02'(/2'(75$163257(

6HPLQDULR 7DOOHU 1
 02'(/2'(75$163257(&/$6,&2

'DWRVGH
=RQLILFDFLyQ\UHG 'DWRVGHDxR
SODQLILFDFLyQSDUD
HVWUDWpJLFD EDVH
HODxRGH'LVHxR

%DVHGH'DWRV
)XWXUR
$xREDVH

*(1(5$&,21<$75$&&,21

'(0$1'$ 0DWUL]GH9LDMHV

',675,%8&,21

0RGHOR*UDYLWDFLRQDO

3$57,&,2102'$/

)XQFLzQGH8WLOLGDG$OHDWRULD

2)(57$

$6,*1$&,21$5('(632502'2

:DUGURS(VWUDWHJLDV5XWDV2SWLPDV

6HPLQDULR 7DOOHU 2
 (1)248('(02'(/$&,21

• El enfoque de modelación clásica parte por considerar una red multimodal de

transporte, una zonificación apropiada del área de estudio, y la recolección y
codificación de datos tanto para calibración y validación de los modelos como
para su uso en modalidad predictiva (datos de planificación). Estos datos
incluyen información socio – económica acerca de la población en cada zona
del área de estudio. Así como datos de su actividad económica, incluyendo
empleos, espacio comercial, facilidades educacionales y recreacionales.

• Con estos datos, obtenidos típicamente de una encuesta origen – destino, se

pueden estimar modelos que permitan predecir el total de viajes generados y
atraídos por cada zona (JHQHUDFLyQGHYLDMHV). Para modelar la generación, la
práctica contempla el uso de información a nivel de los hogares y técnicas de
clasificación, regresión lineal múltiple o mixtas. Para modelar la atracción viajes,
aún se considera aceptable utilizar datos a nivel zonal (información agregada).
Se deben estimar modelos diferentes para los distintos propósitos de viaje que
se estén considerando en el estudio.

6HPLQDULR 7DOOHU 3
 (1)248('(02'(/$&,21

• La siguiente etapa del modelo clásico consiste en GLVWULEXLUORVYLDMHV generados

por cada zona a sus posibles zonas de destino (distribución de viajes), a fin de
producir matrices de viajes para distintos propósitos modelados en los diversos
períodos del día que se estén considerando (típicamente período punta, fuera de
punta y total diario). En esta tarea, los resultados del modelo de generación de
viajes constituyen los totales a los que deben sumar, horizontal y verticalmente, las
celdas de la matriz. Además, se requiere información sobre los “costos
generalizados” de viaje entre cada par de zonas para cada tipo de persona
modelado.
• La etapa que sigue normalmente considera modelar cómo se reparten los viajes
interzonales que predice el modelo anterior entre los distintos medios de transporte
disponibles para cada tipo de persona (SDUWLFLyQPRGDO). Esta es una de las áreas
en que se han producido mayores avances en los últimos años, particularmente a
través del uso de las técnicas de elección discretas conducentes a los populares
modelos desagregados de demanda. Cabe señalar que la estructura, forma
funcional y variable a considerar en estos modelos, son temas que revisten
profunda importancia y que pueden afectar de manera significativa los resultados
de la modelación.

6HPLQDULR 7DOOHU 4
 *(1(5$&,Ï1'(9,$-(6

6HPLQDULR 7DOOHU 5
 )$6(6'(8102'(/2'(75$163257(

Producción de Viajes

Distribución

Partición Modal

Asignación

6HPLQDULR 7DOOHU 6
 *(1(5$&,21'(9,$-(6

• 9,$-(ES EL MOVIMIENTO EN UN SENTIDO DESDE UN PUNTO DE ORIGEN A UN PUNTO DESTINO

• 9,$-(6%$6$'26(1(/+2*$5+% SON AQUELLOS QUE TIENEN UN EXTREMO EN EL HOGAR DE

LA PERSONA QUE REALIZA EL VIAJE, INDEPENDIENTEMENTE DE QUE ESTE SEA EL ORIGEN O EL

DESTINO
• 9,$-(612%$6$'26(1(/+2*$51+%).- SON AQUELLOS QUE NO TIENEN UN EXTREMO EN EL

HOGAR DEL VIAJERO.

• 352'8&&,21'(9,$-(.- SE DEFINE COMO EL EXTREMO HOGAR DE UN VIAJE HB, O EL ORIGEN DE

UN VIAJE NHB.
• $75$&&,Ï1'(9,$-(6.- SE DEFINE COMO EL EXTREMO NO-HOGAR DE UN VIAJE HB Ó EL DESTINO

DE UN VIAJE NHB

352'8&&,21 352'8&&,21

+2*$5 75$%$-2

352'8&&,21 352'8&&,21

352'8&&,21 $75$&&,21

75$%$-2 &20(5&,2

$75$&&,21 352'8&&,21

6HPLQDULR 7DOOHU 7
 &$7(*25,=$&,21'(/$'(0$1'$

• (675$7,),&$&,21'(/$'(0$1'$ .- SE
REALIZA A NIVEL DE PROPOSITO DE VIAJE, EL
COMPORTAMIENTO DEL USUARIO ES DISTINTO
PARA CADA MOTIVO DE VIAJE.
– TRABAJO
– ESTUDIO
– Y OTROS MOTIVOS

• 1,9(/62&,2(&2120,&2 .- SE CLASIFICA LOS

HOGARES DE ACUERDO A UN CIERTO
INGRESO FAMILIAR Y UNA CIERTA TASA DE
MOTORIZACION, VARIABLES QUE SON
UTILIZADAS PARA CATEGORIZAR LOS
HOGARES Y POR EXTENSION, A LOS
INDIVIDUOS.

