PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE ESCUELA DE INGENIERÍA CIVIL DEPARTAMENTO DE INGENIERÍA DE TRANSPORTE Y LOGÍSTICA

DISTRIBUCIÓN Y PARTICIÓN MODAL DE VIAJES
Taller 2

CURSO: ICT3212 - MODELOS DE DEMANDA DE TRANSPORTE PROFESOR: LUIS RIZZI CAMPANELLA PRIMER SEMESTRE, 2011

GRUPO 2

SANTIAGO, 23 DE MAYO, 2011

PAUTA TALLER Nº 2
Presentación (15%) Presentación general, redacción y ortografía Presentación de gráficos, tablas y anexos Introducción, resumen ejecutivo e índices TOTAL Análisis Previo (10%) Análisis estadístico de los datos Presentación teórica de los modelos utilizados Algoritmos utilizados y descripción de los pasos Documentación de los códigos y anexo TOTAL

(máximo 2,0) (máximo 2,0) (máximo 2,0)

(máximo 2,0) (máximo 2,0) (máximo 1,0) (máximo 1,0)

Análisis de los Modelos (75%)
Modelos de partición modal agregada y costos Modelo simplemente acotado Modelo Doblemente acotado Modelo triproporcional Análisis de los resultados Aporte grupal Conclusiones TOTAL (máximo 1,2) (máximo 0,8) (máximo 1,0) (máximo 1,0) (máximo 0,5) (máximo 0,5) (máximo 1,0)

Nota Final:_________

ii

RESUMEN EJECUTIVO A lo largo del presente taller, y partir de la base de datos de la encuesta origen y destino del año 2001, se estimaron tres modelos gravitacionales. Estos modelos se estimaron luego de que se filtraran ciertos datos outliers, que correspondían a quienes teniendo un ingreso bajo, poseían más de 2 autos. De esta manera entonces, luego del filtro aplicado a la base de datos se segmentaron dos tipos de usuario: los con autos y los sin autos. Esto permitió calcular los costos generalizados (considerando los modos caminata, auto, bus y metro) y, aplicando la transformada de BerksonTheil, que se estimaran los lambdas y los costos compuestos por tipo de usuario.

Lambda SA Lambda CA

0.02233573 0.0035489

Fuente: Elaboración propia Tabla 1.1: , por tipo de usuario

Finalmente, para estimar los modelos de distribución simple y doblemente acotado, se utilizaron 4 métodos diferentes. En el caso del modelo de distribución acotado a orígenes, se empleó la tranformada de Berkson- Theil para estimar el beta por tipo de usuario.

BETA SA BETA CA

0,00078366 0,00090899

Fuente: Elaboración propia Tabla 2.2: , por tipo de usuario

Luego, en el caso de los modelos doblemente acotados, se emplearon 3 algoritmos diferentes: Algoritmo de Hyman, Algoritmo de Lum y Huang y el Algoritmo Triproporcional. Al comparar todos los modelos, tanto por conceptos estadísticos (menor chi-cuadrado) como por eficiencia computacional, se concluye que para este caso en particular el mejor Algoritmo corresponde al de Hyman.

iii

............................................................................. 20 ANEXOS.......................................... 2............................................... 11 Calibración de Modelo Gravitacional Simplemente Acotado a Orígenes ........ 21 iv ............................................................. 8 Estimación de Modelos de Partición Modal Agregados ........ 5 Cálculo de Costos Generalizados de Viaje .............................. 13 Calibración de Modelo Gravitacional Triproporcional ............................................................................................................... 17 Discusión de Resultados ..................... v Introducción ....................................................................................... 8......................................... 9.................................................................. Análisis Preliminar de la Base de Datos .... 10 Cálculo de Costos Compuestos de Viaje .................................................... 19 BIBLIOGRAFÍA ........... 4. 16 Comparación de Distribuciones de Viaje .............................................................................................................................. 7........TABLA DE CONTENIDOS RESUMEN EJECUTIVO ........ 5 1. 12 Calibración de Modelo Gravitacional Doblemente Acotado ............................................................................................................................. ii Índice de Tablas ................................. 5............................................................... 3............................................................................................................... 6...............

.................. para usuario Con Auto..... ................ por tipo de usuario. 28 Tabla 21 Resultados modelo Doblemente Acotado (Lam y Huang).............................................. ....... 18 Tabla 10 Zonas de estudio codificadas................... 27 Tabla 20 Resultados modelo Doblemente Acotado (Lam y Huang)..................................................................... ................... 24 Tabla 17 Resultados modelo Doblemente Acotado (Hyman).. 11 Tabla 7 Resultados de s por usuario........2: ......................... ................. 26 Tabla 19 Resultados modelo Doblemente Acotado (Hyman) ......... 10 Tabla 6 Estadísticos descriptivos de Costos Compuestos..................... iii Tabla 2 Viajes por tipo de usuario.. ............................................... 31 v .................... ...................... 22 Tabla 15 Viajes por intervalo de Costos Compuestos.............. para usuario Sin auto............................................................... 26 Tabla 18 Resultados modelo Doblemente Acotado (Hyman).. .. 29 Tabla 22 Resultados modelo Doblemente Acotado (Lum y Huang) ........................................................ iii Tabla 1........................... 14 Tabla 8 Resultados de los Betas por Usuario ............................ 22 Tabla 14 Rangos de intervalos de Costos Compuestos.................... ................... 21 Tabla 12 Disponibilidad de auto por niveles de ingreso........................................... para usuarios Con Auto..... 21 Tabla 11 Disponibilidad de unión de pares OD por modo de transporte.............. 9 Tabla 5 Estimación del parámetro y las constantes modales por usuario.. 15 Tabla 9 Indicadores estadísticos de comparación de modelos.... según tipo de usuario. 23 Tabla 16 Resultados modelo Gravitacional Simplemente Acotado.............................................................................................. 7 Tabla 3 Distribución de viajes por modo en cada nivel de ingreso............ .............................................................................. por tipo de usuario ....................... 21 Tabla 13 Generación y atracción de viajes por zonas......... ..... por tipo de usuario ..........1: .................................. ...................... 30 Tabla 23 Resultados modelo Gravitacional Triproporcional. ...................... 7 Tabla 4 Estadísticos descriptivos de los Costos Generalizados de viajes...... para usuarios Sin Auto........................................................................................... ..................... por tipo de usuario .......................................... ..................Índice de Tablas Tabla 1... modo de transporte e ingreso.

con y sin acceso al automóvil. por último. cada uno de los cuales permite estimar la cantidad de viajes entre los pares de Origen-Destino encuestados. Análisis Preliminar de la Base de Datos 1. se calcularon los costos generalizados para luego poder estimar el parámetro propio del modelo de partición modal. incluyendo la información sobre niveles de servicio promedio entre las zonas del área de estudio para cada modo. se implementó el modelo Doblemente Acotado según Lam y Huang. y el Modelo Triproporcional. Doblemente Acotado según Hyman. Para estos efectos se implementaron cuatro modelos agregados diferentes. utilizando para esto una regresión lineal a disposición.Introducción Este informe tiene por objetivo estimar modelos agregados de Distribución y Partición Modal de Viajes.1 Análisis La información para el desarrollo de este trabajo proviene de la Encuesta Orgien Destino de Santiago (2001). Adicionalmente. . y una respectiva depuración sobre la información inconsistente. Mediante el cálculo del estadístico y se determina cuál de ellos eventualmente es el mejor. correspondientes a la segunda y tercera etapa del Modelo Clásico del Transporte de 4 etapas. se obtiene conforme a la transformada de Berkson-Theil. En primer lugar. Con el parámetro posteriormente los costos compuestos de viaje entre cada par Origen-Destino. se procedió a la implementación de los modelos. El conjunto de datos utilizados para el estudio provienen de la Encuesta Origen Destino de Santiago del año 2001. se comparan los modelos 1. Luego de un análisis estadístico preliminar en la base de datos. como propuesta alternativa de algoritmo de optimización más moderno. la relación que tienen los datos estimados por cada modelo con respecto a los datos observados. se implementaron los Modelos Simplemente Acotado. Dicha estimación se aplicó a cada uno de los tipos de usuario. La base de datos facilitada contiene 40.000 viajes realizados entre las 34 5 . Una vez conseguido estos valores. Se estudia.

