Professional Documents
Culture Documents
GOBIERNO DE CHILE
MINISTERIO DE OBRAS PUBLICAS
DIRECCION DE VIALIDAD
Introduccin
Datos y Calibracin
Niveles de Calibracin
Confiabilidad en la Prediccin
Precisin y Sesgo
Sensibilidad de HDM-4
Datos de Entrada
Conclusiones
Introduccin
Las relaciones HDM han sido aplicadas en
mas de 100 pases en desarrollo y en vas de
desarrollo, los cuales presentan realidades
tecnolgicas, climticas y econmicas muy
diferentes.
A continuacin se entregan guas para el uso
del modelo HDM-4, para asegurar el control
de los datos y la calibracin del modelo.
Datos y Calibracin
La confiabilidad de los resultados dependen
principalmente de dos factores:
Si los DATOS ingresados al modelo
representan la realidad.
Que tan bien est la CALIBRACION de las
predicciones del modelo, para que se ajusten
al comportamiento real.
Datos
Calibracin
El propsito de calibrar es el ajustar las
predicciones del modelo.
Los submodelos RUE y RDWE contienen un
gran nmero de parmetros ajustables.
Lo anterior se debe a que los valores que
fueron encriptados en el cdigo HDM-III
ahora pueden ser modificados en HDM-4.
Niveles de Calibracin
Existen tres niveles de Calibracin en HDM:
Nivel 1: Aplicacin Bsica Se adoptan valores
por defecto, y se calibran los parmetros ms
importantes.
Nivel 2: Calibracin Se calibran las relaciones
de prediccin a condiciones locales.
Nivel 3: Adaptacin Mejoramiento de las
relaciones de prediccin para ser modificadas
dentro del cdigo.
Niveles de Calibracin
Los tres niveles de calibracin son vistos en
trminos de dedicacin en semanas, meses y
aos.
Todo anlisis con HDM requiere al menos de
la calibracin a Nivel 1.
10
Nivel 1
Aplicacin Bsica
Se basa principalmente en recursos
secundarios, en trabajo de oficina.
Por ejemplo los parmetros del modelo RUE
pueden estimarse a partir de estudios
anteriores. La fuente de informacin para
calibrar los deterioros pueden ser,
estadsticas climticas, de trnsito y
condicin.
11
Nivel 1
Aplicacin Bsica
Informacin que se debe obtener:
Precios Unitarios
Caractersticas de los vehculos
Caractersticas de los pavimentos
Composicin del trnsito y tasas de
crecimiento
Tipo de Clima
Tasas de descuento y perodo de anlisis
12
Nivel 2
Calibracin
Utiliza mediciones realizadas bajo las
condiciones locales para verificar y ajustar la
capacidad predictiva del modelo.
Requiere de un mayor grado de toma de
datos y precisin que la calibracin a Nivel 1
13
Nivel 2
Calibracin
Para el modelo RUE se concentra en la
velocidad, consumo de combustible,
neumticos, repuestos y los costos fijos
relacionados con la utilizacin y vida de los
vehculos.
Para el modelo RDWE se concentra en el
inicio de los deterioros, progresin de
ahuellamiento, efectos de mantencion y mejor
estimacin de los impactos ambientales.
14
Nivel 2
Calibracin
Para el anlisis econmico, se concentra en
hacer coincidir ms los costos y precios
observados a los datos o muestreos
realizados.
15
Nivel 3
Adaptacin
Est formado por dos componentes:
Mejor toma de datos
Toma de datos en mayor cantidad de lugares y
tiempo
Investigacin
Consistente en muestreos ms estructurados y
estudios experimentales para condiciones
locales, los que determinarn la modificacin o
no de las relaciones dentro del modelo.
16
Confiabilidad
en la prediccin HDM
Tomando en cuenta que las relaciones HDM
han probado ser robustas y aplicables en
varios pases. Que tan buenos son los
anlisis HDM depende principalmente de dos
factores:
Precisin y adecuacin de los datos de
entrada.
Factores de calibracin usados en el anlisis.
17
Precisin y Sesgo
Precisin: Es una medida de que tan cerca
estn los datos observados de los predichos.