6HPLQDULR 7DOOHU 8
 &/$6,),&$&,Ï1'(9,$-(6

&ODVLILFDFLyQDGLFLRQDO

• Nivel de ingreso (5 a 8 rangos)

• Posesión de autos (0,1 y 2 + autos)
• Tamaño del hogar (Pequeño, mediano y grande)

6HPLQDULR 7DOOHU 9
 $1$/,6,6'(5(*5(6,21/,1($/08/7,3/(

• 5HJUHVLyQDQLYHO]RQDO

– Los modelos zonales solamente pueden explicar la variación en cuanto a

realización de viajes entre zonas; por lo tanto, sólo pueden ser exitosos si
las variaciones interzonales reflejan adecuadamente las razones reales
de la variabilidad de los viajes.

Para que esto ocurra, las zonas debieran tener una composición socio-
económica homogénea y representar un rango tan amplio de condiciones
como sea posible; el problema es que se sabe que la mayor variación
ocurre al interior de las zonas (alta varianza)

– 7pUPLQRLQWHUVHFFLyQRLQWHUFHSWR .- Las ecuaciones debieran pasar por

el origen. Normalmente, sin embargo, se han obtenido interceptos
bastante grandes. Si esto ocurre, las ecuaciones debieran rechazarse;
por el contrario, los interceptos no son significativamente distintos de
cero, podría estudiarse la conveniencia de ajustar curvas sin ellos.

6HPLQDULR 7DOOHU 10
 0RGHORGH'HPDQGD(VWXGLR

El intercepto debe ser cero o próximo a cero

6HPLQDULR 7DOOHU 11
 0RGHORGH'HPDQGD(VWXGLR

El intercepto debe ser cero o próximo a cero

6HPLQDULR 7DOOHU 12
 *(1(5$&,21'(9,$-(6

02'(/2'(5(*5(6,21/,1($/08/7,3/(5/0<9$5,$%/(6(;3/,&$7,9$6

(MHPSOR GHXQFDVR (VWXGLR GHO$UHD8UEDQDGH+LURVKLPD± $VLDQ(00(8VHU¶V

&RQIHUHQFH$XJXVWR 

2
L
S
= 1.36832. ;1 + 0.70039.; 2 + 1.16410. ; 3 + 3.02837. ; 4 + 0.82671.; 5
L L L L L

'RQGH 

2
L
S
= 180(52'(9,$-(6&2132326,72SS

=21$L
WRGRV ORV SURSRVLWR HQHO&DVR&2125,*(1(1/$

;
1L = 32%/$&,21(1/$=21$L

;
2L = (03/($'26'(6(&725$*5,&8/785$(1/$=21$L

;
3L = (03/($'26'(6(&7250$18)$&785(52(1/$=21$L

;
4L = (03/($'26'(6(&725&20(5&,2(1/$=21$L

;
5L = 38(6726(6&2/$5(6(1/$=21$L

6HPLQDULR 7DOOHU 13
 $75$&&,21'(9,$-(6

02'(/2'(5(*5(6,21/,1($/08/7,3/(5/0<9$5,$%/(6(;3/,&$7,9$6

(MHPSOR GHXQFDVR (VWXGLR GHO$UHD8UEDQDGH+LURVKLPD± $VLDQ(00(8VHU¶V

&RQIHUHQFH$XJXVWR 

'
S

M
= 1.40447. ;1 + 0.67486. ; 2 + 1.19761.; 3 + 3.04343. ; 4 + 0.92853.; 5
M M M M M

'RQGH 

'
S

M
= 180(52'(9,$-(6&2132326,72SS

=21$M
WRGRV ORV SURSRVLWR HQHO&DVR&2125,*(1(1/$

;
1M = 32%/$&,21(1/$=21$M

;
2M = (03/($'26'(6(&725$*5,&8/785$(1/$=21$M

;
3M = (03/($'26'(6(&7250$18)$&785(52(1/$=21$M

;
4M = (03/($'26'(6(&725&20(5&,2(1/$=21$M

;
5M = 38(6726(6&2$/5(6(1/$=21$M

6HPLQDULR 7DOOHU 14
 $1$/,6,6'(5(*5(6,21/,1($/08/7,3/(

• 5HJUHVLyQDQLYHOGHKRJDU

– Se busca un análisis independiente de los límites de las zonas, se

considera que la unidad de análisis más apropiada era el hogar.

– En la aplicación a nivel del hogar, cada hogar se considera como parte de

un vector de datos de entrada, de modo de incorporar toda la gama de
variabilidad observada en cuanto a las características de éste y su
comportamiento respecto a viajes.