En la Tabla 2 se observar la composición de los viajes por nivel de ingreso de los individuos. por tipo de usuario y por modo de transporte escogido. Por otro lado.1% de los viajes realizados por los usuarios con disponibilidad de auto. finalmente la base de datos utilizada para desarrollar el trabajo consta de 3990 observaciones. En ese sentido. se presenta la información de Viajes generados por cada zona (para usuarios con y sin auto de forma separada) y de Viajes atraídos por cada zona. No hubo eliminación de viajes bajo estos criterios. Se procedieron a eliminar 10 viajes.6% de los individuos tiene acceso al auto. 1. viajes para los cuales se entregan los atributos Zona de origen del viaje. 6 . Medio-Alto. Finalmente. Medio. Disponibilidad del modo. Así. si bien el 54. Zona de destino del viaje. Número de autos en el hogar (0. Medio-Bajo. Se puede ver que. Metro). confirmamos que viajes en modo auto fuesen realizados por hogares con auto.2 Depuración Para efectos de depuración de la base de datos entregada se procedió a verificar consistencia dentro de la misma. Alto). etc. Tiempo de caminata del modo en minutos y Costo o tarifa del modo en pesos. Otro aspecto al que se le prestó atención fue la consistencia en los atributos de los hogares. La información entregada bajo este concepto son: Zona de origen. Auto. 2 o más) y Modo de transporte escogido (Caminata. ya que presentaban como información Ingres Bajo y Número de autos en el hogar 2 o más. Zona de destino. Bus. Anexo A. Categoría de ingreso (Bajo. 1. sólo un 17% de los viajes de la muestra se realizan en ese modo de transporte. lo que corresponde al 31. Esto se puede explicar debido a que es sumamente difícil 1 Ver Tabla 10. se entrega la información de los Niveles de Servicio de los modos disponibles para todos los pares Origen-Destino (OD en lo sucesivo) de zonas.zonas de estudio1. Tiempo de viaje (en vehículo) del modo en minutos.3 Estadísticos Descriptivos Luego de un análisis preliminar de la base de datos. 1. confirmamos que los viajes realizados utilizando un modo en particular fuesen hechos desde zonas donde ese modo de transporte estuviese disponible. se procede a hacer un análisis estadístico de la base resultante del proceso de depuración.

Fuente: Elaboración propia Tabla 3 Viajes por tipo de usuario.8%. modo de transporte e ingreso.0% 5. lo que corresponde a un 11.9% de los viajes.6% Modo % Caminata 8. el modo Metro presenta una disponibilidad para unir sólo 130 de los 1156 pares OD posibles.9% 12.8% Auto 17. con participaciones de 17%.8% 62.0% us 60.1% de los viajes en el nivel de 2 Ver Tabla 11. En la tabla se puede observar cómo el uso del modo Caminata decae mientras se avanza por los niveles de ingreso. comenzando por representar el 13.5% 31. De la misma forma.8% 33. que se presenta en la Tabla 3: Fuente: Elaboración propia Tabla 4 Distribución de viajes por modo en cada nivel de ingreso.4% 15.5% 14.8% 22.5%   1 2 3 4 5   Tipo de usuario % Sin Auto 45. La baja participación en los viajes realizados del modo Metro se puede explicar por la baja disponibilidad de este modo de transporte para unir pares OD en estudio2. con un 60. Respecto a los modos utilizados.1% 24. respectivamente.4% Con Auto 54.2%.7% 8.9% 49. Metro y Caminata. se puede observar una participación predominante del modo Bus por sobre el resto. contra los modos Auto.1% 11.que la mayoría de los viajes producidos por un hogar con disponibilidad de auto puedan ser realizados mediante ese modo de transporte.2% etro 12.5% us 71.3% y 8. el modo Caminata permite realizar viajes para un 18. Otro aspecto interesante de analizar es la distribución de los viajes por modo de transporte dentro de cada nivel de ingreso.6% de los pares OD en estudio.ajo Medio Medio-Alto Alto % 7.9% 53. ¥ § Ing \ 1 2 3 4 5 odo Caminata 13.8% ¦   ¥ ¤£¢¡ 7 .2% 20.2% 8. 13.3% Ingreso ajo Medio.9% Metro 13.6% 13.0% 15. Mientras el modo Bus y Auto están disponibles para realizar viajes entre todos los pares OD.8% uto 2.0% 13. Anexo A.4% 68.6% 7.

Esto se puede explicar debido a la disponibilidad del automóvil en los hogares según el nivel de ingreso3. Mientras tanto. Puente Alto.. lo que se explica por la gran actividad en ámbitos como el trabajo. representando en promedio el 13. la educación. espera y caminata se encuentran en la información relacionada a los Niveles de Servicio por modos.8% de los viajes para el nivel de ingreso Alto. 8 . Finalmente. con cerca del 20. Cálculo de Costos Generalizados de Viaje El cálculo de Costos Generalizados de Viajes se hace necesario porque servirán para calcular posteriormente los Costos Compuestos. Finalmente. que se da en dicha comuna. Una distribución igual de predecible se puede ver en el uso del modo Auto para realizar viajes. Del enunciado se desprende que la fórmula para los Costos Generalizados de Viajes es: con     .7% en el nivel de ingreso Bajo.3% de los viajes por nivel de ingreso. el modo Bus es usado para realizar el 71. por el lado de la atracción de viajes se puede observar que la comuna de Santiago muestra una gran diferencia respecto a las demás. comenzando en un 2. hasta llegar a representar el 31. llegando a un 5. si bien la gran mayoría de las zonas presenta una generación de viajes relativamente similar. la actividad económica. etc. 2. Se debe considerar que las 3 Ver Tabla 12. Las Condes y Maipú como principales generadores de viajes. Por su parte. con una desviación estándar de 1%. que serán los incluidos en los distintos modelos a desarrollar en el transcurso del taller. En la Tabla 13 del Anexo A se puede observar que. lo que es esperable.ingreso Bajo.5% de los viajes atraídos. destacan comunas como La Florida.4% de los viajes en el nivel de ingreso Bajo y el 49.2% de los viajes en el nivel de ingreso Alto. Anexo A. Los costos o tarifas de viajes y tiempos de viaje.5% de los viajes en el nivel de ingreso Alto. el único modo que presenta tasas similares de uso para realizar viajes es el modo Metro. resulta importante mencionar las zonas donde se presenta un mayor número de generación y atracción de viajes.

