N º 01 M ayo 2 010 - VO L .14 IS S N 0717-3482 REV IS TA I NGENI ERÍ A D E TRA NS P O R T E Ingeniería de transporte Vol. 14, Nº 01 Vol. 14 Nº 01 Índice de Contenido EDITORIAL 3 Juan Enrique Coeymans A. CALIBRACIÓN Y SIMULACIÓN DE UN CORREDOR DE TRANSPORTE PÚBLICO EN MICROSIMULADOR DE TRÁFICO PARAMICS 5 11 Felipe Delgado, Ricardo Giesen, Juan Carlos Muñoz y Aldo Cipriano INDICADORES DE INCLUSIÓN SOCIAL, ACCESIBILIDAD Y MOVILIDAD: EXPERIENCIAS DESDE LA PERSPECTIVA DEL SISTEMA DE TRANSPORTE 18 Mauricio Jara y Juan Antonio Carrasco ANÁLISIS DE LOS ENFOQUES SECUENCIAL Y SIMULTÁNEO PARA LA ESTIMACIÓN DE MODELOS HÍBRIDOS DE ELECCIÓN DISCRETA 26 Sebastián Raveau, Juan de Dios Ortúzar y María Francisca Yáñez RESULTADOS DE LA MODELACIÓN MICROSCÓPICA DE INTERACCIONES VEHÍCULOS-PASAJEROS-TRÁFICO PARA EL DISEÑO DE SISTEMAS BRT 32 Rodrigo Fernández A., Cristián E. Cortés C. y Vanessa Burgos O. POLÍTICAS DE LA PUBLICACIÓN 37 Objetivos y Alcance Instrucciones para los Autores I S S N 0717- 3482 Impreso en Santiago de Chile, Mayo 2010 R E V I S TA ¿PUEDE LA ESTRATEGIA DE CONTROL EN TIEMPO REAL DE BOARDING LIMITS MEJORAR EL RENDIMIENTO DEL SISTEMA? I N G E N I E R Í A D E T R A N S P O R T E - S O C I E DA D CH I L E N A D E I N G E N I E R Í A D E T R A N S P O R T E Arturo Didier, Juan Carlos Muñoz, Ricardo Giesen y Cristián E. Cortés SOCIEDAD CHILENA DE INGENIERÍA DE TRANSPORTE Santiago de Chile Mayo 2 0 10 ISSN 071 7-3482 REVISTA INGENIERÍA DE TRANSPORTE Vol. 14 Nº 01 SOCIEDAD CHILENA DE INGENIERÍA DE TRANSPORTE Santiago de Chile Mayo 2010 INGENIERÍA DE TRANSPORTE VOL. 14, Nº 01 ISSN 0717-3482 SANTIAGO DE CHILE, MAYO 2010 Ingeniería de transporte Vol. 14, Nº 01 Índice de Contenido EDITORIAL 3 Juan Enrique Coeymans A. CALIBRACIÓN Y SIMULACIÓN DE UN CORREDOR DE TRANSPORTE PÚBLICO EN MICROSIMULADOR DE TRÁFICO PARAMICS 5 Arturo Didier, Juan Carlos Muñoz, Ricardo Giesen y Cristián E. Cortés ¿PUEDE LA ESTRATEGIA DE CONTROL EN TIEMPO REAL DE BOARDING LIMITS MEJORAR EL RENDIMIENTO DEL SISTEMA? 11 Felipe Delgado, Ricardo Giesen, Juan Carlos Muñoz y Aldo Cipriano INDICADORES DE INCLUSIÓN SOCIAL, ACCESIBILIDAD Y MOVILIDAD: EXPERIENCIAS DESDE LA PERSPECTIVA DEL SISTEMA DE TRANSPORTE 18 Mauricio Jara y Juan Antonio Carrasco ANÁLISIS DE LOS ENFOQUES SECUENCIAL Y SIMULTÁNEO PARA LA ESTIMACIÓN DE MODELOS HÍBRIDOS DE ELECCIÓN DISCRETA 26 Sebastián Raveau, Juan de Dios Ortúzar y María Francisca Yáñez RESULTADOS DE LA MODELACIÓN MICROSCÓPICA DE INTERACCIONES VEHÍCULOS-PASAJEROS-TRÁFICO PARA EL DISEÑO DE SISTEMAS BRT 32 Rodrigo Fernández A., Cristián E. Cortés C. y Vanessa Burgos O. POLÍTICAS DE LA PUBLICACIÓN Objetivos y Alcance Instrucciones para los Autores Índice de Contenido 37 1 Ingeniería de transporte Vol. 14, Nº 01 2 Índice de Contenido Ingeniería de transporte Vol. 14, Nº 01 Editorial A partir del presente número, los volúmenes no serán bianuales sino anuales. De esta forma, la presente revista corresponde al Nº 1 del Volumen Nº 14. El criterio de bianualidad provenía de los Congresos Chilenos de Ingeniería de Transporte, de los cuales la revista Ingeniería de Transportes es la continuadora natural. El cambio adoptado, se sustenta en que en el futuro los trabajos a publicar provendrán de variadas fuentes, desligándose de la herencia de los congresos chilenos de ingeniería de transporte, con lo que pierde vigencia el criterio de bianualidad. En segundo lugar, lo anterior nos permitirá aumentar el número de trabajos por número, sin correr el riesgo de disminuir la calidad. En tercer lugar, a partir del Volumen Nº 15, correspondiente al próximo año 2011, se intentará publicar tres números anuales, dando lugar a la divulgación de un mayor número de trabajos y presentar una continuidad más robusta que nos permita ingresar a sistemas de indexación internacionales, hasta lograr ingresar al sistema ISI, que es nuestro objetivo final. Agradecemos como siempre al Comité Editorial, a los revisores y a los autores la posibilidad de entregar este material que da cuenta de los avances en la disciplina, en idioma ibérico. Prof. Dr. Juan Enrique Coeymans Editor General Editorial 3 Ingeniería de transporte Vol. 14, Nº 01 4 Editorial INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 5-10 Artículo de Investigación Calibración y Simulación de un Corredor de Transporte Público en Microsimulador de Tráfico Paramics Arturo Didier, Juan Carlos Muñoz, y Ricardo Giesen Departamento de Ingeniería de Transporte y Logística, Pontificia Universidad Católica de Chile Vicuña Mackenna 4860, Macul, Casilla 306, código 105, Santiago 22, Chile; Tel: 562 354 4270 adidier@ing.puc.cl, jcm@ing.puc.cl, giesen@ing.puc.cl Cristián E. Cortés Departamento de Ingeniería Civil, Universidad de Chile Casilla 228-3, Santiago, Chile; Tel/Fax: 56 2 6894206 ccortes@ing.uchile.cl RESUMEN En el diseño y evaluación de medidas de gestión de tráfico, los paquetes de simulación microscópica de tráfico son una herramienta poderosa para cuantificar impactos sobre el funcionamiento de la red vial en casos donde no es posible encontrar resultados analíticos, y además permiten apreciar visualmente sus efectos. La motivación del presente trabajo es simular correctamente el funcionamiento de un corredor segregado de transporte público mediante el uso de PARAMICS, para estudiar su operación. Los principales objetivos son calibrar los parámetros de tráfico para el caso de un corredor ya implementado, cual es Av. Pajaritos, y obtener una red que emule el funcionamiento diario de dicho corredor, de donde será posible evaluar medidas de gestión. Entre los resultados de la calibración, destaca el hecho que los valores obtenidos para parámetros como intervalo (headway) y tiempo de reacción dependen del período simulado, y señalan que los conductores tienden a tolerar mayor densidad en horario punta mañana. Finalmente, se presenta la calibración de parámetros de tráfico, recolección y codificación de datos del funcionamiento actual del transporte público. Palabras Claves: calibración, microsimulación de tráfico, corredor segregado de transporte público. ABSTRACT In the design and evaluation of traffic management measures, traffic microsimulation provides a powerful tool for obtaining results, not possible to be obtained through the use of analytical models. This technique allows having a visual appreciation of the measures’ effects. The motivation of this work is to properly simulate the operation of a public transport corridor using PARAMICS, a commercial traffic simulator. The main objectives are to calibrate traffic parameters that represents the real operation of a segregated public transport corridor in Santiago, such as Pajaritos Avenue, and to obtain a network able to emulate the daily operation of this corridor at a microscopic level, in order to evaluate some management measures. The results of the calibration process are promising. Among them, we can mention that values obtained of mean target headway and mean reaction time depend on the simulation period and also provides a picture of the behavior of drivers, who tend to keep higher density in the rush hour morning period. Finally, the calibration of traffic parameters, collection and codification of current operation of public transport are presented. Keywords: calibration, traffic microsimulation, segregated public transport corridor. A. Didier, et al 1. INTRODUCCIÓN Los simuladores de tráfico son una herramienta importante cuando se requiere evaluar proyectos de intervención vial y de gestión de tráfico. En particular, los modelos de microsimulación corrigen en parte las posibles omisiones que hacen modelos macro y/o mesoscópicos. Su importancia radica en la posibilidad de obtener resultados y analizar sistemas para los que no es posible encontrar soluciones analíticas (Daganzo, 1997). En general, los microsimuladores de tráfico basan el movimiento vehicular en tres modelos: (i) Seguimiento vehicular, (ii) Cambio de pista, y (iii) Aceptación de brechas. Si bien los paquetes comerciales tienen base similar, PARAMICS presenta ventajas comparativas importantes: (i) Tiene un mejor acercamiento al transporte público en cuanto los vehículos que lo conforman tienen tiempos de detención asociados a los “usuarios” que suben y bajan de éstos; y (ii) dispone de interfaz de programación que permite incorporar nuevas rutinas que enriquezcan y/o reemplacen parte de las funciones de las que dispone. Sin embargo, esto es insuficiente a la hora de reflejar apropiadamente la operación de transporte público, en especial al querer evaluar efectos de medidas sobre los usuarios. Para ello, se ha desarrollado el módulo MISTRANSIT (Burgos, 2006) que vía una interfaz de programación, Application Programming Interface (API), modela gran parte de los detalles operacionales de transporte público en forma más realista y permite evaluar medidas asociadas a los pasajeros, no considerados como entidades explícitas en microsimulación tradicional. El presente trabajo incorpora los aportes de Gibson (1997) que propone algunos valores de parámetros para funcionamiento de transporte público; Velasco (2004), quien propone esquemas de calibración y provee valores de parámetros vehiculares ajustados para la realidad nacional que sirven como valores de entrada; y Burgos (2006), quien estudió el tratamiento del transporte público en micro simuladores de tráfico mediante la programación de la aplicación externa MISTRANSIT. El trabajo se divide en cinco partes: (i) Recolección de datos de entrada al simulador; (ii) Desarrollo de la metodología aplicada; (iii) Discusión resultados de calibración y validación; (iv) Exposición de limitaciones de PARAMICS y alcances módulo MISTRANSIT; y finalmente (v) Presentación de las conclusiones y comentarios. 5 Artículo de Investigación 2. INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 5-10 RECOLECCIÓN DE DATOS DE ENTRADA AL SIMULADOR PARAMICS El simulador PARAMICS tiene tres fuentes de información a ocupar como entrada: (i) Oferta vial; (ii) Oferta de transporte público; y (iii) Demanda, en la que se diferencia al transporte público del transporte privado. La oferta vial está definida por: (i) Configuración física de la red, la que en este caso se obtuvo a partir de planos digitales en formato Autocad; e (ii) Información operacional, la que reúne datos de la red semaforizada facilitada por la UOCT y que a su vez está optimizada en TRANSYT; y la información referida a intersecciones de prioridad que se obtiene a través de catastro en terreno. donde los usuarios están definidos como propiedad de cada recorrido, lo que distorsiona el comportamiento del transporte público en la simulación. Para el proceso de codificación del transporte privado, la principal información requerida son los conteos en arcos de acceso a la red. Ello permite construir, en primer lugar, zonas de demanda de la red. Luego, se procede a estimar una matriz origen destino de viajes mediante un modelo gravitacional derivado de maximización de entropía (Wilson, 1970), resuelto a través del algoritmo bi-proporcional de Kruithoff (Kruithoff, 1937). En pos de evitar la sobreestimación de viajes cortos y la subestimación de viajes largos que genera dicho modelo (De Grange, 2007), en la distribución a priori de viajes, se le asigna mayor peso relativo de accesos norte y sur de la red para evitar subestimación de viajes largos. El resto de la asignación inicial depende de la configuración de la red y la consiguiente asignación de ceros en pares origen destino que no tengan asociadas rutas factibles. El último aspecto respecto del transporte privado corresponde al proceso de asignación utilizado. Los criterios considerados por PARAMICS se basan en elección de rutas mediante criterio todo o nada, con perturbaciones y actualizaciones en la percepción de costos. Dichos criterios no permiten recoger adecuadamente efectos de la congestión en la red, puesto que no hay una distribución de los vehículos en distintas rutas para alcanzar un equilibrio en los costos. Por este motivo, se utiliza el criterio todo o nada con costos actualizados cada 15 minutos sin factor estocástico asociado, método que finalmente demostró funcionar razonablemente bien respecto a otros criterios de asignación considerados por PARAMICS. 3. FIGURA 1: Mapa del Área de Estudio La información de transporte público se obtuvo a partir de un catastro de recorridos que sirven el corredor segregado de Av. Pajaritos, características de vehículos de transporte público (obtenido de Transantiago), indicadores de servicio como frecuencia (obtenida a través de mediciones de DICTUC), y finalmente la ubicación y características de paraderos. Respecto a los paraderos, una característica fundamental es el largo, ya que define el número máximo de vehículos que pueden detenerse simultáneamente en ellos. En cuanto a la demanda, se debe distinguir entre transporte público y privado. Mientras el transporte privado se representa por los flujos de vehículos, el transporte público considera vehículos y usuarios. Ello se refleja en los datos de entrada fundamentales en uno y otro caso. Como requerimientos para modelar el transporte público, se requieren los siguientes datos de entrada: conteos de subidas y bajadas de usuarios de buses, mediciones de tasas de ocupación de buses en distintos puntos de la red, y una buena representación del comportamiento de los usuarios. Al respecto, se debe señalar que los recorridos definen demanda fija de transporte público sobre la red, la cual es independiente de la matriz origen destino de viajes de transporte privado. En su codificación se identifican algunas de las limitaciones más serias de PARAMICS: (i) acepta un tipo de vehículo para cada línea; (ii) la demanda de usuarios se define para cada línea; y (iii) en el comportamiento de usuarios. En el caso del área de estudio, la mayoría de los usuarios, al llegar a los paraderos, toma el primer recorrido que los lleve hacia el sector norte (Metro estación Las Rejas). Esto contrasta con la modelación del comportamiento de usuarios en PARAMICS, 6 METODOLOGÍA DE CALIBRACIÓN DE LA RED EN PARAMICS La metodología ocupada en el desarrollo de este trabajo es una adaptación de la propuesta realizada por Velasco (2004), quien asume independencia entre ciertos fenómenos en la red. Con ello, es posible descomponer la simulación de un vehículo en varios fenómenos independientes, que al interactuar definen el comportamiento de la red. Este supuesto es fundamental, puesto que permite abordar el comportamiento vehicular analizando los parámetros individual y consecutivamente. La metodología propone en primera instancia analizar los fenómenos independientes, para luego estudiar cómo estos fenómenos interactúan entre sí. Calibración y Simulación de un Corredor de Transporte Público en Microsimulador de Tráfico Paramics INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 5-10 Artículo de Investigación FIGURA 3: Esquema Calibración PARAMICS (Quadstone Ltd., 2003) FIGURA 2: Esquema Proceso de Calibración (Velasco, 2004) 4. RESULTADOS DE CALIBRACIÓN Y VALIDACIÓN Para el inicio del proceso de calibración, se utilizó los valores reportados por Velasco (2004), calibrados para la realidad de una red con tráfico mixto en hora punta mañana mediante el microsimulador AIMSUN. Para los parámetros de PARAMICS que no eran comparables con los utilizados por AIMSUN, se uso como valores iniciales los propuestos por Quadstone en su manual de calibración (Quadstone Limited, 2003). Si bien los valores iniciales considerados corresponden a redes con características distintas al área de estudio, principalmente por la mayor participación del transporte público en el funcionamiento de la red de Av. Pajaritos, los resultados son consistentes con las experiencias reportadas en la literatura, dado que en el proceso la mayoría de los parámetros conserva el valor asignado inicialmente, o bien se obtiene valores muy cercanos a los obtenidos en estudios similares. Por su parte, los resultados obtenidos para cada período también son coherentes al cruzarlos con el comportamiento de los conductores en cada uno de ellos. TABLA 1: Valores Iniciales y Resultados del Proceso de Calibración (1) Headway (s) Gap mínimo (m) Tiempo reacción (s) Distancia entrada en cola (m) Velocidad entrada en cola (Km/h) Aceleración máxima 2 (m/s ) Vehículos El procedimiento consiste en someter independiente y consecutivamente los valores de los parámetros de nivel 2 a análisis de sensibilidad, buscando minimizar el indicador de desempeño. Para ello se utilizan distintos módulos que componen PARAMICS: MODELLER (codificación red y animación de la simulación), ANALYSER (análisis visual y extracción de indicadores después de realizadas las simulaciones), y PROCESSOR (módulo que permitía correr repeticiones de la simulación con distintos valores de parámetros). Luego, el proceso de calibración en PARAMICS se resume en la Figura 3. Desaceleración 2 máxima (m/s ) Velocidad máxima deseada (Km./Hr.) Familiaridad A. Didier, et al 1 1.73 0.9 Resultados PAM 0.9 2 0.85 Resultados VAM 1.05 2 0.9 10 10 10 Valores iniciales Generales Los parámetros que definen el movimiento vehicular se clasifican en 3 niveles. El primero hace referencia a aquellos que son medibles directamente, como por ejemplo, las características físicas de los vehículos. En el segundo nivel se encuentran aquellos parámetros que son propios de cada vehículo pero que no dependen del flujo vehicular de la red. Estos parámetros, eventualmente podrían ser medidos a partir de instrumentos más especializados o eventualmente obtenidos a partir de ecuaciones propias de la cinemática, pero la metodología establece que estos valores no pueden ser incorporados directamente en la codificación de la red. En tercer lugar se encuentran aquellos parámetros que dependen de las condiciones de flujo circulante, y luego, a la integración de los parámetros de los niveles 1 y 2. Los parámetros de nivel 2 y 3 deben ser obtenidos de los experimentos de microsimulación. Para efectos de la calibración, los parámetros de nivel 2 son los que se calibrarán, mientras los de nivel 3 son necesarios para construir un indicador de desempeño que permite establecer cuán bien reproduce la realidad observada cierto vector de valores de parámetros. De las observaciones en terreno, se dispone de las colas máximas que se presentan en los arcos de acceso a la red, como también de los flujos en dichos arcos. Ambos constituyen parámetros de nivel 3. Velasco (2004) propone el uso del primero, y propone el siguiente indicador de desempeño, que corresponde a la sumatoria de las diferencias absolutas de colas simuladas versus observadas en cada arco de acceso, ponderadas por el peso relativo de las colas respecto del resto de las colas de la red. 7.2 7.2 7.2 Auto 2.57 Bus 0.9 CAM 1.1 CAM+2E 1.4 T. Pub. 0.9 Auto 3.2 Bus 3.2 CAM 3.2 CAM+2E 3.7 T. Pub. 3.2 Auto 110 Bus 90 CAM 100 CAM+2E 100 Micros 80 85.00% 2.57 0.9 1.1 1.4 0.9 3.2 3.2 3.2 3.7 3.2 110 90 100 100 80 85.00% 2.57 0.9 1.1 1.4 0.9 3.2 3.2 3.2 3.7 3.2 110 90 100 100 70 85.00% 7 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 5-10 Punta Mañana En este período más intenso en volumen vehicular, el intervalo (headway) promedio pasa de 1 segundo a 0.9 segundos. Esto se explica por el hecho de que los conductores de la red circulan más rápido por la necesidad de llegar a tiempo para el inicio de sus actividades de trabajo o estudio (principales motivos de viaje que se observan en dicho período) lo que a su vez les exige una mayor atención en la conducción. La brecha (gap) mínima crece de 1.73 metros a 2 metros. Esto se debe a que existe mayor participación del transporte público respecto de la realidad calibrada en estudios anteriores. Los conductores de transporte privado tienden a manejar a la defensiva cuando están cerca de buses lo que explica esta mayor distancia. El parámetro es común para todos los vehículos, por lo que no se puede estudiar cual es el comportamiento de los conductores de transporte público respecto de los vehículos de transporte privado. Cabe destacar que en este caso la diferencia estadística medida a través del estadístico t asociado al test de comparación de hipótesis no es significativa al 95% de confianza, pero pese a ello según la metodología el resultado es válido pues reporta un mejor valor del I.D. Tiempo de reacción decrece desde 0.9 segundos a 0.85 segundos. Esto es coherente con el valor obtenido para el parámetro headway, ya que se requiere mayor atención del conductor al manejar en condiciones más exigentes. Cambios en los valores de los parámetros particulares no inducen mejoras en el I.D. Al hacer la validación según el método propuesto por PARAMICS, que consiste en comparar flujos simulados con los flujos observados en la red en los arcos de acceso, se desprende que la mayoría de los conteos cae dentro del intervalo de confianza definido por las múltiples simulaciones definidas por distintos valores de semillas. Los problemas sólo se aprecian en los arcos del acceso norte a la red (Pajaritos esquina Neptuno), y el arco de Las Torres dirección al poniente, en que los flujos observados son mayores a los obtenidos en las simulaciones. El tiempo de reacción es de 0.9 segundos, mayor a los 0.85 segundos obtenidos para hora punta mañana. Coherente con lo dicho para el parámetro headway promedio. La velocidad máxima de transporte público es de 70 Km/h, más lento que los 80Km/h del período punta mañana. En este caso, la diferencia estadística no es significativa al 95% de confianza, pero de todas formas entrega un mejor I.D. La explicación se basa en que (i) el transporte público dispone de infraestructura segregada, y (ii) a diferencia del período punta de la mañana, la exigencias en términos de la demanda son menores, por lo que las líneas privilegian el cumplimiento de metas de frecuencia en lugar de tratar de circular más rápido para ofrecer mayor nivel de oferta, como ocurre en los períodos punta. Al hacer la validación comparando los flujos observados con los simulados, notamos que los flujos observados están dentro de los intervalos de confianza generados por las múltiples repeticiones de la simulación, la cual considera distintos valores de semillas. El único arco que no cumple con ello es el del acceso norte a la red (Pajaritos - Neptuno), donde los flujos observados son menores a los simulados. FIGURA 5: Validación Período Fuera de Punta Finalmente, en cuanto al criterio de asignación utilizado en las simulaciones (rutas mínimas con costos actualizados, RME+A), este también es incorporado al proceso de calibración, y es comparado con otros criterios disponibles como rutas mínimas puras (RM-E-A), rutas mínimas con factor estocástico (RM+E-A) y rutas mínimas con factor estocástico y costos actualizados (RM+E+A). FIGURA 4: Validación Período Punta Mañana Fuera de Punta El headway promedio obtenido es mayor al obtenido en hora punta mañana: 1.05 segundos respecto de 0.9 segundos. Lo que hace este parámetro es reflejar que los motivos de viaje que predominan en este período, al ser menos restrictivos en exigencia de cumplimiento de horarios, hacen que la conducción también sea más relajada. El gap mínimo permanece en 2 metros, igual que para el período punta mañana. Indica que el parámetro responde más a un criterio de cuidado (dependiendo más de la conformación del parque vehicular que participa en la red) que a uno que dependa de los distintos períodos del día. 8 FIGURA 6: Calibración Criterio de Asignación, Período Punta Mañana Calibración y Simulación de un Corredor de Transporte Público en Microsimulador de Tráfico Paramics INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 5-10 Artículo de Investigación La definición de conjuntos de líneas atractivas por pasajero es fundamental para recrear fielmente el comportamiento de los usuarios en el área de estudio, quienes toman “el primer bus que les sirve”, y así reflejar comportamiento de pasajeros que se dirigen hacia el centro de la capital. Lo más importante, es que al poder rescatarse información de los usuarios, se pueden simular medidas de gestión de transporte público para analizar el impacto en ellos. 