Cálculo de la Demanda de Transporte, Congreso
Transcripción
Cálculo de la Demanda de Transporte, Congreso
CÁLCULO DE LA DEMANDA DE TRANSPORTE MEDIANTE TÉCNICAS DE DETALLE: EL CASO DEL FERROCARRIL ARGANDA-RIVAS-VICÁLVARO Óscar Martínez Álvaro José Manuel Vassallo Magro Departamento de Transportes ETSI de Caminos de Madrid (UPM) Cátedra de Transportes (Planta 5ª). ETSI de Caminos Ciudad Universitaria s/n. 28040 MADRID (ESPAÑA) Tel: 34 91 336 66 55. Fax: 34 91 336 66 56 RESUMEN Con motivo de la convocatoria del concurso para otorgar la concesión de construcción, mantenimiento y explotación de la línea de ferrocarril Arganda - Rivas - Vicálvaro, publicada por la Comunidad de Madrid en noviembre de 1996, uno de los participantes encargó el cálculo de las previsiones de tráfico al Departamento de Transportes de la ETSI de Caminos de Madrid. Además, como se trataba de una concesión privada, la precisión en el cálculo de la demanda resultaba ser un elemento de importancia vital para la evaluación de la inversión. Debido a que se trataba de un corredor especial, se optó por aplicar una metodología que se adaptara a sus características específicas, renunciando por tanto a la aplicación de un paquete comercial, pues el carácter típico de “caja negra” podía hacer perder precisión a los cálculos o, como mínimo, no poder evaluar exactamente los riesgos asociados a las hipótesis implícitas y explícitas. Esta ponencia describe la metodología, elaborada por el Departamento, empleada en el cálculo de la demanda del ferrocarril Arganda / Rivas-Vaciamadrid / Vicálvaro. En ella, se desarrollan los pasos aplicados, poniéndose de manifiesto la gran profundidad con que se estudiaron los parámetros y pautas principales de movilidad en el corredor. Además se explica con detalle la elaboración de varios submodelos de tipo demográfico y de transportes que se diseñaron para este cálculo. La comunicación termina mostrando los resultados principales del trabajo, que se presentan en forma de funciones de densidad de probabilidad para los escenarios previstos. El estudio de este corredor permitió también obtener algunas conclusiones acerca de las pautas principales de movilidad que se presentan en los corredores radiales de las grandes ciudades y sobre la importancia de no perder de vista los elementos esenciales de las hipótesis, habitualmente ocultadas por el empleo de modelos sofisticados. 1. PLANTEAMIENTO DEL PROBLEMA La presente comunicación, explica y desarrolla la metodología empleada por el Departamento de Transportes de la ETSI de Caminos de La UPM para el cálculo de la demanda del ferrocarril que une Arganda y Rivas-Vaciamadrid (en adelante Rivas) con Vicálvaro y una posible prolongación a Atocha. Responde por tanto al encargo de elaborar una oferta para el concurso que sobre esta línea fue convocado por la Comunidad de Madrid. Dadas las peculiaridades del caso, se optó por un planteamiento muy detallado, con una metodología ad hoc. La aplicación de cualquier paquete comercial de los habitualmente empleados podría haber permitido una más fácil simulación y previsión, pero la calidad de los resultados se considera que habría sido mucho menor, dado que los elementos de incertidumbre habrían quedado diluidos, cuando eran precisamente los elementos de riesgo asociados a las hipótesis los elementos más valorados por la parte financiera de la oferta. Sin que se pueda decirse que se trata de un corredor singular en todos sus aspectos, presenta unas peculiaridades que impiden una extrapolación directa e inmediata de otras experiencias o de la situación actual: • el polo de Madrid en un extremo condiciona toda posible calibración de un modelo convencional, habida cuenta del peso relativo frente al resto de los núcleos del corredor, siendo un atractor enorme de viajes • el núcleo de Rivas está caracterizado como “ciudad dormitorio”, pero con un incipiente polígono industrial que podría llegar a tener