90 1227.variables de tiempo expresadas en la fórmula están en parámetros . por lo que se debrán escalar los . es preferible el modo Auto para realizar el viaje.57 © 9 . y en contra del ¨ DE ($) 525.60 516.95 3409. el modo Metro presenta baja disponibilidad para unir pares OD. Por otro lado.13 403. para viajes en tramos largos las opciones son el modo Bus y el modo Auto. a diferencia del modo Bus.84 2690. Por lo mismo se observa que el costo mínimo de un viaje en modo Caminata representa el doble del costo mínimo de un viaje en modo Auto. ya que el tiempo de viaje se reduce considerablemente y el costoso tiempo de caminata se elimina. El modo que presenta menor costo promedio es el Metro. lo que coincide con la percepción general de que el modo Metro es el que entrega mayor confiabilidad en los tiempos de viaje. cuyos valores se encuentran en La Tabla 4 muestra estadísticos descriptivos de los Costos generalizados de viajes obtenidos mediante el procedimiento descrito anteriormente. Modo Caminata Auto Bu Metro Mín mo ($) Máximo ($) Promedio ($) 321. Se desprende de la información obtenida que para tramos cortos de viaje y con disponibilidad del modo Auto. En contra del modo Auto está que para poder utilizarlo. entre los que se presenta una pequeña diferencia en el promedio de costos con ventaja para el Auto.28 1630.26 Fuente: Elaboración propia Tabla 5 Estadísticos descriptivos de los Costos Generalizados de viajes. El modo Metro es quien entrega también la menor variabilidad entre los Costos Generalizados. como dijimos en la Sección 1. para la muestra procesada.21 1115.81 144. por lo que no es posible ser usado en la mayoría de los viajes.80 782. para poder introducirlos en la expresión.11 427.00 1760. se debe disponer de uno.47 1135. debido a que es un servicio con buena frecuencia y no existen problemas de congestión en la infraestructura que utiliza para desplazarse. debido probablemente a los bajos tiempos de viaje que entrega y a los bajos tiempos de espera. Se puede observar que en promedio el costo del modo caminata es el más costoso. debido presumiblemente a que la variabilidad en los tiempos de viaje y espera es reducida. lo que nos indica que el tiempo de caminata es considerado importante por los individuos.43 2785.96 182. lo que se condice con el parámetro que corresponde al ponderador más caro. El problema es que.

la penalización del costo generalizado para el tipo de usuario esta tarea definamos como usuario y el modo . Fuente: Elaboración propia Tabla 6 Estimación del parámetro y las constantes modales De la tabla podemos observar que el parámetro de dispersión para los usuarios tipo Con auto es mayor que para los usuarios de tipo Sin auto.00574 por usuario. podemos tener la siguiente relación: ‡š’ ‡š’ Aplicando.73487 Referencia -367. Esto debido a que los primeros tienen 10 . Considerando como referencia el modo Bus.00223 0. que es el ponderador de maximización de la entropía a nivel de elección modal .modo Bus se puede mencionar que los tiempos de viaje son mayores y existe el tiempo de caminata y espera. ausentes en el modo Auto. Estimación de Modelos de Partición Modal Agregados Habiendo obtenido los Costos Generalizados de Viajes se debe proceder a calibrar el parámetro . mediante Regresión Lineal Múltiple.67220 Referencia -73.00355 -673. obtener los valores del parámetro y las constantes modales para cada tipo de usuario. entonces. los resultados por tipo de usuario son los siguientes: Tipo de usuario Sin Auto Con Auto 0. A través de la expresión obtenida es posible. obtenemos: con . Para llevar a cabo al destino para un la probabilidad de viajar desde el origen en el modo de transporte .87128 -87. 3. Si consideramos el mismo tipo de usuario utilizando dos tipos de transporte distinto. y la constantes modales según tipo de usuario.87678 344. que corresponde a para el tipo de usuario . la transformada de Berkson-Theil.

45 409.67 3044.04% de los costos. ya que corresponde a una desutilidad en el proceso de viaje. Así. las constantes modales del modo Caminata y Metro son negativas. y del parámetro y las constantes modales calculadas en la Sección 3. es la siguiente: Se espera que el cálculo de arroje resultados positivos. 4. por lo que todo el análisis será relativo y respecto a este modo.60 1212.34 Fuente: Elaboración propia Tabla 7 Estadísticos descriptivos de Costos Compuestos.69 2651. por lo que se vuelve irrelevante. DE ($) 499. debemos considerar que el modo de referencia es el Bus. lo que indica una preferencia por el modo Bus antes que uno de estos modos.92 Se debe mencionar que para el tipo de usuario Sin Auto se presentó un Costo Compuesto negativo. 11 . Para el caso Sin Auto se puede observar una gran diferencia entre la constante modal del modo Metro y modo Caminata a favor del primero. por lo que el parámetro de dispersión resulta ser mayor. Cálculo de Costos Compuestos de Viaje El Costo Compuesto.23 1407. Dicho esto.mayor número de alternativas para escoger modo de transporte. Estos costos se calculan en función de los Costos Generalizados calculados en la Sección 2. que representa alrededor del 0. la expresión para los Costos Compuestos.96 Con Auto 322. En la Tabla 6 se entregan los principales estadísticos descriptivos de los Costos Compuestos calculados: Tipo de Usuario Mínimo ($) Máximo ($) Promedio ($) Sin Auto -116. Respecto a las constantes modales . corresponde al costo de viajar desde el nodo al nodo . lo que indica una mayor valoración del modo Metro para el tipo de usuario. se puede mencionar que tanto para usuarios Con Auto como Sin Auto. . en cualquier modo de transporte para el usuario tipo .

Dicho de otra forma. restringe a cada uno de los orígenes como la suma de todos los viajes a cada uno de los destinos. para cada tipo de usuario. y viene dado por 12 . por tipo de usuario. por lo general intrazonales. no son percibidos con tales y no se registran como viajes realizados por los individuos.    Sujeto a esta restricción. tal como su nombre indica. Así. Para el caso de los usuarios Con Auto. por lo que los viajes de costos bajos se manifiestan subrepresentados en los datos. el que se presenta en la Tabla 15 del Anexo B. lo que es contrario al sentido común. 5. se observa que la tendencia no es tal. Con estos intervalos se puede construir un gráfico que indica el número de viajes por intervalo de Costos Compuestos. es decir.Para analizar la información de costos compuestos se procedió a dividirlos en 10 intervalos de amplitud ž À . Otro aspecto que puede influir es la influencia del Costo Compuesto negativo en el cálculo de los intervalos para el caso de usuarios Sin Auto. la Tabla 14 del Anexo B se muestran los rangos de Costos Compuestos por intervalos. se observa una tendencia decreciente de viajes a medida que aumentan los costos. Esto también se observa en la figura para el caso de los usuarios Con Auto. pero en una menor medida. corresponde al factor de balanceo para los orígenes. Para el caso de usuarios Sin Auto. se busca entonces asignar los viajes de un tipo de usuario entre cada para OD. impactando de manera significativa en la acumulación de viajes en dichos intervalos. a partir de la siguiente expresión:     ‡š’ ~ C  En la ecuación. que mientras más aumentan los costos los viajes deberían descender. Calibración de Modelo Gravitacional Simplemente Acotado a Orígenes El modelo Gravitacional Simplemente Acotado a Orígenes. La presencia del costo negativo hace que prácticamente los dos primeros intervalos del caso Sin Auto estén por debajo del costo mínimo de los usuarios Con Auto. Esto se puede deber a que los viajes con menor costos.

tomando el cociente entre el viaje desde un destino para dos destinos diferentes. para calcular dichas expresiones. se llega a la siguiente ecuación que permite obtener lineal. se hace necesario conocer el parámetro para cada tipo de usuario. n ¨ N ij1 ¸ ¨ D j1 ¸ n n % % ln © n ¹  ln © ! F n ™ Cij 2  Cij1 ©N ¹ ©D ¹ ¹ 1 42 43 ij 2 j2 1 ª 4 4º2 4 ª 43 º 4 4 Xi' Yi ' mediante regresión . Así. ‡š’ ~ C Ahora bien.

