Clasificacin de los modelos segn sus caractersticas de concepcin Se pueden distinguir diversas categoras de modelos siguiendo su grado de agregacin

o siguiendo la forma en que los agentes econmicos hacen su eleccin: Segn el nivel de agregacin bajo el cual se tienen en cuenta los comportamientos de los agentes econmicos, tenemos los modelos agregados y desagregados: Los modelos agregados estn ligados a modelos macro-econmicos y se estudia la eleccin del modo de transporte a travs de los volmenes o partes de trfico observadas. Estos modelos permiten analizar los desplazamientos entre zonas geogrficas de origen y de destino sin tener en cuenta las particularidades de los viajeros en el interior de cada zona. Las caractersticas de los viajeros estn representadas por distribuciones del conjunto de la poblacin. Los modelos desagregados estn ligados a modelos microeconmicos y se refieren a los comportamientos individuales. Buscan explicar, bajo una forma probabilstica, las actitudes de eleccin de los individuos, cuyo comportamiento est ligado a fenmenos aleatorios. El anlisis economtrico de la demanda del transporte presenta el desplazamiento como resultado de una sucesin lgica donde se abordan los problemas de generacin de trfico, de distribucin espacial, de reparticin modal, de afectacin sobre la red, de reparticin horaria,... Segn la manera en que la eleccin es efectuada por los agentes tenemos los modelos secuenciales y directos: Los modelos secuenciales suponen que las diferentes elecciones se hacen sucesivamente por el individuo. Cada aspecto de la cadena de decisin se estudia separadamente por una formulacin adecuada. Son modelos que calculan primero el trfico global, de todos los modos, entre dos zonas antes de afectar, con una operacin diferente, la parte que repercute a cada modo. Los modelos directos, aunque entienden que las elecciones pueden ser sucesivas, consideran que la decisin es un todo. Buscan integrar en una sola ecuacin todo el proceso de eleccin. Estos modelos conducen directamente al clculo del trfico de cada modo. Se puede reconstruir el trfico global como suma de los trficos de cada modo. Estas distinciones tan generales conducen a cuatro tipos de modelos de demanda: 1- Modelos agregados secuenciales. 2- Modelos agregados directos. 3- Modelos desagregados secuenciales. 4- Modelos desagregados directos.

Esta clasificacin no pretende cubrir todas las posibilidades que dan los modelos al tratar el anlisis de la demanda; a veces algunos modelos ms complejos son difciles de clasificar.

Los modelos desagregados secuenciales Estos modelos tienen dos ventajas. Primero, parece que tienen mejor en cuenta los procesos de eleccin individual, por la manera en que los datos estn tomados y utilizados en la construccin del modelo. De otro lado las tcnicas de desagregacin parecen ms aptas para predecir los fenmenos de comportamiento y aplicarlos en la planificacin. Se han desarrollado principalmente para ayudar a la determinacin modal, ya que la generacin y la distribucin de trfico estn tratadas de forma relativamente clsica. La eleccin modal, inicialmente, era una eleccin binaria entre dos modos concurrentes. Se podra usar una eleccin ms compleja. Estos modelos se caracterizan por: El uso de tcnicas de calibracin en las que cada observacin individual se trata como un punto y no como el interior de un agregado, temporal o demogrfico. La manera como son tratadas las caractersticas de las diferentes alternativas as como las del usuario. El uso de funciones matemticas especficas. Entre las numerosas formas de las funciones probadas, hay dos que son las ms usuales: La forma logstica tal que:

La forma probit tal que:

donde PA es la probabilidad de elegir la alternativa A G(x) es la combinacin lineal de los atributos de las diversas alternativas y de las caractersticas del usuario

Los modelos desagregados directos En este tipo de modelos, el usuario no se supone que toma su decisin en una secuencia de eleccin (viajar o no?, por qu modo? a qu destino?), sino que la toma simultneamente. Este principio ya desarrollado en los modelos agregados directos se ha aplicado a los modelos desagregados, estos ltimos constituyen para algunos el mejor acercamiento a las elecciones de los individuos.

En la parte central de estos modelos se encuentra el anlisis de la reparticin modal, que se suele tratar como un acercamiento de tipo logstico. Modelos desagregados Estos modelos parten de elecciones individuales: la informacin de base no es el flujo de trfico ni su reparticin modal sino el comportamiento del viajero. El objetivo es determinar una probabilidad de eleccin en funcin de las caractersticas del individuo, de su viaje y de la oferta de transporte. A diferencia de los modelos agregados ninguna condicin se impone, lo que se hace es observar a que lgica responde el comportamiento descrito por el modelo. Desde un punto de vista estadstico se desea disponer de un instrumento que permita hacer una correspondencia entre un individuo, caracterizado por un vector x, y una probabilidad que sea la ms prxima posible a la frecuencia observada de los individuos caracterizados por el mismo vector. El problema se puede formular como la bsqueda de la funcin que permita clasificar mejor los individuos entre los diversos modos de transporte. Referente al vector x se ha de tener en cuenta dos hiptesis. La primera supone que slo existe una funcin de densidad, por lo que existe para cada individuo un valor de indiferencia tal que por encima de l pertenece a un grupo que usa el modo 1 y por debajo al grupo que usa el modo 2: esta es la hiptesis fundamental que se encuentra en la base del anlisis probit. La segunda hiptesis supone que el vector x se distribuye de forma diferente en la poblacin segn el individuo elija el modo 1 o el modo 2: el problema es encontrar la funcin que reparta ms exactamente estas dos subpoblaciones; esta aproximacin conduce al anlisis discriminante. El anlisis discriminante as como el anlisis probit, bajo ciertas hiptesis de distribucin del vector x, conducen a una probabilidad de eleccin de forma sigmoidea ( forma de S achatada). Esta propiedad incita a ciertos autores a construir un nuevo anlisis, cuya hiptesis fundamental es postular una probabilidad sigmoidea. En este caso la funcin logstica es la ms apropiada: esto es el anlisis logit.