un peso relevante • el núcleo de Arganda, de escasa dimensión relativa, tiene una estructura autosuficiente de empleo, atrayendo más viajes de los que genera, lo que supone una singularidad en la periferia madrileña Dado el horizonte de concesión de 30 años, el planteamiento general del estudio era conseguir análisis espaciados en el tiempo de cinco en cinco años. Por ese motivo los escenario estudiados fueron los años 1999, año de inauguración de la línea, 2004, 2009, 2014, 2019, 2024 y 2029 año en que expira la concesión 2. ASPECTOS SOCIOECONÓMICOS 2.1 Evolución de la pirámide de población La estructura demográfica de la Comunidad de Madrid presenta desajustes acusados derivados de fenómenos múltiples superpuestos como el “baby boom”, el descenso de la natalidad y la inmigración de zonas rurales. Todo apunta a que la evolución reciente se consolidará dando lugar a una fuerte reducción del ritmo de crecimiento de la Comunidad y a un estrechamiento de la pirámide de población, que a medio plazo presentará una distribución suave. La gran importancia que tiene en estos momentos el estrato de población comprendido entre los 20 y 24 años, que es el más demandante de nueva vivienda, garantiza una demanda potencial para las previsiones de crecimiento de asentamientos en los núcleos analizados, particularmente en Rivas. Esta demanda, unida a la insatisfecha históricamente, hacen previsible que se cubra toda la oferta, sin más que, como mucho, pequeños desfases temporales. Las pirámides de Rivas y Arganda presentan diferencias de cierta importancia, derivadas de lo distinto de los asentamientos; incluso dentro de Arganda puede distinguirse claramente el núcleo diferenciado de La Poveda. Mientras tanto, la pirámide de Rivas tiene muy altos los estratos de población entre treinta y cuarenta años, característico de un núcleo de población receptor de matrimonios jóvenes, la pirámide de Arganda es muy similar a la pirámide media de la Comunidad de Madrid, lo que refleja que se trata de un núcleo de población más antiguo y consolidado. A partir de estas pirámides se han establecido las previsiones de población por edades en cada uno de los núcleos diferenciados, teniendo en cuenta: • los deslizamientos naturales de estratos • ratios medios de fertilidad proporcional a los estratos de edad que concentran la fertilidad (20 a 44 años), con un mantenimiento de las tasas actuales hasta el año 2005 y un crecimiento lineal hasta una tasa propia de una pirámide estática en el año 2029 • ratios medios de mortalidad en cada estrato según las pautas observadas Como ilustración de la metodología, se adjunta la Figura 1, resultante de aplicar los anteriores criterios a la pirámide media de la Comunidad de Madrid y que ha servido para calibrar el modelo y contrastar las hipótesis. Resulta interesante ver el repunte de los nacimientos al final del período, aunque no aporta población generadora dentro del horizonte de análisis. Precisamente, la importancia de este enfoque tan detallado sobre la población no es sólo disponer de una aproximación a la población total, sino, sobre todo, poder evaluar el volumen de la población generadora de viajes, concentrada mayoritariamente en los estratos medios. FIGURA 1: EVOLUCIÓN DE LA PIRÁMIDE DE POBLACIÓN DE LA COMUNIDAD DE MADRID EN LOS ESCENARIOS CONSIDERADOS PIRAMIDES DE EDADES 9,00 8,00 7,00 6,00 5,00 4,00 3,00 2,00 1,00 0,00 >90 80-84 70-74 60-64 50-54 40-44 30-34 20-24 10-14 0-4 ESTRATOS DE EDAD 1996 2001 Fuente: elaboración propia. 