7350547 0. 6. se observa que para ambos tipos de usuarios   . La matriz de viajes resultantes para cada tipo de usuario se registra en las hojas ³Viajes SimpAc_CA´ y ³Viajes SimpAc_SA´ del archivo Excel adjunto.3117138 0. se consigue los siguientes valores para : Usuario Con Auto Usuario Sin Auto Beta Estadistico t Lambda 0. Una vez que se conocen los valores de . Por otro lado. Para una regresión a un 95% de confianza. Es importante verificar que exista consistencia entre la suma de viajes observados desde cada uno de los 34 orígenes. La Tabla 16 del Anexo C muestra los resultados que avalan dicha consistencia en orígenes. se procede a asignar los viajes simplemente acotados utilizando la expresión correspondiente ya mencionada.00090794 24. lo cual tiene sentido por cuanto se asume que un viajero selecciona primero un destino y luego el modo en el que viaja.1 Algoritmo de Hyman 13 .00078366 24. esta consistencia no será requisito ya que el modelo no restringe por destinos.0035489 0. y los respectivos valores estimados por el modelo.00223357 Como se esperaba. dado que   . sin embargo. Calibración de Modelo Gravitacional Doblemente Acotado 6. entonces los usuarios con auto son más sensibles a variaciones en el costo compuesto. Para a los destinos.

como el Algoritmo de Hyman requiere de de las matrices de viaje para estimar los costos modelados. se detallan en las tablas 17 y 18 del Anexo D. (- ~ C ) . desemboca en el siguiente modelo gravitacional con sus respectivos factores de balanceo. luego no es aplicable una regresión lineal para estimarlos. Ver Anexo D. La aplicación del procedimiento antes descrito y sus respectivos resultados. ~ C La solución de estimación de los viajes para cada par origen y destino por tipo de usuario (Con Auto y Sin Auto). se acude al Algoritmo de Furness5. Dada esta situación entonces. de tal modo que coincidan los costos promedios de las matrices de viajes observadas y modelas.3. 4 Ver Anexo D. que a su vez. se considera la aplicación del Algoritmo de Hyman4. quien ajusta los factores de balanceo implicando una estimación de la matriz de viaje. 5 14 . permite la comparación de los costos medios observados con los modelados. Se observa de ellas que los siguientes: Beta_CA: Beta_SA: finales por tipo de usuario son los 0.000864366 Fuente: Elaboración Propia Tabla 8 Resultados de s por usuario.2. ~ C ~ C   Ahora bien.000981784 0. se observa que los factores de balanceo en este problema dependen de los betas por tipo de usuario.Considerando que ahora el problema de maximización de la entropía tiene dos restricciones asociadas: ‹ Ž         . el cual estima los parámetros por tipo de usuario.1. En la misma línea.

Específicamente. que para efectos de mostrar el verdadero funcionamiento del algoritmo y que idealmente este converja.001%. a pesar que ambos modelos recurren a Furness para ajustar los factores de balanceo. Para el caso particular. ya que como también se aplica a un modelo doblemente acotado y además. no se utilizaron los datos poblacionales para estimar los betas dado que el algoritmo no convergió de manera de idónea. posee un criterio de parada diferente al de Hyman. este mismo porcentaje se utilizó para el ajuste de los factores de balanceo. Se escogió el Algoritmo de Lam y Huang6 como modelo propuesto. en el modelo de Hyman se trató un error del 0. Ahora bien.2 Aporte Grupal: Algoritmo de Lam y Huang. Ahora bien. Finalmente. 6. en términos de recursos computacionales se observa que la 6 Ver Anexo D.7.001% entre la entropía asociada a los viajes observados versus los modelados.6.4 se ve que orígenes por tipo de usuario y destinos observados. Lam y Huang utiliza como criterio parada la comparación de entropía asociada a los viajes observados versus los modelados. calzan perfectamente con lo modelado respectivamente. la eficiencia algorítmica podría ser distinta en términos de recursos computacionales. Se observa de la Tabla 20 y 21 que los betas finales por tipo de usuario son siguientes: los Beta_CA: Beta_SA: Fuente: Elaboración Propia 0. es decir. Esto tanto para los factores de balanceo como los costos promedios. en el caso de los destinos. los resultados observados calzan perfectamente con los datos modelados. se estimó un error del 0. cabe señalar que se deben agregar por tipo de usuario para que se compare con el observado poblacional. Específicamente. Cabe señalar. del Anexo D.001263776 0. los resultados obtenidos por el algoritmo se resumen en las tablas 20 y 21 del Anexo D. se decidió estimar los betas con el Algoritmo de Lam y Huang utilizando los datos muéstrales.001091432 Tabla 9 Resultados de los Betas por Usuario En la Tabla 22 del Anexo D. Teniendo esto en consideración.5 15 .

Para cada tipo de usuario. es bastante mayor en relación a las ocupadas por el algoritmo de Hyman. Dicho de otra forma. se fraccionó el rango total de costos (la diferencia entre el máximo y mínimo costo compuesto) en partes iguales. entonces su   . a partir de la siguiente expresión:         En la ecuación . la suma de todos los viajes en un intervalos debe ser igual a Luego. y son los factores de balanceo a calibrar. Por ende. en recursos computacionales el algoritmo de Hyman es más eficiente que el algoritmo de Lum y Huang para este caso en particular. siendo que sólo se utilizaron los datos muéstrales y no los poblacionales. sujeto a estas restricciones. viene dado por                 16 . Esto es. Cada uno de los parámetros. En consecuencia.cantidad de iteraciones que realiza este algoritmo para converger a los betas. se tomó entonces 10 intervalos de igual rango de costos. De esta forma.destino. respectivamente. si un viaje pertenece al intervalo . proceso que se hace iterativamente para todos orígenes y destinos. el modelo busca asignar los viajes de un tipo de usuario entre cada para origen . Calibración de Modelo Gravitacional Triproporcional El modelo Gravitacional Triproporcional. por destinos y por intervalos de costos compuestos. restringe ahora la asignación de viajes por orígenes. 7.                La tercera restricción obliga a definir intervalos por costos compuestos.

