ESTUDIO INTEGRAL DE TRANSPORTE Y USO DEL SUELO CORREDOR NORTE – SUR ÁREA METROPOLITANA DE ROSARIO...
-
Upload
alisa-mieras -
Category
Documents
-
view
13 -
download
0
Transcript of ESTUDIO INTEGRAL DE TRANSPORTE Y USO DEL SUELO CORREDOR NORTE – SUR ÁREA METROPOLITANA DE ROSARIO...
ESTUDIO INTEGRAL DE TRANSPORTE Y USO DEL SUELO
CORREDOR NORTE – SUR ÁREA METROPOLITANA DE ROSARIO
Proyecto de transporte urbano de Buenos Aires - Préstamo BIRF N° 7442/AR Argentina
Modelización del AMRModelización del AMR
Modelización
Representación del conocimiento disponible Permite hacer inferencias basadas en información Requiere resolver problemas de consistencia Posibilita la evaluación de escenarios futuros
Objetivo principal
Estimación de la demanda futura de viajes de un nuevo modo para el corredor Norte-Sur del AMR
Objetivos secundarios:
Construir y calibrar un modelo de transporte de 4 etapas a nivel regional (AMR)
Evaluar escenarios de implementación de la nueva modalidad
Transferir el modelo a la administración de Rosario
Marco teórico(1): Modelización de las decisiones de movilidad de la
población Generación: decision de realizar un viaje por un
motivo determinado (viajar o no viajar). Distribución: decisión del destino del viaje (a
donde viajar) Partición modal: decisión del modo utilizado (en
que viajar) Asignación: decisión de la ruta o itinerario del viaje
(por donde ir)
Elementos de la Modelización:1- Red Vial2- Red de Transporte3- Zonificación
Modelo de cuatro etapas
Generación Distribución Partición Modal Asignación
P A P´ A´123456789n
Generac Enc Generac corregMZ
P/A 1 2 3 4 5 n12345n
Construcción del modelo(1)
• Infraestructura informacional:
– Información de Población– Información de Actividades– Información de Transporte
Construcción del modelo(3)
• Procesamiento inicial:– Georreferenciación de encuestas
• Determinación de las zonas de origen y destino, producción, atracción y generación.
– Expansión de encuestas• Expansión directa• Expansión sociodemográfica• Expansión socioeconómica
Marco teórico(2)
Generación: decisión de realizar un viaje por un motivo determinado (viajar o no viajar).
Construcción del modelo(4)
• Modelo de generación(1):– Metodología: Regresión lineal simple y múltiple de
la producción y atracción de viajes en función de variables censales:• Población• Hogares• Variables socioeconómicas y demográficas• Estimación de un modelo simple operativo (hogares,
locales)• Estimación de un modelo minimal con todas las
variables significativas estadísticamente (por motivo)
Construcción del modelo(5)
• Modelo de generación(2)– El modelo utilizado para las estimaciones
futuras tiene que basarse en variables proyectables, como población y hogares.
– El modelo mas detallado es mas preciso, pero se basa en variables no disponibles salvo en un nuevo censo.
– Hay otras aproximaciones, como el análisis por categorías y el análisis de clasificación múltiple, que se ensayarán para completar el ejercicio, pero presentan problemas para la prospectiva.
Construcción del modelo(6)
• Modelo de generación(3)– El resultado del modelo de generación son los
vectores de producción y atracción de viajes por motivo, que ajustan los resultados de la expansión de la encuesta.
– Los vectores de producción y atracción se constituyen en datos de entrada del modelo de distribución.