6. FIGURA 7: Calibración Criterio de Asignación, Período Fuera de Punta Para ambos períodos de estudio, el criterio de asignación escogido reporta menores valores del I.D. Comparativamente, en hora punta mañana los valores del I.D. varían significativamente producto de los efectos de la congestión en la red. Lo anterior se aprecia claramente del hecho que en hora punta mañana, el criterio más cercano es el que incorpora factor estocástico y actualización de costos; mientras en el caso del horario fuera de punta, el que le sigue es el criterio de ruta mínima basado en información histórica. Luego, es recomendable estudiar la incorporación a la simulación de un criterio que considere la distribución de vehículos entre distintas rutas (para el mismo par origen destino) para minimizar el costo percibido por todos los usuarios, como podría serlo el primer principio de Wardrop. Esto se logra mediante una API, es decir, entregando a PARAMICS una rutina que reemplace los algoritmos específicos que el simulador utiliza para la asignación. 5. LIMITACIONES MISTRANSIT DE PARAMICS Y ALCANCES DE PARAMICS presenta cuatro limitaciones importantes respecto al tratamiento de la operación del transporte público para el caso chileno. En primer lugar, el nivel de demanda de cada línea de buses en paraderos es propia de cada línea, por lo que cada pasajero generado por PARAMICS, inicialmente, espera sólo un recorrido. Segundo, PARAMICS asume que la tasa de llegada de pasajeros de una línea determinada a cada paradero tiene tasa constante para todo el período de simulación, y lo hacen distribuidos según un proceso de Poisson. Tercero, acepta sólo un tipo de vehículo por línea, cuando en la realidad cada línea puede tener más de un tipo de vehículo asociado. Finalmente, los tiempos de detención consideran puertas exclusivas para subidas o bajadas, lo que resulta inadecuado en el caso del corredor de Av. Pajaritos. Para subsanar estas limitaciones, Burgos (2006) desarrolló el módulo MISTRANSIT. Este módulo es un conjunto de rutinas desarrolladas mediante API, y permite la incorporación de los pasajeros como actores de la simulación. Estos pasajeros como nuevos entes pueden tener algunas propiedades útiles para efectos de reproducir su comportamiento, como son: (i) Paraderos de origen y destino; (ii) Conjunto de líneas atractivas; (iii) Tiempo de llegada a la red, identificación del bus de origen o distribución Cowan M3 si llega caminando; y finalmente (iv) Velocidad caminata variable para distintos tipos de usuarios. A la vez, el módulo también incorpora ajustes en tiempos de detención, al no tener puertas exclusivas de subida y bajada los buses, y al considerar tiempos marginales en subidas y bajadas dependiendo del nivel de congestión tanto del bus como del paradero. A. Didier, et al CONCLUSIONES Y COMENTARIOS Los resultados obtenidos del proceso de calibración no difieren significativamente de los obtenidos por Velasco (2004) para hora punta mañana, y ninguno escapa de los márgenes razonables conformados por resultados de estudios similares. Los cambios que experimentan los parámetros entre ambos períodos de simulación resultan ser coherentes al cruzar los valores obtenidos con el comportamiento de los conductores en ambos períodos simulados. Si bien la elección de criterio de asignación resultó ser apropiada, se recomienda, mediante una API, implementar un criterio que recoja los efectos de la congestión en forma más realista. En este mismo ámbito, dentro del criterio de todo o nada con costos actualizados, si se disminuyera el intervalo en que los costos se actualizan, los conductores podrían internalizar los costos asociados a congestión, y con ello, mejorar el desempeño de la red. La estimación de la matriz origen – destino a partir de conteos en accesos a la red es un método avalado en la literatura, pero que requiere datos recogidos con exactitud. Esta matriz es perfeccionable con mejores conteos en terreno, y con el uso de simuladores que calibran dicha matriz al ocupar flujos observados en rutas como indicador de ajuste a la realidad. Finalmente, se aprecia que PARAMICS es uno de los microsimuladores comerciales de tráfico que más profundiza en la representación de las operaciones de transporte público. Pese a ello, tiene una serie de limitaciones que le impiden reflejar apropiadamente el comportamiento de los usuarios de transporte público, en particular en el caso de sistemas con alta participación de transporte público, propias de países en vías de desarrollo. Para subsanar esta situación, la aplicación de la interfaz programable MISTRANSIT, que es una extensión que reemplaza rutinas de PARAMICS para simular más acabadamente la operación del transporte público y de sus usuarios, resulta fundamental a la hora de evaluar medidas de gestión, puesto que a través de este se simula más acabadamente el funcionamiento del sistema integrado de transporte público, y a la vez se puede estudiar los efectos que estas medidas tienen sobre los usuarios. AGRADECIMIENTOS Esta investigación ha sido financiada por el proyecto anillos tecnológicos ACT-32 “Real Time Intelligent Control for Integrated Transit Systems”. 9 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 5-10 REFERENCIAS Burgos, V. (2006). Modelación de pasajeros, buses y paraderos en microsimuladores de tráfico, revisión y extensiones. Tesis de grado, Universidad de Chile. Burgos, V. (2007). Resultados de la modelación microscópica de interacciones vehículos-pasajeros-tráfico para el diseño del sistema BRT. Actas del XIII Congreso Chileno de Ingeniería de Transporte. Santiago de Chile. Daganzo, C. (1997). Fundamentals of Transportation and Traffic Operations. Elsevier Science, Nueva York. De Grange, L., De Cea, J., Fernández, J. E. (2007) “A Consolidate Approach for the Formulation and Calibration of Entropic Trip Distribution Models”, XI World Conference on Transport Research. Berkeley, California. Gibson, J., Fernández, R., Albert, A. (1997). Operación de paraderos formales en Santiago. Actas del VIII Congreso Chileno de Ingeniería de Transporte, 397-408. Santiago de Chile. Kruithoff, J. (1937). Calculation of Telephone Traffic. De Ingenieur Vol. 3, 21-26. Quadstone Limited (2003). Quadstone PARAMICS V4.1 Calibration note. Edinburgh, Scotland. Velasco, L. M. (2004). Calibración de parámetros básicos vehiculares para flujo interrumpido en modelos de simulación microscópica: GETRAM en Santiago. Tesis de Magíster, Pontificia Universidad Católica de Chile. 10 Calibración y Simulación de un Corredor de Transporte Público en Microsimulador de Tráfico Paramics INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 11-17 Artículo de Investigación ¿Puede la Estrategia de Control en Tiempo Real de Boarding Limits Mejorar el Rendimiento del Sistema? Felipe Delgado, Ricardo Giesen, Juan Carlos Muñoz Pontificia Universidad Católica de Chile Departmento de Ingeniería en Transporte y Logística Vicuña Mackenna 4860, Macul, Casilla 306, Correo 22, Santiago, Chile Teléfono: +56-2-354-4804 E-mail: fadelgab@ing.puc.cl, jcm@ing.puc.cl, Giesen@ing.puc.cl Aldo Cipriano Pontificia Universidad Católica de Chile Departamento de Ingeniería Eléctrica Vicuña Mackenna 4860, Macul, Casilla 306, Correo 22, Santiago, Chile Teléfono: +56-2-354-4290 E-mail: aciprian@ing.puc.cl RESUMEN Limitar la cantidad de pasajeros que pueden abordar un bus permite mejorar la regularidad de los intervalos entre buses y por consiguiente reducir los tiempos de espera. Estos efectos resultan aún más importantes en buses que se encuentran a capacidad. Muchas ciudades cuentan en la actualidad con personal especializado encargados tanto de controlar la evasión como de asistir en el proceso de subida de pasajeros, pudiendo incluso limitar éstas si es necesario. El presente trabajo discute las condiciones bajo las cuales la política de boarding limits puede ser más beneficiosa a través de una extensión del modelo de programación matemática para la operación de buses desarrollado por Delgado et al (2009) de manera de incluir sólo la política de retención de buses. Los resultados muestran que en escenarios de alta demanda de pasajeros e intervalos pequeños entre buses, la estrategia combinada de retención de buses y boarding limits arroja mejoras importantes en relación a utilizar la estrategia de sólo retención, con ahorros de hasta un 12%. En escenarios de baja demanda, la política de boarding limits no entrega mejoras sustantivas. Palabras clave: Regularidad de intervalos, Retención de buses, Boarding limits. ABSTRACT Limiting the maximum number of passengers to board a bus can improve headway regularity and therefore reduce waiting times. This effect should be expected to be more significant on buses facing active capacity constraints. Many cities already have bus stops equipped with specialized personnel in charge of controlling fare evasion and assisting boarding; they could also limit boarding if needed. This paper discuss the conditions under which boarding limits policy can be more beneficial by extending a real time mathematical programming model of buses operating on a transit corridor developed by Delgado et al (2009), to allow for only holding strategy. The results show that, in scenarios of high passenger demand and short bus headway operations, strategies that combine holding and boarding limits perform significantly better than just holding, with savings up to 12%. On scenarios of low passenger demand, the boarding limits policy does not improve performance considerably. Keywords: Headway regularity, Bus holding, Boarding limits. F. Delgado, et al 1. INTRODUCCIÓN La ausencia de un sistema de control, provoca que los buses tiendan a operar formando pelotones producto de las aleatoriedades propias del tráfico y de la demanda de pasajeros en las diferentes paradas de la red. Esta forma de operación genera un aumento ostensible en la varianza de los intervalos entre buses, aumentando los tiempos promedio de espera de los pasajeros y su variabilidad. Esto incide fuertemente en el nivel de servicio percibido por los usuarios ya que el valor subjetivo del tiempo de espera es el más alto de entre los demás componentes de un viaje (acceso, viaje en vehículo) (Ortúzar, 1983). A su vez, en escenarios de alta demanda de pasajeros, característico de países en vías de desarrollo, es común observar situaciones donde la capacidad de los buses se ve alcanzada, existiendo pasajeros que se ven impedidos de abordar el primer bus en pasar y deben por tanto esperar al siguiente. El problema que se plantea en este artículo consiste en determinar una estrategia óptima de control de buses en las diferentes paradas de la red, de manera tal de minimizar el tiempo total destinado por los usuarios del sistema a realizar sus viajes. De acuerdo a Eberlein (1995) las estrategias de control se pueden clasificar en tres grupos: (i) control en estaciones, entre las que están la retención de buses y el salto de estaciones; (ii) control inter-estaciones, donde se destacan entre otras, el control de velocidad de los buses, adelantamientos y la programación preferente de semáforos; y por último (iii) otras medidas de control como son la inyección de vehículos. En este trabajo, se presenta una extensión a la formulación desarrollada por Delgado et al (2009). En ésta, los autores formulan un modelo de programación matemática para actualizar planes empleando un horizonte móvil de predicción. En este modelo, cada vez que un bus llega a una parada, dos políticas de control son calculadas de manera simultánea: (i) retención de buses y (ii) boarding limits. La primera, determina qué buses deben ser retenidos, dónde y por cuánto tiempo, mientras que la decisión de boarding limits dice relación con el número de pasajeros a los que se impide abordar un bus de manera de aumentar su velocidad de operación. En general, la política de boarding limits puede generar impactos negativos en la opinión pública, debido a que los usuarios se pueden sentir discriminados al impedirles abordar el primer bus que pase. Sin embargo, este tipo de políticas deben ser aplicadas sólo si los beneficios obtenidos por parte de ésta son significativos. Con el propósito de determinar los escenarios bajo los cuales esta política ostenta mayores beneficios, se presenta en este trabajo un nuevo modelo de actualización de planes basado en la retención de buses. 11 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 11-17 De esta forma es posible comparar tanto el modelo de Retención y Boarding Limits con Información en Tiempo Real (RBLITR) (ver Delgado et al, 2009) con el nuevo modelo de Retención con Información en Tiempo Real (RITR), donde la única política de control es la retención de un bus en cualquier parada. La retención de buses, se clasifica en dos tipos dependiendo de la existencia o no de un horario predefinido. Un sistema basado en horarios predefinidos de pasada por cada parada, es normalmente utilizado para servir sistemas con una baja demanda de pasajeros, típico de servicios con intervalos largos de operación (Ceder, 2001; Furth y Muller, 2006, 2007; Zhao et al, 2006). Por otra parte, en sistemas de alta demanda de pasajeros, como los que interesa estudiar en este trabajo, son operados por servicios de alta frecuencia, sin horario predefinido, lo que es frecuente para servicios de intervalos breves de operación (e.g. menor a 10 minutos). En relación a esta última, se estudió primeramente la retención utilizando un intervalo umbral, donde un bus es retenido si su intervalo es menor que dicho umbral o es despachado inmediatamente si es mayor (Barnett, 1974; Turnquist y Blume, 1980; Fu y Yang, 2002). Con la aparición de nuevas tecnologías de información y comunicación, como es el caso de los GPS, es posible desarrollar modelos más complejos consistentes en determinar un tiempo de retención óptima para cada vehículo, de manera de minimizar el tiempo total de espera de los pasajeros en las paradas o una combinación de ésta con la demora de los usuarios a bordo de un vehículo retenido. En esta línea Eberlein et al (2001) presenta una formulación que busca minimizar los tiempos medios de espera en las paradas, pero sin considerar los tiempos de espera de las personas dentro del bus mientras éste está retenido, ni tampoco la restricción de capacidad de los buses. En este caso los resultados muestran que la política óptima es realizar la retención en una sola parada. Sun y Hickman (2004) por su parte, abordan este mismo problema en dos dimensiones involucrando la retención de muchos buses, pero en que las estaciones de control son dadas. Se muestra que hacer retención en varias estaciones da la oportunidad de regularizar los intervalos de los buses de manera tal que se aumenta la reducción de costos en comparación con hacerlo en una única estación. Zhao et al (2003) presentan un control basado en la negociación entre dos agentes uno en el bus y otro en la parada. Los resultados por simulación muestran que el algoritmo de negociación resulta robusto para diferentes condiciones de operación. La restricción de capacidad en los vehículos es tratada por Zolfaghari et al (2004) quienes formulan un problema donde la función objetivo planteada minimiza el tiempo de espera de los usuarios que llegan a la parada así como también el de aquéllos que tienen que esperar más de un bus debido a la activación de la restricción de capacidad. Sin embargo, no considera los tiempos de espera extra que sufren los ocupantes dentro del bus mientras éste está detenido en una parada. En la misma línea, Puong y Wilson (2004) extienden el caso anterior al considerar en la función objetivo este último término, para el caso de interrupciones en el servicio de trenes. Para este caso proponen un modelo entero mixto no lineal, en el cual se supone que el tiempo de transferencia de pasajeros es constante en cada parada. El problema se resuelve mediante un esquema Branch and Cut en un tiempo razonable. En relación a estrategias tendientes a aumentar la velocidad de operación de los vehículos, una de las más estudiadas corresponde al salto de estaciones (Suh et al, 2002; Fu et al, 2003; Sun y Hickman, 2005), mientras que la propuesta de dejar abajo a una fracción de pasajeros en una parada, i.e. boarding limits, el cual puede ser visto como una versión continua de la política de salto de paradas, fue introducida por Delgado et al (2009). 12 Existen pocos intentos de evaluación de la operación combinada de más de una estrategia de control, como es el caso de Shen y Wilson (2001) quienes proponen un modelo en tiempo real para interrupciones en un sistema de trenes donde se incluyen de manera conjunta las políticas de retención, expressing y short turning. El problema considera la restricción de capacidad de los trenes y es resuelto mediante un método de Branch and Bound sobre una versión linealizada de un problema originalmente no lineal. Los resultados muestran que el solo aplicar la estrategia de retención puede reducir los tiempos de espera en cerca de un 10% y sin mejorar sustancialmente cuando se aplica en conjunto con expressing. Por último, Sáez et al (2007) proponen un controlador predictivo híbrido en el cual las acciones de control correspondientes a la retención de un bus y al salto de estaciones, se toman cada vez que un bus llega a una parada. A partir de este evento se predice la evolución futura del sistema, con el propósito de disminuir los tiempos de viaje que consideran tanto los tiempos de espera en las paradas, así como el tiempo extra de los ocupantes dentro del bus mientras éste está detenido. El problema se resuelve ocupando Algoritmos Genéticos, para lo cual la retención puede tomar sólo valores discretos de 0, 30, 60 o 90 segundos. Este trabajo extiende y se diferencia de los antes mencionados en los siguientes aspectos: (i) la política de retención es tratada tanto de manera aislada como en conjunto con boarding limits y (ii) la bondad del modelo es testeada en escenarios donde la restricción de capacidad de los buses se ve y no alcanzada. Además, se incorpora la restricción de capacidad en los buses sin necesidad de incluir variables binarias que dificulten el proceso de solución; la duración de la retención puede tomar cualquier valor continuo y la función objetivo incluye, entre otros factores, los tiempos extras de espera experimentado por aquellos pasajeros que deben esperar más de un bus debido a la restricción de capacidad. El presente trabajo se ha dividido en cinco secciones. En la sección 2, se presenta el sistema a modelar, en el cual se describen las características del corredor de transporte público. La sección 3, muestra la descripción del modelo, incluyendo las variables de estado así como los principales supuesto y notación a utilizar para las diferentes variables y parámetros del problema. En la sección 4, se presenta una completa formulación del modelo incluyendo función objetivo y restricciones. La sección 5, introduce los experimentos de simulación, describiendo los escenarios donde el control propuesto es aplicado y compara los resultados obtenidos con las estrategias sin control, control simple y sólo holding. Finalmente, la sección 6, presenta las conclusiones, incluyendo principales contribuciones y temas a abordar en trabajos futuros. 2. SISTEMA A MODELAR El sistema a modelar consiste en un corredor unidireccional de Transporte Público de alta frecuencia y demanda de pasajeros, conformado por N paradas, sobre el cual opera un solo servicio de buses de alta frecuencia, formado por K buses homogéneos de capacidad cap de pasajeros. Los buses comienzan su operación cada día desde el Terminal correspondiente a la parada 1, siguiendo su recorrido aguas abajo (paradas 2,3,…, N) para llegar finalmente de vuelta al Terminal (N+1) donde todos los pasajeros remanentes en los buses deben descender de ellos. Los buses están numerados en estricto orden de avance en el corredor (1 es el de más adelante, mientras que K es el de más atrás). ¿Puede la Estrategia de Control en Tiempo Real de Boarding Limits Mejorar el Rendimiento del Sistema? INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 11-17 3. DESCRIPCIÓN DEL MODELO Artículo de Investigación 3.1 Variables de Estado tb : tiempo de subida de pasajeros, expresado en minutos por pasajero. rn : distancia entre dos paradas n y n+1, expresada en metros. El modelo de Retención y Boarding Limits con Información en Tiempo Real (RBLITR) asume que para cualquier instante de tiempo, se cuenta con información en tiempo real sobre la posición y el número de pasajeros dentro de cada bus, así como la cantidad de pasajeros esperando en las diferentes paradas de la red. De esta manera el sistema queda completamente determinado por las siguientes variables de estado: d k : Distancia entre el bus k y la última parada aguas arriba de vn : velocidad de operación de un bus, entre las paradas n y n+1, en metros por minuto. t n : instante de salida del bus ficticio desde la parada n, expresado en minutos. pkij : proporción de pasajeros que abordando el bus k en la parada i, se dirige a la parada j. éste, expresada en metros. ek : Parada inmediatamente aguas arriba del bus k. Una parada se considera aguas arriba de un bus si este último ya ha visitado la parada. mkiek +1 : Cantidad de pasajeros que viajan dentro del bus k, que subieron en la parada i, antes de llegar a la parada inmediatamente aguas abajo del bus k. ( ∀ i < ek + 1) cn : Cantidad de pasajeros esperando en la parada n. En relación a la demanda de pasajeros se asume, para cada parada una tasa fija de llegada de pasajeros y un vector de proporciones que permite distribuir estos viajes a cada uno de las paradas aguas abajo. Es importante destacar que estas tasas de llegada y estos vectores de distribución son diferentes para cada una de las paradas que dan origen a los viajes. 