2006 2011 2016 2021 2026 2031 2.2 Previsiones de población en los escenarios definidos Las previsiones de población se llevaron a cabo analizando los planes urbanísticos de estos municipios y posibles futuras revisiones, las tendencias de desarrollo de los municipios de la Comunidad de Madrid obtenidas del “documento de Bases del Plan Regional de Estrategia Territorial de la Comunidad de Madrid” y las tendencias de crecimiento de otros municipios similares en la Comunidad. Por otra parte, se observó que la densidad media era de 3,4 habitantes por vivienda. Además se comprobó que en aquellas zonas consolidadas, el índice de ocupación de las viviendas era del 92%, debido a que siempre había algunas que no se habitaban. Nuevamente, este enfoque muy detallado aporta una información muy interesante y que a veces no se considera: la simple distinción entre viviendas totales y ocupadas conduce a una diferencia de 8% en el volumen total de población TABLA 1: PREVISIONES DE POBLACIÓN PARA ARGANDA Y RIVAS EN LOS ESCENARIOS PREVISTOS Año 1995 2000 2005 2010 2020 2030 Población Arganda 29.600 33.381 38.607 44.721 50.735 54.156 Margen de error 0% 20% 50% 70% 90% 100% Población Rivas 25.017 38.466 51.297 55.824 59.156 62.386 Margen de error 0% 20% 50% 70% 90% 100% Fuente: elaboración propia Con estas hipótesis se obtuvieron las previsiones de población que se muestran en la Tabla 1 como escenario base. Ahora bien, con vista a generar escenarios aleatorios se escogieron unos márgenes de error que figuran en esta misma tabla sobre el incremento de población en cada período, de manera que se pueda asignar a los resultados finales una distribución de probabilidad. 2.3 Previsiones de empleo en los escenarios definidos Las previsiones de empleo se llevaron a cabo analizando el número de empleos en cada municipio distribuidos por industria y servicios, el suelo industrial y terciario previsto en los planes urbanísticos, las tendencias señaladas en el “documento de Bases del Plan Regional de Estrategia Territorial de la Comunidad de Madrid” y el análisis de la oferta de suelo industrial en otros municipios de la Comunidad de Madrid. TABLA 2: PREVISIONES DE EMPLEO PARA ARGANDA Y RIVAS EN LOS ESCENARIOS PREVISTOS Año 1995 2000 2005 2010 2020 2030 Empleos previstos en Arganda 11.464 12.397 14.285 16.257 18.962 19.785 Empleos previstos en Rivas 2.187 3.018 5.490 6.495 8.401 10.065 Fuente: elaboración propia Para el cálculo de empleos se aplicaron algunas hipótesis contrastadas con otros municipios de la Comunidad de Madrid. Entre estas se encuentra una máxima ocupación de suelo industrial del 96% y una relación de 0,070 hectáreas por empleo industrial. Con estas hipótesis y el conocimiento del desarrollo previsible del suelo planeado, se llegó a la distribución de empleos recogida en la Tabla 2 como escenario base. No obstante, de cara a generar escenarios aleatorios se tomaron también unos márgenes de error sobre el incremento del empleo en cada período. Nuevamente con este enfoque de detalle se detectó una posible fuente de error que podía alcanzar el 4% si se asimilaba la superficie industrial total a la superficie realmente utilizada. 3. MODELIZACIÓN El planteamiento que desde el primer momento se consideró adecuado para abordar el estudio fue el de aplicar más o menos fielmente el modelo clásico de cuatro etapas. Dadas las características esencialmente lineales no malladas de las relaciones, carecía de utilidad emplear un modelo de asignación a red. Por ese motivo se descartó utilizar un modelo convencional (como el EMME2, ampliamente utilizado en el Departamento para redes muy malladas) y se prefirió un análisis detallado ad hoc. Por tanto, el primer planteamiento redujo a tres las etapas de la modelización. Sin embargo, la incertidumbre en la previsión de los factores determinantes de la demanda hizo conveniente evaluar con cierto detalle cuales son los elementos que más errores pueden inducir en el cálculo de la demanda final. Por ello se consideró que era necesario al menos un análisis de sensibilidad para poder evaluar el impacto de las principales hipótesis realizadas. En consecuencia el enfoque de partida fue realizar para cada escenario el siguiente análisis: • generación y atracción de viajes • distribución origen / destino • reparto modal • análisis de sensibilidad FIGURA 2: ESQUEMA METODOLÓGICO BÁSICO