6HPLQDULR 7DOOHU 15
 Regresión a nivel de hogar

Ejemplo: Sean y los viajes por hogar; x1 los empleados en el hogar y x2

el número de autos en el hogar. El ejemplo siguiente entrega valores
obtenidos en sucesivas especificaciones del modelo; en la última se
Presenta el estadígrafo t de significancia de cada variable.

Finalmente se compara con los resultados obtenidos de la encuesta

Y resultados del modelo.

6HPLQDULR 7DOOHU 16
 5/0± 352%/(0$'(12/,1($/,'$'

• El enfoque de mínimos cuadrados supone que cada una de las variables

independientes ejerce una influencia lineal en la variable dependiente.
No es fácil detectar no linealidad.

• Mediante los gráficos multivariados se grafican los datos, en el cual se

puede ver el comportamiento de los datos.

• Es importante señalar que existe una clase de variable que comúnmente

presenta comportamiento no lineal: la de naturaleza cualitativa. (tipo de
vivienda, ocupación del jefe del hogar, sexo, etc.)

6HPLQDULR 7DOOHU 17
 5/0± 352%/(0$'(12/,1($/,'$'

• Incorporar variables no lineales al modelo:

– Transformar las variables de modo de linealizar su efecto (tomando logaritmos, etc.);

sin embargo, la selección de la transformación no es fácil o arbitraria y debe hacerse
con mucho ciudado.
– Usar variables mudas (dummy) en la regresión. Por ejemplo la motorización se
analiza por intervalos apropiados serían 0,1 y 2 o más autos por hogar.

Cada hogar observado solo puede pertenecer a uno de los intervalos, por lo que se le
adjudica valor de 1 en esa clase y 0 en las otras. Se necesita (n-1) variables mudas
para representar n intervalos.

Ejemplo: < = 0.84 + 1.41; 1 + 0.75=1 + 3.14=2 R2=0.385

Donde: Z1= 1 para hogares con un auto y 0 en otros casos y

Z2= 1 para hogares con 2 o mas autos y 0 en tros casos.

6HPLQDULR 7DOOHU 18
 0RGHORGHUHJUHVLyQFRQYDULDEOHVPXGDV

6HPLQDULR 7DOOHU 19
 2EWHQFLyQGHWRWDOHV]RQDOHV

7
L
= 1 (0.91 + 1.44 ; 1 + 1.07 ; 2
L L L

7
L
= 1 (0.84 + 1.41; 1 ) + 0.7511 + 3.1412
L L L L

Donde:

Ni= Número de hogares por cada zona i

X1i= empleados en el hogar
X2i= Número de autos en el hogar
Nji= Número de hogares de clase j en la zona i

6HPLQDULR 7DOOHU 20
 $QiOLVLVGH&ODVLILFDFLyQ0~OWLSOH$&0

• Considérese un modelo con una variable dependiente continua (como tasa

de generación de viajes), dos variables independientes discretas, tales como
la tasa de motorización y el tamaño familiar, y una muestra de hogares. La
media de la variable dependiente se puede estimar tanto para la muestra
completa de hogares como para cada fila y columna de la matriz de
clasificación cruzada.

6HPLQDULR 7DOOHU 21
 7DVDVGHJHQHUDFLyQGHYLDMHV

El arte del método esta en elegir

las categorías de modo que la
desviación estándar de las
distribuciones de frecuencias, se
la mínima.

6HPLQDULR 7DOOHU 22
 02'(/26'(*(1(5$&,21'(9,$-(6

LAS GENERACIONES DE VIAJES MAS RELEVANTES PUEDEN DIFERENCIARSE EN TRES TIPOS :

GENERACION DE VIAJES BASADOS EN EL HOGAR DE IDA Y RETORNO Y GENERACION DE VIAJES NO
BASADOS EN EL HOGAR. LOS PRIMEROS SERAN ESTIMADOS MEDIANTE MODELOS DE ANALISIS DE
CLASIFICACION MULTIPLE (ACM), EN TANTO QUE LOS SEGUNDO Y TERCERO SE PUEDE YTILIZAR
MODELOS DE REGRESION LINEAL MULTIPLE (RLM).
ES DECIR, LOS ORIGENES DE UNA ZONA PUEDEN SER EXPRSADOS COMO SIGUE :

2
L
SQ

= 2( SQ

L EKL )
+2(
SQ

L EKU )
+2(
SQ

L QEK )

