El pronóstico de la demanda de viajes (PDV) para pasajeros tiene el objetivo general de predecir el número de viajeros que en el futuro pueden usar una infraestructura o servicio vial específico. La demanda de viajeros está influenciada por una multitud de factores (llamémoslos determinantes) que tienen dimensiones tanto exógenas como endógenas.
Aunque las técnicas utilizadas en la predicción de la demanda de viajeros evolucionan y se actualizan continuamente, la ideología central de PDV se ha mantenido desde la década de 1950: Un modelo de cuatro etapas (es decir, generación de viaje, distribución de viajes, división de modos y asignación de tráfico) (McNally, 2000).
Cada etapa requiere de factores relevantes, tanto exógenos como endógenos para describir con precisión la demanda actual de un sistema de transporte existente y predecir la demanda futura a través de la proyección de las variables explicativas. Sin embargo, todavía no hay un cierto estándar sobre qué y cómo deben considerarse esos factores en cada etapa.
Este blog sigue la línea sobre el uso de factores exógenos y endógenos en el PDV, pero se centra en su definición y categoría, así como en el método general para considerarlos en un estudio.
Definiciones
Los factores exógenos y endógenos son términos económicos para describir los factores internos y externos que afectan respectivamente la producción, la eficiencia, el crecimiento y la rentabilidad de las empresas (Smetkowski, 2018).
Los factores exógenos en el PDV se refieren a los que afectan la demanda de viajes a escala global y nacional. En general, los factores exógenos no son modificables por el servicio de transporte o el proveedor de la instalación, pero puede verse que influyen en la decisión de los viajeros. Los planificadores necesitan digerir cómo este tipo de factores afectan el sistema de transporte para implementar estrategias de manera óptima (Tsekeris y Tsekeris, 2011).
Los factores endógenos en el PDV son los que se encuentran dentro de un modelo de negocio que pertenece a un producto específico (es decir, infraestructura y servicio de transporte). Por lo general, incluye información sobre «situación actual / pasada» y «desarrollo futuro», por ejemplo, precios y frecuencia para el servicio de transporte público, número de carriles y velocidad diseñada para la infraestructura vial.
Lo exógeno y lo endógeno tienen un significado opuesto, pero tienen correlación para afectar la demanda de viajes. Por ejemplo, dos carreteras alternativas con el mismo origen y destino, viajeros bajo los mismos factores exógenos pueden tener resultados muy diferentes debido a los factores endógenos (por ejemplo, menos congestión), o los viajeros pueden tener diferentes opciones para las dos carreteras a medida que cambia el factor exógeno, como una nueva tienda.
Categoría
Siguiendo la definición de los dos tipos de factores, el siguiente paso será categorizarlos: La Imagen 1 enumera 5 grupos de factores exógenos y 4 grupos de alcance endógeno.
Factores Exógenos
Índice sociodemográfico: Este índice se refiere a datos de naturaleza estadísticamente socioeconómica, como la población, los ingresos, la educación y el empleo, que representan ubicaciones geográficas específicas y a menudo están asociados con el tiempo. Con respecto al empleo, tenemos tasas de empleo y desempleo, que pueden relacionarse aún más con el género y la edad.
Los datos sociodemográficos son un factor ampliamente utilizado en el PDV, particularmente para la generación y distribución de viajes. Y a menudo es recolectado por organizaciones censales (como la OCDE, el Banco Mundial) tanto a nivel mundial como local, que pueden usar los datos para investigación, análisis de mercado y desarrollo ambiental y humano.