Sesgo: Es la diferencia sistemtica que
aparece entre los datos observados y los
predichos.
18
Precisin y Sesgo
Predicho
Predicho
Observado
Bajo Sesgo
Alta Precisin
Predicho
Observado
Bajo Sesgo
Baja Precisin
Predicho
Observado
Alto Sesgo
Alta Precisin
Observado
Alto Sesgo
Alta Precisin
19
Precisin y Sesgo
Consideraciones Importantes
La calibracin debe extenderse sobre el rango
completo de valores que se espera encontrar.
El tamao de la muestra debe ser suficiente
para detectar la precisin y el sesgo en los
datos.
Un alto r2 no necesariamente significa alta
precisin, puede existir sesgo.
20
Factores de Correccin
para el Sesgo
Los factores de correccin son utilizados
para corregir el sesgo en los datos.
Existen dos tipos de factores: Rotacin y
Traslacin.
Adems se puede considerar una
combinacin de ambos.
21
Factores de Rotacin
Rotacin: Aplicable si el sesgo en la
informacin se mantiene proporcional entre
los datos observados versus los predichos.
Cfrot = Observados / Predichos
Predicho
Rotacin
Observado
22
Factores de Traslacin
Traslacin: Aplicable si el sesgo en la
informacin se mantiene constante entre los
datos observados versus los predichos.
Cftras = Observados - Predichos
Traslacin
Predicho
Observado
23
Precisin
La precisin y el sesgo son dos factores que
entran en juego cuando se preparan los datos
para el modelo HDM.
En la cuantificacin de los valores de entrada
el objetivo es asegurar que la distribucin de
los datos observados sea similar a la real.
Esto es logrado mediante un muestreo
estndar que asegure un tamao de muestra
que limite los errores de muestreo aleatorio.
24
Precisin
SESGO
Frecuencia
Muestra
Poblacin
PRECISIN
Frecuencia
Valor
Poblacin
Muestra
Valor
25
Precisin
Siempre existe un trade-off entre costos y
recursos cuando se habla de precisin.
La alta precisin es costosa e intensa en
recursos mientras que tcnicas de bajo costo
estn por lo general asociadas a una baja
precisin.
Si el sesgo es bajo se puede aceptar una baja
precisin ya que la media observada es
similar a la media predicha.
26
Calibrar para
Limitar el Sesgo
El objetivo de una calibracin asumiendo que
el modelo es bueno, es el minimizar el sesgo
en las predicciones.
El Nivel 2 de calibracin es el ms alto
estndar, cuyo propsito es entregar menos
sesgo en las predicciones que el Nivel 1.
El Nivel 3 de calibracin debiera mejorar la
precisin y el sesgo implementando nuevas
relaciones dentro del modelo.
27
Sensibilidad de HDM
La sensibilidad del modelo ante cada
parmetro es importante para los usuarios.
Esta fue cuantificada mediante la Elasticidad
Impacto, que es la razn entre el porcentaje
de cambio de un resultado y el porcentaje de
cambio de un parmetro de entrada,
manteniendo todos los otros parmetros
constantes en su valor medio (Ceteris
Paribus).
28
Sensibilidad de HDM
Se definieron cuatro clases de sensibilidad
como funcin de la elasticidad impacto.
Impacto
Alto
Moderado
Bajo
Despreciable
Clase
S-I
S-II
S-III
S-IV
Elasticidad impacto
> 0.50
0.20 - 0.50
0.05 - 0.20
< 0.05
29
Sensibilidad
RUE, Modelo de Efecto en Los Usuarios
VOC HDM-4 ms complejo que HDM-III
El modelo est principalmente influenciado
por dos factores: la velocidad de los
vehculos y la rugosidad.
La influencia de estos factores vara
dependiendo de la componente RUE. El
consumo de combustible es ms sensible a
la velocidad que a la rugosidad.
30
Sensibilidad
RUE, Modelo de Efecto en Los Usuarios
Dos anlisis de sensibilidad se llevaron a cabo.
Cambios en el costo total debidos a cambios
en los datos de entrada. Cambios en el ahorro
de VOC debidos a cambios en la rugosidad.
