecciones en diferentes escenarios, puede emplearse para medir elasticidades con respecto a diferentes variables, principalmente las tarifas del transporte pblico, y disponibilidades a pagar por las variaciones en diferentes atributos, con especial atencin a los ahorros de tiempo de viaje y tiempo fuera del vehculo [10]. MODELOS DE ELECCIN DISCRETA Los modelos de eleccin discreta han sido desarrollados para describir el comportamiento de un consumidor o usuario ante la escogencia entre un grupo de opciones mutuamente excluyentes. La teora de eleccin discreta asume que la percepcin del individuo de las caractersticas de las diferentes opciones es heterognea y no es completamente observable. Estos modelos tienen su fundamento en las elecciones observadas de viajeros individuales.1 En general postulan que: La probabilidad de que un individuo escoja una cierta opcin, es una funcin de sus caractersticas socioeconmicas y de lo atractiva que resulte la alternativa en cuestin en comparacin a las dems. (Ortzar, 1998). Usualmente se supone una decisin donde existe un nmero de alternativas finitas y slo es posible elegir una de ellas. El consumidor, basndose en los principios de la teora de utilidad aleatoria, elige la alternativa que le brinde mayor utilidad. En modelos de eleccin discreta, ha llegado a ser la norma basarse en ste enfoque. Algunas de las propiedades de estos modelos son: A diferencia de los modelos agregados, que generalmente se calibran con datos que se han agrupado de alguna forma, los modelos de eleccin discreta se calibran usando observaciones de la conducta de los individuos como datos de entrada. Dado esto, estos pueden ser ms eficientes en el

ANILLO, G, Marcela. Desarrollo de modelos para estimar la ponderacin de los atributos del nivel de servicio en la toma de decisiones entre alternativas de transporte. Barranquilla, 2006. 145h. Trabajo para aspirar al ttulo de master en Ingeniera Industrial. Universidad del Norte. Departamento de Ingeniera Industrial. Divisin de Ingenieras.

uso de informacin y poseen menor probabilidad de sesgos debidos a correlaciones entre unidades agregadas. Los modelos desagregados, como tambin se les conoce en la literatura, son probabilsticos. A las variables explicativas que se incluyen en los modelos, se les calibran coeficientes en forma explcita. Estos coeficientes permiten una representacin ms flexible de las variables de poltica que sean consideradas relevantes para el estudio. A su vez, los coeficientes tiene una interpretacin directa en trminos de determinar la importancia relativa a cada atributo en la eleccin.

MODELOS LOGIT La base que fundamenta los pilares de la modelacin logit, viene dada por la teora de utilidad aleatoria la cual se basa en la teora microeconmica clsica del consumidor racional, esta teora de utilidad aleatoria fue desarrollada por Thurstone2. Para explicar la forma como el individuo realiza y por qu toma una decisin se han tratado de estimar modelos que generalicen estas situaciones de los individuos. Todo empieza desde el momento en que el individuo debe realizar una eleccin, l se ve sometido a tomar una serie de decisiones las cuales juntas se pueden analizar de la siguiente manera3: 1. 2. 3. 4. 5. Definicin del problema de eleccin Generacin de alternativas Evaluacin de los atributos de las alternativas Eleccin Ejecucin de la alternativa elegida

Esta secuencia de pasos, es quizs un ejemplo de cmo una persona puede realizar una eleccin, sin embargo no todos los individuos responden de la misma manera ya que cada individuo es diferente en su modo de pensar y procesar informacin cuando se refiere de la eleccin entre una serie de alternativas, el mecanismo interno que describe la eleccin de un individuo se puede sintetizar en las reglas de decisin. En este sentido existen numerosas reglas propuestas, las cuales se pueden clasificar en las siguientes categoras4:

THURSTONE, L. A law of comparative judgement. Psycological Review 34: (1927) 273-286 (reprinted 101, 266-270) 3 BEN-AKIVA, M. LERMAN,S. Discrete Choice Analyisis. Theory and Application to Travel Demand. The MIT Press. Cambridge. Massachusetts. 1985. 4 Ibid, p. 35-37

a) Dominancia: una alternativa es dominante respecto a otra si al menos un atributo es mejor y en los dems no es peor. Esta regla puede no conducir a una eleccin nica. Puede aadirse complejidad definiendo un rango de indiferencia (umbral mnimo de diferencia de valores para considerar un atributo mejor que otro). b) Satisfaccin: para cada atributo se considera un umbral mnimo de satisfaccin para el individuo, una alternativa puede ser eliminada si no alcanza ste mnimo por algn atributo. c) Reglas lexicogrficas: se supone que los atributos estn ordenados por importancia, de modo que el individuo elige la alternativa que tiene el mayor valor en el atributo ms importante, en caso de igualdad se pasa al siguiente atributo (del mismo modo que se realiza el orden alfabtico de las palabras en los diccionarios). d) Eliminacin por aspectos: es la combinacin de las reglas lexicogrficas y de satisfaccin. El individuo comienza por el atributo ms importante y elimina las alternativas que no alcanzan su umbral de satisfaccin, si todava hay varias alternativas que no alcanzan su umbral de satisfaccin, si todava hay varias alternativas disponibles pasa al siguiente atributo en importancia5. Batley y Daly, 2004 plantean la equivalencia de este tipo de eleccin con la maximizacin de la utilidad aleatoria que se expone a continuacin. e) Utilidad: se considera que los atributos son conmesurables y que el atractivo de una alternativa, expresado por un vector de valores de los atributos, se puede expresar mediante un escalar, denominado en general utilidad. El individuo buscar maximizar esta utilidad (o minimizar sus costos). Esta regla implica un comportamiento de tipo compensatorio, en el que una disminucin en un atributo puede ser compensada por una mejora en otro (al contrario de lo que suceda con las reglas anteriores). En los modelos de eleccin discreta se representa el comportamiento de un individuo que se enfrenta a la eleccin de una nica alternativa entre un conjunto finito de alternativas disponibles. La teora de la utilidad aleatoria parte de un individuo perfectamente racional que siempre opta por la alternativa que le supone una mayor utilidad. La utilidad que le reporta al individuo n la alternativa j es , completamente conocida por quien realiza la eleccin. Desde el punto de vista econmico, es una funcin de utilidad indirecta condicional. De este modo el individuo n escoger la alternativa i si y solo si

TVERSKY, A. Elimination by aspects: A theory of choice. Psycological Review 79, 1972. p. 281-299.

Utilidad de la alternativa i para el individuo n. Lo que sucede en la realidad es que el modelador no conoce, para cada individuo, la totalidad de las variables que estn influyendo en su eleccin, ni la forma exacta en la que influyen. De este modo, el analista, a partir de la observacin de las elecciones de los individuos y de los valores de las variables explicativas que considere, tanto del individuo como de las alternativas disponibles, va a ser capaz de determinar una parte de la utilidad, la parte observada que se denominar mientras que otra parte de la utilidad ser desconocida para el analista, que le tratar como un error aleatorio de media cero, denominado

Utilidad de la alternativa i para el individuo n. Componente estocstica de la utilidad (en el logit mixto slo la Gumbel iid.) La utilidad representativa, determinstica o sistemtica ser funcin de una serie de atributos observados (medidos) de las alternativas y del propio individuo, que se denominarn . Esta funcin requerir para su calibracin el ajuste de unos parmetros

Componente representativa de la utilidad. Atributos medibles de la alternativa j y del individuo n. : Son constantes para todos los individuos En la mayor parte de los modelos de eleccin discreta que se emplean en la actualidad, se emplean funciones lineales en los parmetros para representar esta utilidad representativa y se considera que los parmetros son constantes para todos los individuos pero pueden variar entre unas alternativas y otras, de este modo: Este tipo de especificacin es general ya que se define el error como la diferencia entre el valor real de la utilidad y el valor que observa el analista, as las caractersticas de van a depender de la forma en la que el analista haya representando la eleccin.