3.2 Supuestos A lo largo de este trabajo, se asumen los siguientes supuestos: • Se asume flota homogénea para los buses. • No se permite el adelantamiento de buses y todos los buses se detienen en todas las paradas. • Las tasas de llegada a cualquier parada y los tiempos de viaje entre paradas son conocidas y homogéneas para el periodo de interés. • En el proceso de transferencia de pasajeros, el tiempo de subida domina el tiempo de bajada en la mayoría de las paradas. Por esta razón se utilizará una estimación del tiempo de subida de pasajeros como el tiempo total de transferencia. • Se considera un bus ficticio que circula luego del bus K, el cual cuenta con capacidad ilimitada para llevar pasajeros. No llegan pasajeros a las paradas después del paso de este bus. Para este bus el tiempo de transferencia de pasajeros en cada parada se establece estimando el tiempo de transferencia promedio que se debiera presentar en esa parada durante el período de planificación. 3.3 Notación Las siguientes variables y parámetros adicionales son utilizados en la formulación: k : índice de buses, k = 1,…, K n : índice de paradas, n =1,…, N+1 t 0 : tiempo actual, correspondiente al instante cuando la decisión de control debe ser hecha, expresado en minutos. θi : distintos factores que componen la función objetivo (i=1, 2, 3, 4). cap : capacidad en pasajeros de un bus. Además se estiman como parte de la dinámica del sistema: mt kn : número total de pasajeros que viajarían en el bus k antes de llegar a la parada n. mkin : cantidad de pasajeros que subieron en la parada i y que viajarían dentro del bus k antes de llegar a la parada n. ( ∀ i < n) skn : capacidad disponible para el bus k antes de llegar a la parada n, en pasajeros. td kn : instante de salida del bus k de la parada n, expresado en minutos. akn : número de pasajeros que bajarían del bus k en la parada n. dp kn : número de pasajeros que desearían abordar el bus k en la parada n. bkn : número de pasajeros que subirían al bus k en la parada n. f kn : tiempo de transferencia de pasajeros del bus k en la parada n, expresado minutos. 3.4 Variables de Decisión Para el RBLITR se consideran dos variables de decisión de manera simultánea: hkn : tiempo a retener el bus k en la parada n, expresado en minutos. wkn : número de pasajeros que no alcanzarían a subir al bus k en la parada n. 4. FORMULACIÓN DEL PROBLEMA A continuación se formula un modelo determinístico de programación matemática que determina de manera simultánea los tiempos de retención de los buses en las distintas paradas del corredor y la fracción de pasajeros a dejar debajo de un bus de modo de minimizar una cierta función objetivo. 4.1 Función Objetivo (FO) El objetivo central del controlador central, consiste en minimizar los tiempos totales de viaje desde que los usuarios llegan a la parada hasta la llegada a sus destinos. Como los tiempos de viaje en vehículos mientras éste está en movimiento se asumen constantes, el objetivo de control consiste en minimizar los tiempos de espera experimentados por los pasajeros tanto dentro del bus como en las diferentes paradas de la red. Estas componentes se pueden escribir de la siguiente manera: λn : tasa de llegada de pasajeros a la parada n, expresado en pasajeros por minuto. F. Delgado, et al 13 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 11-17 Min hkn , wkn ⎡ K e( k −1) ⎧ λn ⎤ ⎫ K −1 N ⎧ λn 2 2⎫ ⎢ ∑ ∑ ⎨ ⋅ (td kn − t0 ) + cn ⋅ (tdkn − t0 ) ⎬ + ∑ ∑ ⎨ ⋅ (td k +1n − tdkn ) ⎬ ⎥ ⎭ k =1 n =ek +1 ⎩ 2 ⎭⎥ k =1 n =ek +1 ⎩ 2 + θ1 ⋅ ⎢ ⎢ N ⎧λ ⎥ 2⎫ n ⎢ + ∑ ⎨ ⋅ (t n − td Kn ) ⎬ ⎥ ⎭ ⎣⎢ n = eK +1 ⎩ 2 ⎦⎥ (1) N ⎡ K −1 N ⎤ mtkn +1 ⋅ hkn +θ3 ⋅ ⎢ ∑ ∑ wkn ⋅ (td k +1n − td kn ) + ∑ wkn ⋅ (t n − td Kn ) ⎥ + k =1 n= ek +1 n =eK +1 ⎣ k =1 n =ek +1 ⎦ K ∑ K ∑ θ2 ⋅ ∑ θ4 ⋅ ∑ N N k =1 n =ek +1 wkn ⋅ skn +1 El primer término de la expresión (1) corresponde al tiempo de espera (Tesp), que sufren los pasajeros en una parada hasta que llega el primer bus. En particular se distingue al tiempo de espera que sufren los pasajeros en aquellas paradas donde el bus k corresponde al primer bus en pasar, del tiempo de espera que experimentan los pasajeros que llegan a una parada n, ya visitada por otro bus (k-1), hasta la pasada del bus k. Este primer término impone una característica no lineal en la función objetivo pues el tiempo total de espera sufrido por todos los usuarios que toman un bus es proporcional al cuadrado del intervalo entre buses. El segundo término indica el tiempo de espera experimentado por los pasajeros dentro de un bus k, mientras éste es retenido en la parada n (Tret). El tercer término representa el tiempo de espera extra (Textra) que experimentan aquellos pasajeros que no pueden abordar el bus k debido a que éste se encuentra a capacidad o producto de una decisión del controlador. El último término, corresponde a una penalidad (PE) por pasajeros dejados abajo del bus aún cuando exista espacio disponible. Los cuatro términos se multiplican por factores θ1 , θ 2 , θ 3 y θ 4 de modo de, eventualmente, pesar de distinta manera cada uno de ellos. De esta forma la función objetivo para el RBLITR resulta: Min θ1 ⋅ Tesp + θ2 ⋅ Tret + θ3 ⋅ Textra + θ4 ⋅ PE (2) Se observa que un valor de θ 4 muy alto en comparación al resto de los pesos, generará que el controlador tienda a no dejar pasajeros abajo si el bus cuenta con capacidad disponible. hkn , wkn 4.2 Restricciones tdkn = t0 + rn−1 − dk + f kn + hkn vn−1 ∀ k; n = ek + 1 (3) r td kn = tdkn−1 + n−1 + f kn + hkn vn −1 ∀ k; n = ek + 2 ,…, N (4) mkin = mkin −1 ⋅ (1 − pkin−1 ) ∀ k; n = ek + 2 ,…, N (5) +1; i=1,2,…, n-2 mkin = bki ∀ k; n = ek + 2 ,…, N (6) +1; i= n-1 n −1 mt kn = ∑ m kin ∀ k; n = ek + 1 ,…, N+1 (7) skn = cap − mtkn ∀ k; n = ek + 1 ,…, N +1 (8) dpkn = cn + λn ⋅ (td kn − t0 ) ∀ k; n = ek + 1 ,…, e ( k −1) (9) dpkn = wk −1n + λn ⋅ (td kn − td k −1n ) ∀k ≠ 1 ; n = e( k −1) + 1 ,…, N (10) i =1 n −1 akn = ∑ mkin ⋅ pkin i =1 14 ∀ k; n = ek + 1 ,…,N+1 wkn ≥ dpkn − sk n − akn ∀ k; n = ek + 1 ,…, N (12) wkn ≥ 0 ∀ k; n = ek + 1 ,…, N (13) bkn = dpkn − wkn ∀ k; n = ek + 1 ,…, N (14) f kn = bkn ⋅ tb ∀ k; n = ek + 1 ,…, N (15) td kn − td k −1n ≥ 0 ∀k ≠ 1 ; n = ek + 1 ,…, N (16) t n − tdKn ≥ 0 n = eK + 1 ,…,N (17) Las restricciones (3) y (4) definen los tiempos de salida de los buses de las paradas aguas abajo para cada bus. Las restricciones (5) y (6) establecen la cantidad de pasajeros que viajarían dentro del bus k antes de llegar a la parada n y que subieron en alguna de las paradas anteriores i. En (7) se señala que la cantidad total de pasajeros dentro de un bus k antes de llegar a una parada n, es simplemente la suma de los pasajeros dentro del bus que subieron en las paradas anteriores, mientras que en (8) se relaciona la capacidad disponible de un bus antes de llegar a una parada, con la cantidad total de pasajeros dentro del bus y su capacidad. Las restricciones (9) y (10) establecen la demanda potencial de pasajeros en una cierta parada para un determinado bus. En (11), se relaciona el número total esperado de pasajeros que bajan de un bus en una cierta parada con la probabilidad estimada que esos pasajeros bajen en esa parada dada la parada en la cual abordaron el bus. Las restricciones (12) y (13) en conjunto indican que la cantidad de pasajeros a dejar abajo en una determinada parada n debe ser mayor o igual que el número de pasajeros que no logran subir al bus k debido a que este se encuentra a capacidad. De esta forma se permite al control dejar abajo pasajeros aún cuando exista espacio dentro del bus como una medida de apurar la salida de éste y de este modo aumentar su velocidad de operación. En (14), la cantidad de pasajeros que logran subir al bus k en la parada n corresponde a la diferencia entre la demanda potencial y aquellos pasajeros que no logran subir al bus en la parada. En (15), el tiempo de transferencia de pasajeros para un bus k en una parada n, corresponde a la suma de los tiempos de subida de todos los pasajeros que logran abordar ese bus en esa parada. Por último las restricciones (16) y (17) establecen que los buses no pueden adelantarse entre ellos. Para una detallada explicación de las restricciones de este modelo ver Delgado et al (2009). La función objetivo en (1) es cuadrática en términos de hkn y wkn , pero no convexa, mientras que todas las restricciones del modelo son lineales. Para solucionar el problema, el modelo de programación matemática fue codificado en AMPL y resuelto utilizando MINOS. (11) ¿Puede la Estrategia de Control en Tiempo Real de Boarding Limits Mejorar el Rendimiento del Sistema? INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 11-17 5. Artículo de Investigación EXPERIMENTO DE SIMULACIÓN • El modelo propuesto es aplicado a un corredor de transporte público ficticio de 10 km. de longitud, con 30 paradas igualmente espaciadas, donde el Terminal corresponde a las paradas 1 y 31. La velocidad de operación de los buses entre paradas, se ha asumido en 26 Km/h, mientras que los tiempos de subida y bajada por pasajero se ha fijado en 2,5 y 1,5 segundos respectivamente. Los pesos de la función objetivo se han fijado en θ1 =1, θ 2 =0,5 y θ 3 =2, de manera de reflejar la mayor desutilidad experimentada por aquellos pasajeros que deben esperar más de un bus. 5.1 Escenarios Con el propósito de evaluar y comparar el modelo propuesto bajo diferentes condiciones de operación, los siguientes dos escenarios son probados: (i) la capacidad de los buses es alcanzada; y (ii) la capacidad de los buses nunca es alcanzada. Para ambos escenarios, se distingue además: (i) escenarios con alta frecuencia de buses; y (ii) escenarios con frecuencia media de buses. De esta forma, se consideran cuatro escenarios, tal como se resume en la Tabla 1. TABLA 1: Escenarios de Simulación Escenario 1 2 3 4 alcanzan los buses capacidad Si Si No No Intervalo de Diseño (seg.) 290 140 250 140 5.2 Estrategias de Control Simuladas La función objetivo para los escenarios modelados, es resuelta utilizando cuatro diferentes estrategias de control. Las primeras dos (sin control y control simple) son utilizadas como comparación; la tercera corresponde a la estrategia RBLITR, propuesto en Delgado et al (2009), mientras que la cuarta, correspondiente a la Retención con Información en Tiempo Real (RITR), se relaciona a la aplicación del RBLITR utilizando un peso grande en el término relacionado con la penalidad de dejar pasajeros abajo si existe espacio disponible. Tanto en el RBLITR como en el RITR, el modelo de programación matemática es utilizado cada vez que un nuevo evento se produce en el sistema, el cual viene dado por la llegada de un bus a una parada. A partir de este evento se determinan no sólo las variables de decisión correspondientes al bus que generó el evento si no todas las acciones de control para todos los buses presentes en el sistema en todos los paraderos futuros a visitar hasta llegar nuevamente al terminal. Sin embargo, solamente se aplica las variables de decisión calculadas para aquél bus que generó el evento, repitiéndose completamente el proceso cuando un nuevo bus llegue a una parada. Resumiendo, se comparan las siguientes estrategias de control: • Sin control. Correspondiente a la evolución espontánea del sistema, en el cual los buses son despachados desde el terminal de acuerdo al intervalo de diseño, sin tomar ninguna otra acción de control a lo largo de la ruta. • Control simple. Basado en una regla miope de regularización de intervalos entre buses, donde un bus es retenido si el intervalo respecto al bus anterior es menor al intervalo de diseño o es despachado inmediatamente en otro caso. Las paradas de control son determinadas utilizando el criterio de Turnquist y Blume (1980). F. Delgado, et al • RBLITR, donde no se considera la penalidad por dejar pasajeros abajo (PE=0). Retención con Información en Tiempo Real (RITR), donde se ha fijado θ4 = 9000 de modo que el boarding limits no sea nunca utilizado, es decir, la retención de buses corresponde a la única variable de decisión. 5.3 Resultados de la Simulación Para cada combinación de escenarios y estrategias, se han efectuado un total de 30 réplicas, cada una representando la operación de un servicio de buses durante 2 horas. El sistema fue simulado utilizando una adaptación del simulador desarrollado por Sáez et al (2007), utilizando números aleatorios comunes y las mismas condiciones iniciales correspondiente a los buses sin pasajeros, igualmente espaciados a lo largo del corredor. Se considera además un periodo de 15 minutos de precalentamiento en donde se deja evolucionar el sistema de manera espontánea, antes de aplicar cualquier estrategia de control. Para cada corrida, los siguientes índices han sido obtenidos: tiempos promedios de espera total (Tesp, Tret, Textra). Para cada una de estas medidas, se obtienen intervalos de confianza. Además se presentan gráficos sobre la carga de los buses y las trayectorias de éstos para los casos más representativos. TABLA 2: Función Objetivo y Desviación Estándar para las Cuatro Estrategias: Escenario 1 Tesp Desv. Std. %reducción Textra Desv. Std. %reducción Tret Desv. Std. FO Desv. Std. %reducción sin control 15222,79 1844,25 865,20 1032,70 16087,98 2790,37 - Escenario 1 control simple 12705,96 1180,11 -16,53 780,91 1017,47 -9,74 860,55 355,41 14347,42 2471,25 -10,82 RITR 11811,33 588,86 -22,41 77,29 123,23 -91,07 1035,86 201,80 12924,48 870,88 -19,66 RBLITR 11532,65 371,62 -24,24 370,90 313,98 -57,13 960,96 147,22 12864,51 773,10 -20,04 TABLA 2 (Continuación): Función Objetivo y Desviación Estándar para las Cuatro Estrategias: Escenario 2 sin control 12146,56 578,78 1097,21 570,71 13243,76 911,57 - Escenario 2 control simple 10655,68 399,20 -12,27 737,21 471,61 -32,81 424,64 92,93 11817,53 786,71 -10,77 RITR 9087,49 801,63 -25,18 720,81 948,41 -34,31 2203,19 631,06 12011,48 2131,03 -9,30 RBLITR 8188,74 307,49 -32,58 908,26 299,30 -17,22 1470,84 84,57 10567,83 591,14 -20,21 La Tabla 2 muestra los resultados para los diferentes términos que conforman la función objetivo para las 4 estrategias utilizadas en los escenarios de alta demanda de pasajeros donde la restricción de capacidad de los buses está activa en algunas paradas. En el caso del escenario 1, el control simple muestra un ahorro superior al 10% en los tiempos totales (FO), mientras que las estrategias RITR y RBLITR se comportan de similar manera obteniendo ahorros cercanos al 20%. Resulta importante señalar 15 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 11-17 10 10 9 9 8 8 7 7 Distance (Km) Distance (Km) Los resultados para los escenarios 3 y 4 donde la restricción de capacidad de los buses no se alcanza, se muestran en las Tablas 3 y 4. Para ambos escenarios se advierte que las estrategias RBLITR y RITR resultan ser prácticamente iguales en todos los indicadores (Tesp, Tret, FO), logrando reducciones respecto a la función objetivo superiores a las obtenidas por el control simple. Se observa a su vez que el RBLITR es el único que presenta tiempos de espera extra debido a que corresponde a una de las variables de decisión del modelo. Sin embargo, para el caso de baja demanda este tiempo no supera el 0,5% del tiempo total para ambos escenarios. De la comparación de las Tablas 2 y 3 se observa que las mayores reducciones en los tiempos totales (FO) son logrados en escenarios de alta demanda de pasajeros donde la capacidad de los buses se ve alcanzada. 6 5 4 6 5 4 3 3 2 2 1 1 0 0 0 20 40 60 Time(minutes) 80 100 120 0 20 40 a) 10 9 9 8 8 7 7 6 5 4 80 100 120 80 100 120 b) y 6 5 4 3 3 2 2 1 0 60 Time(minutes) y 10 Distance (Km) Distance (Km) que ambas estrategias propuestas muestran a su vez, una desviación estándar más de tres veces inferiores a las entregadas por los casos sin control y control simple, entregando una medida de confiabilidad de las estrategias propuestas. Se observa a su vez, que los mayores ahorros se logran en la reducción de los tiempos extras de espera (Textra), los cuales caen en un 91% para el caso del RITR y en un 57% para el RBLITR. Si se comparan las estrategias de RITR con RBLITR se aprecia que los mayores tiempos de espera extra experimentados por el RBLITR al permitir dejar pasajeros abajo, son compensados con menores tiempos de retención sufridos por los pasajeros dentro del bus y menores tiempos de espera hasta la pasada del primer bus (Tesp). Para el caso de intervalos pequeños, representados por el escenario 2, se percibe nuevamente que el RBLITR muestra los mejores resultados con ahorros en la función objetivo de más de un 20%. Por su parte el RITR y el control simple muestran ahorros cercanos al 9% y 10 % respectivamente. Se advierte que los mayores ahorros para el RBLITR se logran en relación a los tiempos hasta la pasada del primer bus (Tesp), con un 32,6% de ahorro respecto al caso sin control. En relación a los tiempos extras de espera, se observa que los mayores beneficios se obtienen para el RITR y control simple con un 34,3% y 32,8% de ahorro respectivamente, mientras que el RBLITR logra reducciones del orden del 17%, aún cuando una de las variables de decisión es dejar pasajeros abajo. Al igual que en el caso del escenario 1, este mayor tiempo de espera extra obtenido para el caso del RBLITR en relación al RITR se ve compensado por más de un 33% de menos tiempo de retención. De la comparación de los escenarios 1 y 2, se distingue que la estrategia combinada RBLITR presenta mayores beneficios que la RITR cuando los intervalos entre buses son pequeños. Esto se debe especialmente a que las incomodidas que sufre un pasajero que no puede tomar el primer bus que pasa, se ven reducidas al tener otro bus que pase por la parada en un tiempo razonable, lo cual indica la factibilidad de adoptar este tipo de estrategia en sistemas de muy alta frecuencia. 1 0 20 40 60 Time(minutes) 80 100 0 120 0 20 40 60 Time(minutes) c) d) 160 160 TABLA 3: Función Objetivo y Desviación Estándar para las Cuatro Estrategias: Escenario 3 120 100 100 Pasajeros 120 80 80 60 60 40 40 20 20 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 16 Escenario 4 control simple RITR 4242,68 3900,48 128,41 130,47 -10,77 -17,97 0,00 0,00 0,00 0,00 409,17 675,13 79,65 54,79 4651,85 4563,07 118,74 177,45 -2,16 -4,03 5 7 9 140 140 120 120 100 100 80 60 11 13 15 17 19 21 23 25 27 29 Paradas b) 160 80 60 40 40 20 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 Paradas c) RBLITR 3878,22 115,62 -18,43 20,40 15,50 662,91 52,43 4561,53 159,53 -4,06 3 a) 0 sin control 4754,69 193,29 0,00 0,00 4754,69 193,29 - 1 160 20 TABLA 3 (Continuación): Función Objetivo y Desviación Estándar para las Cuatro Estrategias: Escenario 4 0 Paradas Pasajeros RBLITR 6696,41 186,93 -14,19 19,19 32,03 544,23 77,16 7259,84 245,02 -6,97 Pasajeros RITR 6698,85 193,82 -14,16 0,00 0,00 559,76 96,11 7258,61 241,78 -6,99 Pasajeros Tesp Desv. Std. %reducción Textra Desv. Std. Tret Desv. Std. FO Desv. Std. %reducción sin control 7803,82 915,51 0,00 0,00 7803,82 915,51 - Escenario 3 control simple 7382,34 588,62 -5,40 0,00 0,00 37,66 30,93 7420,01 603,37 -4,92 140 140 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 Paradas d) FIGURA 1: Trayectoria y Carga de los Buses en las Diferentes Paradas para las 4 Estrategias: a) sin control; b) control simple; c) RITR; d) RBLITR De la observación de la Figura 1a) se puede advertir que para el caso sin control los buses tienden naturalmente a formar pelotones, lo que se ve representado en la figura por las líneas, las cuales tienden a juntarse. Esto provoca que la carga de los buses en una parada determinada, presenten una gran variabilidad. En el caso sin control, esto se advierte por la existencia de un número importante de buses circulando a capacidad en un número ¿Puede la Estrategia de Control en Tiempo Real de Boarding Limits Mejorar el Rendimiento del Sistema? INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 11-17 Artículo de Investigación considerable de paradas, mientras existen otros buses que viajan con una carga mucho menor en las mismas estaciones. La aplicación de alguna medida de control como el caso de control simple permite a los buses mantener intervalos muchos más uniformes. Sin embargo, aún se advierten ciertos buses que tienden a juntarse hacia el final del recorrido. Las Figuras 1c) y d) muestran las trayectorias para los modelos propuestos RITR y RBLITR , las cuales son capaces de mantener el patrón de intervalos entre buses de manera uniforme en una forma más efectiva que la lograda para el caso del control simple. Es importante notar, de la comparación de estas figuras, que en general el tiempo medio de duración de las retenciones, tienden a ser menores para el RBLITR. A su vez se observa del análisis de la carga de los buses que la estrategia RBLITR muestra un patrón bastante definido y uniforme, presentando una muy baja variabilidad, lo que en efecto permite a todos los buses circular bajo capacidad a lo largo de todo el corredor, a diferencia de lo que ocurre con las otras 3 estrategias. REFERENCIAS 6. Fu L., Liu, Q. and Calamai, P. (2003) Real-Time Optimization Model for Dynamic Scheduling of Transit Operations. Transportation Research Record, 1857, 48-55. CONCLUSIONES En el presente trabajo se desarrolló un modelo de Programación Matemática para la operación en un corredor de Transporte Público que considera las estrategias de retención y boarding limits. La capacidad de los buses es considerada y los planes son actualizados en tiempo real, cada vez que un bus llega a una parada. El modelo propuesto fue evaluado en un ambiente de simulación, bajo diferentes condiciones de operación que muestran cuando la estrategia de boarding limits se comporta de mejor manera que la política tradicional de retención. Los resultados demuestran que las mayores reducciones en la función objetivo tanto para el RBLITR (retención y boarding limts) y RITR (retención) son logrados en aquellos escenarios con alta demanda de pasajeros, donde los buses llegan a capacidad, con ahorros hasta un 20% para ambos casos y una muy pequeña variabilidad en los tiempos totales de espera en comparación a la estrategia sin control. La estrategia RBLITR muestra significantes mejoras en relación a la RITR en escenarios de alta demanda de pasajeros e intervalos pequeños entre buses. Esto muestra la factibilidad de adoptar este tipo de estrategias en sistemas de alta frecuencia, debido a que la desutilidad experimentada por aquellos pasajeros que no pueden abordar el primer bus en pasar se ve reducida. Tambíen se muestra al comparar RBLITR vs. RITR que los mayores tiempos extras de espera expermimentado por los pasajeros para el RBLITR son compensados con menores tiempos de retención experimentado por los pasajeros dentro del bus. En aquellos escenarios de baja demanda de pasajeros, ambos modelos se comportan de manera similar, siendo la política de boarding limits aplicada solo ocasionalmente, representado menos del 0,5% del tiempo de espera total. Como trabajo futuro se considera incorporar nuevas medidas de control como son el salto de paradas, adelantamiento de buses y control de intersecciones semaforizadas, donde los autores ya han comenzado a trabajar. AGRADECIMIENTOS Esta investigación ha sido financiada por el proyecto anillos tecnológicos ACT-32 “Real Time Intelligent Control for Integrated Transit Systems” y por la beca para realización de tesis doctoral otorgada por la Comisión Nacional de Ciencia y Tecnología (CONICYT) a Felipe Delgado. F. Delgado, et al Barnett, A., (1974) On Controlling Randomness in Transit Operations. Transportation Science, 8(2), 101-116. Ceder, A. (2001) Bus Timetables with Even Passenger Loads as Opposed to Even Headways. Transportation Research Record, 1760, 3-9. Delgado, F., Muñoz, J.C., Giesen, R. and Cipriano, A. (2009) Real-Time Control of Buses in a Transit Corridor Based on Vehicle Holding and Boarding Limits. Aceptado para publicación en Transportation Research Record. Eberlein, X.