Etapa 1:Etapa 1: Generación de viajes Generación de viajes
Punto de partida: Matriz Producción Atracción de viajes Encuesta
Etapa 1:Etapa 1: Producción de viajes Producción de viajes
Etapa 1:Etapa 1: Producción de viajes Producción de viajes
Etapa 1:Etapa 1: Producción de viajes Producción de viajes
Etapa 1:Etapa 1: Producción de viajes Producción de viajes
Etapa 1:Etapa 1: Atracción de viajes Atracción de viajes
Etapa 1:Etapa 1: Atracción de viajes Atracción de viajes
Etapa 1:Etapa 1: Atracción de viajes Atracción de viajes
Etapa 1:Etapa 1: Atracción de viajes Atracción de viajes
lm(formula = Ptrabajox ~ HOG2008 - 1)Residuals: Min 1Q Median 3Q Max -6108.8 -1484.4 -230.7 952.8 12912.8 Coefficients: Estimate Std. Error t value Pr(>|t|) HOG2008 1.86526 0.04599 40.56 <2e-16 ***---Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 3001 on 49 degrees of freedomMultiple R-Squared: 0.9711, Adjusted R-squared: 0.9705 F-statistic: 1645 on 1 and 49 DF, p-value: < 2.2e-16
lm(formula = Pestudiox ~ HOG2008 - 1)Residuals: Min 1Q Median 3Q Max -4775.2 -725.3 355.3 1170.7 4887.2 Coefficients: Estimate Std. Error t value Pr(>|t|) HOG2008 1.19893 0.02855 42 <2e-16 ***---Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 1862 on 49 degrees of freedomMultiple R-Squared: 0.973, Adjusted R-squared: 0.9724 F-statistic: 1764 on 1 and 49 DF, p-value: < 2.2e-16
lm(formula = Potrosx ~ HOG2008 - 1)Residuals: Min 1Q Median 3Q Max -10025 -1261 428 2292 9274 Coefficients: Estimate Std. Error t value Pr(>|t|) HOG2008 1.29048 0.05209 24.78 <2e-16 ***---Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 3398 on 49 degrees of freedomMultiple R-Squared: 0.9261, Adjusted R-squared: 0.9246 F-statistic: 613.9 on 1 and 49 DF, p-value: < 2.2e-16
lm(formula = aEstudiox ~ loccomnomin + locserv + locpub - 1)Residuals: Min 1Q Median 3Q Max -9795.0 -1878.2 -76.1 1767.5 21549.4 Coefficients: Estimate Std. Error t value Pr(>|t|) loccomnomin 25.448 8.875 2.867 0.00618 ** locserv 12.632 2.599 4.860 1.35e-05 ***locpub 599.621 197.866 3.030 0.00396 ** ---Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 5783 on 47 degrees of freedomMultiple R-Squared: 0.8198, Adjusted R-squared: 0.8083 F-statistic: 71.27 on 3 and 47 DF, p-value: < 2.2e-16
lm(formula = aOtrosx ~ locserv + Sinprivacion - 1)Residuals: Min 1Q Median 3Q Max -6254.8 -1043.4 484.8 2068.2 9170.1 Coefficients: Estimate Std. Error t value Pr(>|t|) locserv 20.2421 1.2027 16.831 < 2e-16 ***Sinprivacion 1.0073 0.1158 8.702 1.96e-11 ***---Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 3040 on 48 degrees of freedomMultiple R-Squared: 0.9648, Adjusted R-squared: 0.9634 F-statistic: 658.5 on 2 and 48 DF, p-value: < 2.2e-16
lm(formula = A.Compras ~ loccommin - 1)Residuals: Min 1Q Median 3Q Max -2496.4 -1009.4 -174.0 369.1 8903.7 Coefficients: Estimate Std. Error t value Pr(>|t|) loccommin 6.1360 0.4584 13.38 <2e-16 ***---Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 1664 on 49 degrees of freedomMultiple R-Squared: 0.7852, Adjusted R-squared: 0.7808 F-statistic: 179.1 on 1 and 49 DF, p-value: < 2.2e-16
0 10000 30000 50000
-500
00
5000
1000
0
F itted values
Res
idua
ls
Residua ls vs F itted
34
10
18
-2 -1 0 1 2
-2-1
01
23
Theoretical QuantilesS
tand
ardi
zed
resi
dual
s
Norm al Q-Q
34
10
2
0 10000 30000 50000
0.0
0.5
1.0
1.5
F itted values
Sta
ndar
dize
d re
sidu
als
S ca le -Loca tion34
102
0.0 0.1 0.2 0.3 0.4 0.5
-2-1
01
23
Leverage
Sta
ndar
dize
d re
sidu
als
Cook 's dis tance
10.5
0.51
Residua ls vs Leverage
211
34
Marco teórico(4)
Distribución: decisión del destino del viaje (a donde viajar)
Construcción del modelo(7)• Modelo de distribución(1)
– Metodología: modelo gravitacional/de maximización de entropía• Requiere la selección de un parámetro de
impedancia que represente la desutilidad del viaje, que puede estimarse como tiempo, distancia, tarifa, o costo generalizado, en forma de matriz.