y los respectivos valores estimados por el modelo. se necesita que el total de viajes sea el mismo en ambos casos. para cada tipo de usuario. La Tabla 23 del Anexo E muestra los resultados que avalan dicha consistencia. Comparación de Distribuciones de Viaje Se busca a continuación. En particular. se utilizará como instrumento de comparación un análisis estadístico mediante el estadístico 2 .0001 entre una iteración y otra. Se utilizó como criterio de convergencia una diferencia igual a 0. Ahora bien. se utilizó los datos de Orígenes (Oi) y Destinos (Dj) Poblacionales. Vale decir. 8. que en los tres casos es igual a uno. nuevamente. 17 . Una vez reparada esta observación. El factor de amplificación corresponde entonces al cociente entre la suma de los viajes muestrales y poblacionales. se procede a asignar los viajes según el modelo Triproporcional utilizando la expresión correspondiente ya señalada. Es importante verificar. A partir de estas condiciones.         Se requiere además los valores iniciales para cada uno de los parámetros. el proceso itera hasta que los valores de los parámetros conseguidos en una iteración correspondan aproximadamente al obtenido en la iteración anterior. Para esto. más cercana será la estimación de los viajes con respectos a los viajes observados. mediante la expresión: Dada la estructura de la ecuación. este valor señala la aproximación que tienen los valores    estimados y observados. determinar cuál de los modelos calibrados es superior a los demás. La matriz de viajes resultantes para cada tipo de usuario se registra en las hojas ³Vij Trip_SA´ y ³Vij Trip_CA´. es inmediato que mientras menor será el valor entonces mejor será el ajuste del modelo. dado que los Sk se calcularon a partir de los viajes muestrales. Para calibrar la asignación de viajes de este modelo. se hace pertinente amplificar cada uno de los Sk por un factor de corrección tal que   Dicho de otra forma. que exista consistencia entre la suma de viajes observados desde cada uno de los orígenes y destinos.

dado que se desconocen los valores poblacionales valores muestrales de los mismos. Esto último debido a la imposibilidad de lograr convergencia con los datos poblacionales. con respecto a la proporción de viajes poblacionales. el cálculo de los estadísticos  y se tienen los se realiza utilizando sobre el total de sobre el total de viajes proporciones. Si bien el estadístico de misma forma. por último. que posee un . De esta forma. Se observa. se propuso además el estudio del modelo doblemente acotado según Lam y Huang. se concluye que el mejor modelo calibrado es el Doble Acotado según Hyman. en base a proporciones.32087108 Doblemente Acotado (Hymann) 0. no se aplicó una estrategia rigurosa basada en alguna expresión matemática. Aunque esto pueda ser poco intuitivo. eventualmente. por tipo de usuario. modelo. Ahora bien.28825985 Doblemente Acotado (LH) 0. pues se esperaba una mejor bondad de ajuste para el modelo Triproporcional. la calibración de este último método se hizo utilizando los datos muestrales. no es tan equivocado si se considera el hecho que para elegir la cantidad de intervalos. 18 . se obtiene la siguiente tabla de datos: USUARIOS SIN AUTOS MODELO X^2 Simplemente Acotado 0. Dicho todo lo anterior. y el modo de construirlos. Muy levemente superior. Esto. se compara en realidad la proporción de viajes viajes muestrales. Esto es. Resultó tener un valor de todavía más pequeño que el resto.30014113 USUARIOS CON AUTOS MODELO X^2 Simplemente Acotado 0. por tener el menor valor de similar se comporta el Modelo Triproporcional. se observa que el modelo que mejor ajusta los viajes es el Doblemente Acotado según Hymann.30014113 Fuente: Elaboración propia Tabla 10 Indicadores estadísticos de comparación de modelos.28909592 Doblemente Acotado (LH) 0. y no los poblacionales como se hizo con el resto. Si se compara el valor de los estadísticos obtenidos.31308653 Doblemente Acotado (Hymann) 0. que el modelo simplemente acotado es el que peor ajuste presenta. aún cuando pareciera ser el más preciso de todos.06009987 Triproporcional 0.07024717 Triproporcional 0.Ahora bien. sin embargo no se calculó para todos de la pudo afectar el rendimiento mismo del sería del todo correcto compararlo directamente con respecto a los otros modelos.

Por último. por su baja magnitud se concluye que los viajes estimados de los modelos se ajustan bien a la realidad. Discusión de Resultados y Conclusiones Los modelos gravitacionales agregados de distribución y partición modal de viajes permiten al modelador poder predecir la demanda de viajes para los distintos pares OrígenDestino. Si para estudios posteriores se considera que el área de estudio puede tener una cantidad de zonas considerablemente mayor que las 34 que fueron abordadas en este informe. calculados los costos compuestos de los viajes de cada uno de los pares Orígen-Destino. En efecto. Se propuso también el estudio del modelo doblemente acotado según Lam y Huang. valor que señala el nivel de aproximación que tienen los valores estimados y observados. Así. una buena encuesta será fundamental al momento de compilar datos para construir modelos de agregados de Distribución y Partición Modal de Viajes 19 . el doblemente acotado de Hyman resulta ser el mejor de todos. si bien el modelo doblemente acotado de Lam y Huang puede ser muy preciso. incorporando datos muy específicos que no siempre están disponibles. Esto impide compararlo en igualdad de condiciones con el resto. por tener el menor valor de . Si bien resultó tener éste un valor de todavía más pequeño que el resto. lo cual verifica el supuesto de que un viajero selecciona primero un destino y luego el modo en el que viaja. en todos los casos resulta cercano a 0.9. Si se pretende destacar un modelo por sobre los demás. se confirma que la distribución de los viajes decrece a medida que suben los costos. Por otro lado. se observa que todos pueden estimar la asignación de viajes con bastante precisión. En cuanto a los modelos desarrollados. es importante considerar el nivel de eficiencia computacional que un modelo pueda tener. El estadístico . No obstante el análisis estadístico anterior. Es importante destacar que se confirma empíricamente que para ambos tipos de usuarios  . Así. entonces el factor de eficiencia computacional se convierte en un elemento substancial a la hora de optar por un mejor modelo. éste recién converge en 112 iteraciones. no existen datos actualizados o puede ser muy costoso obtenerla. las 10 o 14 iteraciones que demoraron en converger los otros modelos pueden ser decisivas. cabe recalcar que para este informe. su incompatibilidad de implementación utilizando los datos poblacionales obligó a calibrar el método utilizando información muestral.3. Por ende. la encuesta consigue recopilar información con alto nivel de detalle.

20 . Transportation Research 26B. (1994) Modelos de Demanda de Transporte. H. W. 275±287. J. Chile.BIBLIOGRAFÍA Ortúzar. Lam. y Huang. De D. Editorial Universidad Católica. H. K. J. Santiago. (1992) A Combined Trip Distribution and Assignment Model for Multiple User Classes.

5% 77.ANEXOS Anexo A Codific ción 1 2 4 5 Codific ción Zon 18 Estac ón Central 19 Peñalolén 20 Maipú 21 Macul 22 San Joaquín 23 Cerrillos 24 Pedro Aguirre Cerda 25 San Miguel 26 La Florida 27 Lo Espe o 28 La Cisterna 29 La Gran a 30 San Ramón 31 San Bernardo 32 Puente Alto 33 El Bosque 34 La Pintana Fuente: Elaboración propia Tabla 11 Zonas de estudio codificadas Fuente: Elaboración propia Tabla 12 Disponibilidad de unión de pares OD por modo de transporte.5% 96.9% 50.1% 26. $ %"$ $ #" ! Ing s 1 2 3 4 5 su s c n Au 285 2446 6711 6312 6092 T 3135 9107 13294 8140 6314     Modo Ca inata uto Bus Metro Pares OD 216 1156 1156 130 % 18 7% 100 0% 100 0% 11 2% % c n Au 9. Fuente: Elaboración propia Tabla 13 Disponibilidad de auto por niveles de ingreso.5%   7 8 9 10 11 12 13 14 15 16 17  Zon Lo Barnechea Qu licura Huechuraba Pudahuel Vitacura Las Condes Conchalí Recoleta Renca Independencia Providencia Quinta Normal Cerro Navia Santiago La Reina Ñuñoa Lo Prado           21 .