'21'(

2
L
SQ
= 180(52727$/'(9,$-(6&21352326,72S352'8&,'26325868$5,26 '(/$

&$7(*25,$Q(1$/=21$L

2
L
SQ

( EKL ) = 180(52727$/'(9,$-(6%$6$'26(1(/+2*$5'(,'$EKL3$5$/$0,60$

&/$6,),&$&,21$17(5,25

2
SQ

L EKU
( ) = 180(52727$/'(9,$-(6%$6$'26(1(/+2*$5'(5(72512EKU3$5$/$0,60$

&/$6,),&$&,21$17(5,25

2
L
SQ

( QEK ) = 180(52727$/'(9,$-(61225,*,1$'26(1(/+2*$5QEK3$5$/$0,60$

&/$6,),&$&,21$17(5,25

6HPLQDULR 7DOOHU 23
 *(1(5$&,21'(9,$-(6%$6$'26(1(/+2*$5'(,'$EKL

$QiOLVLV GH&ODVLILFDFLyQ PXOWLSOH$&0

PARA LOS VIAJES ORIGINADOS EN EL HOGAR, LA METODOLOGIA MAS UTILIZADA SE

CONFIA EN DETERMINAR 7$6$6'(*(1(5$&,21'(9,$-(6325+2*$5 Y EN EL
CONOCIMIENTO DEL NUMERO DE HOGARES EN UNA DETERMINADA ZONA. DE ACUERDO
A LA ESTRATIFICACION DE LA DEMANDA, DICHAS TASAS DEBEN SER CONOCIDAS
DENTRO DE CADA PERIODO DE ANALISIS, PARA CADA PROPOSITO DE VIAJE Y
CATEGORIA DEL HOGAR.

2
SQ

L EKL
( ) = + .W Q

L
SQ

'RQGH 

2
SQ

L EKL
( ) = Num ero de viaj es con proposit o S generados por los hogares de
la cat egoria Q de la zona L
+
L
Q
= Num ero de hogares de la cat egoria Q en la zona L

W
SQ
= Tasa de generacion de viaj es con proposit os S de los hogares de
la cat egoria Q

6HPLQDULR 7DOOHU 24
 $QiOLVLVGHUHJUHVLyQSDUDFDWHJRUtDVGH

KRJDUHV

• En ciertas ocasiones, el método más adecuado para modelar la

generación de viajes puede ser mezcla de clasificación cruzada (ACM) y
análisis de regresión.

Por ejemplo, en un área en que la distribución de ingreso sea muy

desigual, puede ser importante medir el impacto diferencial de
determinadas políticas en los diferentes estratos de ingreso, de esta
forma puede ser necesario modelar la demanda de transporte para cada
grupo de ingreso separadamente a través del proceso completo.

6HPLQDULR 7DOOHU 25
 $1$/,6,6'(&/$6,),&$&,2108/7,3/(± $&0

7DVDV GHJHQHUDFLyQ GHYLDMHV

SE OBTIENE DE
CENSO (INEI) o
EODH

(MHPSOR 3URSyVLWRWUDEDMR

,QJUHVRGHO+RJDU 1XPHURGHDXWRV

,1*5(62 &DW RPDV

5$1*2 6LQDXWR DXWR 727$/
6 (2' DXWRV

%DMR       

0HGLR       

$OWR RPDV     

7RWDO    

SQ
SE OBTIENE DE W
CENSO (INEI) o SE OBTIENE DE UNA
EODH MUESTRA DE ENCUESTA DE
HOGARES ORIGEN-DESTINO

6HPLQDULR 7DOOHU 26
 02'(/2&/$6,&2'(75$163257(

02'(/26'(*(1(5$&,21<$75$&&,21

• LOS MODELOS DE GENERACION Y ATRACCION DE VIAJES SE ENCARGAN

DE DETERMINAR ¿CUANTOS VIAJES SE REALIZAN Y LLEGAN A CADA UNA DE
LAS ZONAS?

• LA GENERACION DE TOTAL DE VIAJES SE OBTIENE DE LA SUMA :

• GENERACION DE VIAJES BASADOS EN EL HOGAR. SE CALCULA UTILIZANDO EL

ANALISIS CLASIFICADO MULTIPLE (TASAS DE GENERACION – ACM)

• GENERACION DE VIAJES NO-BASADOS EN EL HOGAR. SE ESTIMAN USANDO

MODELOS DE REGRESION LINEAL MULTIPLE (RLM)

• LA ATRACCION DE VIAJES SE BASA EN MODELOS DE REGRESION LINEAL

MULTIPLE.

6HPLQDULR 7DOOHU 27
 *(1(5$&,21'(9,$-(6

*(1(5$&,21'(9,$-(6 *(1(5$&,21'(9,$-(612

%$6$'26(1(/+2*$5'( %$6$'26(1(/+2*$5QEK

5(72512EKU

LA GENERACION DE ESTE TIPO DE VIAJES

(MUY RAROS EN EL PERIODO PUNTA DE
LA MAÑANA Y MAS FRECUENTE EN EL
PERIODO FUERA DE PUNTA)

LA GENERACION DE ESTOS VIAJES , SERAN EN FUNCION DE VARIABLES ASOCIADAS CON EL

USO DE SUELOS Y LA ACTIVIDADES DE UNA ZONA. EN ESTE SENTIDO, LAS VARIABLES
EXPLICATIVAS DEL MODELO DE REGRESION LINEAL MULTIPLE (RLM)