Si bien la eleccin del individuo, bajo las hiptesis mencionadas, es plenamente determinista, el analista no va a conocer el valor de las utilidades reales, por lo que lo nico que va a poder conocer es la probabilidad de que una alternativa sea la de mayor utilidad6. El trmino es un error aleatorio de media cero, si se denomina a la funcin de densidad conjunta del vector aleatorio ( ) se puede estimar la probabilidad que el individuo escoja cada una de las alternativas. La probabilidad de que el individuo n escoja la alternativa i ser: ( ( ( ) ) )

Utilidad de la alternativa i para el individuo n. Componente estocstica (en el logit mixto slo la Gumbel iid.) de la utilidad. Componente representativa de la utilidad. Probabilidad de que el individuo n elija la alternativa i. sta es la probabilidad de que cada trmino aleatorio sea inferior a una cantidad observada , por lo tanto se trata de una funcin de distribucin acumulada. A partir de la funcin de densidad se puede calcular esta probabilidad como: ( ( ) )

Siendo I () una funcin que vale uno si el trmino entre parntesis es cierto (si el individuo ha escogido la alternativa i) y cero en otro caso. Dependiendo de la distribucin que cada modelo suponga para el se tendr un valor cerrado de esta integral (en modelos como el logit o el logit jerrquico) o tendr que ser evaluada numricamente por simulacin (como en el probit o el logit mixto). El proceso de calibrado del modelo consistir en la estimacin de los valores de los coeficientes . El procedimiento ms empleado es tomar como estimadores
6

ORRO ARCAY, Alfonso. Modelos de Eleccin Discreta en Transportes con Coeficientes Aleatorios. A Corua, 2005, 294 h. Tesis Doctoral (Ingeniera Civil). Universidad de A Corua. Escuela Tcnica Superior de Ingenieros de Caminos, Canales y Puertos.

aquellos valores que maximicen la verosimilitud de la muestra utilizada. La funcin de verosimilitud de una muestra determinada ser en general:

: Verosimilitud de una muestra : Probabilidad de que el individuo n elija la alternativa i Indicador de eleccin (1 para la alternativa elegida) Siendo si el individuo n ha escogido la alternativa i y cero en otro caso. Para facilitar la maximizacin numrica se trabaja con el logaritmo neperiano de la verosimilitud, la log-verosimilitud: : Log-verosimilitud de una muestra : Indicador de eleccin (1 para la alternativa elegida) : Probabilidad de que el individuo n elija la alternativa i El estimador es el valor de que maximiza la funcin de log-verosimilitud, para lo que existen diversos procedimientos numricos. En algunos casos se utilizan otros mtodos de estimacin, principalmente con modelos que requieren simulacin para calcular la probabilidad, dado que en ese caso el mtodo de mxima verosimilitud simulada (MSL) requiere condiciones estrictas para que el estimador sea consistente, eficiente y asintomticamente normal. La eleccin observada nicamente proporciona informacin acerca de cul de las utilidades es mayor. Por lo tanto, no se va a poder determinar la escala de las utilidades, no va a modificar el hecho de que la utilidad de una alternativa sea mayor que la de otra. En la actualidad se cuenta con la existencia de diferentes modelos de comportamiento de maximizacin de utilidad aleatoria, estos se sustentan en el mismo principio lo que marca la diferencia entre uno y otro radica en la especificacin que supone para la densidad de los factores no observados entre los cuales podemos encontrar: Logit Multinomial (MNL): Los errores distribuyen Gumbel independientes e idnticos (iid.). Por lo tanto no admite correlacin entre alternativas ni entre elecciones y requiere homoscedasticidad (varianzas iguales para todas las alternativas y para todas las elecciones).

 Modelos de valor extremo generalizados (GEV): se admiten patrones de correlacin entre alternativas. Uno de los ms sencillos y utilizados es el Logit jerrquico o anidado (NL), en el que las alternativas se estructuran en grupos llamados nidos, de modo que los factores no observados tienen la misma correlacin para las alternativas en el interior del nido y no existe correlacin con las restantes. En general no requieren simulacin para su estimacin. Logit mixto: en este modelo los factores no observados se dividen en una parte que contiene la posible correlacin y heteroscedasticidad y otra parte que es Gumbel iid. La primera parte puede seguir cualquier distribucin, incluso las no normales. Este modelo se puede aproximar cualquiera de los otros y por lo tanto es completamente general. 1.1.1 LOGIT MULTINOMIAL (MNL) El modelo Logit (o Logit Multinomial, MNL) se obtiene suponiendo que cada distribuye segn una distribucin de Gumbel, o valor extremo tipo I 7, independiente e idntica (es decir, con la misma varianza): Gumbel iid. Se trata del modelo ms utilizado y la base de gran parte de los restantes modelos8. El modelo MNL exhibe la propiedad de independencia de alternativas y puede no ser adecuado cuando las alternativas estn correlacionadas. Lo cual nos lleva a deducir que la inclusin de nuevas alternativas no altera la relacin de las alternativas existentes. Esta propiedad implica que la probabilidad de escoger una alternativa en cambio de otra, es en cualquier circunstancia independiente de la existencia o no de otra alternativa. Este hecho representa desventajas para el modelo MNL, como: Los coeficientes son fijos para todos los individuos. La existencia de respuestas repetidas de un mismo usuario y se asumen independientes entre s. Para solucionar el problema cuando existe heterogeneidad en las preferencias o gustos de los individuos, lo que se emplea para captar esta son dos especificaciones: 1. Es una especificacin donde el parmetro de cada atributo es una funcin de las caractersticas socioeconmicas para cada uno de los individuos como son las denominadas variables mudas: edad, sexo, ingreso, viajar acompaado, su ltimo viaje, etc. Fue esta la base para la construccin de los modelos con variaciones sistemticas, en los que se incluye la variacin
7 8

GUMBEL, E.J. Statistics of extremes. Columbia University Press (Facsimile by UMI, Michigan, 1997). 1958. ORRO, Op.cit, p. 39

heterognea en los gustos asumiendo que los parmetros de los diferentes atributos dependen de las caractersticas de los individuos de una manera determinstica9. 2. Por otra parte los modelos mixtos o de parmetros aleatorios propuesto por Train10, recoge la heterogeneidad aleatoria. Para la estimacin de ste modelo se emplea el mtodo de mxima verosimilitud. La mxima verosimilitud es un mtodo que considera que: aunque una muestra puede provenir de diferentes poblaciones, existe una para la cual hay mayor probabilidad de eleccin de los individuos por sta, asi los (estimadores de mxima verosimilitud) son los que generan ms a menudo la muestra. Esta idea la podemos representar, considerando una muestra de n observaciones con alguna variable z, las cuales pertenecen a una muestra donde est caracterizada por un parmetro desconocido (pudiendo ser sta la media o la varianza) y la podemos denotar por . Como z es una variable aleatoria, tienen una funcin de densidad asociada f(z/), puesto que depende de los valores de . Si todos los valores de z de la muestra son independiente, podemos escribir la funcin de densidad as:

Lo que nos dice esta expresin 12 es que los z son variables y es fijo. Si se invierte el proceso se considera el supuesto que los z son conocidos y fijos y una variable, se puede interpretar a la ecuacin anterior como una funcin de verosimilitud y no de densidad conjunta. Si se maximiza esa funcin respecto a , el resultado se llama estimador de mxima verosimilitud, ya que es el valor de que tiene mayor de probabilidad de haber generado la muestra observada; esta idea puede ser extendida a varios parmetros. Parra maximizar la funcin de verosimilitud, se deriva parcialmente respecto de los e igualando a cero. Normalmente se maximiza la funcin logaritmo de la verosimilitud ya que es ms manejable y se tiene la misma verosimilitud (logverosimilitud). Para los modelos MNL la funcin de verosimilitud se comporta bien y tiene un mximo nico, siempre y cuando la utilidad tenga comportamiento lineal en los parmetros.