Horizonte i Previsiones urbaní sticas Viviendas Empleos Demografí a Localizació n Empleo/residencia Generació n TP Distribució n horaria Con congestió n O/D actual T. relativos Captació n ffcc Generació n VP Sentido del viaje Generació n VP Con... Sin... Con... Sin... ... ... ... ... ... ... ... ... Sin congestió n O/D actual Generació n TP Distribució n horaria Sentido del viaje Con congestió n T. relativos O/D actual Captació n ffcc Sin congestió n C. generalizados O/D actual Captació n ffcc C. generalizados Captació n ffcc Fuente: elaboración propia Para afinar en el ajuste, se llevó a cabo una segmentación del mercado del transporte en el corredor según los siguientes tipos de usuarios: • usuarios del vehículo privado / usuarios del bus • usuarios que realizan los viajes hacia / desde Rivas / Arganda • usuarios que viajan o no en hora punta 3.1 La Generación y Atracción La generación y atracción se calcularon de manera independiente para el vehículo privado y para el transporte público. Con el fin de conocer las pautas de movilidad en el año inicial, se emplearon estudios llevados a cabo por la Comunidad de Madrid y por el Consorcio Regional de Transportes como aforos de vehículos en la N-III, aforos en las líneas de autobús de Arganda y Rivas, encuestas en esas líneas y encuestas a los vehículos privados con origen o destino en Rivas. Además se consultaron otras fuentes bibliográficas para conocer la evolución de estas tendencias. También tuvo importancia en este estudio el análisis de la generación y atracción en hora punta. Por ello se estudió la congestión de la N-III que resultaba de gran relevancia en los desplazamientos hacia el centro de Madrid a primeras horas de la mañana. Además, precisamente en esos momentos era cuando se concentraba la mayor proporción de la demanda. En la Tabla 3 figuran los porcentaje de demanda en hora punta sobre el total diario. TABLA 3: PORCENTAJE DE DEMANDA EN HORA PUNTA SOBRE EL TOTAL DIARIO Rivas-Madrid Madrid-Rivas Arganda-Madrid Madrid-Arganda Bus 37,4 14,3 34,7 21,1 Vehículo privado 24,2 8.7 12,5 18,7 Fuente: estudio previo del corredor realizado por el Consorcio Regional de Transportes de Madrid La generación se determinó como función de la población, y la atracción como función del empleo, ambos previamente estimados. Para conocer la generación / atracción del bus se realizó un estudio de las líneas de autobús, donde se relacionaron la población afectada por una determinada parada con el número de usuarios que sube y baja en dicha parada en un día laborable medio. Con ello se llegó a una generación entre 0,6 y 1 viaje en autobús por habitante en día laborable. Por su parte, en Arganda, la generación del autobús resultó ser muy inferior, en torno a 0,25 viajes en autobús por habitante. La generación de viajes en vehículo privado se sacó de los resultados de los aforos y encuestas incluidos en el estudio previo del corredor, realizado por el Consorcio Regional de Transportes de Madrid. De este se obtuvo que sólo una pequeña fracción de los usuarios del transporte privado (en torno al 33%) podría ser captado por servicios de mayor rapidez, según se desprendía de las preferencias manifestadas. Debido a que no había datos sobre la movilidad en fin de semana, se llevó a cabo un aforo de las líneas principales de autobuses de manera que no hubiera distorsiones por eventos especiales. De allí se sacaron los ratios de generación que, lógicamente, eran muy inferiores a los de un día laborable medio. 