2
L
S
= θ 0 + ∑ θ .; + (
N LN L

N
'RQGH 

2 = L
S
180(52'(9,$-(6&2132326,72S &2125,*(1(1/$=21$L

θ =
N
3$5$0(7526'(&$/,%5$&,21

;
LN
= 9$5,$%/(6(;3/,&$7,9$6=21$/(6

(
L
= 180(52(5525'((67,0$&,213$5$/$=21$L

6HPLQDULR 7DOOHU 28
 02'(/26'($75$&&,21'(9,$-(6

VIAJES ATRAIDOS BASADOS EN EL HOGAR DE IDA (bhi) Y VIAJES NO BASADOS EN EL HOGAR (nbh). PARA
ESTOS DOS CASOS, LAS VARIABLES EXPLICATIVAS CORRESPONDEN NORMALMENTE A EQUIPAMIENTO
POR ZONA, DEDICADOS A CADA ACTIVIDAD Y NO LOS HOGARES (NINGUNO DE ESTOS VIAJES TIENE
DESTINO EL HOGAR). POR TANTO, UN MODELO DE ESTE TIPO DEBE SER CALIBRADO A NIVEL ZONAL
PARA CADA PROPOSITO Y PERIOD DE ANALISIS DEFINIDO UTILIZANDO TECNICAS DE REGRESION
LINELA MULTIPLE (RLM)

ATRACCION DE VIAJES BASADOS EN EL HOGAR DE RETORNO (bhr). EN ESTE CASO,DADO QUE EL

DESTINO DEL VIAJE ES EL HOGAR, LA UNICA VARIABLE EXPLICATIVA POSIBLE SERA EL NUMERO DE
HOGARES POR ZONA. EN ESTE CASO ES POSIBLE UTILIZAR TECNICAS DE REGRESION LINEAL SIMPLE
(RLS) Y TAMBIEN ES POSIBLE CONSIDEERA MODELOS DE TASAS ACM DE ATRACTIVIDAD PARA
MODELAR ESTOS VIAJES. TAMBIEN SE PUEDE COMPARAR LOS RESULTADOS DE MODELACION
UTILIZANDO RLM CON EL MODELO ACM OBTENIDO.

'
S

M
= θ 0 + ∑ θ .; N MN
+( M

N
'RQGH 

' = S

M
180(52'(9,$-(6&2132326,72S &2125,*(1(1/$=21$L

θ = N
3$5$0(7526'(&$/,%5$&,21

;
MN
= 9$5,$%/(6(;3/,&$7,9$6=21$/(6

(
M
= 180(52(5525'((67,0$&,213$5$/$=21$L

6HPLQDULR 7DOOHU 29
 $75$&&,21'(9,$-(6325=21$
$&7,9,'$'(6'((48,3$0,(172(;,67(17((1/$=21$

• 9,$-(6&21352326,72'(75$%$-2 : ESTOS SON ATRAIDOS POR LAS

ACTIVIDADES QUE OFRECEN EMPLEOS. LA MAS RELEVANTES SON EL COMERCIO,
OFICINAS, SERVICIOS Y LA INDUSTRIA.

• 9,$-(6&21352326,72(678',2
: SON ATRAIDOS POR LA PRESENCIA DE
ESTABLECIMIENTOS EDUCACIONALES (NUMERO DE MATRICULAS POR NIVEL :
BASICO, MEDIA Y SUPERIOR)

• 9,$-(6&212752352326,72 : CORRESPONDEN A LOS VIAJES DE COMPRAS,

DILIGENCIAS Y SALUD ENTRE OTROS. LAS ACTIVIDADES RELEVANTES SERAN EL
COMERCIO, LOS SERVICIOS Y ATENCIONES DE SALUD. ADEMAS, PARA INCLUIR EL
EFECTO DE LOS VIAJES CON MOTIVOS SOCIALES SUELE INCLUIRSE COMO VARIABLE
EXPLICATIVA EL TOTAL DE HOGARES EXISTENTE EN UNA ZONA

6HPLQDULR 7DOOHU 30
 02'(/2'(*(1(5$&,21$75$&&,21

LA OPERACION DEL MODELO DE TRANSPORTE REQUIERE COMO DATOS DE ENTRADA LOS VECTORES ORIGEN-
DESTINO DE VIAJES PARA CADA PERIODO DE ANALISIS. CLASIFICADOS POR PROPOSITOS DE VIAJE Y POR
CATEGORIAS DE DEMANDA. LA ESTIMIMACION DE TALES VECTORES CONSTITUYEN EL OBJETIVO DE LOS
MODELOS DE GENERACION – ATRACCION

DEBIERA ESTIMARSE UN VECTOR DE ORIGENES Y UN VECTOR DE DESTINOS POR CADA PROPOSITO Y

CATEGORIA DE DEMANDA, PERO EN LA PRACTICA LA CLASIFICACION POR CATEGORIA DE DEMANDA NO
SIEMPRE ES POSIBLE

LOS ORIGENES SON CLASIFICADOS POR PROPOSITOS-CATEGORIA Y LOS DESTINOS EN CAMBIO, SON
CLASIFICABLES SOLO POR PROPOSITO DE VIAJE. ASI, EL MODELO DE TRANSPORTE RECIBE COMO DATOS DE
ENTRADA UN VECTOR ORIGEN POR CADA PROPOSITO DE VIAJE Y POR CADA CATEGORIA DE DEMANDA ( 2 ); Y



