Cálculo de la Demanda de Transporte, Congreso

Transcripción

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
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
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
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
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
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.
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
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
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
FIGURA 4: DENSIDADES DE PROBABILIDAD DE DEMANDA ANUAL EN RIVAS EN DISTINTOS
ESCENARIOS
450
400
350
300
250
200
150
100
50
0
T . V ic a lv a r o
180
160
140
120
100
80
60
40
20
0
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 (+)
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
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
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
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
FIGURA 5: DENSIDADES DE PROBABILIDAD DE DEMANDA ANUAL EN ARGANDA EN DISTINTOS
ESCENARIOS
200
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.

Cálculo de la Demanda de Transporte, Congreso

Transcripción

Documentos relacionados

KOKODRILO FUNKY C/Severo Ochoa nº4 nave 18 Rivas Vaciamadrid

Solicitud de transferencia bancaria para pago de la tesorería

Formulario inscripción adultos - Club Patín Velocidad Rivas In