3.2 Distribución Origen / Destino La distribución origen / destino en cada escenario se calculó suponiendo que las pautas de movilidad entre zonas se mantendrían en las mismas proporciones que en el año en que se midieron. Para ello, se dividió Madrid en varias zonas desde las que se definieron relaciones con Arganda y Rivas. La Figura 3, refleja un esquema que define el proceso de obtención de las matrices origen / destino. FIGURA 3: CÁLCULO DE LAS MATRICES ORIGEN / DESTINO D IA G R A M A D E B L O Q U E S D E L A M E T O D O L O G ÍA M a tric e s o rig e n /d e s tin o A tra c c io ó n c o n c o n g e s tió n R /R /R /A /A - TP -V P A tra c c io ó n s in c o n g e s tió n R /R /R /A /A - TP -V P G e n e ra c ió n c o n c o n g e s tió n R /R /R /A /A - TP -V P G e n e ra c ió n s in c o n g e s tió n R /R /R /A /A - TP -V P M a tric e s O /D a c tu a le s M a triz O /D V P R /R /R /A /A s in c o n g e s tió n -T P -V P M a triz O /D V P M a triz O /D T P c o n c o n g e s tió n M a triz O /D T P s in c o n g e s tió n R e p a r to m o d a l Fuente: elaboración propia c o n c o n g e s tió n 3.3 Reparto Modal Para el cálculo del reparto modal se partió de la hipótesis de que este se realizaba en función de los costes relativos de los modos implicados, con un esquema de decisión secuencial: • primero, elección entre transporte público y privado, • segundo, en caso de elegir público, selección del autobús o el ferrocarril en función de los respectivos costes generalizados El reparto modal entre autobús y ferrocarril se asumió lineal, inversamente proporcional a la relación de costes generalizados. Por mayor simplicidad, y considerando la similitud de los valores de tiempo de los usuarios de ambos modos, se optó por tomar el tiempo de viaje total como referencia del coste generalizado, ponderando doble los tiempos de acceso, espera, transbordo y dispersión. Asumiendo una curva de reparto lineal, la participación del ferrocarril en el mercado tendencial del transporte público sería la siguiente: V bus / V ffcc = 2 - ( t bus/ t ffcc) (2) El reparto entre el vehículo privado y el autobús planteó una mayor complejidad conceptual. De hecho, empíricamente está demostrado que la disponibilidad del coche implica prácticamente siempre su uso. Esta disponibilidad incluye todos los parámetros posibles, desde la posibilidad de aparcar en destino hasta la posesión de carnet de conducir. Como ya se dijo, este esquema ocurría en la práctica casi con total fidelidad en el corredor que nos ocupa. Por tanto, la posible captación del ferrocarril de tráficos del vehículo privado procederá necesariamente de una oferta ferroviaria que fuese más atractiva que el servicio actual de autobús. Empíricamente se ha demostrado que la elasticidad de sustitución del transporte público frente al vehículo privado es muy baja, pero no necesariamente nula. De hecho, en un caso de fuerte congestión sí puede tener cierta importancia. Sin embargo, los estudios teóricos al respecto dan valores dispares y muy dependientes de las circunstancias locales. Por ese motivo se analizó mediante regresión lineal el reparto en el año de partida entre el bus y el coche en relación a sus costes generalizados. De este análisis se obtuvo para este corredor una elasticidad de sustitución de 0,1. Por ese motivo en el cálculo se empleó la siguiente expresión que expresa la captación del ferrocarril procedente del coche en función de los costes generalizados de cada modo: 0,1 x (Cffcc - Cbus) / Ccoche (3) 4. TRATAMIENTO DE LA INCERTIDUMBRE Como ya se ha comentado, se optó por la simulación de escenarios sucesivos espaciados cinco años. Para cada uno de estos escenarios se planteó inicialmente la realización de un análisis de sensibilidad para determinar los parámetros más inductores de incertidumbre y así realizar una evaluación del riesgo mediante la combinación de escenarios alternativos al básico De esta manera, partiendo de un escenario básico, se generaron escenarios aleatorios dando valores a determinados parámetros de los que se puede determinar un entorno de variación, pero para los que es difícil precisar un valor exacto. TABLA 4: VALORES BASE Y RANGOS DE VARIACIÓN DE LOS PARÁMETROS DEL ESCENARIO DE REFERENCIA Factor Valor base Rango de variación Congestión 1 0,8 - 1,4 Cuota coche en atracción a Rivas 0,75 0,6 - 0,9 Cuota coche en generación de Rivas 0,55 0,45 - 0,65 Elasticidad tr.publico/veh.privado 0,1 0,05 - 0,15 Cuota ffcc entre Rivas y Arganda (s/T.P.) 0,15 0,1 - 0,2 Ruido 1,025 1,00 - 1,05 Fuente: elaboración propia En la Tabla 4 se recogen los valores de los parámetros del escenario de referencia y los intervalos en que se ha considerado posible la variación a la hora de generar escenarios alternativos. Además de estos parámetros, se han considerado los rangos de variación en la población y el empleo que se indicaron en apartados anteriores. 