UN VECTOR DESTINO POR CADA PROPOSITO DE VIAJE, EN EL QUE TODAS LAS CATEGORIAS DE DEMANDA


ESTAN AGRUPADAS ( ' ). ADEMAS DEBE CUMPLIRSE

∑ ∑ ∑L S Q
2
L
SQ
= ∑ ∑
M S
'
S

'RQGH 

2
L
SQ
= NUMERO DE VIAJES GENERADOS EN LA ZONA (i) DE LA CATEGORIA Q, CON PROPOSITO S

'
SQ

M
= NUMERO DE VIAJES ATRAIDOS POR ZONA M, CON PROPOSITO S

6HPLQDULR 7DOOHU 31
 9(&725(6'(*(1(5$&,21$75$&&,21'(

9,$-(6

3URSRVLWRS&DWHJRULDQ

3URSRVLWRS&DWHJRULDQ

ZONAS DE TRANSI TO DESTI NO ( D)

Dj       

7RWDO
∑ ' ∑ ' ∑ ' ∑ '
∑ ' ∑ '



7RWDO
Oi
 ∑ 2
9(&725'($75$&&,21'(9,$-(6//(*$1


 ∑ 2
ZONAS DE ORI GEN ( O)

 ∑ 2

 ∑ 2

 ∑ 2
9(&725'(352'8&&,21'(9,$-(66$/(1



∑ 2



.

.

.

6HPLQDULR 7DOOHU 32
 ',675,%8&,Ï1'(9,$-(6

6HPLQDULR 7DOOHU 33
 )$6(6'(8102'(/2'(75$163257(

Producción de Viajes

Distribución

Partición Modal

Asignación

6HPLQDULR 7DOOHU 34
 0$75,='(9,$-(6

3URSRVLWRS&DWHJRULDQ

3URSRVLWRS&DWHJRULDQ

ZONAS DE TRANSI TO DESTI NO ( D)

L?M        7RWDO

 ∑ 2


 ∑ 2
ZONAS DE ORI GEN ( O)


 ∑ 2


 7
,
∑ 2





 ∑ 2


 ∑ 2



.

.

.

∑ ∑ ∑ ∑ ∑ ∑





' ' ' ' ' '
7RWDO
. . .





7
L , M
= Viajes t ot ales del par ( i, j) ∑ '
∑ 2


6HPLQDULR 7DOOHU 35
 02'(/26'(',675,%8&,21'(9,$-(6

• 6((1&$5*$'('(&,',5¢+$&,$'21'(5($/,=$5(/9,$-("

• (/02'(/2'(',675,%8&,21'(9,$-(6&255(6321'($812'(7,32
*5$9,7$&,21$/'2%/(0(17($&27$'2&8<$)2508/$&,216(

35(6(17$&202

7
L ,M = $ 2 %
L
. . .' . I (& , )
L M M L M

En un principio los viajes totales de origen y destino no son iguales,

entonces hay que calcular factores de corrección para que se cumpla
esa igualdad tanto en el origen y el destino (doble acotación)

6HPLQDULR 7DOOHU 36
 9LDMHVYHUVXVWLHPSRV± 73~EOLFR

'LD JUD PD GH )UH FXH QFLD GH 9LD MH V

350

300
9LDMHVGHOD0XHVWUD

Viajes - Muestra
250
Viajes - Ajustados
200

150

100

50

0
10 20 30 40 50 60 70 80 90 100 110 120 130 140
,QWH UYD ORGH 7LH PSRV

Resultados obtenidos de la muestra de Curvas típicas de funciones

encuesta Origen – Destino en hogares de costos en la red total

6HPLQDULR 7DOOHU 37
 02'(/2'(',675,%8&,Ï1'(9,$-(6
0RGHOR*UDYLWDFLRQDO

Tij = Kij .Pi .A j .F(Cij )

'RQGH

Tij = Núm ero de viaj es ent re las zonas ij

Kij = Fact ores de aj ust e ( Kij = 1 Valor I nicial)
Pi = Producción de viaj es de la zona i
Aj = At ract ividad de la zona j
F( Cij ) = función de im pedancia( cost o) ent re las zonas ij

6HPLQDULR 7DOOHU 38
 02'(/2*5$9,7$&,21$/

La calibración del m odelo gravit acional consist ió en la búsqueda

it erat iva de la función de im pedancia F( Cij ) , de t al form a que :
≅
7LHPSRVGHYLDMHGHOPRGHOR7LHPSRVGH9LDMHV2EVHUYDGRV

≅
9RO~PHQHVGHSDVDMHURVGHOPRGHOR9RO~PHQHVGH3DVDMHURVREVHUYDGRV

Las funciones de im pedancia ut ilizadas para la calibración son las

siguient es:

· )&  H[SO& M ([SRQHQFLDO

LM L
 E
)&  & 3RWHQFLDO
LM LM
E
)&  & H[SO&  &RPELQDGD
LM LM LM

Cabe m encionar que se ut ilizaron las m ism as funciones para t odos

los m ot ivos de viaj e considerados en el est udio.