ANILLO, G, Marcela. Desarrollo de modelos para estimar la ponderacin de los atributos del nivel de servicio en la toma de decisiones entre alternativas de transporte. Barranquilla, 2006. 145h. Trabajo para aspirar al ttulo de master en Ingeniera Industrial. Universidad del Norte. Departamento de Ingeniera Industrial. Divisin de Ingenieras. 10 TRAIN, K. Discrete Choice Methods with Simulation. Cambridge University Press. 2003.

1.1.2 LOGIT ANIDADO (NL) Este modelo permite agrupar las alternativas que se consideran similares o que tienen un grado de semejanza o comparten un comportamiento igual; a stas agrupaciones se les conoce como nidos. Dentro de cada uno de ellos se consideran las propiedades mencionadas anteriormente, mientras que en los nidos diferentes, la razn de probabilidad entre alternativas puede depender de las propiedades de otras alternativas de los dos nidos, pero no de los otros dos nidos irrelevantes11. Pueden existir nidos tanto en serie como en paralelo, dando lugar a la estructura el rbol que caracterizan a stos modelos, adems aparecen unos parmetros de escala adicionales en cada nido que en cierto modo reflejan la escala de correlacin, uno de estos parmetros debe ser fijado para evitar problemas de identificacin, por lo cual existen dos estrategias diferentes para realizarlo, inferior o superior, en funcin de si la restriccin se aplica en uno de los nidos inferiores o en el nido principal. La estructura de la matriz de covarianza obtenida es diagonal por bloques. Cuando dos o ms alternativas estn agrupadas en un nido, los elementos no diagonales correspondientes sern distintos de cero. Los elementos de la diagonal siguen siendo idnticos, mantenindose la homoscedasticidad caracterstical del MNL12. 1.1.3 LOGIT MIXTO El logit mixto es un modelo muy flexible que permite aproximar varios tipos de modelos de utilidad aleatoria. Evita tres limitaciones del modelo logit clsico, dando la posibilidad de asignar varios rangos de variaciones en los gustos, sin restricciones en los patrones de sustitucin y correlacin entre los factores no observados (McFadden y Train, 2000). En la mayora de ocasiones la informacin suministrada por las encuestas de PD o de PR no reflejan la diferenciacin entre gustos de los diferentes individuos, por lo cual son difciles de medir o son inobservables, para lo cual este modelo tiene como caracterstica que permite abordar variaciones en los gustos, quedando superadas las limitaciones de los modelos MNL y NL. Para estimar el modelo se parte de cada asociado con un atributo de una alternativa, calculando su media y desviacin estndar, por eso se denominada a este mtodo especificacin de parmetros aleatorios. Por medio de la estimacin de la desviacin estndar se muestra la presencia de preferencias heterogneas

11 12

Ibid, p. 84. Op. Cit, ORRO, p. 45

en la poblacin muestreada, ms conocida como heterogeneidad no demostrada13. Siguiendo el desarrollo del Train14, un modelo logit mixto es cualquier modelo en el que se calcule la probabilidad de eleccin como la probabilidad logit integrada sobre las funciones de densidad de los parmetros: Donde es un vector de coeficientes no observados para cada individuo que vara aleatoriamente de acuerdo a sus gustos y puede expresarse como la suma de la media poblacional y las desviaciones individuales con respecto a los gustos promedio de la poblacin. Siendo ser: la probabilidad logit evaluada para el valor de los parmetros, que

Por otra parte es la funcin de densidad del vector de parmetros. supone que la escala est normalizada y por lo tanto = 1. Se

Este modelo tiene la ventaja de que permite obtener patrones muy generales de correlacin y heteroscedasticidad mediante una especificacin adecuada de las variables y de las funciones de densidad de los distintos parmetros. De esta forma se plantea que los parmetros de la funcin de utilidad no son fijos entre la poblacin sino que son variables aleatorias que siguen una cierta distribucin de frecuencias sobre la poblacin , la cual se define con anterioridad por el modelador15. La probabilidad del logit mixto no tiene una expresin cerrada y por esto se debe realizar una aproximacin numrica a travs de simulacin. En realidad se extraen R observaciones de de la funcin de densidad que se ponderan por la probabilidad logit y se promedia sobre todas las extracciones; la probabilidad simulada es este promedio. Para la estimacin de estos modelos se presentan dos procedimientos, ambos entregan el mismo tipo de resultados para dos grupos de parmetros: las medias
13 14

HENSHER, D. GREENE, W. The Mixed Logit Model: Th state of practice. Transportation, 2003. p. 133-176 Op. Cit. TRAIN. p. 139 15 Op. Cit. ANILLO. p.48

y desviaciones estndar de las distribuciones que siguen los parmetros del modelo sobre la poblacin y los coeficientes de las utilidades marginales a nivel individual. Estos dos procedimientos son: la estimacin clsica mediante mxima verosimilitud y la estimacin bayesiana. Para estimar los modelos ML considerados en sta investigacin, ser empleado el mtodo de mxima verosimilitud simulada, por lo tanto no se tratar a profundidad el mtodo bayesiano16. El mtodo de mxima verosimilitud simulada es anlogo al mtodo clsico de estimacin por mxima verosimilitud, pero utilizando las probabilidades simuladas en lugar de las exactas; la funcin de log-verosimilitud de una muestra de N elecciones independientes es:

Donde es el vector de parmetros a estimar y eleccin observada en el individuo n.

es la probabilidad de la

El estimador mximo de verosimilitud es valor de que maximiza , puesto que el gradiente es cero en el mximo, este estimador tambin puede ser definido como el valor de para lo cual:

Probabilidad simulada Donde se define como puntuacin (score) de la observacin n:

El anterior es el procedimiento convencional para una probabilidad exacta, pero si es necesario calcularla por simulacin, se sugiere:

16

Op. Cit. ORRO.

Sea una aproximacin por simulacin de verosimilitud simulada es:

. La funcin de log-

: Log-verosimilitud simulada Y el estimador del modelo simulado es el valor de forma anloga el estimador es el valor de en el cual: Donde: que maximiza , de

El mayor inconveniente que se presenta con este modelo es el nmero de valores utilizados en la generacin de R por cuanto las propiedades asintticas del estimador pueden deducirse de las propiedades de los estimadores tradicionales utilizando el teorema de central del lmite y series de Taylor, esto se simplifica a que R debe crecer a un ritmo superior a , y as es asintticamente normal y eficiente. 1.2 VALOR SUBJETIVO DEL TIEMPO (VST)

La valoracin del tiempo se basa en la teora de que el tiempo es un recurso econmico, del cual disponen todos los individuos en la misma cantidad. A cada individuo puede distribuir este recurso a cada actividad n, diferentes cantidades de tal manera que la distribucin tendr un impacto diferente en su presupuesto y su utilidad. Una suposicin bsica de esta teora es que los individuos distribuyen su tiempo de tal manera que se maximice su utilidad, teniendo en cuenta que el tiempo no se puede almacenar, nicamente se puede transferir a otra actividad. Otra suposicin es que la distribucin del tiempo entre actividades para un individuo puede tener diferentes valores, los cuales se pueden medir en trminos

monetarios. Por ejemplo, una persona puede estar dispuesta a aumentar su tiempo de viaje si el costo de este disminuye17. El valor del tiempo es, en trminos microeconmicos, un mecanismo a travs del cual se intenta captar el equivalente monetario de la disminucin, en una unidad, del tiempo necesario para realizar una actividad. Cuando esta equivalencia captura la percepcin individual, se habla del valor subjetivo del tiempo o disponibilidad a pagar. Si se nos pidiese una explicacin intuitiva acerca de por qu preferiramos, como parte de un esquema normal de actividades, demorarnos menos en el viaje diario o desde el trabajo, probablemente llegaramos a una conclusin que no por trivial deja de ser relevante: un viaje ms breve podra permitirnos dormir ms, desayunar ms relajados, leer el diario, conversar con la familia, o trabajar ms, entre otras posibilidades. En todos los casos se trata de sustituir parte de una actividad como el viaje por otra ms placentera o til18. La tasa de sustitucin, dentro del campo de la RUM19, se puede calcular como: El valor subjetivo del tiempo es directamente el coeficiente del tiempo dividido por el coeficiente del costo, en las especificaciones de modelos logit como el multinomial, mixto y el anidado, los cuales aparecen en este trabajo ms adelante, este clculo se realiza con base en la expresin matemtica (22).