-J. (1995) Real Time Control Strategies in Transit Operations: Models and Analysis. PhD thesis, Massachusetts Institute of Technology, Cambridge, MA. Eberlein, X.-J., Wilson, N.H.M., and Bernstein, D. (2001) The Holding Problem with Real-time Information Available. Transportation Science, 35(1), 1-18. Fu, L. y Yang, X. (2002) Design and Implementation of Bus-Holding Control Strategies with Real-Time Information. Transportation Research Record, 1791, 6-12. Furth, P. and Muller T. (2006) Optimality Conditions for Schedules with Timepoint Holding. 10th International Conference on ComputerAided Scheduling of Public Transport (CASPT), Leeds, UK Furth, P. and Muller T. (2007) Service Reliability and Optimal Running Time Schedules. Transportation Research Record, 2034, 55-61. Ortúzar, J. de D. (1983) Nested Logit Models for Mixed-mode Travel in Urban Corridors. Transportation Research, 17A(4), 283-299. Puong A. and Wilson, N.H.M. (2004) A Train Holding Model for Urban Rail Transit Systems. 9th International Conference on ComputerAided Scheduling of Public Transport (CASPT) San Diego, California. Disponible en http://fugazi.engr.arizona.edu/caspt/puong.pdf. (Sitio visitado el 15 de Marzo de 2008). Sáez, D., Cortés, C., Sáez, E., Núñez, A., and Tirachini, A. (2007) Hybrid Predictive Control Strategy For A Public Transport System With Uncertain Demand. Proceedings of the Triennial Symposium on Transportation Analysis (TRISTAN) VI, Phuket, Thailand. Shen, S., and Wilson, N.H.M. (2001) An Optimal Integrated Real-Time Disruption Control Model for Rail Transit Systems. Computer-Aided Scheduling of Public Transport, S. Vob and J. Daduna, eds., SpringerVerlag, 335–363. Suh W, Chon, K. and Rhee, S. (2002) Effect of Skip-Stop Policy on a Korean Subway System. Transportation Research Record, 1793, 33-39. Sun, A. and Hickman, M. (2004) .The Holding Problem at Multiple Holding Stations. 9th International Conference on Computer-Aided Scheduling of Public Transport (CASPT) San Diego, California. Disponible en http://fugazi.engr.arizona.edu/caspt/sun.pdf. (Sitio visitado el 15 de Marzo de 2008). Sun, A. and Hickman, M. (2005) The Real-Time Stop-Skipping Problem, Journal of Intelligent Transportation Systems, 9(2), 91 – 109. Turnquist, M. and Blume, S. (1980) Evaluating Potencial Effectiveness of Headway Control Strategies for Transit Systems. Transportation esearch Record, 746, 25-29. Zhao, J., Bukkapatnam, S. and Dessouky, M. (2003) Distributed Architecture for Real-Time Coordination of Bus Holding in Transit Networks. IEEE Transactions on Intelligent Transportation Systems, 4(1), 43-51. Zhao, J., Dessouky, M. and Bukkapatnam, S. (2006) Optimal Slack Time for Schedule-Based Transit Operations. Transportation Science, 40(4), 529-539. Zolfaghari S., Azizi, N. and Jaber, M. (2004). A Model for Holding Strategy in Public Transit Systems with Real Time Information. International Journal of Transport Management, 2, 99-110. 17 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 18-25 Indicadores de Inclusión Social, Accesibilidad y Movilidad: Experiencias desde la Perspectiva del Sistema de Transporte Mauricio Jara y Juan Antonio Carrasco Área de Transporte, Departamento de Ingeniería Civil, Universidad de Concepción Casilla 160-C, Correo 3, Concepción, Chile. Emails: majara@udec.cl, j.carrasco@udec.cl RESUMEN 1. Se presenta el desarrollo de una investigación que tiene como finalidad identificar indicadores que puedan ser aplicados en un análisis de la exclusión social relacionada al rol del transporte, en relación con el análisis de la dimensión social en el sistema de transporte urbano. En base a este objetivo, se plantea un marco conceptual que permite la compatibilización de diversas áreas de estudio, y particularmente de las herramientas de medición sobre conceptos como la accesibilidad, movilidad, participación y usos de suelo, entre otros. Para estos efectos, se estudió una selección de indicadores identificados al contexto urbano del Gran Concepción, de acuerdo a su Encuesta Origen-Destino de 1999 e información asociada a su sistema de transporte y actividades. El análisis permitió ilustrar interesantes conclusiones respecto a la factibilidad de utilizar estas fuentes de información, a las potencialidades de los indicadores calculados, y a algunos resultados preliminares producto de esta aplicación empírica. Palabras clave: exclusión social, accesibilidad, indicadores ABSTRACT We develop a research effort aimed to identify indicators that could be used to analyze transport-related social exclusion and its relationship with the social dimension in the urban transportation system. With this objective, we present a conceptual framework that incorporates different study areas, especially in relation with the measurement of concepts such as accessibility, mobility, participation, and land use, among others. With this purpose, we studied selected indicators into the urban context of the Great Concepción Area, using the 1999 Origin Destination Survey, and associated data about its activity and transportation system. The analysis showed interesting conclusions about the feasibility of using these data sources, the capabilities and limitations of the calculated indicators, and some preliminary results from the empirical application. Keywords: social exclusion, accessibility, indicators INTRODUCCIÓN La exclusión social surge como un concepto que busca explicar y abordar los quiebres en las interacciones entre los individuos y grupos sociales con sus comunidades o sociedades donde residen. Estos quiebres o falencias en estas interacciones se manifiestan en una baja participación en las actividades que, de acuerdo a la concepción colectiva, dan sentido de pertenencia y relevancia respecto del desarrollo comunitario. Así, por ejemplo, el acceso al mercado laboral, al sistema educacional, al sistema de salud, y la posibilidad de acceder a actividades culturales, constituyen aspectos relevantes en este contexto. La influencia del transporte en la problemática ha sido vislumbrada en la literatura reciente; sin embargo, aún existen poca investigación empírica de esta influencia. Dada la naturaleza multidimensional y compleja de la participación y exclusión social, se ha reconocido que la utilización de indicadores que representen dimensiones relevantes para la problemática es una metodología que permitiría su evaluación y análisis (Rajé, 2007). En este sentido, el planteamiento de indicadores con énfasis en el transporte es una línea de investigación abierta aún, donde todavía no existe claridad respecto de la forma de integrar las dos temáticas: las herramientas y metodologías tradicionalmente utilizadas en el análisis de los sistemas de transporte, y las necesidades y desafíos planteados por el estudio de la exclusión social. Así, el objetivo de este trabajo es, por una parte, introducir un marco conceptual donde se han conjugado distintos aspectos relativos a los factores que hacen del transporte una parte clave en la participación de los individuos en la sociedad. Un segundo objetivo consiste en presentar una aplicación empírica de indicadores seleccionados para representar algunos de estos factores, aplicados a partir de información normalmente disponible para las ciudades de tamaño medio-grande del país, como son la Encuesta Origen Destino de Viajes, los catastros de transporte público y de uso de suelo, las representaciones planimétricas de la ciudad, entre otros. Esta aplicación permitió sacar conclusiones respecto de la factibilidad de utilizar estas fuentes de información para un análisis de esta naturaleza, las potencialidades y limitaciones de los indicadores seleccionados, y la necesidad de continuar profundizando en el verdadero rol que juega el transporte en la dinámica de la participación individual en la sociedad. 2. EL CONCEPTO DE EXCLUSIÓN SOCIAL La participación de los individuos en su comunidad o sociedad está sujeta a diversos factores, tanto propios como ajenos. Para el individuo, participar en las actividades de su comunidad permite que se vea directamente favorecido con su esfuerzo personal, crea vínculos de pertenencia y establece una relación de interés con el devenir comunitario, con la búsqueda de desarrollo y bienestar social. Para la comunidad, la participación de sus individuos es su activo más valioso, pues representa generación de recursos, cultura, cohesión, y en suma, permite el desarrollo de la comunidad y a partir de él, bienestar general. Dada esta noción de participación social, en que individuos son parte de las 18 Indicadores de Inclusión Social, Accesibilidad y Movilidad: Experiencias desde la Perspectiva del Sistema de Transporte INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 18-25 actividades propias de su comunidad, surge el concepto de exclusión social para describir y abarcar aquellas situaciones en que el individuo no consigue participar, o lo hace de una forma parcial o sin poder alcanzar todo su potencial, principalmente por situaciones y procesos que le son ajenos y escapan a su control. La exclusión social representa los quiebres en las relaciones e interacciones de los distintos agentes de la sociedad, entendiendo por agentes a individuos, familia, instituciones, organismos gubernamentales y privados, y empresas, entre otros. Estos quiebres se manifiestan en la baja participación de los individuos en las actividades que cada comunidad reconoce como vinculadoras o relevantes, tales como la incorporación al mundo del trabajo y la participación en actividades sociales y recreacionales. Como consecuencia de esta baja participación, se presentan problemas que pueden incluir carencias materiales, baja calificación laboral y segregación espacial, entre otros (SEU, 2003). De una revisión de la literatura (Jara, 2009; DfT, 2006; Rajé, 2007), las principales características del concepto pueden ser resumidas en los siguientes aspectos: • El énfasis se encuentra en cómo el individuo logra formar parte de las actividades que le dan sentido de pertenencia en su contexto social. Ésta es la diferencia fundamental con las nociones tradicionales de la pobreza, que enfatizan principalmente en las carencias materiales. En este sentido, lo material es un efecto o consecuencia de las carencias en participación social. • Es una problemática multidimensional, donde factores diversos pueden ser causantes de situaciones de exclusión, y donde estos factores pueden superponerse y potenciarse en procesos complejos para configurar estados de exclusión. • Los factores están sujetos al contexto social, político y económico del entorno. Es decir, diferentes actividades pueden ser entendidas como vinculantes o relevantes desde el punto de vista de la participación, dependiendo del individuo y la sociedad o comunidad en que reside que sean objetos de análisis. A su vez, los estándares de participación son relativos a cada contexto de análisis. • Es un problema gradual, en que distintos individuos pueden estar afectos a los mismos factores causales de situaciones de exclusión, pero éstos se manifiestan con distinta intensidad y, por lo tanto, configuran factores de riesgo distintos. • Es un proceso dinámico, pues existen relaciones de dependencia entre los distintos factores de riesgo, y éstos se potencian, superponen y acumulan de acuerdo a procesos propios de la convivencia humana, estando además presente la dimensión temporal. • Es un problema que fundamentalmente afecta al individuo en su realidad diaria. Existen distintas visiones respecto a la unidad básica de análisis en esta problemática, pero que se relacionan más bien con las limitaciones prácticas para el análisis a nivel individual desagregado. Esto deja de manifiesto que el énfasis debe estar centrado en la realidad individual, desagregada y cotidiana. • Se enfatizan las relaciones entre los distintos agentes sociales (individuos, empresas, Estado, organizaciones y actividades). A su vez, se pone de manifiesto en las falencias en los lazos de interacción entre ellos, las cuales finalmente limitan la participación de los individuos y configuran los estados de exclusión. Por integrar en su mayor parte estos aspectos, en este trabajo se adopta la definición planteada por Levitas et al. (2007, citado por Rajé, 2007). Esos autores plantean que exclusión social es un proceso complejo y multidimensional. En particular, involucra la carencia o negación de recursos, derechos, bienes y servicios, y la inhabilidad para participar en las actividades y relaciones M. Jara y JA. Carrasco Artículo de Investigación normales, disponibles para la mayoría de las personas de la sociedad, sea en los ámbitos económico, social, cultural o político. A su vez, afecta tanto la calidad de vida de los individuos como la equidad y la cohesión de la sociedad como un todo. El sistema de transporte constituye una forma concreta a través del cual los individuos acceden a las actividades que no están a su alcance inmediato. La capacidad de acceso a estas actividades es lo que determina la participación del individuo; por tanto, es fundamental entender los factores que inciden en la capacidad del sistema de transporte para cumplir este rol efectiva y oportunamente para todos los individuos que así lo requieran. Por ejemplo, se ha notado que los individuos pueden dejar de ir a sus lugares de trabajo o estudio, o pueden reducir el rango espacial en donde realizan sus búsquedas de trabajo – y en general, búsqueda de oportunidades – si no cuentan con medios de transporte adecuados y convenientes (SEU, 2003). Por otra parte, sus externalidades negativas pueden concentrarse y afectar diferencialmente a los individuos más vulnerables, quienes además carecen de los medios para revertir esta realidad (SEU, 2003; Friends of the Earth, 2001). La literatura identifica la accesibilidad y la movilidad como conceptos claves que permiten abordar este problemática desde el punto de vista del transporte (Church et al., 2000; Preston y Rajé, 2007; entre otros). Accesibilidad en este trabajo es entendida como la potencialidad de un entorno determinado para permitir la interacción entre el individuo y lo que quiere realizar, lo que está de acuerdo con otras definiciones existentes en la literatura (Geurs y Ritsema van Eck, 2001; Halden et al., 2005), que la plantean como un concepto espacial, asociado a un área, zona o actividad determinada. Además, se debe considerar como un concepto multidimensional, en que hay factores físicos, financieros, organizacionales y temporales que determinan las características de accesibilidad de un entorno (Cass et al., 2005). En tanto, movilidad es entendida como el movimiento espacial neto, o el viaje en sí mismo, por lo que se encuentra principalmente relacionado con la experiencia de vinculación del individuo. 3. INDICADORES, MÉTODOS Y FUENTES DE INFORMACIÓN Para uniformar la diversidad de criterios y visiones que existen respecto a esta problemática, se ha planteado el Esquema de Participación Social (Jara, 2009), que se resume en la Figura 1. En este esquema, los factores relativos al transporte pueden ser entendidos desde dos perspectivas complementarias: las causalidades o factores determinantes de los niveles de participación, y los resultados de la configuración de estos factores. Se plantea que los primeros corresponden a las accesibilidad, entendiendo su características de multidimensionalidad, incorporando la conceptualización más teórica de Cass et al. (2002), así como el enfoque más pragmático de la matriz de accesibilidad de Handy y Clifton (2001). El resultado de esta accesibilidad se manifiesta en la experiencia de vinculación, correspondiente a la movilidad o viaje en sí, (incluyendo calidad, duración y seguridad). Todo lo anterior contribuye a una experiencia de participación, correspondiente el nivel y calidad de involucramiento en actividades identificadas como relevantes. Así, a partir de estos conceptos, se revisó la literatura relativa a su medición, identificándose una serie de indicadores potencialmente interesantes de analizar respecto de sus potencialidades y limitaciones, considerando además criterios de relevancia y factibilidad respecto a su aplicación con la información disponible. Así, por ejemplo, se incorporaron indicadores provenientes del análisis de la accesibilidad de vecindario (Handy y Clifton, 2000, 2001; Krizek y Waddell, 19 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 18-25 2002; entre otros); indicadores de niveles de servicio del transporte público (Transit Cooperative Research Program, 2003); e indicadores de uso de tiempo y participación en actividades. También se proponen algunos indicadores propios, a partir de las falencias detectadas en la literatura respecto de la cobertura de ciertos factores interesantes. La Tabla 1 resume la totalidad de los indicadores estudiados. TABLA 1: Indicadores Seleccionados para la Aplicación Empírica Componente del esquema de participación (Dimensión) Accesibilidad física de los medios de vinculación (diseño y forma vial urbana) Accesibilidad organizacional de los medios de vinculación (accesibilidad de modos motorizados) N° Indicador /Definición 1 Densidad de intersecciones. Longitud total de la red vial en entorno del hogar del individuo. Índice de conectividad vial. (N° arcos/N° de nodos) 2 3 4 5 6 Accesibilidad física de las actividades (forma urbana) 7 8 Accesibilidad organizacional y temporal de los medios de vinculación (accesibilidad de modos motorizados) 9 10 11 FIGURA 1: Esquema de Participación Social e Integración de Indicadores Observables en las Distintas Variables Latentes que lo Componen Experiencia de vinculación 12 13 14 Para la aplicación empírica del marco conceptual anterior, el caso de estudio corresponde al Gran Concepción, Región del Biobío, Chile. Para la aplicación de los indicadores seleccionados, se utilizó principalmente información secundaria proveniente del estudio “Análisis de la Red Vial Básica del Gran Concepción”, Etapas 1, 2 y 3 (MIDEPLAN, 2000, 2002a, b), específicamente información correspondiente a: • La Encuesta de Origen y Destino de Viajes a Hogares de 1999, ó EOD-GC (MIDEPLAN, 1999). • Catastros de transporte público y usos de suelo urbano. • Vectores de tiempos de viaje, estimados del modelo de 4 etapas ESTRAUS® (Sectra, 1997). • La restitución aerofotogramétrica con la geometría urbana (topología de la red vial y forma urbana). Con esta información, se pudo lograr amplitud en la información, reconstruyéndose el contexto urbano de la ciudad al año 1999 (año de aplicación de la encuesta), compatibilizándose todo el resto de la información disponible a ese año, integrando a la información de la encuesta, los archivos geográficos de uso de suelo, transporte público, y forma urbana. De esta forma, el análisis logró un tratamiento espacialmente desagregado de cada uno los individuos de la EOD. Cabe destacar que, en el caso de la información espacial, se seleccionaron aquéllos sectores en donde la cantidad de microdatos era suficiente como para poder realizar un estudio representativo, lo que constituye una limitación en la metodología adoptada. Tal como se mencionó, esta es una primera aproximación a la tarea de medición de la exclusión con énfasis en el rol del transporte, por lo que el nivel de profundidad en cada indicador está fuertemente determinado por los datos disponibles. Se destaca además que, con pocas excepciones, se decidió excluir indicadores que utilizaren resultados de modelaciones, de tal forma de estudiar el aporte de generar indicadores con las fuentes de información anteriores, como complemento a los enfoques tradicionales de modelación para la posterior evaluación de las dimensiones propuestas. 