6HPLQDULR 7DOOHU 39
 )81&,21'(&26726*(1(5$/,=$'26

&
N

LM
= WY + WH . SZDLW + WF . SZDON + WD / YW +
N

LM
N

LM
N

LM LM
N
SWU
N

'RQGH 

&
N

LM
= &2672*(1(5$/,=$'2'(9,$-((1(/02'2N (175(/$6=21$6LM

WY
N

LM
= 7,(032'(9,$-(02'2N (175(/$6=21$LM

WH
N

LM
= 7,(032'((63(5$02'2N (175(/$6=21$LM

SZDLW = 321'(5$'25'(/7,(032'((63(5$

WF
N

LM
= 7,(032'(&$0,1$7$'(02'2N (175(/$6=21$6LM

SZDON = 321'(5$'25'(/7,(032'(&$0,1$7$

WD = N

LM
7$5,)$02'2N (175(/$6=21$6LM

YW = )$&725'( &219(56,21'(81,'$'(6021(7$5,$6$81,'$'(6'(7,(032

SWU = 3(1$/,'$''(75$16%25'2

6HPLQDULR 7DOOHU 40
0HWRGRORJtDGHFiOFXORGHGLVWULEXFLyQGHYLDMHV

ESTIMACION DE TIEMPOS DE VIAJES

ENTRE PARES DE OD VECTORES DE ATRACCION VECTORES DE PRODUCCION

CALCULO DE LA FUNCION DE BH BH BH BH
IMPEDANCIA EMPLEOS MATRICULA ESCOLAR NBH
Trabajo Estudio Compras Otros

DISTRIBUCION DE VIAJES
MODELO GRAVITACIONAL

Tij = Kij * Pi * Aj * F(C ij)

Comparación de tiempos medios de viaje

Comparación de los volúmenes resultantes del
resultantes del modelo con aquellos observados
modelo con los observados en las líneas cortina
en las encuestas

Matrices de Viajes

BH BH BH BH
NBH
Trabajo Estudio Compras Otros

6HPLQDULR 7DOOHU 41
 Coeficient e de las funciones F( Cij )

0RGRGH7SH )XQFLyQ3HULRGR$0 0RGRGH7SH )XQFLyQ3HULRGR30

$XWR &LMA H[S &LM Auto &LMA H[S &LM

$XWR &LMA H[S &LM Auto &LMA H[S &LM

7SH3~EOLFR &LMA H[S &LM Tpe. Público &LMA H[S &LM

7SH3~EOLFR &LMA H[S &LM

!#" Tpe. Público &LMA H[S &LM
!$"
%$
23 1 )*+(
37 456 %,$
$.
#"$


&'

9 8: '-
/*0#
)*
!*-
400000

350000

−λ&
300000

250000
) & ( LM
) =& −β
LM
H
LM
NO P Q R S

200000

150000

100000

50000

0
10 20 30 40 50 60 70 80 90 100 110 120
<=<= >;
? B @A
BE
GB AFH
LK IJA
<= >M
CD<

6HPLQDULR 7DOOHU 42
 ',675,%8&,Ï1'(/269,$-(6

• Una vez calibrado el modelo gravitacional se efectúa la distribución de los

viajes celda por celda, de la siguiente manera:

 $ 
 
M

I (F )
7 = 3 LM

 
∑
LM L Q

$
 
M

 M =1
I (F ) 
 LM

Tij= Número de viajes entre i y j

Pi= Número de viajes producidos o generados por la zona j
Aj= Número de viajes atraidos por la zona j
f(cij)= función de costos calibrados

)LQDOPHQWHFRQHVWDIXQFLyQVHFRPSOHWDORVYLDMHVQRFDSWDGRVR VRQFHURV

6HPLQDULR 7DOOHU 43
 3$57,&,Ï102'$/

6HPLQDULR 7DOOHU 44
 )$6(6'(8102'(/2'(75$163257(

Producción de Viajes

Distribución

Partición Modal

Asignación

6HPLQDULR 7DOOHU 45
 02'(/2'(3$57,&,2102'$/

EL MODELO DE PARTICION MODAL DIVIDE LA MATRIZ DE VIAJES PROVENIENTES DE LA

ETAPA DE DISTRIBUCION, EN TANTAS MATRICES COMO MODOS DE TRANSPORTE
EXISTEAN DISPONIBLES PARA LOS USUARIOS. UN MODELO DE PARTICION MODAL
SERA NECESARIO PARA CADA CTAEGORIA DE DEMANDA, PROPOSITO DE VIAJE Y
PERIODO DE ANALISIS.

HIPOTESIS : LA PROBABILIDAD QUE UN INDIVIDUO ESCOJA UNA ALTERNATIVA

DETERMINADA ES FUNCION DE LAS CARACTERISTICAS (SOCIOECONOMICAS) DEL
INDIVIDUO Y DE LA ATRACTIVIDAD RELATIVA DE CADA OPCION.

PARA VIAJAR ENTRE UN ORIGEN Y UN DESTINO DETERMINADO, UN USUARIO DE

PROPOSITO p Y CATEGORIA n DISPONE DE UN CONJUNTO FINITO Y DISCRETO An DE
MODOS DE TRANSPORTE ALTERNATIVOS. LA ELECCION DE UN MODO ESPECIFICO
, DEPENDERA DE LAS CARACTERISTICAS DEL USUARIO Y DE LOS ATRIBUTOS DE LOS
MODOS DISPONIBLES. P ∈ $
T

PARA REPRESENTAR ESTAS CARACTERISTICAS, SE DEFINE UNA FUNCION DE

UTILIDAD ASOCIADA A CADA UNA DE LAS ALTERNATIVAS DISPONIBLES Y SE SUPONE
EL USUARIO ELEGIRA AQUELLA QUE LE REPORTE UNA MAYOR UTILIDAD.