Índice económico: Refleja los estados económicos del país o la zona estudiada. Datos como el PIB, el gasto en transporte, las cuentas de los hogares, los ingresos, la propiedad del automóvil, el precio del combustible y la productividad, afectan la demanda derivada general. La densidad de actividad económica afecta la necesidad de viaje (generación / distribución / asignación de tráfico) y reparto modal. Al igual que los datos sociodemográficos, las organizaciones del censo también recopilan datos económicos. Las organizaciones globales como la OCDE, el Banco Mundial tienen datos de series temporales por secciones económicas y el acceso es gratuito
Aspecto cultural: Hace referencia a información, como el horario diario y las vacaciones, que están relacionadas con el transporte y pueden tener un impacto en la decisión de viaje del individuo. Por ejemplo, un país como España tiene un horario tardío para comer (14: 00 ~ 15: 00 para el almuerzo y 20: 00 ~ 21: 00 para la cena) y muchas tiendas cierran a la hora del almuerzo, lo que genera tres horas pico en un día: el pico de la mañana, la hora de almuerzo y un pico en la tarde. Otro ejemplo es la línea de ferrocarril de alta velocidad en Taiwán que crea una demanda adicional para el Año Nuevo chino además del verano y del pico de Navidad (Li et al., 2015)
Datos relacionados con el clima: Esta información es habitualmente omitida, pero podría afectar la demanda en gran escala. Los planificadores podrían verificar la variación de la demanda existente entre la temperatura y la temporada de lluvias para comprender sus influencias. El factor climático puede ayudar a comprender las predicciones existentes sobre el impacto de los proyectos de transporte y viceversa.
Estructura espacial y plan de uso del suelo (actual y planeado): Se refiere a la estructura espacial de las ciudades. Un área urbana dispersa y de baja densidad está típicamente conectada con distancias de viaje más largas y menor cantidad de pasajeros en transporte público que un área urbana de alta densidad. La planificación y las normas de tránsito, y las medidas para fortalecer los desarrollos urbanos de uso mixto pueden afectar negativamente las distancias de viaje y la frecuencia de viaje y promover modos de transporte más amigables con el medio ambiente y energéticamente eficientes, incluidos los movimientos de ciclistas y peatones. La información se puede lograr a través del plan de desarrollo del uso de la tierra nacional o local o de organizaciones de terceros.
Factores Endógenos
Infraestructura y ubicación: Estos elementos desempeñan un papel importante en la producción y atracción de viajes. Se puede convertir en índice de accesibilidad para describir el nivel de servicio de la red de carreteras (Geurs y Van Eck, 2003). La distancia de viaje, la congestión del camino, el estacionamiento y otros atributos ambientales pueden afectar en gran medida la cantidad de viajes que un área produce o atrae.
Aspectos de movilidad: Son los factores para describir la situación actual del uso del sistema de transporte, que consiste en el tiempo de viaje, el coste del viaje, la velocidad, la proporción de vehículos pesados, los porcentajes de participación en el modo por período de tiempo y por propósito del viaje.
Calidad del servicio: Se refiere a los factores en relación con la tarifa, frecuencia, capacidad, seguridad, comodidad, información de respaldo y tasas de accidentes. A diferencia del aspecto de la movilidad, los factores de calidad del servicio describen el nivel de servicio del sistema de transporte y puede modificarse mediante la introducción de un nuevo sistema.
Sistema complementario: El concepto Mobility as a Service (MaaS) es cada vez un término más común en el entorno de transporte moderno, que integra más de dos sistemas de transporte y brinda a los viajeros un servicio único. La calidad de un solo sistema de transporte ya no es en sí misma, sino también todo el servicio integrado. La calidad y la conectividad del sistema complementario también deben considerarse factores endógenos en el estudio PDV.
Finalmente, los planificadores son quienes deben mantener todos los factores organizados en un registro (sección transversal) con fechas de recopilación (series de tiempo) y agregar cualquier nota de origen a medida que avanza (incluida cualquier normalización de datos realizada). Esta práctica servirá para validar sus conclusiones en el futuro.
¿Cómo considerar los factores?
La Imagen 2 muestra la relación simplificada entre la demanda de tráfico actual y pasada y la demanda futura en el uso de los dos tipos de variables.