20 15 16 17 18 19 20 Experiencia de participación en actividades 21 22 23 24 25 26 27 4. Cobertura y niveles de servicio de la red de transporte público. Intensidad de usos de suelo. Índice de diversidad de usos de suelo (entropía). Índice de disimilaridad local/regional de usos de suelo. Balance de usos residencial/no residencial Diferencial de tiempos de viaje en modo auto y bus (nivel de servicio de conveniencia del transporte público) entre pares O-D. Partición modal de viajes diarios por individuo Proporción de viajes en modos no motorizados N° de viajes diarios en automóvil, individuos de hogares sin veh. N° de cadenas de actividades/viaje al día. Actividades por cadena de viajes Cuadras caminadas en viajes basados en el hogar N° de actividades al día, propósito trabajo N° de actividades al día propósito estudio N° de actividades al día, propósito social/ recreacional N° de actividades al día propósito compras N° de actividades al día, propósitos no obligatorios Tiempo total diario en actividad trabajo Tiempo total diario en actividad estudio Tiempo total diario en actividad social/ recreacional Tiempo total diario en actividad compras Tiempo total diario en actividades no obligatorias fuera del hogar Tiempo total diario de viaje Tiempo total diario fuera del hogar CONTEXTO URBANO DEL GRAN CONCEPCIÓN La aplicación de los indicadores, a partir de la disponibilidad de datos para ello, fue realizada para representar la realidad del Gran Concepción al año 1999, año de aplicación de su encuesta de movilidad más reciente. Una visión completa de la intercomuna en este corte temporal puede encontrarse en MIDEPLAN (1999, 2000, 2002a y 2002b). El Gran Concepción, en este período correspondía a un conjunto de nueve comunas ubicadas en la Región del Biobío (en la actualidad son diez comunas), incluyendo Concepción (capital regional y económica), Talcahuano, San Pedro de la Paz, Chiguayante, Hualqui, Penco, Tomé, Coronel y Lota. Con una población urbana de 861.000 hab., según el censo de 2002, siendo la segunda en población, después de Santiago. Tiene una importante actividad industrial, asociada a sus puertos, industria del carbol, forestal, pesca, manufacturera, siderúrgica y petroquímica. Además, concentra los principales servicios y actividades administrativas. Indicadores de Inclusión Social, Accesibilidad y Movilidad: Experiencias desde la Perspectiva del Sistema de Transporte INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 18-25 Artículo de Investigación La Figura 2 muestra el área de análisis, la distribución de población, y los patrones de atracción y generación de viajes, a nivel macrozonal. Una completa descripción de la realidad de la intercomuna, al corte temporal bajo análisis en este estudio, puede encontrarse en MIDEPLAN (1999, 2000, 2002a y 2002b). FIGURA 2: Características Demográficas y de Movilidad del Gran Concepción, por Comuna según EOD 1999. (Izquierda: Distribución de Habitantes y Hogares. Derecha: Generación y Atracción de Viajes. Fuente: MIDEPLAN (2002a) Tal como se señaló anteriormente, con el objeto de operacionalizar algunos indicadores propuestos, se eligieron zonas EOD representativas de distintos niveles socioeconómicos y con distinta ubicación espacial relativa al centro cívico-urbano de la comuna de Concepción, para las que hubiese un suficiente número de microdatos (ver Tabla 2 y Figura 3). TABLA 2: Descripción de las Zonas Consideradas en la Aplicación de Indicadores Zona EOD 81 109 88 82 118 73 130 133 138 Nombre del sector o zona Cerro La Pólvora Los Lirios Remodelación Paicaví Camilo Henríquez Chacabuco Poniente Bellavista Boca Sur Michaihue Diagonal Bío Bío Avenida Las Rosas M. Jara y JA. Carrasco Comuna Ingreso medio del hogar Posición relativa al centro cívico (plaza de armas) Tamaño muestral (individuos) Concepción Bajo Cerca (<1 km) 141 Concepción Medio Media (1-5 km) 193 Concepción Medio Cerca (< 1 km) 162 Concepción Medio Cerca (< 1 km) 251 Concepción Alto Cerca (< 1 km) 131 Concepción San Pedro de la Paz San Pedro de la Paz San Pedro de la Paz Bajo Medio (1-5 km) 367 Bajo Lejos (> 5 km) 614 Bajo Lejos (> 5 km) 232 Alto Lejos (>5 km) 203 FIGURA 3: Zonas EOD Seleccionadas para Aplicación de Indicadores 5. RESULTADOS A continuación, como una manera de ilustrar la experiencia con los indicadores estudiados, se presenta el resultado de cinco indicadores, lo cuales ilustran distintas dimensiones del Esquema de Participación Social, discutido en la Figura 1. 21 INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 18-25 5.1 Factores Físicos: Densidad de Intersecciones y Conectividad Vial Z ona geográfica de anális is (base EOD ) Dos indicadores representativos de los factores físicos que potencialmente afectan la exclusión social corresponden a la Densidad de Intersecciones y la Conectividad Vial, en sectores representativos de la ciudad. Ambos indicadores ilustran el grado de cuán amigable es el entorno para el modo caminata y, en general los modos lentos. La Densidad de Intersecciones se define simplemente como el número de intersecciones por km de vialidad en el entorno del individuo; entorno definido como un cierto radio respecto al individuo. Los radios estudiados correspondieron a 500 y 1000 m, encontrándose pocas diferencias tendenciales entre ellos. A su vez, el Índice de Conectividad Vial está definido por la razón entre el número de arcos y el de intersecciones en un cierto radio del individuo. Ambos indicadores constituyen una muy útil representación de las características del entorno urbano de estos sectores del Gran Concepción. Por ejemplo, en el caso de la Densidad de Intersecciones (ver Figura 4), se aprecia la variación del rango de valores desde menos de 6 intersecciones / km (arcos viales de alrededor de 160 m. en promedio) en la zona centro (Chacabuco Poniente), pasando por sectores intermedios, ubicados alrededor de 2 km del centro (e.g., Camilo Henríquez y Cerro La Pólvora), hasta una mayor densidad de intersecciones en sectores más lejanos (e.g., Boca Sur). Desde el punto de vista de exclusión social, es interesante reconocer que existe una proporción importante de individuos de todos los ingresos con una muy baja densidad de intersecciones por km, aspecto que debe contrastado con características individuales (e.g., ancianos, niños e individuos con discapacidad), que podrían presentar problemas de movilidad peatonal. Z ona geográfica de análisis (base E OD) Artículo de Investigación Sector Av. Las R osas (San Pedro de la Paz) n=203 Sectro Diagonal Bío Bío (San Pedro de la Paz) n=232 Boca Sur-Michaihue (San Pedro de la Paz) n=614 Remodelación Paicaví (Concepción) n=191 Chacabuco Poniente (C oncepción) n=133 Los Lirios (Concepción) n=193 Camilo Henríquez (Concepción) n=251 Cerro La Pólvora (C oncepción) n=141 Bellavista (Concepción) n=367 Resto del Gran C oncepción n=19315 1.20 $ $ $$$ 1.40 1.60 1.80 2.00 Indice de conectividad vial en el entorno, 500m FIGURA 5: Índice de Conectividad Vial para Sectores Seleccionados del Gran Concepción 5.2 Factores Organizacionales y Temporales: Cobertura y Niveles de Servicio de Transporte Público La Tabla 2 muestra los niveles de servicio de transporte público según el nivel de ingresos del hogar, sugiriendo una relación más favorable para individuos de situación más acomodada. Este resultado claramente representa una falencia del sistema de transporte público respecto de su principal público cautivo y un elemento de potencial exclusión social. Estas deficiencias también se aprecian respecto del nivel de servicio horario, pero con diferencias menores en magnitud, pero también estadísticamente significativas. TABLA 2: Medias para Indicadores de Nivel de Servicio de Provisión de Transporte Público en las Cercanías del Hogar de Individuos, Categorizados según Rango de Ingreso del Hogar Sector Av. Las Rosas (San Pedro de la Paz) n=203 $ Sectro Diagonal Bío Bío (San Pedro de la Paz) n=232 Boca Sur-Michaihue (San Pedro de la Paz) n=614 Remodelación Paicaví (Concepción) n=191 Chacabuco Poniente (Concepción) n=133 Los Lirios (Concepción) n=193 Camilo Henríquez (Concepción) n=251 Cerro La Pólvora (Concepción) n=141 Bellavista (Concepción) n=367 Resto del Gran Concepción $ 6 $ $ n=19150 4 6 8 10 12 Intersecciones/km de vialidad en el entorno (1km ) FIGURA 4: Densidad de Intersecciones para Sectores Seleccionados del Gran Concepción A su vez, el Índice de Conectividad Vial (Figura 5) muestra claramente la forma de Damero en los sectores céntricos (Chacabuco Poniente), que contrasta con menores conectividades, que potencialmente dificultan el acceso a transporte público (con importante proporción de cul de sacs), lo que se manifiesta transversalmente en sectores suburbanos, tanto de ingresos medios-altos (e.g., Av. Las Rosas), como bajos (e.g., Boca Sur). $ $ N° de rutas (servicios) de taxibus en el entorno, 500m N° de rutas (servicios) de taxibus en el entorno, 1000m N° de rutas (servicios) de taxibus en el entorno, 2000m Frecuencia media de los servicios de taxibus en el entorno, 500m (bus/min) Frecuencia media de los servicios de taxibus en el entorno, 1000m (bus/min) Frecuencia media de los servicios de taxibus en el entorno, 2000m (bus/min) Rango de ingreso del hogar (M$) < 170 171 – > 600 (A) 600 (B) (C) 30 44 21 (A) (A B) 45 62 35 (A) (A B) 62 81 51 (A) (A B) 0.178 0.176 0.185 (B) (A B) 0.178 0.184 0.175 (B) (A B) 0.178 0.182 0.173 (B) (A B) Los resultados se basan en pruebas bilaterales de medias, que asumen varianzas iguales con un nivel de significación 0.05. Para cada par significativo, la clave (letra de la columna) de la categoría menor aparece debajo de la categoría con una media mayor. 5.3 Uso de Suelo: Diversidad de Usos de Suelos en el Entorno del Hogar La Figura 4 muestra el cálculo del índice de diversidad de uso de suelo, utilizando el Índice de Diversidad o entropía de Shannon (Guisande, 2006): (1) en donde se consideran distintos tipos de suelo i, y en que pi corresponde a la proporción de cada uso de suelo dentro del área total (en metros cuadrados construidos). 22 Indicadores de Inclusión Social, Accesibilidad y Movilidad: Experiencias desde la Perspectiva del Sistema de Transporte Zona geográfic a de análisis (base EOD) INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 18-25 Artículo de Investigación Sector Av. Las R osas (San Pedro de la Paz) n=203 Sector Diagonal Bío Bío (San Pedro de la Paz) n=232 Boca Sur-M ichaihue (San Pedro de la Paz) n=614 Remodelación Paicaví (Concepción) n=191 Chacabuco Poniente (C oncepción) n=133 Los Lirios (C oncepción) $ n=193 Camilo Henríquez (Concepción) n=251 Cerro La Pólvora (C oncepción) n=141 Bellavista (Concepción) n=367 Resto del Gran Concepción n=19315 0.00 0.25 0.50 0.75 1.00 1.25 1.50 Indice de diversidad (entropía) de usos de suelo FIGURA 6: Índice de Diversidad (Entropía) de Usos de Suelo en el Entorno Este indicador muestra claramente cómo existen diferencias relevantes entre la gran diversidad en el centro de la ciudad (e.g., Chacabuco Poniente) respecto a otros sectores (zonas Diagonal Bío Bío, Boca Sur y Bellavista), con comportamientos bajo el 25% respecto al “Resto del Gran Concepción”. Este indicador tiene el potencial de permitir analizar las oportunidades de actividades en los distintos sectores geográficos y sociodemográficos de la ciudad, complementándose con otros que se enfoquen en usos de suelos más específicos. 5.4 Experiencia de Vinculación: Diferencias en los Niveles de Servicio de Automóvil y Transporte Público Desde la perspectiva de vinculación, un indicador simple, pero potencialmente relevante consiste en el cálculo de los diferenciales de niveles de servicio entre automóvil y transporte público. La Figura 5 ilustra este indicador para los viajes entre cada zona del Gran Concepción y una zona céntrica, en donde se encuentra el Hospital Regional y otros servicios relevantes. Las categorías mostradas, han sido adaptadas del Manual de Capacidad y Calidad de Servicio de Estados Unidos (Transit Cooperative Research Program, 2003). FIGURA 7: Diferencia en Niveles de Servicio entre Automóvil y Transporte Público entre cada Zona y Concepción Centro (Izq.: tiempo de viaje en vehículo, derecha: tiempo total de viaje) M. Jara y JA. Carrasco 23 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 18-25 El mapa de la izquierda de la figura, muestra que el diferencial en el tiempo de viaje en vehículo es incluso favorable en algunas zonas para el caso del transporte público, y que las diferencias no se hacen uniformemente mayores mientras la zona sea más lejana al centro de la ciudad, existiendo algunas zonas extremas con menor diferencia que otras más cercanas al centro. Aún más interesante es el contraste con el mapa de la derecha, que ilustra el diferencial de tiempo de viaje total, es decir, considerando frecuencias y tiempos de espera promedio. En este caso, el transporte público de la zona céntrica – gracias a su alta oferta – compite de buena manera respecto al automóvil. Sin embargo, en otras zonas – principalmente en las periféricas, en donde predominan los ingresos más bajos – los diferenciales llegan incluso a más de 45 minutos, lo que muestra el potencial alto grado de segregación temporal que el transporte público genera en ciertas áreas de la ciudad. 5.5 Experiencia de Participación: Uso de Tiempo en Actividades Un potencial indicador de la participación, guarda relación con el tiempo asignado a distintas actividades de distinto tipo, por parte de los individuos. Para ello, se utilizaron los microdatos de la EOD de tal forma de obtener la duración de las distintas actividades, sabiendo que ellas ocurren entre los distintos viajes de los datos, y que el propósito está definido por el viaje previo. Esta componente temporal de la participación se estudia midiendo el tiempo total diario por actividad que los individuos asignan a las distintas actividades en que participan. La Tabla 3 muestra los resultados para cuatro tipos de actividades (trabajo, estudio, social/recreacional, compras y no obligatorias), incluyendo además el tiempo total fuera del hogar y el tiempo total de viaje, para tener una visión más completa de los presupuestos horarios de los individuos. Los indicadores de tiempo de participación en actividades están calculados como medias globales (para todos los individuos de la muestra), A su vez, los individuos también han sido categorizados de acuerdo a si participan o no en alguna de los tipos de actividades estudiadas. Con esta última categorización se permite explicitar el efecto de los individuos que no participan en ningún episodio de cada tipo de actividad. El indicador entrega valores esperables para las actividades obligatorias, relacionadas con jornadas de alrededor de 8 horas (propósito trabajo) y 6 horas (propósito estudio). En términos de magnitudes y diferencias, los resultados más relevantes e interesantes se encuentran al analizar las actividades no obligatorias, pues en ellas existe poca investigación. Destaca el resultado contraintuitivo de que los hombres que realizan actividades de compras destinan más tiempo a ellas que las mujeres (i.e, una mayor participación de los hombres en esta actividad compras en términos duración), lo que podría estar explicado por una falencia de la encuesta (e.g., tiempo percibido), o por una menor experticia en las labores de compras. Más interesante aún es la falta de diferencias en las actividades sociales / recreacionales para las variables de control analizadas, pues intuitivamente se podría esperar que individuos con ingresos más altos o que poseen licencias de conducir estén más “liberados” de restricciones espaciales (y monetarias), teniendo un mayor acceso a oportunidades de este tipo. En ese sentido, este resultado cuestiona la existencia de este tipo de exclusión social, al menos desde este tipo de segmentación. Más aún, en general, los resultados muestran la complejidad temporalespacial de la medición de la exclusión social en el contexto del comportamiento de transporte, especialmente respecto a las causalidades. Por ejemplo: ¿es la licencia de conducir un medio para realizar mayores actividades de compras? y ¿de qué forma se compensa la falta de movilidad con la duración similar de actividades sociales y recreacionales de ingresos bajos respecto a los altos? TABLA 3: Tiempos Totales Diarios de Participación en Actividades y Viajes (media en minutos) Sexo Posee licencia de conducirRango de ingreso del hogar (M$) Hombre Mujer Sí No < 170 171 - 600 > 600 (A) (B) (A) (B) (A) (B) (C) 176.1 284.4 143.9 192.2 Total de la muestra 81.1 93.6 102.0 (B) (B) (A) (A B) Trabajo 565.9 561.1 Con una o más actividades 529.6 554.5 552.1 550.5 533.6 (B) (C) 102.1 104.8 96.3 112.3 Total de la muestra 86.0 38.6 88.9 (B) (A) (A) (A B) Estudio 351.2 376.2 351.4 383.9 Con una o más actividades 343.9 345.6 339.0 (B) (B) (A) (A B) 17.0 Total de la muestra 14.4 15.8 14.1 15.4 13.6 11.8 Social/ Recreacional (B C) Con una o más actividades 185.0 184.2 178.7 185.7 188.4 180.2 177.9 9.5 8.5 Total de la muestra 5.3 8.6 7.3 6.7 7.1 (A) (A) Compras 83.7 91.3 81.4 Con una o más actividades 66.9 68.1 62.3 85.3 (B) (B) (A) 46.5 45.6 Total de la muestra 37.9 45.8 41.7 39.7 35.5 (A) (B C) Actividades No Obligatorias 161.2 Con una o más actividades 132.6 144.7 143.1 145.4 141.7 136.3 (B) 371.2 435.2 332.4 397.6 Total de la muestra 257.8 286.0 282.2 (B) (B) (A) (A) Actividad fuera del hogar 478.8 514.5 437.5 481.4 Con una o más actividades 360.8 396.0 392.7 (B) (B) (A) (A B) 55.1 66.4 52.4 57.6 Total de la muestra 44.2 45.8 45.6 (B) (B) (A B) (A B) Viaje 71.0 78.4 69.0 69.7 Con uno o más viajes 61.8 63.5 63.5 (B) (B) (A) (A B) Actividad a Individuos considerados Los resultados se basan en pruebas bilaterales de medias, que asumen varianzas iguales con un nivel de significación 0.05. Para cada par significativo, la clave (letra de la columna) de la categoría menor aparece debajo de la categoría con una media mayor. 24 Indicadores de Inclusión Social, Accesibilidad y Movilidad: Experiencias desde la Perspectiva del Sistema de Transporte INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 18-25 6. COMENTARIOS Y CONCLUSIONES Una revisión de la literatura atingente, ha permitido generar un marco conceptual que involucra tres conceptos fundamentales de la exclusión social, a partir de cuya interacción se entiende la participación del individuo en la sociedad (y particularmente los procesos de la inclusión): el individuo, las actividades en las que quiere o puede participar, y los medios de vinculación que sirven de nexo para salvar las distancias espaciales entre ambos. En base a lo anterior, se ha verificado la factibilidad de compilar y aplicar empíricamente un conjunto de indicadores procedentes de distintas áreas de estudio, al análisis de la participación social (y específicamente de la exclusión social), con un énfasis en el rol del transporte en este fenómeno. Sin embargo, a su vez, se comprobaron limitaciones que deben ser tomadas en consideración, como por ejemplo, los niveles de agregación de categorías en algunas variables (e.g., categorización de actividades o usos de suelo urbano), la representatividad de datos para un análisis poblacional (especialmente de la EOD, dado el proceso de corrección y expansión por el cual debería pasar), las validaciones de datos en función de los requerimientos particulares de este tipo de análisis (e.g., la validación del encadenamiento de actividades), las unidades de análisis de las distintas bases de datos y la compatibilización de las mismas (individuo, hogar o viajes para EOD, manzana geográfica para catastros, zonas EOD para vectores de tiempos de viaje), entre otros aspectos importantes. A pesar de lo anterior es posible afirmar que, en general, los indicadores evaluados cumplen el objetivo de delinear diferencias entre individuos y zonas, por lo que podrían integrarse a un análisis multidimensional de la participación y exclusión social. Los resultados de la aplicación de los indicadores seleccionados revelan que existe una provisión altamente dispar de alternativas en el entorno del hogar de los individuos del Gran Concepción. Además, se han identificado patrones de experiencias más limitadas de participación en las actividades para individuos vulnerables, esto según su capacidad económica y financiera principalmente (por las variables de control utilizadas). Estas experiencias limitadas estarán eventualmente relacionadas con la accesibilidad (e.g, en actividades de trabajo) y la movilidad (e.g, según el tiempo de viaje que deben disponer). En general, el trabajo presentado sugiere que, aún cuando muchos de estos indicadores son bastante simples, pueden ser de bastante utilidad para comprender la complejidad de los procesos de exclusión social relacionados al comportamiento de transporte, tal como lo ilustra el marco conceptual que se ha presentado. En ese sentido, la utilización de técnicas estadísticas multidimensionales para poder evaluar estas relaciones puede ser un paso significativo para continuar avanzando en la comprensión de estos problemas. Artículo de Investigación REFERENCIAS Cass, N., Shove, E. y Urry, J. (2005) Social exclusion, mobility and access. The Sociological Review. 53 (3). 539-555. Church, A., Frost, M. y Sullivan, K. (2000) Transport and social exclusion in London. Transport Policy. 7 (3). 195-205. DfT (2006) Social Inclusion: Transport Aspects. Final Report. Department for Transportation. Reino Unido. Realizado por Centre of Transport Studies at Imperial College, Mott Mac Donald y Institute for Transport Studies at University of Leeds. Friends of the Earth (2001) Environmental Justice: Mapping transport and social exclusion in Bradford. Friends of the Earth. Inglaterra. Realizado por Frank Pennycook, Rosalind Barrington, David Smith y Simon Bullock. Geurs, K. T. y Ritsema van Eck, J. R. (2001) Accessibility measures: review and applications. National Institute of Public Health and the Environment. Holanda. Guisande, C. (2006) Tratamiento de datos. Díaz de Santos. España. Halden, D., Jones, P. y Wixey, S. (2005) Measuring Accessibility as Experienced by Different Socially Disadvantaged Groups. Accessibility Analysis Literature Review. DHC Consultant. Escocia. Handy, S. y Clifton, K. (2000) Evaluating Neighborhood Accessibility: Issues and Methods Using Geographic Information Systems. Center for Transportation Research. University of Texas at Austin. Southwest Region University Transportation Center. EE.UU. Handy, S. y Clifton, K. (2001) Evaluating Neighborhood Accessibility: Possibilities and Practicalities. Journal of Transportation and Statistics. 4 (2/3). 67-78. Jara, M. (2009) Indicadores de exclusión social, accesibilidad y movilidad en el contexto urbano chileno. Un análisis desde la perspectiva del comportamiento de transporte. Memoria de Título. Departamento de Ingeniería Civil. Universidad de Concepción. Krizek, K. y Waddell, P. (2002) Analysis of Lifestyle Choices: Neighborhood Type, Travel Patterns, and Activity Participation. Transportation Research Record: Journal of the Transportation Research Board. 1807 (-1). MIDEPLAN (1999) Encuesta de Origen y Destino de Viajes a Hogares del Gran Concepción. Programa de Vialidad Urbana SECTRA. MIDEPLAN (2000) Análisis de la Red Vial Básica del Gran Concepción. II Etapa. Ministerio de Planificación y Cooperación. Chile. Realizado por INTRAT Consultores S.A. MIDEPLAN (2002a) Análisis de la Red Vial Básica del Gran Concepción, Etapa I. Ministerio de Planificación y Cooperación. Chile. Realizado por Fernández y De Cea Ingenieros Consultores. MIDEPLAN (2002b) Análisis de la Red Vial Básica del Gran Concepción, Etapa III. Ministerio de Planificación y Cooperación. Chile. Realizado por LATINA Consultores S.A. Preston, J. y Rajé, F. (2007) Accessibility, mobility and transport-related social exclusion. Journal of Transport Geography. 15 (3). 