6HPLQDULR 7DOOHU 46
 02'(/2'(3$57,&,2102'$/

)81&,2187,/,'$'

8
SQP

LM
=δ SQP

LM
+ ∑θ SQP

LM
.; SQP

LM

N ∈$ Q

'RQGH 

δ SQP

LM
= &2167$17(02'$/48(5(35(6(17$&,(57$6&$5$&7(5,67,&$648((/02'2P7,(1(

3$5$/26868$5,26'(352326,72S<&$7(*25,$Q(175(/$6=21$6LM<48(12

(67$15(35(6(17$'26(1(/5(672'(/$)81&,2187,/,'$''(/02'2

θ SQP

LM
= (/3$5$0(7525(35(6(17$(/3(6248(/26868$5,26'(352326,72S<&$7(*25,$Q

<02'2P(175(/$6=21$6LM$6,*1$1$&$'$9$5,$%/((1/$)81&,2187,/,'$'

7$/(63$5$0(7526'(%(16(5&$/,%5$'26

;
LM
SQP
= 5(35(6(17$,1',67,17$0(17(/26$75,%8726'(/02'2P</$6&$5$&7(5,67,&$6

'(/868$5,2'(352326,72S<$&$7(*25,$Q<02'2P(175(/$6=21$6LM

,1&/8<($75,%8726'(/02'26869$5,$%/(67,(032'(9,$-(7,(032'((63(5$

7$5,)$(7&<&$5$&7(5,67,&$6'(/868$5,268,1*5(621,9(/('8&$&,21$/(7&

&20%,1$&,21'(9$5,$%/(67$5,)$&21,1*5(62)$0,/,$5

6HPLQDULR 7DOOHU 47
 02'(/2'(3$57,&,2102'$/

02'(/2/2*,708/7,120,$/

 λ 8
SQP

H
LM

3
LM
SQP
= , ∀ (L, M , S , Q , P )
∑
−λ8 SQN

H
LM

N ∈ $
Q

'RQGH 

3
LM
SQP
= 352%$%,/,'$''(48(81868$5,2'(352326,72S&$7(*25,$Q(/,-$(/02'2P

(175(/$6=21$6LM

8
LM
SQN
= )81&,21'(87,/,'$''(/02'2N352326,72S<868$5,2'(&$7(*25,$Q

λ = 3$5$0(752'(&$/,%5$&,21'(/02'(/2/2*,7² 5(35(6(17$81)$&725'((6&$/$

(1/$',675,%8&,21:(,%8//'((5525(6$62&,$'26$8102'(/2'((/(&&,21

',6&5(7$'(/7,32/2*,7

6HPLQDULR 7DOOHU 48
 3$57,&,2102'$/

UNA VEZ DEFINIDA LA PROBABILIDAD DE QUE UN USUARIO DE LA CATEGORIA n ELIJA

EL MODO m PARA VIAJAR EN EL PAR (i,j) EL NUMERO DE VIAJES EN ESE MODO SE
OBTIENE DE LA SIGUIENTE MANERA :

'RQGH 
7
SQP

LM
= 7 .3
SQ

LM LM
SQP

7
LM
SQP
= 9,$-(6'(/26868$5,26'(352326,72S<$7(*25,$Q48((/,*(1(/02'2P(175(

=21$6LM

7
LM
SQ
= 9,$-(6'(352326,72S<&$7(*25,$Q48(9,$-(1(175(=21$6LM

3
LM
SQP
= 352%$%,/,'$''(48(/26868$5,26'(352326,72S&$7(*25,$Q(/,-$1(/02'2P

(175(/$6=21$6LM

6HPLQDULR 7DOOHU 49
 02'(/266,03/,),&$'26

6HPLQDULR 7DOOHU 50
 (67,0$&,Ï1'(0$75,&(6$3$57,5'(

&217(26

• Los conteos de tráfico son relativamente baratos de obtener (se

recolectan con varios posibles usos)
• Existen técnicas y equipos modernos muy eficientes para contar tráficos
en forma automática y luego procesar, en forma también automática la
información.
• Contar vehículos, pasajeros o peatones, es más sencillo que realizar
encuestas.
• Algunas operaciones de conteo se realizan como parte de la operación
normal de organismos de planificación y operación.
• La gran mayoría de las actividades de conteo no requiere demorar al
tráfico.

6HPLQDULR 7DOOHU 51
 (67,0$&,Ï1'(0$75,&(6$3$57,5'(

&217(26 9HQWDMD

• Puesta al día de matrices de movimiento de pasajeros o carga usando

información histórica y conteos actuales.

• Estimación de matrices de sub-áreas.

• Desarrollo de modelos simplificados a ser utilizados como elementos de

un proceso de planificación continua.

6HPLQDULR 7DOOHU 52