La demanda de viaje real / pasada por modo entre cada zona de origen-destino generalmente se adquiere a través de una encuesta de movilidad doméstica, un análisis de preferencias establecidas y se calibra mediante datos de tráfico, que se pueden obtener por medio de radar, cámara, detector de bucle, drones o ICT métodos relacionados como Bluetooth, teléfono inteligente, rastreo GPS y otras herramientas.
Los planificadores evalúan la asociación entre variables independientes (factores exógenos y endógenos) y la variable dependiente continua única (es decir, la demanda de viaje real y pasada), y en consecuencia identifican las variables explicativas clave a exigir.
Una serie de herramientas estadísticas como el análisis explicativo de correlación, el análisis factorial y el análisis de regresión múltiple por mínimos cuadrados se pueden utilizar para construir la asociación entre variables dependientes e independientes. Debe tenerse en cuenta que algunas de las variables exógenas tienen una alta colinealidad y deben excluirse en el análisis. En muchos casos, la demanda de tráfico está fuertemente influenciada por el número de poblaciones, viviendas, índice económico y factores de ubicación
Además del uso en la evaluación de la demanda real, los factores endógenos también se utilizan para el modelo de elección (modelo de elección de modelo o ruta en modelos basados en viajes o modelos basados en actividades) que se asocian principalmente con el tiempo y el coste del viaje.
El uso del factor endógeno en el análisis de sensibilidad sirve para determinar cómo cambia la demanda futura de viaje por el servicio actual en un conjunto dado de supuestos. En otras palabras, los análisis de sensibilidad estudian cómo diversas fuentes de incertidumbre en un modelo matemático contribuyen a la incertidumbre general del modelo. A menudo se usaba para probar los cambios a pedido mediante el cambio de precios o el cambio de frecuencia del servicio.
Por último
Este post es uno de los primeros blogs de Vectio en discutir sobre el pronóstico de la demanda de viajes. No introduce un método o algoritmo específico para estudiar el pronóstico de la demanda de viaje, pero describe qué y cómo los determinantes influyen en la misma. Puede ayudar a los planificadores en la etapa de recopilación de información a decidir qué datos se deben tratar y cómo incorporarlos en el análisis.
Es posible que otros factores relevantes no sean mencionados en el artículo. Los dos tipos de factores se resumen a través de las experiencias de los proyectos del autor y la revisión de la literatura actual.
Gracias por su interés en la lectura.
Yang Wang | PhD. Transport Planner
Referencias
Bass, P., P. Donoso, and M. Munizaga. A model to assess public transport demand stability. Transportation Research Part A, Vol. 45, 2011, pp. 755-764.
El Zarwi, F., Vij, A., & Walker, J. L. (2017). A discrete choice framework for modeling and forecasting the adoption and diffusion of new transportation services. Transportation Research Part C: Emerging Technologies, 79, 207-223.
Geurs, K. T., & van Eck, J. R. (2003). Evaluation of accessibility impacts of land-use scenarios: the implications of job competition, land-use, and infrastructure developments for the Netherlands. Environment and Planning B, 30(1), 69-88.
Li, Y. T., Schmöcker, J. D., & Fujii, S. (2015). Demand adaptation towards new transport modes: the case of high-speed rail in Taiwan. Transportmetrica B: Transport Dynamics, 3(1), 27-43.
McNally, M. G. (2000). The four-step model.
Schmöcker, J.D., Hatori, T., and Walting, D. Dynamic process model of mass effects on travel demand. Transportation, Vol. 41, No. 2, 2014, pp.279-304.
Smętkowski, M. (2018). The role of exogenous and endogenous factors in the growth of regions in Central and Eastern Europe: the metropolitan/non-metropolitan divide in the pre-and post-crisis era. European Planning Studies, 26(2), 256-278.
Tsekeris, T., & Tsekeris, C. (2011). Demand forecasting in transport: Overview and modeling advances. Economic research-Ekonomska istraživanja, 24(1), 82-94.