• Es necesario definir un factor de fricción, que es función de la impedancia, que puede ser exponencial, potencial inversa, función Gamma combinada, o una tabla de factores de fricción discreta.
Construcción del modelo(8)
• Modelo de distribución(2)• El modelo también puede utilizar una matriz de
factores K, para mejorar el ajuste del modelo.
– Su producto son las matrices de producción/atracción y origen/destino, totales y discriminadas por motivo de viaje
– Su resultado se valida según la precisión con que reproduce la distribución de distancias de viaje observadas.
Etapa 2:Etapa 2: Distribución de viajes Distribución de viajes
Distribución de viajes Total de viajes O-D %Ciudad de Rosario 1.459.099 77,1%AMsR 428.508 22,6%Resto País 4.479 0,2%Totales 1.892.086 100%
0
200.000
400.000
600.000
800.000
1.000.000
1.200.000
1.400.000
1.600.000
Viajes
Ciudad de Rosario AMsR Resto País
Distribución de los Viajes del Area Metropolitana de Rosario. 2008
Total de viajes O-D
Etapa 2:Etapa 2: Distribución de viajes Distribución de viajes
0
200.000
400.000
600.000
800.000
1.000.000
1.200.000
1.400.000
Cant.
1. Al int. deCiudad deRosario
2.a.Al int. delAMsR: al int. de
una mismalocalidad
2.b.Al int. delAMsR: entrelocalidades
3. Entre el AMsRy Rosario
4. Entre Rosarioy el resto del
AMR
5. Entre el AMsRy el resto del
país (1)
6. Resto País
Distribución Espacial de los Viajes en el AMR. Comparación Situación 2002 - 2008.
Etapa 2:Etapa 2: Distribución de viajes Distribución de viajes
Etapa 2:Etapa 2: Distribución de viajes Distribución de viajes
0
50.000
100.000
150.000
200.000
250.000
Viajes
Norte 1 Norte 2 Sur Noroeste Oeste
Corredor
Total de Viajes Generados por Corredor del AMR. 2008.
Etapa 2:Etapa 2: Distribución de viajes Distribución de viajes
Líneas de deseo del Transporte PúblicoLíneas de deseo del Transporte Público
Etapa 2:Etapa 2: Distribución de viajes Distribución de viajes
Líneas de deseo del Automóvil ParticularLíneas de deseo del Automóvil Particular
Etapa 2:Etapa 2: Distribución de viajes Distribución de viajes
Líneas de deseo de los autos de alquilerLíneas de deseo de los autos de alquiler
Etapa 2:Etapa 2: Distribución de viajes Distribución de viajes
Líneas de deseo de las motocicletasLíneas de deseo de las motocicletas
Marco teórico(4)
Partición modal: decisión del modo utilizado (en que viajar), dado el motivo y el destino del viaje.
Construcción del modelo(9)• Modelo de partición modal(1)
– Metodología: estimación de un modelo multinomial logit (MNL) que estima la probabilidad de elegir una alternativa modal, entre el conjunto de alternativas disponibles, según la percepción de la desutilidad de cada una.• Esta desutilidad se estima en función de
las características de la población y los atributos de las alternativas disponibles, y requiere identificar variables explicativas y significancia estadística.
Construcción del modelo (10)• Modelo de partición modal(2)
– En el caso de un nuevo modo, es necesario evaluar aspectos de la percepción del usuario, ya que la información disponible solo permite la evaluación de esta alternativa en función de sus parámetros observables, como tiempos y tarifas, y no incorpora elementos de confort, seguridad, puntualidad, impacto visual, etc.
– Para estimar estos aspectos se puede tomar de partida información de casos similares, y ajustarse mediante la realización de una encuesta de preferencias declaradas.
Construcción del modelo(11)
• Modelo de partición modal(3)– El resultado de este modelo es la
discriminación de matrices por modo.– En el caso mas general, pueden derivarse a
partir de la matriz de viajes totales.– Se puede realizar en forma detallada,
modelizando en forma independiente cada motivo de viaje, y derivando las matrices por modo de cada una de las matrices por motivo.