El mtodo ms aceptado para estimar el valor subjetivo del tiempo (VST) consiste en hallar la tasa marginal de sustitucin entre el tiempo de viaje y el costo de viaje, usualmente a partir de las funciones de utilidad calibradas a partir de modelos desagregados de eleccin discreta basados en teora de la utilidad aleatoria (RUT por sus siglas en ingls), como los planteados en este trabajo. La interpretacin de dicho valor es cunto est dispuesto a pagar una persona por reducir el tiempo de viaje en una unidad. 1.3 ESTADSTICOS

17 18

GONZLEZ MARRERO, R.M. The value of time: A theoretical review. Transport Reviews. 1997. p. 17 JARA DAZ, 19 RUM: maximizacin de la utilidad aleatoria.

1.3.1 Test t. Se usa para determinar la significacia del parmetro , los programas de estimacin como BIOGEME entregan en convergencia, la matriz de varianza-covarianza, que en su diagonal tiene , un estimador de la varianza de los parmetros; de ste modo, si:

Con esto es posible verificar si es significativamente distinto de cero. Notar que no es exactamente un test t, sino que una aproximacin, para muestras grandes, en que t se prueba con la distribucin normal. As, si t>1,96 para (1-) = 95%, se rechaza la hiptesis nula y se acepta que el atributo tiene un efecto significativo.20 1.3.2 Test de la razn de verosimilitud. Este test lo que pretende es comparar dos modelos para los cuales se quiere examinar cul es el mejor modelo asimismo el comportamiento ms adecuado. El test de la razn de verosimilitud se basa en comparar el producto entre -2 y el logaritmo neperiano de un cociente entre verosimilitudes con el percentil correspondiente de una distribucin chi-cuadrado; Este test tiene como objetivo comparar dos modelos de regresin logstica, el denominado modelo completo (full model) frente al que se conoce como modelo reducido (reduced model). El segundo modelo puede verse como un submodelo del modelo completo. La hiptesis nula probada en el test de la razn de verosimilitud establece que los parmetros correspondientes a las variables que forman parte del modelo completo, pero no del modelo reducido, valen cero. { }

: Razn de verosimilitud : Log-verosimilitud final del modelo restringido : Log-verosimilitud final del modelo no restringido. :Chi cuadrado Hiptesis nula: : Si : Si : Si la hiptesis se acepta la hiptesis se rechaza la hiptesis se rechaza

20

Op. Cit. ANILLO. p 53

Se demuestra tericamente que

sigue bajo la hiptesis nula Ho una

distribucin de probabilidad cuando N, nmero de casos en la base de datos, es suficientemente grande. El nmero de grados de libertad de la distribucin chi cuadrado, r, es igual al nmero de parmetros que en modelo completo deben igualarse a cero para que dicho modelo coincida con el modelo reducido. 1.4 TIPOS DE DATOS

Para la obtencin de la informacin primaria se realizaron encuestas tanto de preferencias reveladas como declaradas, haciendo una combinacin de estas en una sola encuesta, un diseo de experimentos es una manera de manipular los atributos y sus niveles de las diferentes alternativas para poder evaluar hiptesis que son de gran inters para el modelador21, por tanto los datos mixtos para los cuales se elaboraron las encuestas gozan de una parte en preferencias reveladas y otra de preferencias declaradas, haciendo que la combinacin de estas dos tipologas de datos genere un mejor modelo, los datos de preferencias reveladas (PR) consisten en la observacin directa del comportamiento y elecciones reales y actuales de los individuos, y los datos de preferencias declaradas (PD) se fundamentan en elecciones declaradas que a su vez son hipotticas frente a algn tipo de situacin de consumo que se le presente al individuo. 1.4.1 Datos de Preferencias Reveladas, PR Para la creacin de modelos y as mismo poder establecer el comportamiento a futuro de los individuos frente a una decisin de consumo se ha mirado con detalle el comportamiento real, en resumen estos datos representan un corte transversal en el tiempo y se obtienen a partir de encuestas que tratan de medir los valores de los atributos, tanto de la alternativa elegida como delas no elegidas por cada individuo, esto permite estimar con tcnicas estadsticas apropiadas, la funcin de utilidad de cada alternativa que represente las preferencias de cada individuo22. Los problemas ms comunes que se suelen generar cuando se hace uso de este tipo de encuestas son las siguientes: Observaciones sobre la realidad actual que pueden no variar lo suficiente como para permitir estimar modelos adecuados. El comportamiento observado puede reflejar factores que no sean de inters para el modelador, ocultando los elementos de inters por atributos no benficos para el modelo.

21

HENSHER, D. LOUVIERE, J. SWAIT, J. Combining Sources of Preference Data. Journal of Econometrics. 1999. P. 197-221 22 Op. Cit. ANILLO. p.12

Es difcil evaluar el impacto de algunas variables ya que cada persona percibe de una manera diferente, como por ejemplo comodidad, fiabilidad, seguridad, etctera.

1.4.2 Datos de Preferencias Declaradas, PD Esta tipologa de datos se caracteriza por generar escenarios hipotticos a los cuales el individuo se enfrenta a una serie de alternativas que podra tener en un futuro y dependiendo de su situacin actual puede o no elegir entre una u otra alternativa. Algunos de los problemas que se resuelven con respecto a los datos PR son los siguientes: Se construyen escenarios hipotticos lo cual garantiza ortogonalidad entre atributos. Las variables de inters se puede aislar y darles trato especial en cada uno de sus niveles. El diseo experimental permite considerable flexibilidad, al no restringir la especificacin del modelo a la tpica forma lineal son restricciones entre variables23. En el diseo experimental se crean 9 o ms configuraciones o escenarios de esta forma se generan ms de una respuesta por individuo, y eso permite estimar buenos modelos a menor costo en observaciones individuales que en el caso de datos tipo PR.

1.4.3 Datos Mixtos El xito de un buen modelo que sea generado con datos mixtos radica en la fiabilidad de los datos es decir de la procedencia de estos y anlogamente del buen diseo experimental en el cual se sustenta todo el modelo, en la modelacin con datos PD se tiene garanta de que las variables explicativas son exactas, dada la naturaleza de los experimentos, pero la principal limitacin que se atribuye y que suele proceder es la potencial ausencia de compromiso entre el individuo que declara que va hacer y lo que luego har, lo cual no puede llegar a ser coincidente con la realidad, por este motivo se combinan estas dos metodologas ya que la informacin suministrada por las PR puede generar ventajas al describir el comportamiento actual y real del individuo, y as se encapsula el individuo en una serie de restricciones suministradas por el mismo. Tabla 1. Caractersticas y diferencias de los Modelos de eleccin discreta

23

Ibid. p.13.

Modelo LogitMultinomial

Caractersticas La distribucin del error de las probabilidades es de tipo Gumbel. Homoscedasticidad observaciones
24

Diferencias No Permite variaciones aleatorias en los gustos No Permite patrones de sustitucin No Permite correlacin entre los factores no observados Dependencia de alternativas irrelevantes entre nidos

entre

Logit jerrquico

Independencia de alternativas irrelevantes Correlacin entre alternativas Heteroscedasticidad observaciones

25

entre

Logit mxto

Permite agrupar alternativas similares Puede aproximar cualquier modelo de utilidad aleatoria Correlacin entre alternativas Correlacin entre observaciones Heteroscedasticidad entre alternativas Heteroscedasticidad entre observaciones

Permite variaciones aleatorias en los gustos Permite patrones de sustitucin sin restricciones Permite correlacin entre los factores no observados a lo largo del tiempo

Fuente: ORRO ARCAY, ALFONSO.Modelos de eleccin discreta en transportes con coeficientes aleatorios. Espaa, 2005.

