Integración de modelos para la estimación de la demanda en el transporte público. Aplicación de sistemas de información geográfica, análisis de regresión múltiple y funciones distance-decay al metro de madrid

Resumen

El análisis de la demanda potencial de viajes para nuevas infraestructuras resulta una tarea fundamental en el proceso de planificación del transporte. Para ello el modelo de cuatro etapas sigue siendo muy utilizado, aunque necesidad de conocer con la mayor certeza posible la demanda impulsa el renovado interés en los últimos años por mejorar los modelos predictivos, tanto a partir de reformulaciones de los existentes o con planteos novedosos. Es así como surgen los llamados modelos alternativos, que por simple oposición al método tradicional no son modelos secuenciales, normalmente muestran gran diversidad de métodos -muchas veces combinados-, emplean datos desagregados y no siempre logran una aplicación práctica; pese a su escasa difusión, estos modelos suponen ventajas importantes frente al enfoque tradicional en términos de simplicidad, facilidad de interpretación de los resultados y bajo coste.En el marco general de estas ideas se propone generar una serie de modelos predictivos de viajes, integrando en el análisis de regresión múltiple la accesibilidad peatonal, el tratamiento espacial de las variables con funciones de distance-decay2, y el análisis local a nivel de estación para capturar con mayor detalle las características sociodemográficas y urbanísticas de su entorno. Para demostrar su aplicabilidad real se decidió tomar como ejemplo el Metro de Madrid. Desde el punto de vista metodológico cabe destacar el empleo de herramientas SIG y estadísticas para el tratamiento de las variables, donde el alto nivel de desagregación de los datos permitió calcular las distancias recorridas hasta la estación, determinar áreas de servicio concéntricas cada 100 m, estimar las variables en las franjas y construir las curvas de distance-decay. A partir de ellas, para recoger el efecto decreciente con la distancia se emplearon las curvas decay como ponderación de las variables en cada franja, y finalmente, con eso datos se alimentaron los modelos estimación directa basados en análisis de regresión lineal múltiple; para corregir problemas de autocorrelación espacial en la regresión tradicional, se utilizaron funciones SIG avanzadas (índices de Moran, y regresión ponderada geográficamente).Las En síntesis, se puede afirmar que las aplicaciones prácticas muestran resultados alentadores en varios sentidos y se plantean como un complemento a la modelación clásica, lográndose una serie de mejoras metodológicas de gran interés para la planificación del transporte, como el tratamiento más adecuado de la distancia, estimación directa de la demanda para nuevas estaciones por medio de regresiones, y la integración de herramientas SIG y modelización estadística