151-160. Rajé, F. (2007) Negotiating the Transport System. User Contexts, Experiences and Needs. Ashgate. Hampshire. Sectra. (1997). ESTRAUS. Versión 2.0. Secretaría Interministerial de Planificación de Transporte. MIDEPLAN. Santiago. SEU (2003) Making the Connections: Final Report on Transport and Social Exclusion. Office of The Deputy Prime Minister. Reino Unido. Realizado por Social Exclusion Unit. Transit Cooperative Research Program. (2003). Transit Capacity and Quality of Service Manual. Segunda Edición. Transportation Research Board. Washington D.C. (http://www.trb.org/news/blurb_detail.asp?id=2326) visitado el 23/01/08. M. Jara y JA. Carrasco 25 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 26-31 Análisis de los Enfoques Secuencial y Simultáneo para la Estimación de Modelos Híbridos de Elección Discreta Sebastián Raveau, Juan de Dios Ortúzar y María Francisca Yáñez Departamento de Ingeniería de Transporte y Logística, Pontificia Universidad Católica de Chile, Casilla 306, Código 105, Santiago 22, Chile Tel: 354 4270; E-mail: sraveau@puc.cl, jos@ing.puc.cl, mfyanezc@puc.cl RESUMEN 1. La formulación de modelos híbridos de elección discreta, que incluyen atributos tangibles de las alternativas y variables latentes asociadas a las actitudes y percepciones, ha sido un importante tema de discusión en las últimas décadas. Para estimar estos modelos se han desarrollado dos métodos: el secuencial, que aborda la construcción de variables latentes previo a su integración con variables explicativas tradicionales, y el simultáneo, en que ambos procesos se realizan conjuntamente. En este trabajo, se comparan los resultados obtenidos mediante ambos enfoques para casos de elección de modo de transporte a nivel urbano e interurbano. Palabras claves: variables latentes, modelos de elección discreta, estimación simultánea. ABSTRACT The formulation of hybrid discrete choice models, including both tangible alternative attributes and latent variables associated with attitudes and perceptions, has been a major topic of discussion in recent decades. To estimate models with both kinds of variables, two methods have been developed: a sequential one, where the latent variables are built before their integration with the traditional explanatory variables and a simultaneous one, where both process are done together. On this paper, we compare the results obtained using both approaches for urban and intercity modal choice contexts. Keywords: latent variables, discrete choice models, simultaneous estimation. INTRODUCCIÓN La inclusión de elementos subjetivos en modelos de elección discreta ha resurgido con fuerza como tema de análisis y discusión, tras perder algo de interés luego de haber sido un tema álgido a principios de los 80 (Ortúzar y Hutt, 1984). Así, en la última década se han planteado modelos híbridos de elección que consideran tanto atributos tangibles de cada alternativa (i.e. las variables explicativas clásicas), como elementos intangibles asociados a percepciones y/o actitudes de las personas, expresadas a través de variables latentes (McFadden, 1986; Ashok et al., 2002). Para estimar modelos con ambos tipos de variables se han desarrollado dos métodos: el secuencial, que aborda la construcción de variables latentes previo a su integración con las variables tradicionales, y el simultáneo, en que ambos procesos se realizan conjuntamente. El segundo debiera producir estimadores más eficientes de los parámetros involucrados (Ben-Akiva et al., 2002), pero ha sido menos utilizado debido a su mayor complejidad. El principal objetivo de este trabajo es realizar un análisis crítico de los resultados obtenidos a partir de la estimación simultánea de modelos de elección discreta en comparación con los obtenidos en forma secuencial, a fin de identificar posibles discordancias y sus razones de ocurrencia. Para esto se consideran dos bancos de datos, provenientes de encuestas de elección modal para viajes urbanos e interurbanos, en cuya modelación se incorporan variables latentes. 2. ANTECEDENTES GENERALES 2.1 Modelo de Variables Latentes Las variables latentes son factores que inciden en el comportamiento y percepciones individuales, pero no se pueden cuantificar debido a su intangibilidad (no poseen una escala de medición) o a su subjetividad intrínseca (distintas personas las perciben de diferente forma). La identificación de variables latentes requiere comenzar por complementar una encuesta de preferencias reveladas estándar, con preguntas que intentan captar las percepciones de los individuos sobre ciertos aspectos que de otra manera no sería posible medir, generando indicadores de percepción. La metodología desarrollada para el tratamiento de variables latentes (Bollen, 1989) consiste en plantear un modelo del tipo MIMIC (Multiple Indicator Multiple Cause) en que estas variables (η ilq ) son explicadas por características de los individuos y las alternativas ( siqr ) a través de ecuaciones estructurales como (1); a su vez, las variables latentes explican los indicadores de percepción ( y ipq ) mediante ecuaciones de medición como (2): 26 Análisis de los Enfoques Secuencial y Simultáneo para la Estimación de Modelos Híbridos de Elección Discreta INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 26-31 Artículo de Investigación η ilq = ∑ α ilr ⋅ s iqr + ν ilq (1) y ipq = ∑ γ ilp ⋅ η ilq + ζ ipq (2) r l donde i indica una alternativa, l una variable latente, q un individuo, r una variable explicativa y p un indicador; αilr y γ ilp son parámetros a estimar, mientras que ν ilq y ζ ipq son componentes de error que se asumen con media cero y desviación estándar a determinar. Dado que los términos ηilq son desconocidos, ambas ecuaciones deben ser consideradas en forma conjunta en el proceso de obtención de estimaciones de los parámetros. 2.1 Modelo Híbrido de Elección Discreta 2.3.2 Estimación Simultánea En modelación de elecciones discretas se asume tradicionalmente que los individuos actúan de forma racional maximizando su utilidad U iq ; el modelador, que es un observador del sistema, define una utilidad representativa V iq y (como no posee información perfecta) un término de error ε iq asociado a cada alternativa (Ortúzar y Willumsen, 2001), tal que: (3) U iq = Viq + ε iq La utilidad representativa V iq es función de atributos objetivos de las alternativas X ikq , como tiempo y tarifa; si se incluyen variables latentes se obtiene una función de utilidad como (4), donde θ ik y β il son parámetros a calibrar asociados, respectivamente, a los atributos tangibles y las variables latentes: (4) V = θ ⋅ X + β ⋅η iq ∑ k ik ikq ∑ il razón por la que es el método más utilizado en la práctica (Ashok, et al., 2002; Vredin Johansson et al., 2005). Sin embargo, un problema potencialmente serio de este enfoque es que no garantiza estimadores insesgados de los parámetros involucrados (Bollen, 1989); de igual manera, las desviaciones estándar de los parámetros tienden a subestimarse, produciendo estimadores cuyo nivel de significancia estadística es más elevado que su aporte real al modelo. Este problema puede solucionarse mediante una corrección estadística de las varianzas de los parámetros (Murphy y Topel, 1985), pero este no es un proceso sencillo de realizar. Esta corrección no se realiza en este estudio ya que, a medida que la cantidad de alternativas y parámetros del modelo híbrido aumenta, la dificultad de la corrección de la significancia estadística de las variables latentes crece exponencialmente, complejizando considerablemente el proceso. ilq En este enfoque la calibración conjunta se realiza mediante máxima verosimilitud, tomando la probabilidad de replicar la elección individual en base a la utilidad representativa planteada por el modelador; es decir Pr d iq Viq . A partir de (4), esta ( ( ⎧ 1 si U iq ≥ U jq , ∀j ∈ A(q ) d iq = ⎨ ⎩ 0 en otro caso (5) 2.3 Metodologías de Estimación 2.3.1 Estimación Secuencial En este caso el problema se aborda en dos etapas, separando las interacciones entre el modelo de variables latentes y el de elección discreta. En primera instancia se resuelve el modelo MIMIC, para obtener estimadores de los parámetros en las ecuaciones que relacionan las variables latentes con los indicadores de percepción y las variables explicativas. Utilizando estos parámetros en la ecuación (1), se obtienen los valores esperados de las variables latentes para cada individuo y alternativa. Con esto, las variables latentes pueden ser parte del conjunto de variables explicativas del modelo de elección, estimándose junto a las variables tradicionales en una segunda etapa. Si bien este método posee la desventaja de no utilizar toda la información disponible en conjunto, la aplicación es clara y no presenta dificultades adicionales a las de un modelo tradicional, S. Raveau, JD. Ortúzar y MF. Yáñez ) Como las variables latentes no son observables, es necesario integrar sobre su espacio de variación, condicionándolas en las variables que las explican. Así, la probabilidad de elección está dada por (6), donde g (⋅) es la función densidad de probabilidad de las variables latentes. ( ) Pr d iq X ikq , siqr ,θ ik , β il , α ilr = ( ) ∫ Pr d iq X ikq ,η ilq ,θ ik , β il ⋅ g (η ilq siqr , α ilr ) ⋅ dη ilq = (6) η ilq l Como las variables η ilq no son conocidas, el modelo de elección debe abordarse en conjunto con las ecuaciones estructurales (1) y de medición (2) del modelo MIMIC. Finalmente, para caracterizar las decisiones individuales se definen variables binarias d iq , que toman valores según (5), donde A(q ) es el conjunto de alternativas disponibles para el individuo q. ) probabilidad condicional puede expresarse en términos de las variables y parámetros del modelo de elección, obteniéndose una probabilidad de elección de la forma Pr d iq X ikq ,η ilq ,θ ik , β il . Para estimar el modelo es necesario introducir la información entregada por los indicadores de percepción pues, de lo contrario, el modelo no sería identificable. Los indicadores no son variables explicativas del modelo sino, al contrario, variables endógenas a las variables latentes tal que la probabilidad de elección a utilizar durante la estimación está dada por (7), donde f (⋅) es la función densidad de probabilidad de los indicadores. ( ) Pr d iq , yipq X ikq , s iqr ,θ ik , β il , α ilr , γ ipq = ( ) ∫ Pr d iq X ikq ,η ilq ,θ ik , β il ⋅ f (yipq ηilq , γ ipq ) ⋅ g (η ilq siqr , α ilr ) ⋅ dη ilq (7) η ilq Una vez definida la forma funcional del modelo de elección discreta1, se utiliza máxima verosimilitud simulada para la estimación de los parámetros del modelo hibrido (Bolduc et al., 2008); en nuestro caso se ocupó el Método del Gradiente, realizando en cada iteración 500 simulaciones de las variables latentes a partir de una secuencia pseudo-aleatoria de Halton. 3. APLICACIÓN A UN CASO INTERURBANO El primer caso de estudio corresponde a una encuesta de preferencias reveladas basada en la elección de viajes interurbanos entre Santiago y cuatro ciudades del sur de Chile. Para el estudio se consideró sólo dos modos de transporte: bus y tren (Egaña, 2009). Se consultó a los encuestados sobre: ingreso, nivel de educación, actividades realizadas durante el viaje, quién 1 En este estudio sólo se consideró modelos Logit Multinomial, debido a restricciones computacionales experimentadas al estimar el modelo en forma simultánea 27 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 26-31 pagaba el viaje y si el individuo viajaba en grupo, con bultos, con niños o con notebook. Además, se incluyó preguntas acerca de si habían sufrido, o visto personalmente, robos y/o accidentes. Se recolectó información de tarifas (dos categorías de tren: salón y preferente, y dos para el bus: clásico y ejecutivo), tiempos de viaje y de espera. El tiempo de acceso al terminal no fue considerado pues los terminales de ambos modos son cercanos en las ciudades consideradas. Ingreso Alto Niños y/o Bultos Viaja con Notebook Aprovechar el Viaje Comodidad Viaja en Grupo Puntualidad Actividades Sociales Relajarse en el Viaje Edad Seguridad del Viaje Sufrido Accidentes (8) A partir de las relaciones teóricas entre las variables se plantearon distintas estructuras de causalidad entre las variables explicativas, las variables latentes y los indicadores de percepción, las que luego fueron corroboradas mediante análisis factorial. En la Figura 1 se indican las relaciones que resultaron estadísticamente relevantes entre las variables explicativas y las variables latentes, así como éstas últimas y los indicadores (Egaña, 2009). 3.2 Estructura del Modelo de Elección Discreta La función de utilidad representativa considerada incluyó variaciones sistemáticas en los gustos para las variables costo, según fuente de pago y tipo de pasaje, y tiempo de viaje, según sexo. La forma general de la función de utilidad está dada por (9), que corresponde a la mejor especificación obtenida por Egaña (2009) en su estudio, tras considerar diversas formulaciones: Viq = (θcos to + θ paga ⋅ Pagaq + θ categoría ⋅ Categoríaq ) ⋅ Costoiq + (θtvia + θsexo ⋅ Hombreq ) ⋅ Tviaiq (9) + β com ⋅ Comodidad iq + β seg ⋅ Seguridad iq + K i 2 Los modelos reportados por la literatura consideran sólo variables socioeconómicas como variables explicativas. No se encontró reporte de la utilización de factores objetivos como en este caso. 28 Seguridad Vehículo Índice de Fatalidades Al diseñar el estudio se consideró dos variables latentes: comodidad y seguridad. Para captar los efectos de estas variables, en el proceso de toma de decisión de los encuestados se solicitó que evaluaran (con notas de 1 a 7) una serie de aspectos asociados a viajar en bus o tren, obteniendo nueve indicadores de percepción: (1) facilidad para viajar con niños y/o bultos, (2) posibilidad de aprovechar el tiempo de viaje para leer, (3) comodidad durante el viaje, (4) puntualidad en el horario de salida, (5) posibilidad de relajarse durante el viaje, (6) seguridad durante el viaje, en el sentido de no sufrir accidentes, (7) seguridad en caso de accidentes, en el sentido de nivel de protección, (8) seguridad ante robos en el vehículo, y (9) seguridad ante robos en el terminal. Para explicar las variables latentes comodidad y seguridad, se consideró las siguientes variables explicativas: (i) un grupo que caracteriza las condiciones del viaje: individuo viaja solo o en grupo, con o sin computador portátil, con o sin experiencia de accidentes y/o robos anteriores; (ii) dos variables binarias relacionadas con actividades desarrolladas durante el viaje: actividades sociales (jugar con niños y conversar con otros pasajeros) y actividades intelectuales (leer por placer y trabajar/estudiar); (iii) dos variables socioeconómicas: edad e ingreso, esta última considerando dos segmentos, ingreso bajo (inferior a $400.00 mensuales) e ingreso alto; y (iv) una variable objetiva2, que consiste en un índice de fatalidades dado por (8): 1 2007 ⋅ ∑ Fatalidades Año i ( pax año ) ⋅ Distancia Viaje ( km ) 8 2000 Índice = Distancia Anual ( km ⋅ veh año ) ⋅ Pasajeros por Viaje ( pax veh ) Nivel de Protección Seguridad Sufrido Robos 3.1 Estructura del Modelo de Variables Latentes Comodidad del Viaje Activ. Intelectuales Seguridad Terminal FIGURA 1: Estructura del Modelo de Variables Latentes, Caso Interurbano No se incluyó como variable explicativa al tiempo de espera pues ambos modos tienen horarios predeterminados que se cumplen con relativa rigurosidad. 3.3 Análisis de Resultados El modelo híbrido fue calibrado en forma secuencial por Egaña (2009) y en forma simultánea en este trabajo. En la Tabla 1 se presentan los resultados de ambos procesos de estimación, así como el modelo equivalente sin variables latentes. Las estimaciones se acompañan con los respectivos test-t de los parámetros y se incluye también el valor de la log-verosimilitud final de los modelos. Para el modelo híbrido en el método simultáneo, ésta corresponde a la función objetivo del problema; para el método secuencial se consideran las funciones de logverosimilitud obtenidas por separado para el modelo de ecuaciones estructurales y de elección. Finalmente, para el modelo sin variables latentes se asumió nulos los parámetros de las ecuaciones estructurales y se resolvió sólo el modelo de elección, evaluando luego la función de log-verosimilitud. Es importante recordar que estos resultados se obtienen en forma conjunta con la estimación del modelo de variables latentes para el caso simultáneo (para detalles, ver Raveau, 2009). TABLA 1: Resultados del Modelo de Elección, Caso Interurbano Parámetro Costo Paga Categoría Tiempo de viaje Hombre Comodidad Seguridad ASC Bus Numero de observaciones Logverosimilitud Modelo Híbrido Secuencial -0,754 (-6,91) -0,176 (-2,21) 0,925 (9,07) -0,018 (-3,17) -0,001 (-0,26) 1,528 (5,70) 1,700 (4,79) 0,358 (0,85) Modelo Híbrido Simultáneo -0,658 (-7,32) -0,209 (-2,61) 0,960 (6,82) -0,019 (-3,87) -0,005 (-1,35) 1,392 (3,84) 0,781 (2,54) 0,136 (0,29) Modelo sin Variables Latentes -0,721 (-7,00) -0,221 (-2,87) 1,025 (10,28) -0,021 (-3,78) -0,006 (-1,53) -0,533 (1,42) 600 600 600 -20.870,92 -18.847,10 -34.013,57 En primer lugar, se aprecia que todos los signos obtenidos en los modelos son correctos. Respecto a las magnitudes de los parámetros, se puede ver que los hombres experimentan una mayor des-utilidad que las mujeres frente a un aumento en el tiempo de viaje; por otra parte, viajar en categoría alta implica que los individuos parecen ser indiferentes al costo (éste no es relevante en la elección, producto del compromiso entre precio y calidad). La constante modal, como es esperable, resultó más significativa en el modelo sin variables latentes. En la Tabla 2 se presentan los valores subjetivos del tiempo de viaje (Gaudry et al., 1989) y las valoraciones de cada unidad de seguridad y comodidad adicional para los individuos que pagan pasaje y no viajan en clase alta (el caso de análisis más interesante). Análisis de los Enfoques Secuencial y Simultáneo para la Estimación de Modelos Híbridos de Elección Discreta INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 26-31 Artículo de Investigación Como ambas variables latentes no poseen unidades, no es posible establecer una medida clara de valoración; sin embargo, es posible comparar entre sí los valores estimados secuencial y simultáneamente. educacional de los encuestados, así como sus elecciones y alternativas disponibles. Finalmente, se midió separadamente en terreno los tiempos de viaje, espera y caminata, el costo del viaje y la cantidad de transbordos, para cada alternativa disponible. TABLA 2: Valoraciones de Atributos, Caso Interurbano Valor Subjetivo Tiempo de Viaje para Hombres Tiempo de Viaje para Mujeres Comodidad Seguridad Modelo Híbrido Secuencial Modelo Híbrido Simultáneo Modelo sin Variables Latentes 1.234 [$/hr] 1.661 [$/hr] 1.668 [$/hr] 1.167 [$/hr] 1.315 [$/hr] 1.307 [$/hr] 1.643 [$/unidad] 1.828 [$/unidad] 1.606 [$/unidad] - 901 [$/unidad] - Como se aprecia, los hombres tienen una mayor valoración del tiempo que las mujeres, lo que se puede explicar por su mayor tasa de empleo o por la mayor probabilidad de ser jefes de hogar. Un hecho interesante es que el modelo con valoraciones más cercanas a las del modelo híbrido simultáneo no es el secuencial, sino el modelo sin variables latentes (que posee en ambos casos errores menores al 1%), tanto para hombres como mujeres. El método secuencial subestima las valoraciones del tiempo en un 26% para los hombres y un 11% para las mujeres. Respecto de la comodidad, ambos métodos de resolución del modelo híbrido entregan resultados muy similares (2% de error); en cambio, la valoración de la seguridad obtenida con el método secuencial duplica a la del método simultáneo. La alta significancia estadística de las variables latentes reafirma la importancia de plantear un modelo híbrido por sobre el modelo de elección discreta clásico. Como era de esperar, mediante el método secuencial se subestima la desviación estándar de sus parámetros, obteniéndose test-t mayores para ellos al usar el método simultáneo. Pero, más importante, también se produce una diferencia considerable entre la utilidad marginal de la seguridad en ambos casos, lo que puede deberse a posibles cambios de escala producto de la calibración de las ecuaciones estructurales que las generan. Finalmente, la no inclusión de variables latentes ocasiona que la constante modal deba captar los efectos omitidos, incrementando su significancia estadística. 4.1 Estructura del Modelo de Variables Latentes Se consideró tres variables latentes: accesibilidad/comodidad, confiabilidad y seguridad, y se definió siete indicadores de percepción para captar sus efectos. Estos consisten en evaluaciones, con nota de 1 a 7, de los siguientes aspectos de cada modo de transporte puro: (1) seguridad en cuanto a accidentes, (2) seguridad en cuanto a robos, (3) facilidad de acceso, (4) comodidad durante el viaje, (5) disponibilidad de información adecuada, (6) posibilidad de calcular previamente el tiempo de viaje, y (7) posibilidad de calcular previamente el tiempo de espera. Se consideró cuatro variable explicativas para las ecuaciones estructurales: el nivel educacional, segmentado en las categorías primaria, secundaria, técnica/profesional y universitaria/postgrado, la edad, el sexo y el ingreso segmentado en tres categorías (“bajo” hasta $350.000, “medio” entre $350.000 y $1.000.000 y “alto” desde $1.000.000). Las interrelaciones del modelo MIMIC fueron estudiadas mediante análisis factorial a fin de garantizar su correcto funcionamiento. En la Figura 2 se señalan los resultados obtenidos de este proceso. Ingreso Medio Seguridad Seguridad Accidentes Ingreso Alto Seguridad Robos Sexo Facilidad de Acceso Edad Educación Secundaria Accesibilidad Comodidad Educ. Profesional Educ. Universitaria Comodidad del Viaje Información Tiempo de Viaje Confiabilidad Tiempo de Espera FIGURA 2: Estructura del Modelo de Variables Latentes, Caso Urbano 4.2 Estructura del Modelo de Elección Discreta 4. APLICACIÓN A UN CASO URBANO El transporte urbano representa un caso de análisis atractivo ya que las alternativas disponibles son variadas tanto en cantidad como en características, cubriendo las necesidades y gustos de los usuarios. El banco de datos utilizado en este caso fue la cuarta ola del Panel de Santiago (Yáñez et al., 2008), que considera la elección de modo de transporte en viajes al trabajo en punta mañana durante cinco días laborales. Para generar indicadores de percepción y de esta forma mejorar los resultados en modelación de las primeras olas, en la cuarta se incorporó una sección en que los encuestados debían evaluar distintas características de los modos (Rojas, 2009). El estudio considera diez modos de transporte, puros y combinados: (1) auto-chofer, (2) auto-acompañante, (3) taxi colectivo, (4) metro, (5) bus, (6) auto-chofer/metro, (7) autoacompañante/metro, (8) taxi colectivo/metro, (9) bus/metro, y (10) taxi colectivo/bus. Los datos utilizados para la modelación provienen de las cinco respuestas proporcionadas por cada uno de los 302 encuestados; sin embargo, se trabajó sin considerar la existencia de correlación entre las observaciones que pertenecen a un mismo individuo debido a limitaciones computacionales en la resolución del modelo híbrido. También se dispone de información acerca del estrato socio-económico, edad y nivel S. Raveau, JD. Ortúzar y MF. Yáñez La función de utilidad representativa en este caso incluye las distintas variables de tiempo incluidas en la encuesta de preferencias reveladas, así como el número de transbordos y considera variaciones sistemáticas según sexo para el tiempo de viaje. La variable costo fue normalizada por la tasa salarial individual wq . La forma general de la función de utilidad (10) corresponde a la mejor especificación obtenida entre distintas formulaciones estudiadas; cabe recordar que los modos combinados no poseen variables latentes: Viq = θ cos to ⋅ Costoiq wq + (θ tvia + θ sexo ⋅ Sexoq ) ⋅ Tviaiq + θ tesp ⋅ Tespiq + θ tcam ⋅ Tcamiq + θ trans ⋅ Transbordosiq + β conf ⋅ Confiabilidad iq + β acc com ⋅ AccesibilidadComodidad iq + β seg ⋅ Seguridad iq + K i (10) 4.3 Análisis de Resultados El modelo híbrido fue estimado tanto en forma secuencial como simultánea en este trabajo. En la Tabla 3 se presentan los resultados de dichas estimaciones, así como el modelo equivalente sin variables latentes. Las estimaciones se acompañan con los respectivos test-t de los parámetros y también se presenta la log-verosimilitud del modelo. El detalle de la calibración del modelo MIMIC asociado se puede ver en Raveau (2009). 