1.5

IDENTIFICACIN DEL MBITO DE ELECCIN

1.5.1 Infraestructura El corredor vial que comunica las ciudad de Sogamoso (Boyac) y la capital del pas (y a su vez del departamento de Cundinamarca) Bogot, cuenta con una infraestructura de tipo doble calzada (una calzada en sentido Bogot Sogamoso y la otra en sentido Sogamoso Bogot), la cual se encuentra bajo concesin, an en construccin y que cuenta con la ficha tcnica presentada a continuacin:

24 25

Varianzas iguales para todas las alternativas y para todas las elecciones (Orro, 2005). Se presenta heteroscedasticidad cuando la varianza de las perturbaciones no es constante a lo largo de las observaciones.

Fuente: Instituto Nacional de Concesiones INCO En la ficha anterior la longitud de la va concesionada no est especificada, sin embargo, este importante corredor vial se proyect para 176 kilmetros, de los cuales, 163 irn en doble calzada y en los 13 restantes se ampliarn las vas actuales en las entradas a Sogamoso por Nobsa y Tibasosa.26 Tramos y sectores de la concesin BTS: 1. Briceo - inicio variante Tocancip 2. Va existente Tocancip- Gachancip 3. Gachancip- cruce a Sesquil 4. Cruce a Sesquil- Cruce salida a Guateque 5. Cruce salida a a Guateque-Chocont 6. Chocont- Villapinzn 7. VillapinznPeaje Albarracn 8. Peaje Albarracn - Ventaquemada 9. Ventaquemada - Inicio paso urbano Tunja 10. Paso urbano por Tunja 11. Variante de Tunja 12. TunjaMortial 13. Mortial- Paipa 14. Paipa- Duitama 15. Duitama- La Y 16. La YPuente Blanco por Nobsa. 1.5.2 Situacin econmica y de transporte Dentro del corredor vial en estudio, se encuentra una amplia variedad de empresas de transporte pblico que prestan su servicio a lo largo del mismo, sea de extremo a extremo de ste (Sogamoso-Bogot), entre destinos que se encuentran dentro de sus lmites (por ejemplo Duitama-Tunja, Combita-Tunja, Tuta-Tunja), o por otro lado que los rebasan (Yopal-Bogot). A continuacin se muestran las principales empresas de transporte que se movilizan por este
26

MARN, Fernando. Doble calzada Briceo Tunja Sogamoso. En: EL Tiempo. D.C. 26, septiembre, 2009. Seccin Vehculos.

corredor, junto con alguna informacin relacionada con itinerarios y costos de transporte:

EMPRESA Coflonorte Libertadores

RUTA Sogamoso - Bogot Sogamoso - Tunja Duitama-Tunja Tunja - Bogota Sogamoso - Bogot Sogamoso - Tunja Tunja - Bogota Sogamoso - Tunja Sogamoso - Bogot Sogamoso - Tunja Duitama-Tunja Tunja - Bogota

Cootransbol Concorde

Autoboy

TIPO DE VEHICULO BUS BUS BUSETA BUS BUS BUS BUS BUSETA BUS BUS BUSETA BUS

CATEGORA Super-directa Directo Directo Directo Super-directa Directo Directo Directo Super-directa Directo Directo Directo $ $ $ $ $ $ $ $ $ $ $ $

TARIFA 22 000 6 000 5 000 18 000 22 000 6 000 18 000 6 000 22 000 6 000 5 000 18 000

HORARIOS 4:00 am a 8:45 p.m. 4:00 am a 9:00 p.m. 4:00 am a 9:00 p.m. 4:00 am a 10:45 p.m. 4:00 am a 8:45 p.m. 4:00 am a 9:00 p.m. 4:00 am a 10:45 p.m. 3:00 a.m. a 11:00 a.m. 4:00 a.m. a 7:00 p.m. 4:00 a.m. a 7:00 p.m. 5:30 a.m. a 9:00 p.m. 5:30 a.m. a 9:00 p.m.

FRECUENCIA Cada 15 min Cada 15 min Cada 30 min Cada 15 min Cada 15 min Cada 15 min Cada 15 min Cada 2 horas Cada 30 min Cada 30 min Cada 30 min Cada 30 min

FUENTE: Elaboracin propia Existen adems otras empresas, no menos importantes, que sin embargo en cantidad de oferta de vehculos, horarios, rutas, entre otros, se encuentran no tan bien posicionadas como las mencionadas en la tabla de arriba, tales como: Rpido Duitama, expreso Paz de ro, flota Sugamuxi, entre otras, las cuales representan una parte adicional de la oferta de transporte pblico dentro del corredor. Otro tipo de transporte que se encuentra dentro del corredor (adems del transporte particular, ya seguro de encontrar), es el transporte de carga; fcilmente se observan el transporte de alimentos, tales como la papa, cebolla, frutales, hortalizas, el de carnes, el transporte de carga en general (cemento, alambre, electrodomsticos, materiales de construccin). Dicha informacin muestra, sin necesitarse de un anlisis mayor, la importancia de la va (de tipo primaria) sobre la que se est trabajando. 1.5.3 Ciudades de Origen consideradas Sogamoso

Est ubicado en el centro oriente del departamento de Boyac, en la Repblica de Colombia, a una latitud de 5 42' 57Norte, y a una longitud de 72 55' 38 Oeste. El municipio de Sogamoso est ubicado en el centro del departamento de Boyac, enclavado sobre la cordillera Oriental Colombiana, en la provincia de Sugamuxi, entre las coordenadas Norte = 1.109.000 1.130.000 m y Este = 1.122.000 1.145.000 m.

Se encuentra a una altitud cercana a los 2.600 metros sobre el nivel del mar. La altitud del municipio oscila entre los 2.500 y los 4.000 (m.s.n.m) metros sobre el nivel del mar. Encontrndose el punto ms bajo en la vereda San Jos sector San Jos Porvenir metros debajo de CPR (Cementos Paz del Ro) a 2.490 m.s.n.m. y el punto ms alto en el pico Barro Amarillo en la vereda Mortial, que comparte con el Pico de Oro en la vereda las Caas, ubicados ambos a 3.950 m.s.n.m. este ltimo pico sirve de limite a los municipios de Mongui, Mongua y Sogamoso. Sogamoso se encuentra ubicado en las siguientes coordenadas: 5 3835 latitud norte y a 72 5538162 longitud. Lmites del municipio: El municipio de Sogamoso se localiza en la parte central del Departamento de Boyac, en la Provincia de Sugamuxi; entre las coordenadas N = 1.109.000 1.130.000 m: E = 1.122.000 1.145.000 m (Ver Figura N 1)Limita al norte con los municipios de Nobsa y Tpaga; al oriente con los municipios de Tpaga, Mongu y Aquitania; al sur con los municipios de Aquitania, Cuitiva e Iza; y al occidente con los municipios de Tibasosa, Firavitoba e Iza. Extensin total: 208.54 Km2 Extensin rea urbana: 30.54 Km2 Extensin rea rural: 178 Km2 Altitud de la cabecera municipal (metros sobre el nivel del mar): 2569 Temperatura media: 17 C Distancia de referencia: 210 Km de Bogot, 80 km de Tunja Economa La ubicacin geogrfica de Sogamoso define, en gran medida, su posicionamiento como centro comercial y prestador de servicios, tanto a los municipios aledaos pertenecientes a la Provincia de Sugamuxi, como al departamento de Boyac en orden a una serie de proyectos de carcter estratgico, y al departamento de Casanare, con el cual se mantienen mltiples nexos econmicos, sociales y culturales. Su actividad productiva se soporta en un amplio aparato que comprende actividades industriales, mineras y particularmente, de comercio y prestacin de una amplia gama de servicios sociales, personales y comunitarios. Poblacin por sexo:

Fuente: Censo general DANE 2005 Del total de la poblacin de SOGAMOSO el 47,6% son hombres y el 52,4% mujeres. Estructura de la poblacin por sexo y grupos de edad:

Fuente: Censo general DANE 2005

Duitama Duitama, est ubicada en el departamento de Boyac, situada en el centro-oriente de Colombia, en la regin del Alto Chicamocha. Cuenta, segn los datos del censo de 2005, con una poblacin de 125.412 habitantes. Duitama es la capital de la provincia de Tundama. Se le conoce como La Ciudad Cvica y "la perla de Boyac". Es el puerto transportador terrestre ms importante del oriente colombiano al encontrarse sobre la Troncal Central del Norte, y es un punto estratgico de las relaciones industriales y comerciales de esta regin del pas. Limita por el norte con el Departamento de Santander, Municipios de Charal y Encino; por el sur con los Municipios de Tibasosa y Paipa; por el oriente con los Municipios de Santa Rosa de Viterbo y Beln; y por el occidente con el Municipio de Paipa.