1720. ) [831.0% 2.7% L G nj 872 2.81) 9 [2185.6% Puen e Al o 2510 6.8% 2.8% Mi 2366 5.6% 2.7% M cul 923 2.03) 7 [1720.14) 10 [2728. .3% 0.6% 20. -) Fuente: Elaboración propia Tabla 15 Rangos de intervalos de Costos Compuestos.2% 1. 2185.2% E ión Cen l 952 2.2% 2. .7% L Pin n 1178 2. por tipo de usuario UQ TS SSS P I UQ & &3 & 2 3 3 '& ' &@ F& &@ & &' & & ' 32 & 2 & ' D& C &@ & ' '' BA ' 2 '' & &@ & 98 & 5 & R &'3 0&32 HG WU RQ S RQ PI Q V R HG &' & & & & 3 &@ & &E '' &F' E &3 & ' & 8 & &3 & 2 2& &' &3 & &7&' 6 &' 4 & )10 )('& Lo B Q ilicu uechu Pud huel Vi cu L Conde Conch lí Recole Renc Inde e ndenci P ovidenci Quin o l Ce o vi n i go L Rein Ñuño Lo P do Generados 926 431 437 1427 901 2469 1066 1335 1055 704 1158 790 1163 2115 766 1642 661 % 2.0% 1.2% n Jo quín 811 2.0% L Ci e n 773 1. 1147.3% 3.6% 1. 15.6% Lo E pejo 615 1. 1487.1% 1.3% 6.5% 1.70 .81 .62 . ) [199.87) 7 [1779.96 .9% 1.51) [515. 2412.3% 1. 2728.9% 5.6% 1.3% 1.2% n R ón 644 1.9% Ce illo 409 1.7% 3.96) 8 [2095.36) 4 [1021.2% 0. ANEXO B Usuario Sin Auto Int valo Rango 1 ( 199.Zona Fuente: Elaboración propia Tabla 14 Generación y atracción de viajes por zonas.87 .) Usuario Con Auto Int valo Rango 1 ( .69 .6% 1.3% 4.8% 0.1% 3.9% 2. 1254.1% 3.5% 2. 1463.05) 9 [2412. 788.3% 2.0% 0.70) 10 [2418.36 .0% 1. 2418.6% 1. 1952.03 .9% 4. .0% 3.7% 1. 2095.3% 2.51 .0% 2. ) 3 [788.9% 3.14 .14) 6 [1487.9% n iguel 803 2.6% El Bo que 1273 3.3% 4.1% 1.62) 8 [1952.4% L lo id 3191 8. 831.14 .57 .25 .0% 7. 1021.1% Peñ lol n 1331 3.5% 1.1% 2.2% 2.69) 5 [1147.7% Atraídos 480 434 310 667 895 3150 573 1173 576 1052 3616 689 484 8209 632 1848 299 % Zona Generados % 1. 1779.6% 1.4% 1.78 .5% n Be n do 1444 3.9% Atraídos 1383 523 1283 1028 666 405 353 1313 1924 210 1009 623 456 1209 1488 630 400 % 3.9% 1.25) 5 [1254.4% Ped o ui e Ce d 849 2.78) 6 [1463.05 .0% 22 .5% 9.60 . ) [555.7% 1.

9958 39192 39192.64818 22512. ANEXO C ORIGENES SIN AUTOS Oi Obs Oi Estimado 15964 15963.01244 59331.52287 26047 32023.76363 30634.9967 72100 72099.17205 25867.72221 57027 14496.05359 10212.0353 21140 21140.78472 35405 18533.9748 12852 12851.00943 41888 74911.70977 11371.0089 27480 27479.57471 86353.660699 11679.0778 24045 24044.6816 144387 12299.544 82797.402041 14027.9163 30404 30404.7507 184257.90074 48879.0393 30056 30056.78553 23209 7673.87469 27308.9899 22540 22539.0518 10680 10679.209649 206738.25238 35084.62802 136618.9765 18184 18184.0741 14912 14911.95274 DESTINOS Con AUTO TOTAL Total Dj Estimado Estimado Obs 7687.841614 14118.02298 14922 16449.05431 29816 47386.00952 38608 38608.52745 84107 23 .9571 10693 10693.0616 12968 12968.9233 24633 24632.79819 22060.19643 24141. según tipo de usuario.943914 6354.85788 38966.02109 15197.60329 27981 26842.362282 14185.9579 CON AUTOS Oi Obs Oi Estimado 19500 19499.317 25662 25661.43124 22036.9751 59240 59240.91082 9949.187 384849 13266.9913 18620 18619.7301 168337 19390.00784 24154 252024.Fuente: Elaboración propia Tabla 16 Viajes por intervalo de Costos Compuestos.9899 14985 14984.6747 458763.935 29022 29021.0795 22648 22647.16342 61707.0179 24948 24947.9795 15693.984 63396 63396.9027 47760 47759.9872 Sin AUTO Dj Estimado 6430.9426 18243 18242.84601 33731.5123 10874.0478 77184 77184.0251 7469 7469.1632 34988 12110.500741 5250.00877 47158 47158.9364 9053 9053.90278 21156 6428.44474 50705 101459.

9143 75867.27918 20857.22788 46424.79485 25046.99929 19075.9233 38399. .182322 24784.047 22254.091 38266.9848 24245.92992 11135.211455 28153.95069 13607.55231 6893.00045 72357.7094 11902.9793 39775.Hacer m = 0.02715 14106.17727 32500 31399 62472 20496 12122 3594 12947 19998 22255 11648 10134 26598 5466 29120 53490 32965 31616 17726.97469 35293.43552 21426.19043 30277.06503 37226.85136 53302.0502 62472.24278 27870.9742 32274.9682 14674.1 Algoritmo de Hyman Paso 1: .64071 28374.775 40070.9698 12275.76974 10465.8937 31616.17074 44924.33485 83094.3749 8721.02199 29119. costos promedios modelados) .58466 14790 65515 24943 61798 47061 29911 19432 16848 61136 85122 12067 46693 27258 21032 57870 69591 27788 20642 Fuente: Elaboración propia Tabla 17 Resultados modelo Gravitacional Simplemente Acotado.402 20495. en donde En caso contrario.3771 24735.0889 6575.62439 10353.79448 26195.8634 4667.85169 32513.445814 23231.0172 3594.210652 24927.98528 55324.10993 7989.26982 45867.9048 53490.148762 39843.988422 20140.9638 65159.74915 14425.04533 11769.873934 8016.8806 24742.93423 9055. ANEXO D D.9624 27064.80728 31558.0105 19998.8423 31399.005 6635.66482 20250.86434 9672.73059 11195.017 4397.406075 8490.94871 25567.Obtener .71073 14592. Obtener el valor inicial para el parámetro  . hacer m = m+1 y estimar Obtener Calcular mediante el Algoritmo de Furness 24 .00042 12947.68859 51101.012 10134.0219 26598.0019 5466.90634 5797.9889 32499.97427 17661.11964 62529.9994 15784.1436 32964.9866 14195.908185 34376.72613 9524. (  mediante algoritmo de Furness.95838 15384.9918 12122.78013 17452.Obtener Paso 2: Si Parar  .8968 11648.0091 21470 39775 38267 75867 24736 14674 4398 15785 24246 27065 14196 12276 32274 6636 35294 65160 40071 38399 21469.