29 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 26-31 TABLA 3: Resultados del Modelo de Elección, Caso Urbano Parámetro Costo/tasa salarial Tiempo de viaje Sexo Tiempo de espera Tiempo de caminata Transbordos Accesibilidadcomodidad Confiabilidad Seguridad ASC Auto Chofer ASC AutoAcompañante ASC Taxi Colectivo ASC Metro ASC AutoChofer/Metro ASC AutoAcomp./Metro ASC Colectivo/Metro ASC Bus/Metro ASC Colectivo/Bus Número de Observaciones Log-verosimilitud Modelo Híbrido Secuencial Modelo Híbrido Simultáneo -0,028 (-6,46) -0,032 (-7,32) -0,027 (-8,13) -0,007 (-4,25) -0,001 (-2,91) -0,006 (-4,67) -0,001 (-3,01) -0,033 (-4,82) 0,030 (2,98) -0,013 (-0,58) -0,015 (-1,69) -0,009 (-0,53) -0,019 (-1,69) -0,022 (-2,89) -0,016 (-1,80) -1,060 (-7,85) -1,102 (-8,21) -1,110 (-8,20) Modelo Híbrido Secuencial Modelo Híbrido Simultáneo Modelo sin Variables Latentes 861 [$/hr] 693 [$/hr] 261 [$/hr] 780 [$/hr] 596 [$/hr] Tiempo de Espera 1.363 [$/hr] 1.467 [$/hr] Tiempo de Caminata 2.045 [$/hr] 2.143 [$/hr] 1.926 [$/transb.] 1.072 [$/unidad] 725 [$/unidad] 1.058 [$/unidad] 1.778 [$/transb.] 1.003 [$/unidad] 711 [$/unidad] 989 [$/unidad] Valor Subjetivo Tiempo de Viaje para Hombres Tiempo de Viaje para Mujeres 0,590 (4,23) 0,622 (3,79) - Transbordos 0,339 (2,91) 0,582 (2,01) 0,441 (2,70) 0,613 (1,87) - Accesibilidad/Comodidad 0,664 (2,81) 0,733 (2,03) 1,220 (5,84) Confiabilidad Valoración de la Seguridad -0,903 (-3,83) -0,889 (-2,12) -0,800 (-3,64) -1,280 (-3,69) -1,331 (-1,78) -1,420 (-4,60) 0,248 (1,13) 0,247 (0,81) 0,241 (1,56) 0,142 (0,41) 0,223 (0,51) 0,779 (2,65) -0,989 (-3,08) -0,882 (-2,22) -0,309 (-1,28) -0,078 (-0,36) -0,848 (-2,93) -0,913 (-1,55) -0,088 (-0,37) 0,342 (1,41) 0,608 (4,59) -1,280 (-3,72) -1,005 (-3,68) -0,473 (-1,68) 1.107 1.107 1.107 -55.578,85 -47.883,43 -105.567,06 Se aprecia que todos los signos obtenidos son los esperados de acuerdo a la teoría macroeconómica: las utilidades marginales de las variables latentes son positivas, mientras que los atributos de tiempo, costo y transbordos representan una des-utilidad para los individuos. En todos los casos se obtienen parámetros del tiempo de viaje negativos tanto para hombres como mujeres. Utilizando el método simultáneo, todas las variables son estadísticamente significativas al menos al 90% de confianza, mientras que en los otros modelos esto no ocurre (en especial en relación al tiempo de espera). Las constantes modales del modelo sin variables latentes resultan más significativas que en los modelos híbridos, lo cual es esperable debido a que, al poseer menos variables explicativas, éstas deben explicar (de la mejor forma posible) la información omitida, ajustándose a los patrones de elección de los individuos. Sólo la constante específica del modo bus/metro presenta diferente signo al estimar el modelo en forma secuencial; esto ocurre debido al bajo nivel de significancia de dicho parámetro. En ambos modelos híbridos es posible concluir que los hombres son más sensibles al tiempo de viaje que las mujeres, sin embargo en el modelo sin variables latentes ocurre lo contrario. Destaca también la diferencia de magnitud de la utilidad marginal del tiempo para las mujeres entre los modelos híbridos y el modelo sin variables latentes (cercana al 500%). En la Tabla 4 se presentan los valores subjetivos del tiempo de viaje, espera y caminata, así como las valoraciones asociadas a los transbordos y a las variables latentes. Como se desconoce la escala de éstas últimas, sólo es posible compararlas entre los distintos métodos de estimación. Para todas las valoraciones presentadas, se considera una tasa salarial promedio de $3.080 por hora trabajada; este valor se obtuvo a partir de la información recolectada en el Panel de Santiago. 30 TABLA 4: Valoraciones de Atributos, Caso Urbano Modelo sin Variables Latentes 3.706 [$/hr] 1.015 [$/hr] 1.819 [$/hr] 2.103 [$/transb.] - Parece evidente que el valor subjetivo del tiempo derivado a partir del modelo sin variables latentes es errado (para hombres se produce una subestimación, mientras que para mujeres se obtiene un valor extremadamente alto). Esto es una clara desventaja del modelo, que reafirma la importancia de incluir variables latentes en la modelación. Los valores del tiempo de espera y caminata, así como la valoración de transbordos correspondientes al modelo sin variables latentes, se encuentran dentro del rango razonable; sin embargo, los errores relativos con respecto al modelo híbrido simultáneo oscilan entre 15% y 30%. Por otro lado, al utilizar el modelo híbrido secuencial se sobreestima el valor del tiempo (para hombres y mujeres) en casi 30%, esto podría resultar grave al momento de evaluar los beneficios de la implementación de alguna política de transporte. Si bien las diferencias no superan el 10% en el caso de la valoración del tiempo de caminata, espera y transbordos, pueden llegar a ser igualmente graves al evaluar políticas. Las variables latentes resultan significativas bajo ambos métodos de calibración del modelo híbrido; como es de esperar, utilizando el método secuencial se obtienen test-t mayores debido a la subestimación de las desviaciones estándar propias de la estimación en dos etapas. Un hecho interesante es que, si bien mediante el método simultáneo se obtienen parámetros más elevados, no se aprecian diferencias notorias en las magnitudes. Si bien mediante el método simultáneo se obtienen mayores parámetros, las valoraciones de cada unidad de variable latente son menores que las obtenidas mediante el enfoque secuencial. 5. CONCLUSIONES En base al análisis realizado en situaciones de elección modal a nivel urbano e interurbano, es posible afirmar que existen diferencias importantes entre la estimación del modelo híbrido mediante los métodos secuencial y simultáneo. En primer lugar, se producen diferencias de escala en la estimación de algunos de los parámetros que acompañan a las variables latentes del modelo híbrido de elección discreta. Esto tiene implicancias no despreciables al momento de utilizar el modelo para predecir o evaluar políticas de transporte. En segundo lugar, al derivar valoraciones subjetivas a partir de las utilidades marginales estimadas, se aprecian diferencias sustanciales entre los modelos que incluyen variables latentes y el modelo tradicional. De igual manera, existen diferencias relevantes entre las valoraciones obtenidas para el modelo híbrido al calibrarlo secuencial o simultáneamente. Análisis de los Enfoques Secuencial y Simultáneo para la Estimación de Modelos Híbridos de Elección Discreta INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 26-31 Un tema que al parecer no ha sido abordado en la literatura especializada es la utilización de modelos híbridos de elección discreta en modalidad predictiva y/o evaluación de políticas de transporte. El sustancial desarrollo que han tenido estos modelos en el último tiempo se ha limitado a su formulación y calibración, pero no se ha encontrado evidencia acerca de su uso práctico. La problemática surge a partir de la naturaleza intrínseca de las variables latentes; al ser desconocidas, no sólo deben ser predichas para los escenarios de evaluación, sino que varían de individuo en individuo. En este sentido, las diferencias obtenidas entre los enfoques secuencial y simultáneo de estimación pueden resultar en serias discrepancias al momento de utilizar los modelos que incluyen variables latentes. Ante las diferencias que se obtienen mediante la calibración mediante una u otra técnica, se recomienda utilizar el método simultáneo para la resolución de modelos de elección discreta con variables latentes pues, al ocupar toda la información disponible en la resolución, se obtienen estimadores eficientes e insesgados de los parámetros. El problema es que esto ocurre a costa de una mayor complejidad desde el punto de vista algorítmico. Sin embargo, es esperable que en el corto plazo se desarrollen mejores métodos computacionales para su resolución (en términos de eficiencia y convergencia). Este aspecto representa una dirección de avance incuestionable para los modelos híbridos: desarrollar metodologías para la evaluación y resolución del problema, mediante algoritmos más rápidos, eficientes y precisos. AGRADECIMIENTOS Deseamos agradecer la colaboración de Denis Bolduc y Ricardo Álvarez-Daziano, Universidad de Laval, por habernos proporcionado el software experimental para estimar modelos híbridos en forma simultánea y habernos apoyado constantemente durante el proceso. También deseamos agradecer el financiamiento de FONDECYT (Proyecto 1050672) y del Instituto Milenio en Sistemas Complejos de Ingeniería (Proyecto P05-004F). Artículo de Investigación REFERENCIAS Ashok, K., Dillon, W. y Yuan, S. (2002) Extending discrete choice models to incorporate attitudinal and other latent variables. Journal of Marketing Research 39, 31-46. Ben-Akiva, M.E., Walker, J.L., Bernardino, A.T., Gopinath, D.A., Morikawa, T. y Polydoropoulou, A. (2002) Integration of choice and latent variable models. En H.S. Mahmassani (ed.), In Perpetual Motion: Travel Behaviour Research Opportunities and Challenges, 431-470. Pergamon, Amsterdam. Bolduc, D., Boucher, N. y Álvarez-Daziano, R. (2008) Hybrid choice modelling of new technologies for car choice in Canada. Transportation Research Record 2082, 63-71. Bollen, K.A. (1989) Structural Equations with Latent Variables. John Wiley and Sons, Chichester. Egaña, J.N. (2009) Inclusión de Variables Latentes en Modelos de Elección Discreta para Usuarios de Buses y Trenes Interurbanos. Tesis de Magíster en Ciencias de la Ingeniería, Departamento de Ingeniería de Transporte y Logística, Pontificia Universidad Católica de Chile. Gaudry, M.J.I., Jara-Díaz, S.R. y Ortúzar, J. de D. (1989) Value of time sensitivity to model specification. Transportation Research 23B, 151158. McFadden, D. (1986) The choice theory approach to market research. Marketing Science 5, 275-297. Murphy, K.M. y Topel, R.H. (1985) Estimation and inference in two-step econometric models. Journal of Business and Economic Statistics 3, 370-379. Ortúzar, J. de D. y Hutt G.A. (1984) La influencia de elementos subjetivos en funciones desagregadas de elección discreta. Ingeniería de Sistemas IV, 37-54. Ortúzar, J. de D. y Willumsen, L.G. (2001) Modelling Transport. John Wiley & Sons, Chichester. Raveau, S. (2009) Estimación Simultánea de Modelos de Elección Discreta con Variables Latentes. Memoria de Título, Departamento de Ingeniería de Transporte y Logística, Pontificia Universidad Católica de Chile. Rojas, M.R. (2009) Modelos de Elección Discreta con Variables Latentes para Sistemas de Transporte Urbano. Memoria de Título, Departamento de Ingeniería de Transporte y Logística, Pontificia Universidad Católica de Chile. Vredin Johansson, M., Heldt, T. y Johansson, P. (2005) Latent variables in a travel mode choice model: attitudinal and behavioural indicator variables. Working Paper, Department of Economics, Uppsala University. Yáñez, M.F., Heydecker, B.G. y Ortúzar, J. de D. (2008) A panel data model to forecast the effect of a radical public transport innovation. 4th International Symposium on Travel Demand Management (TDM2008). Viena, Austria. S. Raveau, JD. Ortúzar y MF. Yáñez 31 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 32-36 Resultados de la Modelación Microscópica de Interacciones Vehículos-Pasajeros-Tráfico para el Diseño de Sistemas BRT Rodrigo Fernández A. Facultad de Ingeniería, Universidad de los Andes Av. San Carlos de Apoquindo 2200, Las Condes, Santiago, Chile Fax: (56 2) 214 1752; E-mail: rfa@uandes.cl Cristián E. Cortes C. y Vanessa Burgos O. Departamento de Ingeniería Civil, Universidad de Chile Casilla 228-3, Santiago, Chile Fono/Fax: (56 2) 989 4206; E-mail: ccortes@ing.uchile.cl, vburgos@ryq.cl RESUMEN 1. Este artículo muestra la modelación microscópica de vehículos y pasajeros en vías, intersecciones y estaciones de transporte público. Su objetivo es contribuir a un mejor diseño de sistemas BRT (Bus Rapid Transit), como los de Santiago, Bogotá, Quito o Londres. Primero se indica cómo se ha mejorado la modelación del transporte público en microsimuladores de tráfico convencionales mediante una Application Programmig Interface (API). Luego se describe algunos experimentos de simulación realizados la API denominada MISTRANSIT. Esta API funciona con el microsimulador de tráfico PARAMICS. Se muestran cuatro aplicaciones: (a) cómo impactan las maniobras de entrelace entre vehículos de transporte público sobre la capacidad de un paradero dividido; (b) cómo afecta la programación de un semáforo aguas abajo en la capacidad de un paradero simple de sitios múltiples; (c) qué tan conveniente es dar prioridad a buses mediante semáforos actuados por éstos; y (d) cuánto puede llegar a ser la penalidad por trasbordo en estaciones. Finalmente, se comentan los resultados y se indican nuevas líneas de trabajo. Palabras clave: microsimulación, transporte público, buses. INTRODUCCIÓN Este artículo resume los resultados de experimentos realizados usando la API (Aplication Programming Interface) de PARAMICS denominada MISTRANSIT. Esta herramienta combina la modelación del transporte público usando modelos en que los pasajeros son considerados entidades de modelación − como es el caso del modelo PASSION (Fernández and Planzer, 2002) − con modelos tradicionales de seguimiento vehicular y cambio de pista para los vehículos. Un primer avance en el desarrollo del modelo MISTRANSIT fue reportado por Burgos et al (2005). Posteriores desarrollos han sido mostrados por Cortés et al (2006), Fernández et al (2006) y Cortés et al (2007). La última versión de MISTRANSIT opera según se presenta en la Figura 1. PARAMICS MISTRANSIT Carga la red Datos externos Estructura datos Parte simulación ABSTRACT Pasajeros This article shows the microscopic modelling of vehicles and passengers at roads, junctions, and public transport stations. The aim is to improve the design of BRT (Bus Rapid Transit) systems such as those found in Santiago, Bogotá, Quito or London. Firstly, the improvement in the modelling of buses in conventional traffic microsimulators by means of an Application Programming Interface (API) is shown. Then, some experiments performed with the API called MISTRANSIT are described. This API works with the PARAMICS traffic microsimulator. Four applications are shown: (a) how much is the impact of weaving manoeuvres on the capacity of a divided bus stop; (b) how much a downstream traffic signal can reduce the capacity of a multipleberth bus stop; (c) the advantages and limitations of active priority for buses at traffic signals; and (d) how much the stop penalty at interchange stations could be. Finally, some comments are stated and further research is suggested. Keywords: microsimulation, public transport, buses. Buses Paraderos Genera buses Progresión del bus Bus en paradero Estadísticas bus Modelo Tiempo Servicio Pasajeros Bus sale paradero Ultimo paradero? Fin simulación Actualiza estadísticas FIGURA 1: Esquema de Funcionamiento de MISTRANSIT con PARAMICS Tres análisis se llevaron a cabo con MISTRANSIT. El primero consistió en el estudiar la capacidad de estaciones divididas de BRT. El segundo analizó el efecto de un semáforo aguas abajo sobre la capacidad de un paradero. El tercero se refiere a las ventajas y limitaciones que puede tener la prioridad activa de los buses en los semáforos versus un plan de tiempo fijo. El último, apunta al efecto que puede tener sobre los tiempos de acceso y espera los trasbordos entre servicios de buses y metro. Ninguno de estos estudios ha sido reportado en la literatura especializada a nivel de operación en la calle. Sólo existen 32 Resultados de la Modelación Microscópica de Interacciones Vehículos-Pasajeros-Tráfico para el Diseño de Sistemas BRT INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 32-36 Artículo de Investigación razonamientos basados en modelos teóricos o usando supuestos simplificados. Esta carencia es la principal motivación de este artículo. 2. 2.2 Efecto de los Semáforos sobre la Capacidad de Estaciones EXPLICACIÓN DE LOS EXPERIMENTOS A continuación se explican los experimentos de simulación realizados con MISTRANSIT. Más detalles se pueden ver Burgos (2006). 2.1 Concepto y Capacidad de Estaciones Divididas Una estación de transporte público de superficie se define como un dispositivo vial compuesto de dos partes: un área de parada para los vehículos y un andén para los pasajeros. El área de parada es un espacio de la vía destinado a la detención de los vehículos de transporte público y puede estar constituido por uno o más lugares de detención, llamados sitios. El andén es un área destinada a la espera, embarque y desembarque de los pasajeros, pudiendo ser parte de una acera o algún otro elemento, como una isla; el andén debe ser paralelo al área de parada y tener igual longitud, tal como muestra el óvalo segmentado de la Figura.2. Área parada 2 Área parada 1 Sitio 2 Andén 2 Sitio 1 Andén 1 FIGURA 2: Componentes y Layout de una Estación de BRT Áreas de parada y andenes pueden estar dispuestas de distintas forma, dependiendo de la demanda de pasajeros y el flujo de vehículos de transporte público que sirve. Si la demanda y el flujo son bajos, un área de parada compuesta por uno o más sitios linealmente dispuestos puede ser suficiente para atenderlos. Sin embargo, para altas demandas y flujos, el seguir agregando sitios al área de parada no resulta eficiente. Experiencias estadounidenses en estaciones de buses (TRB, 2000) indican que el primer sitio es completamente eficiente (se ocupa el 100% del tiempo). Si se agrega un segundo sitio, este aporta un 85% a la capacidad de atención de vehículos y un tercero suma un 60% de eficiencia. Sin embargo, un cuarto y quinto sitios agregan sólo un 20 y un 5% de capacidad de atención, respectivamente. Por esta razón, no es conveniente tener estaciones de más de tres sitios. Lo anterior lleva al concepto de estaciones o “paraderos divididos” (Gibson y Fernández, 1995), como la mostrada en la Figura 2, en la cual una estación se divide en otras más pequeñas y eficientes para atender a una demanda de pasajeros y flujo de vehículos de consideración. Por lo tanto, el criterio de división no es otro que aumentar la capacidad de atención de vehículos y pasajeros. Luego, se definirá estación dividida como aquella compuesta de “n” sitios (n = 2, 3) y “m” áreas de parada (m = 2, 3, 4). Este concepto así como el de capacidad de estaciones divididas no se ha visto reportado en la literatura tradicional (TRB, 2000, 2003a, 2003b). En este estudio se analizaron dos aspectos del diseño de estaciones divididas de BRT para aumentar su capacidad. El primer aspecto es la conveniente separación entre dos áreas de parada adyacentes. Para ello se estudió la evolución de la longitud de cola que se produce en el área de parada de aguas abajo en función de combinaciones de su flujo de vehículos y demanda de pasajeros. Un segundo fenómeno analizado fue el efecto de las maniobras de entrelace – cruce de las flechas punteada y llena en la Figura 2 – sobre la capacidad del área de parada de aguas arriba R. Fernández A., C. Cortes C. y V. Burgos O. para diversas combinaciones de flujos y demandas en ella, así como flujo que accede al área de parada aguas abajo. Los resultados de reportan en el Capítulo 3. Trabajos previos usando el modelo de simulación IRENE (Gibson, 1966) mostraron las ventajas de un modelo de microsimulación sobre fórmulas analíticas, como la del Highway Capacity Manual (HCM), para estudiar el efecto de semáforos aguas abajo sobre la capacidad de paraderos de buses. El HCM (TRB, 2000) incorpora el efecto de un semáforo inmediatamente aguas abajo de un paradero sobre su capacidad mediante la conocida fórmula: 3,600( g / C )N eb (1) Bs = t c + (g / C )t d + Z a cv t d Donde Bs es la capacidad de un paradero de sitios múltiples; g/C es la razón de verde efectivo del semáforo de aguas abajo; Neb es el número efectivo de sitios; tc es el tiempo de despeje del paradero entre buses sucesivos; td es el tiempo promedio de transferencia de pasajeros; cv es su coeficiente de variación; y Za es la abscisa de la curva normal para una probabilidad a que se forme una cola aguas arriba del paradero. Se observa que el único elemento de la programación considerado en la Ecuación (1) es la razón de verde efectivo. No obstante, Gibson (1996) reporta una reducción de hasta un 40% en la capacidad del paradero en función de cuatro variables: el tiempo de ciclo del semáforo (C), su razón de verde efectivo (u), la distancia entre el paradero y el semáforo (D), y la posibilidad de que los buses se puedan adelantar o no en el paradero. Este autor señala que la peor programación del semáforo para la capacidad del paradero es aquella que combina un ciclo largo (120 segundos) con una baja razón de verde efectivo (0,38). Por el contrario, si se usa un ciclo de 60 segundos y una razón de verde efectivo de 0,68, la capacidad de un paradero con un semáforo inmediatamente aguas abajo se reducía en sólo un 11%. En este trabajo se replicó con PARAMICS y MISTRANSIT el experimento realizado con IRENE por Gibson (1996). Se modeló un paradero de tres sitios situado en una calle con dos pistas en el mismo sentido, asumiendo que tanto buses como pasajeros llegaban en forma aleatoria. Se supuso que la demanda de subida promedio era de 10 pasajeros por bus y que la de bajada era nula, por simplicidad. Los resultados se muestran en el capítulo 3. 