5. ANÁLISIS DE LOS RESULTADOS FINALES Con la metodología empleada, se obtuvieron los resultados de demanda con los parámetros del escenario base para cada uno de los períodos de estudio. Esta demanda se recoge desglosada en: • demanda en la hora punta por sentido • demanda en el día laborable medio • demanda total en fin de semana • demanda anual En la Tabla 5 se ofrece un ejemplo de los resultados del estudio para el escenario del año 2014. TABLA 5: RESULTADOS DE DEMANDA EN EL AÑO 2014 Final en Vicálvaro H.P Max/S Laborable Fin Sem. Mes Med. Anual Arganda 434 6.229 3.960 152.960 1.717.743 Poveda 61 896 516 21.772 244.495 Rivas Este 323 3.965 2.174 95.844 1.076.325 Rivas Centro 378 4.774 2.656 115.578 1.297.936 Rivas Oeste 1.424 16.845 9.059 406.452 4.564.455 Total 2.620 32.709 18.364 792.605 8.900.954 Prolongación a Atocha H.P Max/S Laborable Fin Sem. Mes Med. Anual Arganda 415 5.993 3.850 147.327 1.654.488 Poveda 57 842 502 20.537 230.626 Rivas Este 307 3.813 2.114 92.271 1.036.205 Rivas Centro 360 4.591 2.583 111.268 1.249.545 Rivas Oeste 1.355 16.200 8.809 391.306 4.394.369 Total 2.494 31.438 17.857 762.710 8.565.233 Fuente: elaboración propia Por su parte, en las Figuras 4 y 5, se representan las funciones de densidad de probabilidad de algunos de los escenarios. Como se puede ver, a medida que el escenario queda más lejano, la función se va achatando, lo que implica una mayor dispersión de resultados. Fuente: elaboración propia T . V ic a lv a r o T . A to c h a D E N S ID A D D E P R O B A B IL ID A D D E V IA J E R O S A N U A L E S E N A R G A N D A E N 2 0 2 9 450 400 350 300 250 200 150 100 50 0 V ia je r o s A n u a le s T . A to c h a 2.724.999 2.575.000 2.599.999 2.450.000 2.474.999 2.325.000 2.349.999 2.200.000 2.224.999 2.075.000 2.099.999 1.950.000 1.974.999 1.825.000 1.849.999 1.700.000 1.724.999 1.575.000 1.599.999 1.450.000 1.474.999 1.325.000 1.349.999 1.200.000 1.224.999 2.950.000 V ia j e r o s A n u a l e s 2.974.999 0 2.950.000 50 2.974.999 100 2.950.000 150 2.974.999 200 2.825.000 250 2.849.999 300 2.825.000 350 2.849.999 400 2.825.000 D E N S ID A D D E P R O B A B IL ID A D D E V IA J E R O S A N U A L E S E N A R G A N D A E N 2 0 1 4 2.849.999 450 2.700.000 T . A to c h a 2.700.000 2.724.999 2.575.000 2.599.999 V ia je r o s A n u a le s 2.700.000 2.724.999 T . V ic a lv a ro 2.575.000 2.450.000 2.474.999 2.325.000 2.349.999 2.200.000 2.224.999 2.075.000 2.099.999 1.950.000 1.974.999 1.825.000 1.849.999 1.700.000 1.724.999 1.575.000 1.599.999 1.450.000 1.474.999 1.325.000 1.349.999 1.200.000 1.224.999 Densidad de Probabilidad T . V ic a lv a r o 2.599.999 2.450.000 2.474.999 2.325.000 2.349.999 2.200.000 2.224.999 2.075.000 2.099.999 1.950.000 1.974.999 1.825.000 1.849.999 1.700.000 1.724.999 1.575.000 1.599.999 1.450.000 1.474.999 1.325.000 1.349.999 1.200.000 1.224.999 Densidad de Probabilidad Densidad de Probabilidad FIGURA 4: DENSIDADES DE PROBABILIDAD DE DEMANDA ANUAL EN RIVAS EN DISTINTOS ESCENARIOS 450 D E N S ID A D D E P R O B A B IL ID A D D E V IA J E R O S A N U A L E S E N A R G A N D A E N 1 9 9 9 400 350 300 250 200 150 100 50 0 Fuente: elaboración propia T . V ic a lv a r o 180 160 140 120 100 80 60 40 20 0 V ia je r o s A n u a le s T . A to c h a 9.250.000 9.499.999 8.750.000 8.999.999 8.250.000 8.499.999 7.750.000 7.999.999 7.250.000 7.499.999 6.750.000 6.999.999 6.250.000 6.499.999 5.750.000 5.999.999 5.250.000 5.499.999 