que:     En caso contrario. hacer m = m +1 y volver al Paso 3 25 .Paso 3: Si Parar En caso contrario.2 Algoritmo de Furness Paso 1: Obtener los vectores Obtener la Matriz y  ~ C Paso 2: Hacer para todo destino Hacer m= 1 Paso 3: En iteración m hacer: Para todos los orígenes y destinos. Paso 4: Si para todo origen y destino se cumple. hacer m = m +1 y estimar  - Obtener Calcular (Furness) Paso 4: Repetir PASO 3 hasta lograr la convergencia D.

078379 1154.457000 1019. 16577 1155.263242 1153.457000 1019.000988 0.457000 1019. u It ión y n It ión d Fu n o to ob io v do on uto o to od l do 1 2 3 4 5 6 7 8 9 5 4 6 5 4 4 3 2 3 0.454151 1019.073581 1154.3 Usuario Sin Auto Iteración Hyman Iteración de Furness Bs_SA Costo observado SA Costo modelado SA Fuente: Elaboración propia Tabla 18 Resultados modelo Doblemente Acotado (Hyman).457000 1019. Y Y X 1 2 3 4 5 6 7 8 9 5 4 6 5 4 4 3 2 3 0.001193 0.263242 1154.457000 1239.000866 0.983955 1212.959653 915.D.002662 0.439845 1018.000866 0.001983 0.000982 0.263242 1154.138555 1154.263242 1154.457000 1019.000864 1154.000865 0.000866 0.000981 0. para usuario Sin auto.000865 0.448023 Fuente: Elaboración propia Tabla 19 Resultados modelo Doblemente Acotado (Hyman).273090 26 .263242 1154. 63242 1154.757732 1034. 66687 1164.457000 1019.000982 0.263242 1154.000866 0.457000 1019.860975 1152.142040 853.754474 1019.457000 1019.000982 1019.263242 1154.000866 0.000845 0.263242 1154.796711 1161.456768 1019.711885 1154.000865 0. para usuario Con Auto.

42605 20642 b a c b ` a b ` a b a ` a b a ` a .05645 19349.00004 10897.020559 10645.00002 9537.000013 6686.57143 61798 20496 20495.99987 38399 38398.00002 27480 27480.99996 26338.85581 26047 14912 14912.99983 9463.999978 9398.00008 75867 75867.28617 15715.43415 41888 63396 63396.71228 61136 22255 22254.00001 12968 12968.3756 27788 31616 31615.16864 38136.573309 12067 10134 10133.00008 39775 39775.627821 14922 38608 38608.72999 85122 11648 11648 14196 14196 5378.37935 168337 24045 24045.17952 21032 29120 29119.00006 11808.97944 19432 12947 12947.65015 13870.31643 50705 39192 39192.99997 35294 35293.94355 34988 14985 14985.35498 47061 12122 12121.11755 84107 17727 17727.00002 15785 15785.00005 22836.23218 36085.61254 21156 7469 7469.082059 9316.14419 14238.28284 12680.99992 38090.12658 13256.D.19765 57870 53490 53489.42857 32848.00008 29429.32251 18984.68357 27868.71203 29816 22540 22540.426691 6688.00008 29022 29022.0001 28949.00012 72100 72100.27221 29911 3594 3594 4398 4398 8786.67749 35405 10680 10680.99998 20900.00008 47760 47760.3488 384849 24948 24948 30404 30404.99962 65160 65159.92673 57027 24633 24633.59519 15017.99997 21119.372179 8235.0001 75602.07327 30699.0001 15638.954208 14790 32500 32500.99989 40071 40070.56585 23079.99998 12276 12275.00008 65097.573953 11178.99994 38267 38266.99993 27065 27064.99997 24736 24735.00006 21470 21470.00005 30056 30056.24643 79289.39126 46693 26598 26597.40481 27258 5466 5465.99991 12240.00006 77184 77184.87342 24154 59240 59240.820477 11633.34985 24943 62472 62472.99995 11072.28772 33614.99999 10528.00007 6671.88245 46175.00001 13383.00001 12852 12852.00004 22648 22648.387459 11618.999981 6636 6635.00004 18184 18184.00005 26327.99985 12501.6512 211223.00005 25662 25662.62065 92734.75357 144387 21140 21140.71383 27981 18620 18620.00002 37931.00001 9053 9053.60874 25792.4 ORIGENES DESTINOS Tota Ob va o 23209 21156 14922 35405 41888 144387 26047 57027 27981 50705 168337 34988 24154 384849 29816 84107 14790 65515 24943 61798 47061 29911 19432 16848 61136 85122 12067 46693 27258 21032 57870 69591 27788 20642 Fuente: Elaboración propia Tabla 20 Resultados modelo Doblemente Acotado (Hyman) 27 b e da c Sin uto Con uto Sin uto Con uto Oi Ob Oi E tima o Oi Ob Oi E tima o Dj E tima o Dj E tima o Tota E tima o 15964 15964 19500 19499.00004 18243 18243.72779 16540.83136 69591 32965 32964.71716 23209 10693 10693.917941 16848 19998 19998 24246 24246 27521.76782 65515 31399 31398.00002 7531.99999 14674 14673.64502 25941.0001 47158 47158.00014 173625.80235 31531.6244 15286.00006 12265.045792 8118.28797 16432.99955 31454.99998 13370.00001 18808.99991 32274 32273.27001 47031.00008 16420.

1 2 109 110 111 112 5 3 2 2 2 2 0. para usuarios Sin Auto.000866 0.740700 43158.443087 43778.001091 0.713213 43190.001091 0. .804839 43778. en donde mediante algoritmo de Furness. calcular Calcular Repetir Paso 2 hasta llegar a la convergencia.5 Algoritmo de Lum Y Huang Paso 1: Hacer m = 0.463603 43778. Paso 3: D.740700 43778.421050 43778.740700 43778. En caso contrario.001091 Fuente: Elaboración propia 43778.740700 43778. 28 .001091 0.740700 43778.740700 43778.6 Usuario Sin Auto Iteración Lum&Huang Iteración de Furness Bs_SA Entropía Observada SA Entropía Estimada SA . Obtener el valor inicial para el parámetro  Obtener Obtener   Paso 2: Hacer m = m +1 Estimar Si mediante Furness.D.463603 Tabla 21 Resultados modelo Doblemente Acotado (Lam y Huang).000879 0. donde : Entropía asociada a los viajes observados Entropía asociada a los viajes modelados  Parar.

para usuarios Con Auto. f f f f f f f f f f f f f f f f f f 1 2 109 110 111 112 5 3 2 2 2 2 0 000981 0 000994 0 001264 0 001264 0 001264 0 001264 56504 538510 56504 538510 56504 538510 56504 538510 56504 538510 56504 538510 55769 866294 55797 571762 56503 903820 56503 947447 56503 988076 56503 988076 29 .Usuario Con Auto Iteración Lum&Huang Iteración de Furness Bs_CA Entropía Observada CA Entropía Estimada CA Fuente: Elaboración propia Tabla 22 Resultados modelo Doblemente Acotado (Lam y Huang).