2.3 Prioridad al Transporte Público en Semáforos Las medidas tradicionales para dar prioridad a los buses en las calles consisten en pistas sólo bus con el flujo o a contra flujo, excepción de prohibiciones para que los buses realicen determinadas maniobras en intersecciones, programación de semáforos que favorezcan a los buses mediante una mayor ponderación a sus demoras (e.g., vía tasa de ocupación), y semáforos actuados por buses (NATO, 1976). En el caso de semáforos actuados, un detector capta la aproximación de un bus al semáforo y hace que el controlador tome dos alternativas: (a) si el semáforo está en verde, extender este período hasta que el bus cruce la intersección; o (b) si el semáforo está en rojo, adelantar lo más pronto posible el inicio de la fase de verde para el bus. Esta estrategia es aplicada una vez por ciclo del semáforo. En este experimento se estudió el rendimiento de planes de tiempo fijo versus semáforos actuados por vehículos de transporte público. Se definieron tres estrategias. Estrategia 1: un plan fijo consistente en un tiempo de ciclo corto (C = 60 s) y alta razón de 33 Artículo de Investigación INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 32-36 verde efectivo (u = 0,68); Estrategia 2: un plan fijo óptimo calculado según el método de minimización de demoras a vehículos de Webster and Cobbe (1966); y Estrategia 3: la programación óptima anterior, pero con semáforos actuados por buses. Se compararon las demoras promedio de pasajeros de buses y autos para las tres estrategias mencionadas, cuyos resultados son analizados en el Capítulo 3. Se modeló una intersección ficticia con alto grado de saturación, como la mostrada en la Figura 3. Un flujo de 1200 vehículos livianos por hora se aproxima por la pista de tráfico general de la Calle Poniente. El flujo en la pista sólo bus fue variado entre 36 y 216 buses por hora. La demanda promedio de subida por bus fue de 5 pasajeros. Ningún pasajero bajó en el paradero. Por la Calle Norte llega un flujo de 3200 vehículos livianos por hora. LAS REJAS 01 LAS REJAS 06 09 11 07 08 ALAMEDA o 02 04 05 ALIMENTADOR 03 LAS REJAS LAS REJAS Calle Norte Calle Poniente Sólo Bus Paradero Detector N 40m ALAMEDA FEEDER ECUADOR ALIMENTADOR FIGURA 3: Intersección del Experimento de Prioridad en Semáforos LAS REJAS ALIMENTADOR FEEDER 2.4 Penalización por Trasbordo en Estaciones Se entiende penalización por trasbordo al tiempo de viaje adicional que toma a los pasajeros del sistema de transporte público la caminata entre un servicio y otro (tiempo de acceso), más el tiempo de espera del nuevo servicio. Su importancia radica en que los usuarios perciben estos tiempos como si fuesen el doble o triple del tiempo de viaje en el vehículo. Varios autores sugieren que un trasbordo bien sincronizado impone un tiempo adicional de viaje de entre 2 a 9 minutos (White, 1986). El objetivo de este experimento consistió en estimar la penalización por trasbordo que ocurrirá en la estación de Las Rejas en la hora punta mañana una vez que Transantiago esté operando en régimen. Mediante MISTRANSIT se pudo calcular tanto el tiempo de caminata como el de espera entre servicios alimentadores, troncales y el Metro en la estación. En la Figura 4 se muestra la modelación en 2 y 3 dimensiones realizada sobre la plataforma del microsimulador de tráfico PARAMICS. Los paraderos 04, 05 y 08 atienden servicios alimentadores. El resto son para servicios troncales. Un total de 650 buses y 18600 pasajeros fueron simulados durante una hora de operación de la estación. Aproximadamente el 77% combina desde buses al Metro, un 16% desde el Metro a buses y el 7% restante entre buses alimentadores y troncales. Dos patrones de llegadas de buses fueron analizados: llegadas regulares a intervalo constante y llegadas aleatorias. Para los pasajeros se asumió llegadas aleatorias y se probó qué pasaba si el 30 y 50% de los pasajeros que llegaban desde el Metro lo hacían en grupo. Los resultados se describen en el Capítulo que sigue. 34 ALIMENTADOR FEEDER FIGURA 4: Modelación 2D y 3D de la Estación de Trasbordo Las Rejas 3. RESULTADOS Y DISCUSIÓN En lo que sigue se resumen los resultados y discusión de los experimentos detallados más arriba. Pormenores de estos y otros análisis realizados con MISTRANSIT pueden ser consultados en Burgos (2006). 3.1 Capacidad de Estaciones Divididas Se observó una reducción en la capacidad del área de parada de aguas arriba de la estación que depende del número de sitios. Para 3 sitios, la capacidad se reduce en casi un 9%. En el caso de 2 sitios, la reducción aumenta al 17%. Sin embargo, dichas reducciones se reducen a un 7% – independiente del número de sitios – si se cumplen las siguientes recomendaciones de Gibson y Fernández (1995): (a) las áreas de parada se encuentran a una distancia igual o superior a la equivalente al largo de 3 buses entre sí; (b) la longitud media de cola en el área de parada de aguas abajo es menor o igual a 0,5 buses. Este resultado refutaría la independencia de funcionamiento de áreas de parada cuando se dan las condiciones (a) y (b) mencionadas. Por otra parte, no se reportaron influencias sobre la capacidad del área de parada de aguas abajo. En consecuencia, la capacidad global de una estación dividida (QE) como la de la Figura 2, se obtendría como: Resultados de la Modelación Microscópica de Interacciones Vehículos-Pasajeros-Tráfico para el Diseño de Sistemas BRT INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 32-36 Artículo de Investigación (2) ⎧154 − 0,95q1 ; 3 sitios Q2 = ⎨ ⎩119 − 1,29q1 ; 2 sitios Donde Q1 y Q2 es la capacidad del área de parada de aguas abajo y aguas arriba, respectivamente, y q1 es el flujo que llega al área de parada de aguas abajo; todas las variables en [bus/h]. Este resultado no había sido reportado antes con otros modelos de microsimulación de tráfico. En todo caso, la capacidad de una estación dividida para m = 2 y n = 3 es alrededor de 150 [bus/h], dependiendo de las tasas de subida y bajada de pasajeros por bus. En nuestro caso, estas fueron de 10 y 6 [pax/bus], respectivamente. 3.2 Efecto de Semáforos Aguas Abajo La Tabla 1 muestra los resultados de este experimento. En general, se confirma lo afirmado por Gibson (1996) en su oportunidad usando el modelo IRENE. Sin embargo, en nuestros resultados el rango de reducción de capacidad es mayor (0 a 60%). Por ejemplo, para el mismo caso referido en 2.2, se obtiene una reducción del 19% versus el 11% reportado por Gibson (1996). La diferencia proviene de los distintos patrones de llegada de pasajeros usados por MISTRANSIT (exponencial negativa) e IRENE (constante). Además, las llegadas de buses siguen en IRENE una distribución Cowan M3 (Cowan, 1975), mientras que en MISTRANSIT se usó una distribución exponencial negativa simple. Se observa, sin embargo, un patrón más sistemático bajo condiciones FIAO (First-In-Any-Out) que FIFO (First-In-FirstOut). Esto se debe a que en PARAMICS la operación por defecto de un paradero es FIAO. Es decir, si un bus ha terminado su transferencia de pasajeros y encuentra una brecha en la pista adyacente, adelantará siempre a otro bus detenido en el paradero. En nuestro experimento hubo que forzar el modelo para reproducir las condiciones FIFO mediante una pista sólo bus. Esto lleva a que en condiciones FIAO la pista del paradero tiene tráfico mixto (buses y autos); es decir, presenta una condición más general. 3.3 Prioridad en Semáforos La combinación de MISTRANSIT y PARAMICS permitió evaluar los beneficios y costos tanto para los usuarios del transporte público como privado de las distintas estrategias de programación de semáforos detalladas en 2.3. Estos se resumen en la Figura 5 para toda la intersección. En general, los resultados indican que resulta más eficiente un plan de tiempo fijo como el sugerido por Gibson y Fernández (1996); es decir, un tiempo de ciclo corto combinado con una alta razón de verde, mostrada en la figura como Estrategia 1. Sin embargo, comparando la Estrategia 2 (método tradicional de minimización de demoras a vehículos) con la 3 (ídem con semáforos actuados por buses), se observa una marcada reducción de las demoras a usuarios si se usan semáforos actuados por buses. No obstante, conforme el flujo de buses aumenta, la Estrategia 3 pierde rápidamente su efectividad, pasando de un 75% hasta un 10% de reducción en las demoras totales en la intersección. Este es un resultado esperado, ya que los semáforos actuados por buses se recomienda aplicarlos cuando el flujo de buses es bajo (1 a 2 por ciclo). Sobre ese umbral, un plan de tiempo fijo es recomendable. Demora media por pasajero [pax-s/pax] QE = Q1 + Q2 14 Estrategia 1 12 Estrategia 2 Estrategia 3 10 8 6 4 2 0 36 72 108 144 180 216 Flujo de buses [bus/h] FIGURA 5: Efecto de Estrategias de Prioridad a Buses en Semáforos Burgos (2006) reporta además que los vehículos particulares que comparten la calle con los buses también se benefician de la detección de los buses. Sus demoras se reducen entre un 40 y 20% y la longitud media de cola disminuye entre un 37 y 17%. (1) TABLA 2: Porcentaje de la Capacidad Base de un Paradero Afectado por un Semáforo Disciplina FIFO D C [s] 60 90 120 [bus] U 0.38 46 52 38 0 0.48 50 53 41 0.58 63 55 55 0.68 81 81 86 0.38 85 78 73 1 0.48 87 83 80 0.58 87 87 87 0.68 87 87 87 0.38 96 72 69 3 0.48 99 77 75 0.58 99 83 84 0.68 100 88 90 (1) FIAO 60 90 120 71 78 81 88 80 84 87 90 91 92 94 96 59 67 77 84 74 78 84 88 84 90 91 94 52 65 73 80 68 76 82 88 81 86 90 92 : Capacidad sin semáforo aguas abajo; FIFO: 228 [bus/h] y FIAO: 241 [bus/h] En cualquier caso, si un paradero se encuentra dentro del área de influencia de un semáforo aguas abajo (3 largos de bus de distancia o menos), el semáforo debe operar con un ciclo corto y/o alta razón de verde efectivo. R. Fernández A., C. Cortes C. y V. Burgos O. 3.4 Penalización por Trasbordo La Tabla 3 condensa los resultados de la simulación de la operación estación de trasbordo Las Rejas. Esto es posible ya que MISTRANSIT considera a cada pasajero como entidad de modelación. Por lo tanto, puede seguirlo y registrar sus estadísticas. TABLA 3: Penalización por Trasbordo en Estación Las Rejas Patrón llegada buses Pasajeros en pelotón Tiempo medio espera [min] Tiempo medio acceso [min] Penalización trasbordo [min] Regular 30% 50% 4.85 7.32 7.10 Aleatorio 30% 50% 6.60 8.43 2.25 9.57 8.85 10.68 Como muestra la tabla, los tiempos adicionales por trasbordo fluctúan entre 7 y 11 minutos. Esto no es una novedad, ya que tanto la literatura como la experiencia sugiere que la penalización por trasbordo puede fluctuar entre los 8 y 22 minutos (promedio) entre distintos sistemas de transporte público (Currie, 2005). Aunque este resultado se circunscribe a una estación, los números muestran que el efecto del trasbordo es menor si los intervalos entre buses son regulares. En caso contrario, y asumiendo que un viaje en implica un trasbordo cerca del origen y otro cerca del destino, se podría esperar un aumento en el tiempo de viaje de 10 a 20 minutos. 35 Artículo de Investigación 4. INGENIERÍA DE TRANSPORTE Vol. 14, Nº 01: 32-36 COMENTARIOS Y EXTENSIONES REFERENCIAS Este artículo describe una nueva herramienta de simulación microscópica de operaciones de transporte público de superficie llamada MISTRANSIT, basada en la plataforma PARAMICS. El modelo es capaz de manejar tanto las interacciones de los vehículos de transporte público con el resto del tráfico en calles e intersecciones y entre vehículos y pasajeros en paraderos o estaciones. De esta forma se ha tratado de cerrar la brecha existente entre la sola simulación del tráfico y la de paraderos aislados. Este trabajo se demostró que es posible con nuestra aproximación al problema representar una variedad de estrategias operacionales que antes eran difíciles de modelar en simuladores de tráfico tradicionales. Se ha podido cuantificar, vía experimentos de simulación, penalizaciones por trasbordo en estaciones, diversas estrategias de prioridad a buses en semáforos, efectos de la programación de semáforos en la capacidad de paraderos, y capacidad de estaciones divididas de BRT. Hasta donde se ha revisado, esta mezcla de aplicaciones no ha sido reportada en la literatura (ver Burgos, 2004). En consecuencia, MISTRANSIT es una contribución al estado del arte de la microsimulación de tráfico. En particular, si sistemas BRT se están ejecutando en ciudades como Santiago (Transantiago) o Londres (East London Transit, Greenwich Waterfront Transit; TfL, 2007). El trabajo continúa y será reportado en otras publicaciones. Se está estudiando la aplicabilidad, costos y beneficios globales de otras estrategias de prioridad en semáforos, como pistas sólo bus cortas entre un paradero y la línea de detención y presemaforización para facilitar maniobras de vehículos de transporte público. También, se analiza potenciales beneficios de otorgar prioridades aisladas al transporte público, como segregación del resto del tráfico (i.e., pistas sólo bus) sin diseño de estaciones y diseño de estaciones sin segregación del resto del tráfico. Los resultados tendrán incidencia para el diseño de instalaciones para BRT, como la necesidad (o no) de vías segregadas, semáforos actuados por buses o facilidades de trasbordo. AGRADECIMIENTOS La investigación que ha dado origen a este artículo ha sido financiada por las siguientes entidades: Universidad de los Andes, Proyecto ICIV-002-07; FONDECYT, Proyecto 1061261; Instituto Milenio Sistemas Complejos de Ingeniería. Cualquier error u omisión es responsabilidad de los autores solamente. Burgos, V. (2006) Nuevo enfoque para modelar la operación del transporte público en microsimuladores de tráfico. Tesis para optar al Grado de Magíster en Ciencias de la Ingeniería, Mención Transporte, Universidad de Chile. Burgos, V. (2004) Revisión de la incorporación del transporte público en modelos microscópicos de tráfico. Memoria para optar al Título de Ingeniero Civil, Universidad de Chile. Burgos, V., R. Fernández y C. Cortés (2005) Desarrollo de un simulador de operaciones de transporte público en un ambiente de microsimulación de tráfico. Actas del XII Congreso Chileno de Ingeniería de Transporte, Valparaíso, 245-258. Cortés, C., V. Burgos y R. Fernández (2006) Modelling passengers, buses and stops in traffic microsimulators. Review and extensions. Sent to Transportation Research A, May 2006. Cortés, C., R. Fernández y V. Burgos (2007) Modeling passengers, buses and stops in traffic microsimulators. The MISTRANSIT approach on the PARAMICS platform. 86th TRB Annual Meeting, Transportation Research Board, January 21-25, 2007. Cowan, J. R. (1975) Useful headway models. Transportation Research 9, 371-375. Curire, G. (2005) The Demand Performance of Bus Rapid Transit. Journal of Public Transportation, 8(1), 41-55. Fernandez, R. (2003) Study of bus stop operation in arterial roads by simulation. ITE Journal 73(4), 77-81. Fernández, R. y R. Planzer (2002) On the capacity of bus transit systems. Transport Reviews 22(3), 267-293. Fernández R. y N. Tyler (2005) Effect of passenger-bus-traffic interactions on bus stop operations. Transportation Planning and Technology 28(4), 273-292. Fernández, R., C. Cortés y V. Burgos (2006) Modelación de pasajeros, buses y paraderos en microsimuladores de tráfico. Revisión y extensiones. Actas del XIV Congreso Panamericano de Ingeniería de Tránsito y Transporte, Gran Canaria, España. Gibson, J. (1996) Effects of a downstream signalised junction on the capacity of a multiple berth bus stop. Proceedings of the 24th PTRC European Transport Forum, London. Gibson, J. y R. Fernández (1995) Recomendaciones para el diseño de paraderos de buses de alta capacidad. Apuntes de Ingeniería 19(1), 3550. NATO (1976) Bus Priority Systems. NATO CCMS Report N°45. TfL (2007) Transport for London website. www.tfl.gov.uk/corporate/projectsandschemes/networkandservices/2031.a spx TRB (2000) Highway Capacity Manual, HCM2000, Special Report 209, Transportation Research Board, Washington, D.C. TRB (2003a) Bus Rapid Transit. Volume 1: Case Studies in Bus Rapid Transit. TCRP Report 90, Transportation Research Board, Washington, D.C. TRB (2003b) Transit Capacity and Quality of Service Manual, 2nd Edition. TCRP Report 100, Transportation Research Board, Washington, D.C. Webster, F.V. y F.M. Cobbe (1966). Traffic Signals. Road Research Technical Paper 56. HMSO. White, P. (1986) Public Transport: its planning, management and operation. 2nd ed. Hutchinson, London. 36 Resultados de la Modelación Microscópica de Interacciones Vehículos-Pasajeros-Tráfico para el Diseño de Sistemas BRT Ingeniería de transporte Vol. 14, Nº 01 Políticas de la Publicación OBJETIVOS Y ALCANCE Ingeniería de Transporte es una revista de ámbito internacional, que publica artículos en castellano y portugués. Estos deben representar un avance en la comprensión del funcionamiento, operación y rendimiento de los sistemas de transporte y sus componentes. Las áreas cubiertas incluyen: demanda; redes; tráfico; logística; economía, políticas y planificación; diseño y explotación de infraestructura; transporte, uso de suelo y medio ambiente, así como la aplicación de herramientas estadísticas, econométricas y matemáticas a problemas de transporte y logística. El interés de la revista radica en investigaciones de alta calidad, siendo bienvenidas contribuciones tanto teóricas como aplicadas, o que combinen ambas. Los autores y audiencia esperada de Ingeniería de Transporte son ingenieros, economistas, matemáticos aplicados, planificadores urbanos y arquitectos y, en general, cualquier profesional con interés en la organización y operación espacial del movimiento de personas y mercancías. INSTRUCCIONES PARA LOS AUTORES Cómo enviar un artículo Los manuscritos deberán ser enviados electrónicamente en un documento en formato PDF o Word al Editor General o a cualquiera de los siguientes editores de área en relación al área geográfica de origen de los autores. Editor General: Juan Enrique Coeymans: jec@ing.puc.cl Editores de Área: - Europa: - Ibero América de habla castellana: Francesc Robusté: robuste@msn.com Sergio Jara-Díaz: jaradiaz@ing.uchile.cl Juan de Dios Ortúzar: jos@ing.puc.cl - Ibero América de habla portuguesa: Orlando Strambi: ostrambi@usp.br - Norteamérica: José Holguín-Veras: holguj2@rpi.edu Entrega de los manuscritos La entrega de los manuscritos implica que el trabajo no ha sido publicado en otro lugar; que no se encuentra en proceso de consideración para ser publicado en otro lugar; que ha sido aprobada por todos sus coautores, si existiesen, y que todo el contenido y aseveraciones contenidas en el manuscrito son de exclusiva responsabilidad de los autores. Formato del artículo El artículo deberá estar escrito a doble espacio, con todas las páginas numeradas. Deberá incluir un resumen de alrededor de 100 palabras, que contenga una clara indicación de los objetivos, alcance y resultados. Si bien no existe un límite en la longitud de los artículos, se dará preferencia a aquellos artículos que no excedan las 8.000 palabras. Políticas de la Publicación 37 Permisos Autores que deseen incluir figuras, tablas o pasajes de textos que hayan sido publicados en otro lugar deben obtener permiso de los dueños de aquéllos derechos. Lenguaje Los artículos podrán estar escritos en castellano o portugués. Se espera que estén escritos en una forma clara, concisa, con un uso gramatical correcto, y en donde se eviten palabras locales. 38 Políticas de la Publicación Historia de la “SOCIEDAD CHILENA DE INGENIERÍA DE TRANSPORTE” La Sociedad Chilena de Ingeniería de Transporte (SOCHITRAN) fue fundada el año 1982, como filial del Instituto de Ingenieros de Chile. El principal propósito de SOCHITRAN es el de crear, estudiar, estimular, promover, coordinar y difundir toda clase de iniciativas que tiendan a desarrollar la investigación en Ingeniería de Transporte y a fomentar la aplicación de nuevas tecnologías en el Sector Transporte. La principal actividad de SOCHITRAN, durante sus 25 años de trayectoria, ha sido la de organizar bianualmente el Congreso Chileno de Ingeniería de Transporte, que reúne a destacados especialistas en el área, tanto a nivel nacional como regional, llevando a cabo trece congresos desde su creación. Historia de la Revista “INGENIERÍA DE TRANSPORTE” El Congreso Chileno de Ingeniería de Transporte, que se desarrolla cada dos años, genera una importante cantidad de trabajos científicos, que hasta su décimo segunda versión, se consolidaban en actas que seleccionaban los trabajos más relevantes. Con el transcurso del tiempo, se ha generado un importante caudal de trabajos, en que por oportunidad y volumen, se ha dado la necesidad de contar con una publicación de mayor frecuencia, que no sólo recoja trabajos relacionados exclusivamente con el Congreso Chileno de Ingeniería de Transporte, sino que también publique trabajos que se generan en forma alternativa. De esta forma, la revista Ingeniería de Transporte, se constituye en la continuación natural de las Actas de los congresos chilenos de ingeniería de transporte, de los cuales se han desarrollado trece hasta la fecha. Así, corresponde en esta oportunidad, publicar la Revista Nº 1 del Volumen Nº 14. EDITOR GENERAL Juan Enrique Coeymans-Avaria Pontificia Universidad Católica de Chile, Chile EDITOR EJECUTIVO Juan Enrique Cannobbio Sociedad Chilena de Ingeniería de Transporte, Chile EDITORES DE ÁREA • Europa Francesc Robusté Universitat Politécnica de Catalunya, España • Ibero América (castellano) Sergio Jara-Díaz Universidad de Chile, Chile Juan de Dios Ortúzar Pontificia Universidad Católica de Chile, Chile • Ibero América (portugués) Orlando Strambi Universidade de Sâo Paulo, Brasil • Norteamérica José Holguín-Veras Rensselaer Polytechnic Institute, EE.UU EDITORES ASOCIADOS Leonardo Basso Universidad de Chile,Chile Juan Antonio Carrasco Universidad de Concepción, Chile Ricardo Giesen Pontificia Universidad Católica de Chile COMITÉ EDITORIAL Víctor Manuel Cantillo Universidad del Norte, Colombia Elisabetta Cherchi Universita degli Studi di Cagliari, Italia Francisco García-Benítez Universidad de Sevilla, España Ángel Ibeas Universidad de Cantabria, España Jorge Laval Georgia Institute of Technology, EE.UU José Eugenio Leal Pontifícia Universidade Católica do Rio de Janeiro, Brasil Luis Antonio Lindau Universidade Federal do Rio Grande do Sul, Brasil Francisco J. Martínez Universidad de Chile, Chile Andrés Monzón Universidad Politécnica de Madrid, España Jorge A. Prozzi The University of Texas at Austin, EE.UU Concepción Román Universidad de Las Palmas de Gran Canaria, España Oscar Sánchez Universidad Autónoma del Estado de México, México REPRESENTANTE LEGAL Fernando Bravo Sociedad Chilena de Ingeniería de Transporte, Chile