Poblacin por sexo:

Fuente: Censo general DANE 2005 Del total de la poblacin de Duitama el 47,2% son hombres y el 52,8% mujeres. Tunja Tunja es la capital del departamento de Boyac. Se encuentra situada sobre la cordillera oriental de los Andes, 130 km al noreste de la ciudad de Bogot. Posee el legado precolombino de la antigua Hunza, una de las ciudades ms antiguas de Amrica. En Tunja, el servicio de transporte pblico, est conformado por los siguientes elementos: Transporte Pblico Colectivo de pasajeros, sistema de taxis urbanos, sistema de ciclorutas y la red vial vehicular. Las principales vas terrestres de acceso son la Troncal BTS (Briceo-Tunja-Sogamoso) y la A62 que conduce hacia la ciudad de Bucaramanga, ambas pertenecientes a la va Panamericana. En el permetro urbano se encuentra la Troncal Central del Norte que comunica la zona urbana con las ciudades de Duitama y Sogamoso; la Avenida Oriental con acceso a la Terminal de Transporte; las carreras 10 y 12 que atraviesan el centro histrico; y la avenida T19-Avenida Coln (acceso hacia las ciudades del occidente del departamento como Chiquinquir) confluyen en el Monumento a la Raza. En la comuna nororiental se encuentra la Avenida Universitaria. En el oriente El Viaducto Juan Nepomuceno Nio comunica el centro histrico con la zona norte. Se espera la finalizacin del Viaducto Paseo de la Gobernacin que comunica la troncal BTS con la zona urbana en menor tiempo. La Terminal de Transportes de Tunja es la terminal central de pasajeros y carga ubicada en la comuna 5. Diversas compaas de buses expreso son responsables de los trayectos hacia las principales ciudades del pas, sobre todo en la regin Andina (Bogot, Bucaramanga) y en la regin de los Llanos Orientales ( Yopal, Arauca y Villavicencio). La red tambin incluye como destino las capitales provinciales y a todos los municipios del centro y sur de Boyac.

Debido al aumento del flujo de pasajeros y a la necesidad de modernizacin del sistema, se contempla la relocalizacin y expansin de la edificacin como proyecto prioritario. Poblacin por sexo:

Fuente: Censo general DANE 2005 Estructura de la poblacin por sexo y grupos de edad:

Fuente: Censo general DANE 2005

1.1

ESTADO DEL ARTE

En la actualidad se cuenta con una alta aplicacin de los modelos Logit en el estudio de todas las actividades en que el ser humano debe enfrentarse ante una decisin. En este campo existe una amplia literatura destinada a la estimacin del valor del tiempo. Una tcnica muy habitual para la valoracin del tiempo se basa en la estimacin de modelos de eleccin modal, en los que se calculan las tasas marginales de sustitucin entre los costos y los tiempos de viaje de las diversas alternativas de transporte. Los valores del ahorro de tiempo de viaje se utilizan a menudo en el anlisis de costo-beneficio de proyectos de transporte y polticas, como tambin para calcular los costos generalizados de viaje. Ha habido un debate considerable en cuanto a si los diferentes mtodos de investigacin (por ejemplo, preferencias declaradas en comparacin con las preferencias reveladas), dar lugar a diferentes valores del ahorro de tiempos de viaje, y que variables (por ejemplo, los ingresos o el modo) son ms importantes para captar la heterogeneidad en estos valores. Adems, hay muchos pases donde no se han hecho estudios especficos de valoracin. En este trabajo se estiman nuevas ecuaciones sobre resultados de los estudios de valor del ahorro de tiempo de viaje en varios pases. El meta-anlisis arroja una nueva luz en cuanto a la variacin del valor del ahorro de tiempo de viaje segn el ingreso, el pas, propsito de viaje, el modo, la distancia por el mtodo de encuesta. Adems, los meta-modelos resultantes son aplicados para producir nuevos valores de ahorro de tiempo de viajes de negocios,

de trabajo y para otros usos en el transporte de pasajeros, para 25 estados miembros de la unin europea.27 El meta-anlisis se puede definir como: el anlisis estadstico de los anlisis. Un nmero (generalmente de gran tamao) de estudios de investigacin anteriores ("meta" palabra griega que significa "despus") es analizado mediante mtodos estadsticos. El primer meta-anlisis fue realizado en 1904 por Karl Pearson, quien propuso el anlisis de los resultados de un grupo de estudios, para permitir una observacin de datos ms precisa, mientras que intenta superar el problema del reducido poder estadstico en estudios con pequeo tamao de las muestras. Los resultados obtenidos en dicho estudio demuestra que los valores del ahorro de tiempos de viaje en desplazamientos al trabajo y ocio, en los estudios del sur de Europa son ms altos que en el noroeste de Europa, mientras que para los viajes de negocios los VTTS (Valor del ahorro de tiempo de viaje) son prcticamente los mismos. Indican tambin, que para los viajes de negocios empresariales, los estudios PR y estudios PR-PD combinados producen de manera significativa ms bajos VTTS que los estudios de ahorro de costos. Especialmente en el caso de Europa del Este y los pases del sur de Europa los valores del meta modelo exceden los valores nacionales (cuando estn disponibles). Cuando utilizamos comparaciones de poder adquisitivo, los VTTS de Europa del Este, son a veces incluso superiores a los valores de Europa occidental. El meta-modelo indica que el tiempo es an ms escaso en estos pases de lo que es en el occidente, lo que tiene que ver tal vez con un alto grado de participacin laboral, la extensin de la semana laboral y el menor acceso a equipos de ahorro de tiempo (internet, lavavajillas, lavadora, microondas, etc.) en los hogares en Europa del Este.28 Por otro lado en un estudio desarrollado para explorar las caractersticas relevantes de tiempo de viaje de los residentes de Beijing, en especial los valores de tiempo de viaje, los autores organizaron una encuesta a una pequea muestra y recibieron 1305 informes eficaces. En primer lugar, se introdujo el diseo de un plan de reconocimientos, incluyendo la seleccin de elementos, la estimacin de la cantidad de la muestra y la seleccin de ubicaciones. Entonces, el valor medio del tiempo de recorrido era calculado en trminos de modos y propsitos basados en los datos investigados. Adems, los coeficientes de dispersin bajos indicaban que el valor medio tena una cualidad representativa. El costo promedio por tiempo de viaje en trminos de los diferentes modos y propsitos era calculado en base a los datos de salario promedio, de tiempo de viaje, y el propsito del viaje por persona correspondientes a cada modo de transporte. Los resultados indicaron
27

SHIRES, J.D y DE JONG, G.C. An international meta -analysis of values of travel time savings. Internet: www.sciencedirect.com/science/journal/01497189 28 Ibd, p320.