4.750.000 4.999.999 4.250.000 4.499.999 3.750.000 3.999.999 3.250.000 3.499.999 2.750.000 2.999.999 10.750.000 D E N S ID A D D E P R O B A B IL ID A D D E V IA J E R O S A N U A L E S E N R IV A S E N 2 0 2 9 10.750.000 (+) 200 10.750.000 T . A to c h a 10.750.000 (+) V ia je r o s A n u a le s 10.750.000 20 10.750.000 (+) 40 10.250.000 60 10.499.999 80 10.250.000 100 10.499.999 120 10.250.000 140 10.499.999 160 9.750.000 180 9.999.999 D E N S ID A D D E P R O B A B IL ID A D D E V IA J E R O S A N U A L E S E N R IV A S E N 2 0 1 4 9.750.000 200 9.999.999 T . A to c h a 9.750.000 9.250.000 9.499.999 8.750.000 8.999.999 V ia je r o s A n u a le s 9.999.999 9.250.000 9.499.999 T . V ic a lv a r o 8.750.000 8.250.000 8.499.999 7.750.000 7.999.999 7.250.000 7.499.999 6.750.000 6.999.999 6.250.000 6.499.999 5.750.000 5.999.999 5.250.000 5.499.999 4.750.000 4.999.999 4.250.000 4.499.999 3.750.000 3.999.999 3.250.000 3.499.999 Densidad de Probabilidad T . V ic a lv a r o 8.999.999 8.250.000 8.499.999 7.750.000 7.999.999 7.250.000 7.499.999 6.750.000 6.999.999 6.250.000 6.499.999 5.750.000 5.999.999 5.250.000 5.499.999 4.750.000 4.999.999 4.250.000 4.499.999 3.750.000 3.999.999 3.250.000 3.499.999 2.750.000 2.999.999 0 2.750.000 2.999.999 Densidad de Probabilidad Densidad de Probabilidad FIGURA 5: DENSIDADES DE PROBABILIDAD DE DEMANDA ANUAL EN ARGANDA EN DISTINTOS ESCENARIOS 200 D E N S ID A D D E P R O B A B IL ID A D D E V IA J E R O S A N U A L E S E N R IV A S E N 1 9 9 9 180 160 140 120 100 80 60 40 20 0 6. CONCLUSIONES Las conclusiones principales del este estudio son las siguientes: • En la generación de viajes en corredores radiales, influye considerablemente el tipo de asentamiento. De hecho una ciudad dormitorio como Rivas genera del orden del doble de viajes que un antiguo núcleo consolidado como Arganda. • El análisis detallado de las pautas de comportamiento concreto ayuda mucho a afinar los cálculos de los factores inductores de demanda (población, empleo, etc.) en valores que acumulados pueden suponer más de un 10%. • Debido al peso tan grande que tienen las relaciones núcleo principal - periferia frente al resto de las relaciones en un corredor radial, resulta irrelevante aplicar un modelo de asignación a red para calcular la demanda en el corredor. • La aplicación de modelos muy detallados es posible gracias a la creciente potencia de los ordenadores personales y del software de ofimática más habitual (en particular las hojas de cálculo). • Los modelos detallados permiten, de una manera relativamente simple, acotar los problemas y realizar evaluaciones de sensibilidad y riesgo que proporcionan una herramienta muy útil para las evaluaciones económicas y financieras. • A partir de diez años desde la fecha en que se hacen las estimaciones de demanda, se pierde mucha precisión en el cálculo, lo que se manifiesta en el considerable achatamiento de la función de densidad de probabilidad. En caso de aplicar modelos deterministas, esto implica un error de gran envergadura que raramente se acotará con una simple y clásica generación de escenarios optimista, medio y pesimista. 7. REFERENCIAS BIBLIOGRÁFICAS Ayuntamiento de Madrid (1993). Revisión del Plan General de Ordenación Urbana de Madrid: Avance. Oficina Municipal del Plan, Madrid. Comunidad de Madrid (1997). Plan Regional de Estrategia territorial: Bases. Consejería de Obras Públicas, Transportes y Medio Ambiente, Madrid. Fundación de los Ferrocarriles Españoles (1996). Anuario del ferrocarril, Madrid. García Pastor, A y Cristóbal Pinto, C. (1996) Cobertura de las redes ferroviarias de transporte público (metro y cercanías de la Comunidad Autónoma de Madrid, utilizando un sistema de información geográfico. Actas del II Symposium de Ingeniería de los Transportes. Madrid, 22 - 24 de mayo. Izquierdo, R et al. (1994). Transportes: un enfoque integral. Servicio de publicaciones del Colegio de Ingenieros de Caminos, Madrid.