0062944 260.9999991 351.8788141 562.9999989 231.0247461 220.0000003 212. 219.1418195 366.0000012 983.0000003 533.9999999 336.9999987 308.9999993 468.196013 381.9999996 1100.0000001 642.2722915 347.3870581 577.0000003 378. 081082 168.8788141 562.2421157 194.9999992 349.9667437 1991.9999994 427. 081082 168.000002 510.328359 308.2281963 324.0000003 470.0247461 220.0000006 783.8405058 807.9999991 1430.519904 114.9999992 452.4368628 627.0000007 857.D.7 Si 219 225 773 504 1343 608 717 587 406 634 427 642 1131 417 858 353 514 736 1266 511 432 231 471 453 1760 337 436 469 352 809 1373 717 645 Fuente: Elaboración propia Tabla 23 Resultados modelo Doblemente Acotado (Lum y Huang) … ƒ‡ † „ƒƒƒƒƒ ƒƒ… ƒƒ… „ƒƒƒƒƒ i b 426 212 212 654 397 1126 458 619 468 298 524 363 522 984 352 784 308 438 596 1100 412 379 178 379 350 1431 278 337 403 292 636 1139 556 533 i o 426. 68369 236.3634354 251.196013 381.6151902 343.9999998 363 522.3055863 760.3914552 659.2697887 351.9999997 1373 717.519904 114.2421157 194.6151902 343.7384725 1011.0000007 406 633.9999998 587.2722915 347.5033163 670.0000003 225.4401425 557.9999994 402.6955913 489. 68369 236.2697887 351.9999987 352.0000004 645.0000001 523.5033163 670.850969 162.345413 284.958619 348.345413 284.0000007 618.9999992 291.999995 337.999998 417.850969 162.5497634 215.0062944 260.5497634 215.9999993 595.0000004 1139 556.0000003 i 480 434 310 667 895 3151 573 1173 576 1053 3616 690 484 8211 632 1850 299 1383 523 1283 1029 666 405 353 1314 1924 210 1009 623 457 1209 1488 630 400 o  wv‚ €s r vp y o l b 480 434 310 667 895 3151 573 1173 576 1053 3616 690 484 8211 632 1850 299 1383 523 1283 1029 666 405 353 1314 1924 210 1009 623 457 1209 1488 630 400 u t wv ps vp y o i o o i Si o j i o 262.0000003 773.9999988 1759.7384725 1011.9999987 178.9999993 636.815457 4492.4401425 557.999996 277.3634354 251.000002 1126.9999998 468.0000021 504.0000001 i b i o o l .9999982 352.000003 411.7832013 1727.9999992 735.9999992 378.9999995 1266.5983617 718.8405058 807.0000015 1130.4368628 627.9999999 513.0185522 o j i o 262.0000022 1343 608.0000027 397.3870581 577.1418195 366. 212.815457 4492.9999988 431.2281963 324.0720153 1059.000001 458.958619 348.0185522 u tx wv ps i g p h q o … ƒ‡ u tx wv ps i g p h u t wv ps r s r r i g p h q t‘t ‰ˆ  r S DESTINOS o u t wv ps r s r r i g p h 30 .0000001 654.3914552 659.328359 308.3055863 760.000001 716.6955913 489.0720153 1059.9999993 808.9667437 1991.0000002 437.5983617 718.0000003 298.0000001 435.7832013 1727.

0142 384849 16410.0001 26598.00003 29120 53489.00002 14790 35505.6094 30980.947 13405.9996 Sin AUTO Dj Estimado 10437.02128 6662.9063 61797.9944 24736 24736.1138 20641.0003 22255.9993 18184 18184.9992 10680.19944 14921.00082 84107 8034.99874 29816 46319.88656 20663.1937 9177.0006 24044.8781 19431.0001 31616.0022 38267 38266.00005 61136 46844.9945 40071 40070.3304 27980.9997 7468.4479 21031.6555 24153.7855 69590.065 84107.9997 59240.9972 12968 12967.0004 14196 14195.0016 21470 21470.9983 32965.1284 12366.292 61136.00041 57027 15614.4663 168337.0004 31399.99956 27981 27944.1485 41887.0037 168337 18973.9762 27257.4324 11854.6225 13322.9993 72100 72100.9997 21032 31555.9999 14984.99971 16848 32978.0003 12122.1969 76327.0002 47760 47760.0029 65515.0004 5466.5374 16014.0012 24948 22540.0006 4398 4397.4277 26022.4263 46692.00038 85122 6763.999 38399 38398.00186 65515 13908.7289 29911.99994 12947 19998.0002 29911 10855.00025 34988 13152.99938 27788 11464.001 30056 30055.0002 11648 10134.0003 17727 32500.5733 12228.9989 11034.9358 6755.6346 85122.0236 9260.9984 57870 38610.708 38277.99983 20642 Fuente: Elaboración propia Tabla 24 Resultados modelo Gravitacional Triproporcional 31 .886 DESTINOS Con AUTO Dj Total Estimado TOTAL Estimado Obs 12771.0001 62471.2115 12647.1107 9214.7566 29815.0001 144387 14192.99917 14922 18584.3658 5303.0004 32274 32274.8868 23208.79973 16820.0001 3593.9767 21155.99797 21156 8259.0004 39775 39775.9994 27480 27480.8057 27787.0001 24246 24246.9979 12852 12851.3443 173912.99918 35405 23082.2422 37787.0005 6636 6636 35294 35293.11298 12066.9991 22648 22648.99807 41888 80279.0024 25662 25661.9992 65160 65159.005 29022 29022.99746 23209 11941.8811 16847.ANEXO E ORIGENES SIN Oi Obs 15964 10693 7469 38608 10680 63396 21140 14912 24633 18620 39192 24045 14985 59240 24948 22540 17727 32500 31399 62472 20496 12122 3594 12947 19998 22255 11648 10134 26598 5466 29120 53490 32965 31616 AUTOS Oi Estimado 15963.3288 35404.0009 14674 14674.9992 24943 32907.99766 61798 26137.99985 47061 16588.3925 11001.99961 46693 15029.5677 144387.99977 27258 11771.389 57869.99974 24154 210936.9997 12276 12276.0914 20923.12146 7588.9989 9053 9052.0009 27065 27065.99969 50705 92009.9997 77184 77184.99954 12067 26029.6691 22760.99964 47158 47157.9988 20496.99953 19432 9259.99923 26047 31004.55182 26314.9995 10692.8028 50704.0001 63396.9999 38607.9161 24942.6704 18805.02233 14790.5715 26046.2713 8576.11861 28157.99977 15785 15785.0003 18243 18242.0001 CON AUTOS Oi Oi Obs Estimado 19500 19499.3773 47060.99695 69591 15140.0075 30404 30403.8496 64107.9999 18620 39192.872 57027.067 384849.0831 28890.999 75867 75866.0007 21140 14912 24632.6077 34988.97769 30009.

Sign up to vote on this title
UsefulNot useful