que, por propsito de empleo y de negocios, el costo de tiempo de viaje por persona en coche o en transporte pblico es casi 10 a 17 yuanes. Esto significa que si la eficiencia de toda la red vial es suficientemente mejorada, el tiempo ahorrado el costo de toda la sociedad es muy grande.29 Estudios realizados en Holanda que tenan como objetivo evaluar los efectos negativos de la incertidumbre y los beneficios de la informacin de tiempos de viaje, propusieron un modelo conceptual de opciones de horarios de salida en condiciones de incertidumbre de tiempos de viaje y proporcionando informacin del mismo. El modelo se bas en la teora de la utilidad esperada, e incluy la variacin en el tiempo de viaje, la calidad de la informacin del tiempo de viaje y la percepcin del tiempo de viaje de los viajeros. El modelo se ilustra con una aplicacin al caso de la autopista A2 entre Beesd y Utrecht, en Holanda. En este trabajo se desarroll un modelo que es capaz de evaluar los beneficios que se logran gracias a la informacin sobre el tiempo de viaje, como resultado de los cambios en la hora de salida. Una aplicacin del modelo a la autopista A2 entre Beesd y Utrecht en Holanda lleva a las siguientes conclusiones preliminares con respecto a los efectos de la incertidumbre en los tiempos de viaje y una buena informacin con respecto a este punto. En primer lugar, se concluye que los costos asociados con la incertidumbre en los tiempos de viaje y que se materializan en forma de costos horarios, no son insignificantes. Para el caso de estudio, se encontr que los costos horarios se cuentan entre el 30 a 40% de los costes generalizados. Esto implica que los beneficios por mejoras en infraestructura no slo deben medirse en trminos de ahorro de tiempo de viaje, sino tambin en trminos de costos horarios reducidos. En tercer lugar, se encuentra que suministrar a los viajeros informacin especfica por da de tiempos de viaje conduce a una reduccin significativa de los costos horarios, que asciende a alrededor de 1 por viaje. La calidad de la informacin (en particular el nivel de confianza de la prediccin) y la mala-percepcin de la calidad, slo tienen un menor efecto de los beneficios de la informacin, siempre que un nivel mnimo de calidad se mantenga. La mayor incertidumbre con respecto a los beneficios de la informacin se refiere a los conocimientos existentes de los viajeros sobre las regularidades en las condiciones del viaje, en relacin con factores como las condiciones meteorolgicas y los das de la semana.

29

DONGMEI Liu, TONGYAN Qi y otros. Beijing Residents Travel Time Survey in Small Samples . Journal of Transportationh Systems Engineering and Information Technology. Volume 9, Issue 2, April 2009 Online English edition of the Chinese language journal

Entre mayor sea el conocimiento que tengas los viajeros de estas condiciones, menor ser el beneficio de la informacin del tiempo de viaje. El beneficio potencial de 1 encontrado en este estudio po r lo tanto, se aplicara a los viajeros sin ningn conocimiento previo de la red.30 En este artculo se modela el comportamiento en la eleccin modal del usuario, estimando los valores del tiempo en reas intermodales. Para conseguir dicho objetivo se han realizado encuestas de preferencias declaradas en la plaza de las estaciones de la ciudad de Santander (Espaa), donde confluyen los siguientes modos: Ferrocarriles de Va Estrecha Feve, Red Ferroviaria Nacional Espaola Renfe, Transporte Pblico Urbano, Transporte Pblico Interurbano por carretera, Taxis, peatones, bicicletas y vehculos privados. En cuanto a las encuesta de preferencias declaradas, dicha encuesta tiene como principal motivo estudiar la percepcin de los usuarios de los distintos tiempos y modos involucrados en el viaje (Ortzar y Willumsen, 2001), as como obtener informacin que permita incorporar caractersticas socioeconmicas de los usuarios en los modelos, y estimar el valor econmico de los tiempos, incluso para el coche, si existiera la posibilidad de un aparcamiento en la plaza de las estaciones donde se realizar el estudio. Las encuestas fueron realizadas a usuarios de transporte en reas intermodales y a trabajadores y estudiantes en lugares estratgicos, que permitieran realizar la encuesta tranquilamente. El estudio presenta los anlisis para el tiempo de viaje (VTV) y cmo es posible observar en los mismos, si no se hace distincin por modo, el VTV es de 21.48/hr, en tanto si se hace distincin por modo, es posible observar que el VTV es mayor para el modo coche, ligeramente inferior para los modos Bus y RENFE, y bastante inferior para el modo FEVE, especficamente, para el modo coche el VTV vara entre 26.51 a 28.90/hr dependiendo del modelo que se utilice, en tanto para los modos BUS y RENFE este valor es de 25.81- 26.43/hr, por ltimo, para el modo FEVE el VTV vara entre 14.05 y 15.76/hr. Por otro lado, a medida que aumenta el ingreso de los viajeros, mayor es su VTV, siendo sobre todo bastante alto para los usuarios de coche, bus y RENFE con ingresos superiores a 2500.31 Para el caso de nuestro pas, en el documento CONPES 2932, 1997 (Sistema de Servicio Pblico Urbano de Transporte Masivo de Pasajeros en la Ciudad de Cali,
30

ETTEMA, Dick y TIMMERMANS, Hans. Costs of travel time uncertainty and benefits of travel time information: Conceptual model and numerical examples. Internet: www.elsevier.com/locate/trc 31 DELLOLIO Luigi, GONZLEZ Felipe, e IBEAS PORTILLA, ngel. Estimacin de los valores de tiempo en reas intermodales. Universidad de Cantabria. Departamento de Transportes y Tecnologa de Proyectos y Procesos, rea de Transportes.

SITM), los ahorros en tiempo fueron valorados a razn de US$2.16/hora. Esto equivale al valor de una hora de un salario mensual de US $345.15 (1.77 veces el salario mnimo legal), que corresponde a 160 horas por mes trabajadas. No se presentan las razones por las cuales este salario fue elegido como la base para valorar el tiempo de los potenciales usuarios del proyecto. En el documento CONPES 2999, 1998 (Sistema de Servicio Pblico Urbano de Transporte Masivo de Pasajeros para la Ciudad de Bogot), se incluy dentro de la evaluacin econmica lo relacionado con los ahorros de tiempo. Sin embargo, en este caso no se especific el valor del tiempo utilizado, ni la manera como se estim. En el documento CONPES 3093, 2000 (TransMilenio, Bogot), el valor del tiempo (US$0.2 por hora) result de ponderar el nivel de ingreso de los usuarios del sistema, de acuerdo con clculos de la firma consultora Steer Davis Gleave. En el documento CONPES 3166, 2002 (Servicio Pblico Urbano de Transporte Masivo de Pasajeros, SPUTMP, de Cali), se us un valor del tiempo que corresponde al ingreso promedio ponderado (US$0.45/hora) de los habitantes de Cali.32 PRUEBA PILOTO La prueba piloto aplicada para este trabajo, se dividi en tres etapas, haciendo un anlisis diferente para cada uno de los tramos a analizar. Debido a que en los tramos estudiados (Duitama-Tunja, Tunja-Bogot y Sogamoso-Bogot), los costos son iguales y los tiempos de viaje y de espera muy similares tanto de ida como de regreso, se realiz una prueba piloto por cada origen-destino. Seleccin de los modos de transporte y sus atributos: Para la seleccin de los modos de transporte que se presentaran al usuario dentro de la encuesta de preferencias declaradas, se observ (mediante inspeccin directa) qu modos de transporte son los imperantes dentro del corredor y que adems estuvieran disponibles para el usuario; as se llego a la conclusin que, aparte del vehculo particular, los otros modos generalmente usados para movilizarse dentro del corredor son el bus preferencial, con capacidad para 42 personas y la buseta o van, con capacidad para 17 personas; se pens en trabajar como una opcin la motocicleta, pero dicha opcin se desech al observar sus ventajas bien marcadas en cuanto a tiempo de espera y
32

DOCUMENTO CONPES.