Se analizaron los costos de operacin VOC,
en estudios provenientes de Australia, India y
Tailandia. Estos tres pases cuentan con un
nivel de desarrollo econmico marcadamente
diferente.
31
32
Sensibilidad, S-I
RUE, Modelo de Efecto en Los Usuarios
Para ambos anlisis los resultados indicaron
como variables de Alto Impacto, el Precio de
reposicin del vehculo y El exponente de
repuestos (kp). La primera se utiliza en el
clculo de repuestos, depreciacin e costos
de inters. La segunda determina la
magnitud de consumo de repuestos y la
importancia de la antigedad del vehculo en
el consumo de repuestos.
33
Sensibilidad, S-II
RUE, Modelo de Efecto en Los Usuarios
Resultaron ser variables de impacto
moderado, la rugosidad y el parmetro de
consumo de repuestos (a1), que gobierna el
efecto de la rugosidad.
34
Sensibilidad, S-III
RUE, Modelo de Efecto en Los Usuarios
Un gran nmero de parmetros cae dentro
de esta clase.
La mayor diferencia en los dos anlisis, es la
importancia que tienen el factor de friccin
lateral (XFRI) y de vehculos no motorizados
(XNMT) en el anlisis de costo total. Esto se
debe a la importancia de las velocidades en
el costo total.
35
Sensibilidad, S-IV
RUE, Modelo de Efecto en Los Usuarios
La mayora de las variables tienen un
pequeo impacto en los resultados. Por
ejemplo la pendiente paso a ser S-III cuando
era significativa, pero para la mayora de los
anlisis HDM-4 los valores por defecto
debieran ser adoptados.
Sensibilidad
RDWE, Modelo de Deterioro y
Efectos de Trabajos
36
37
Sensibilidad
RDWE, Modelo de Deterioro y
Efectos de Trabajos
Deterioro
Inicio
Progresin
Edad en aos
38
Sensibilidad, S-I
RDWE, Modelo de Deterioro y
Efectos de Trabajos
39
Sensibilidad, S-II
RDWE, Modelo de Deterioro y
Efectos de Trabajos
40
Sensibilidad, S-III
RDWE, Modelo de Deterioro y
Efectos de Trabajos
41
Sensibilidad, S-IV
RDWE, Modelo de Deterioro y
Efectos de Trabajos
Variacin en la compactacin de la
subrasante y precipitaciones dan un bajo
impacto en la programacin de ahuellamiento
y despreciable en las intervenciones y
retornos econmicos.
Variaciones en la deflexin del pavimento
provocan un impacto despreciable cuando el
Nmero Estructural Modificado tambin es
ingresado.
42
43
Datos de Entrada
La precisin requerida en datos de entrada
est determinada por los objetivos del
anlisis.
Un anlisis aproximado no necesita
cuantificar los datos de entrada con mucha
precisin.
Un anlisis detallado requerir la
cuantificacin detallada de los datos de
entrada, segn los recursos
44
45
Intervalo de
confianza
Criterio de
intervencin
Intervalo de actuacin
para condicin 2
Condicin 1
existente
2
Intervalo de actuacin
para condicin 1
Tiempo
46
47
Comportamiento
Monitoreo de comportamiento
Estructura y Condicin
Deterioro, Rodadura y Friccin
Planificacin y evaluacin
Anlisis de programa o
Planificacin detallada
Nivel de proyecto o
programa detallado
Bajo Nivel
Proyecto detallado o
investigacin
48
Conclusiones
Los resultados del Modelo dependen de los
DATOS y la CALIBRACION.
La precisin en los datos est determinada
por los objetivos del anlisis.
La calibracin se realiza principalmente en
los modelos RUE y RDWE.
Existen tres niveles de calibracin, Aplicacin
Bsica, Calibracin y Adaptacin
49
Conclusiones (Cont.)
La calibracin debe extenderse sobre el
rango completo de valores que se espera
encontrar.
El objetivo de una calibracin, asumiendo que
el modelo es bueno, es minimizar el sesgo en
las predicciones.
Se debe tener presente la sensibilidad del
modelo antes de invertir recursos en la
calibracin.