Etapa 3:Etapa 3: Partición Modal de los viajesPartición Modal de los viajes
Partición modal de la muestra O-D 2008
Modo % viajes
Colectivo 29,53 7.071
Trolebús 0,96 229
Auto conductor 19,40 4.646
Auto acompañante 10,09 2.417
Taxis 2,79 667
Remisses 1,00 240
Charter 0,22 52
Bus empresa 0,65 156
Bus escolar 0,92 220
Moto 6,05 1.449
Ciclomotor 0,48 115
Bicicleta 8,19 1.960
A pie 19,30 4.621
Camión 0,12 28
Ómnibus larga dist. 0,01 3
Otros 0,29 70
Totales 100,00 23.944
Etapa 3:Etapa 3: Partición Modal de los viajes Partición Modal de los viajes
Partición Modal muestra expandida
2008 (modos agrupados)
Modo Viajes %
Automóvil 555.051 29,34%
TUP 592.635 31,32
Taxi 54.385 2,87%
Remis 17.785 0,94%
Moto 119.440 6,31%
Bicicleta 144.578 7,64%
A pie 366.168 19,35%
Charter 4.340 0,23%
Bus Emp. 11.844 0,63%
Otros 25.860 1,37%
TOTAL 1.892.086 100,00%
Marco teórico(5)
Asignación: decisión de la ruta o itinerario del viaje (por donde ir)
Construcción del modelo(12)
• Modelos de asignación(1)– Metodología: las matrices OD resultantes del
modelo de partición modal, se convierten en flujos que se asignan a la red en base a las características topológicas y operativas del grafo que representa la red vial y de transporte, distribuyéndose sobre conjuntos de caminos minimales entre cada par OD, bajo restricciones de tipo, velocidad y capacidad de los enlaces, según diferentes algoritmos.
Construcción del modelo(13)
• Modelos de asignación(2)– En Transcad, la asignación de viajes
de recorridos libres (traffic) y de recorridos fijos (transit) se realiza en forma separada.
– Es posible representar la interacción entre ambas precargando la red con los flujos de la otra
Construcción del modelo (14)• Modelos de asignación(3)
– De equilibrio:
– Traffic:• UE Equilibrio de usuario• SUE Equilibrio estocástico de usuario• SO Optimo del sistema• MMA Multi Modal Multi Class
– Transit:• Pathfinder• SUE Equilibrio estocástico de usuario
Etapa 4:Etapa 4: Asignación de viajes Asignación de viajes
A.1. Asignación de viajes de Transporte PúblicoA.1. Asignación de viajes de Transporte Público
Viajes TUPViajes TUP
A.3. Análisis de resultadosA.3. Análisis de resultados
A.3. Análisis de resultadosA.3. Análisis de resultados
A.3. Análisis de resultadosA.3. Análisis de resultados
A.3. Análisis de resultadosA.3. Análisis de resultados
A.3. Análisis de resultadosA.3. Análisis de resultados
Viajes TUP micro centro de RosarioViajes TUP micro centro de Rosario
A.3. Análisis de resultadosA.3. Análisis de resultados
Viajes TUP micro centro de RosarioViajes TUP micro centro de Rosario
A.3. Análisis de resultadosA.3. Análisis de resultados
A.3. Análisis de resultadosA.3. Análisis de resultados
0
5000
10000
15000
20000
25000
54 9 79 24 21 32 33 31 41 35 14 1 30 23 29 3 19 39 11 25 42 6 17 5 37 47 12 7
viajes dia
wlt6
wlt7
wlt8
wlt9
wlt10
Etapa 4:Etapa 4: Asignación de viajes Asignación de viajes
B.1. Asignación de viajes en automóvilB.1. Asignación de viajes en automóvil
Viajes AutomóvilViajes Automóvil
B.2. Análisis de resultados B.2. Análisis de resultados
datos observados TMDA y conteos estaciones permanentesdatos observados TMDA y conteos estaciones permanentes
B.2. Análisis de resultados B.2. Análisis de resultados
B.2. Análisis de resultados B.2. Análisis de resultados
Notas:
• Modelos combinados de distribución, partición modal y asignación
• Modelos integrados de asignación multimodal• Modelos integrados de transporte, localización
de actividades y uso del suelo• Limitaciones de los modelos clásicos de 4
etapas.
Muchas graciasMuchas gracias