costo (monetario), sobre los dems modos (existen cinco peajes en el corredor y como ya se sabe, la motocicleta no incurre en este impuesto). Se realiz un diseo preliminar, en donde se incluyen las alternativas de eleccin, junto con los atributos de cada una de ellas. Para la seleccin de los atributos de cada modo, se tom informacin primaria acerca de costos de pasaje y tiempos promedio de espera y de viaje entre cada ciudad origen-destino, debido a que estos son los atributos observados de mayor relevancia a la hora de la eleccin del modo de transporte a usar en el corredor vial; los valores de cada atributo se utilizan como base en la configuracin de cada una de las alternativas. A continuacin se presenta los tramos analizados y la informacin tomada en cada uno: Tramo Duitama-Tunja: La informacin para la prueba piloto de este tramo se tomo el da 23 de abril del 2012, en el terminal de transporte de la ciudad de Tunja, a una muestra aleatoria de 22 individuos, que se control mediante el conteo de 10 usuarios que circulaban por un determinado punto, siendo el nmero 10 en cada conteo, el elegido para ser encuestado. Las caractersticas de la muestra se dan a continuacin (ver tambin anexo):
ESTADSTICOS GNERO Hombres Mujeres TOTAL MOTIVO Trabajo y Estudio Otros TOTAL % Total 40.91 59.09 EDAD < = 40 aos > 40aos TOTAL % Total 68.18 31.82 OCUPACIN Trabajadores 14 Otros 8 TOTAL 22 COSTO PAGADO ($) 5000 22 > 5000 0 TOTAL 22 PREFIERE VEHICULO? SI 3 NO 1 TOTAL 4 PREFIERE BUS O BUSETA? Bus 11 Buseta-Van 8 TOTAL 19 % Total 63.64 36.36

9 13 22

15 7 22

7 15 22

% Total 31.82 68.18

FRECUENCIA VIAJE/MES <=2 14 >2 8 TOTAL 22 TIENE VEHCULO? SI 4 NO 18 TOTAL 22 INGRESO <= 1 SMMLV 14 > 1 SMMLV 8 TOTAL 22

% Total 63.64 36.36

% Total 100.00 0.00

DURACIN DEL VIAJE <= 60 min 18 > 60 min 4 TOTAL 22

% Total 81.82 18.18

% Total 18.18 81.82

% Total 75.00 25.00

% Total 63.64 36.36

% Total 57.89 42.11

Fuente: Elaboracin propia La informacin recolectada (en los tres tramos y de manera separada) se ingreso al software BIOGEME 1.7., con el fin de observar la calidad estadstica de los datos recolectados y la eficacia de la encuesta (en su parte de preferencias declaradas) como herramienta para explicar adecuadamente las elecciones y

preferencias de los usuarios. A continuacin se muestran los resultados encontrados mediante el uso del programa:
ATRIBUTO Costo Tiempo de espera 2 3

MODO Bus

Intercepto "ASCi" 0 1.58 (1.76) 0.709 (0.21)

Tiempo de viaje 1

Buseta-van

-0.275 (-2.64)

-0.000495 (-1.75)

-0.200 (-6.13)

Automvil

Fuente: Elaboracin propia Los valores entre parntesis representan el valor de la prueba t de student, que para un porcentaje de confiabilidad de 95%, tiene como valor critico t = 1.96

Tramo Tunja-Bogot: La informacin para la prueba piloto de este tramo se tomo los das 23 de abril y 30 de abril del 2012, en el Terminal de Transporte de la ciudad de Tunja y en la Avenida Norte frente a la U.P.T.C., a una muestra aleatoria de 20 individuos, que se control mediante el conteo de 10 usuarios que circulaban por un determinado punto, siendo el nmero 10 en cada conteo, el elegido para ser encuestado. Las caractersticas de la muestra se dan a continuacin (ver tambin anexo):

ESTADSTICOS GNERO Hombres 11 Mujeres 9 TOTAL 20 MOTIVO Trabajo 11 Otros 9 TOTAL 20 DURACIN DEL VIAJE <= 2:15 min 11 > 2:15 min 9 TOTAL 20 % Total 55.00 45.00 EDAD < = 31 aos > 31 aos TOTAL % Total 55.00 45.00 OCUPACIN Trabajadores 17 Otros 3 TOTAL 20 COSTO < 19000 > = 19000 TOTAL % Total 85.00 15.00

11 9 20

% Total 55.00 45.00

FRECUENCIA VIAJE/ MES <=3 12 >3 8 TOTAL 20 TIENE VEHCULO? SI 5 NO 15 TOTAL 20 INGRESO <= 1'000.000 10 > 1'000.000 10 TOTAL 20

% Total 60.00 40.00

4 16 20

% Total 20.00 80.00

% Total 55.00 45.00

% Total 25.00 75.00

PREFIERE VEHICULO? SI 5 NO 0 TOTAL 5 PREFIERE BUS O BUSETA? Bus 15 Buseta-Van 0 TOTAL 15

% Total 100.00 0.00

% Total 50.00 50.00

% Total 100.00 0.00

Fuente: Elaboracin propia A continuacin se muestran los resultados encontrados mediante el uso del programa BIOGEME 1.7.:
ATRIBUTO Costo ?2

MODO Bus

Intercepto "ASCi" 0.00 0.684 (0.88) 0.585 (0.46)

Tiempo de viaje ?1

Tiempo de espera ?3

Buseta-van

-0.139 (-2.55)

-0.000179 (-3.01)

-0.134 (-4.22)

Automovil

Fuente: Elaboracin propia

Tramo Sogamoso-Bogot La informacin para la prueba piloto de este tramo se tomo los das 26 de Mayo del 2012, en el terminal de transporte de la ciudad de Sogamoso, a una muestra aleatoria de 20 individuos, que se control mediante el mtodo mencionado en los dos casos anteriores. Las caractersticas de la muestra se dan a continuacin (ver tambin anexo):

ESTADSTICOS GNERO Hombres Mujeres TOTAL % Total 55.00 45.00 EDAD < = 34 aos > 34 aos TOTAL % Total 55.00 45.00 OCUPACIN Trabajadores 12 Otros 8 TOTAL 20 COSTO < 25000 > = 25000 TOTAL % Total 60.00 40.00

11 9 20

11 9 20

MOTIVO VIAJE Trabajo/estudio 9 Otros 11 TOTAL 20 DURACIN DEL VIAJE <= 2:45 min 9 > 2:45 min 11 TOTAL 20

% Total 45.00 55.00

FRECUENCIA VIAJE/MES <=2 14 >2 6 TOTAL 20 TIENE VEHCULO? SI 10 NO 10 TOTAL 20 INGRESO <= 1'000.000 15 > 1'000.000 5 TOTAL 20

% Total 70.00 30.00

3 17 20

% Total 15.00 85.00

% Total 45.00 55.00

% Total 50.00 50.00

PREFIERE VEHICULO? SI 7 NO 3 TOTAL 10 PREFIERE BUS O BUSETA? Bus 11 Buseta-Van 2 TOTAL 13

% Total 70.00 30.00

% Total 75.00 25.00

% Total 84.62 15.38

Fuente: Elaboracin propia A continuacin se muestran los resultados encontrados mediante el uso del programa BIOGEME 1.7.:
MODO Bus Intercepto "ASCi" 0.00 -0.315 (-0.53) 0.493 (0.33) -0.0391 (-1.16) -0.000125 (-2.14) -0.100 (-3.68) Tiempo de viaje 1 ATRIBUTO Costo 2 Tiempo de espera 3

Buseta-van

Automovil

Fuente: Elaboracin propia

Como se puede observar en los datos anteriormente mostrados, para los tres casos estudiados dentro del anlisis del corredor, los resultados encontrados para los parmetros i poseen signos adecuados dentro de las funciones de utilidad que se encontraron en el software, as como se observa que los valores de la prueba t, son tambin convenientes para considerar estadsticamente significativos dichos parmetros (excepto en unos casos, donde este valor es cercano e inferior al lmite -1.96-, casos en donde el aumento en la cantidad de

datos tomados para la prueba definitiva, de seguro mejorar estos valores). As, se procede a desarrollar la prueba final, tomando como base la prueba piloto.

DISEO ENCUESTA DEFINITIVA Como se trabaj en la prueba piloto, para la encuesta definitiva, el corredor se dividi en tres etapas, haciendo un estudio diferente para cada uno de los tramos a analizar. Para la eleccin de dichos tramos se tuvo en cuenta que cada uno presentara caractersticas de costos y tiempos (de espera y de viaje), que lo diferenciaran bien de los dems, para posteriormente poder realizar un mejor anlisis de los resultados de los valores subjetivos de tiempos de viaje. As mismo, se trabajar una encuesta para cada tramo, con caractersticas propias de tiempo y costo.