Presentacio MCAID PDF

U
P
C
C
U
R Modelos de Planificacin del
T
Transporte:
t anlisis
li i de
d la
l
S
2
oferta y la demanda
0
1
2
-
2 INTRODUCCIN A MCAID-MLTM
0
1
3
Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 1

MLTM
U
P
C
Guin
C 1. Metodologa:Esquema de las Cuatro Etapas.
U 2. Recogida de Informacin: Oferta, demanda.
R 2.1 Caracterizacin socioeconmica de las zonas de transporte.
S 2.2 Encuestas domiciliarias, aforos, etc.
2.3.Desarrollos y polticas previstos en el futuro.
2 3. Modelizacin.
0 3.1 Modelos de generacin y atraccin de viajes.
1 3.2 Modelos de distribucin de viajes.
2 3.3 Modelos de reparto modal.
- 3.4. Modelos de asignacin. Privado y pblico. Redes de transporte y
confrontacin oferta
oferta-demanda.
demanda Calibracin de la red base actual
actual.
2 3.5. Extensiones a modelos de anlisis ms complejos.
0 4. Desarrollo de futuros escenarios y evaluacin. Prognosis de la
1 demanda a horizontes corto,
corto medio y largo plazo (Exemplo
3 AIMSUN-NG).
5. Entornos integrados de Planificacin del Transporte: AIMSUN -
NG,, Emme/2,, TransCAD,, Estraus.

MLTM
U
P
C
Anlisis tradicional de los
sistemas de transporte
C
U Referencias clsicas
R
S Juan De Dios Ortzar y Luis G. Willumsen (2001)
"Modelling Transport" , John Wiley & Sons.
2
0
1 Adib K
Kanafani
f i (1983)
(1983), "Transportation
"T t ti Demand
D d
2
Analysis", Mc Graw Hill.
-
2
0 Norbert Oppenheim (1995), "Urban Travel Demand
1 Modelling. From Individual Choices to General
3 Equilibrium" John Wiley & Sons.

MLTM
U
P
C
C
U El objetivo de los anlisis en la
R
S planificacin del transporte
p p urbano es la
2 obtencin de descripciones
0
1 macroscpicas de los flujos de vehculos y
2
viajeros sobre las infraestructuras a partir
-
2
d hiptesis
de hi t i d dell comportamiento
t i t de d llos
0
1
usuarios del sistema de transporte.
3

MLTM
U
P
C
C
U Tradicionalmente se ha considerado que
R
S dicho pproceso de pplanificacin consta de
2 cuatro fases, las cuales aparecen
0
1 mencionadas por primera vez en el
2
histrico estudio (1960) del Area de
-
2
T
Transportes
t ded Chicago
Chi (Chi
(Chicago A
Area
0
1
Transportation Study).
3
Anlisis moderno.

MLTM
U
P
C
Esquema de las Cuatro Etapas
C
U 1. Recopilacin de datos y delimitacin del
R
S j
rea objeto del estudio de p
planificacin.
2
0
2. Anlisis y ajuste de modelos.
1
2 3. Previsiones de la demanda: a partir de
- los modelos g generados en la fase
2 anterior. Construccin escenarios.
0
1
3
4 Evaluacin de futuros escenarios
4. escenarios.

MLTM
U
P
C
Esquema de las Cuatro Etapas
C
U
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
Definicin de rea de estudio
C
U Zona de transporte: homogeneidad de
R
S las caractersticas socioeconmicas,,
2 usos del suelo y de accesibilidad al
0
1 sistema de transporte
transporte.
2
-
Zonificaciones anteriores.
2 Divisiones administrativas: municipios,
0 distritos, secciones censales.
1
3 Particin de secciones censales en
previsin de nuevos desarrollos.
p
MLTM
U
P
C
C
U P
Particin
ti i ddell
R territorio
S
econmico.
i
2
0 Los centroides
1
2 identifican:
- Zonas de
2 transporte
0 Puertas del
1
3 modelo

MLTM
U
P
C
C
U
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U De la definicin de las
R
S
zonas a nivel de
2
comarcas o coronas
0
1
2 se refina en el rea
- de inters a la
2
0
definicin de
1 municipios.
3

MLTM
U
P
C
C
U De la definicin de
R
S
municipios
2
0
1 se
se refina en el rea
2 de inters a la
- definicin de distritos
2
0
y/o barrios.
1
3

MLTM
U
P
C
C
U De la definicin
f
R de
S distritos/barrios
2
0
1
se refina en el
2 rea de inters a
la definicin de
-
zonas de
2 transporte como
0
1
agrupacin de
3 secciones
censales.

MLTM
U
P
C
C
U
R
Zonificacin
S
interior
rondes
d d dell
2 entorno
0 inmediato de
1 Barcelona
Barcelona.
2
-
2
0
1
3

MLTM
U
P
C
Recopilacin de datos:
herramientas CAD
C
U Superficie
R
S Poblacin
2 Viviendas
0
1 Motorizacin aparcamiento
Motorizacin, aparcamiento, carga/descarga
carga/descarga.
2
-
Empleos por sectores
2 Usos del suelo: comercial, industrial, servicios,
0
1
residencial.
3

MLTM
U
P
C
Recopilacin de datos: datos
autoridades del mbito
C
U
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
infraestructura viaria y movilidad
C
U Modelos
R
S
regionales:
2
carreteras
0 segn su
1
2 tipologa.
- Evaluacin
2 del Plan de
0 Infraestructur
1 as (PIT) en
3
Catalunya.

MLTM
U
P
C
C
U
M
Modelos
d l
R urbanos:
S Viario principal
y secundario:
d i
2 callejero.
0 Sistema de
1 t
transporte
t
2
pblico:
- autobs
2
urbano,
0 interurbano,
1 metro,, Renfe,,
3 ferrocarril
cercanas,
tranvas,, etc.

MLTM
U
P
C
C
U Modelos
R
S
urbanos:
2 Viario
0 principal y
1 secundario:
d i
2
callejero.
-
2
A partir
ti d
dell
0 callejero
1
3 municipal.
i i l

MLTM
U
P
C
Recopilacin de datos: encuestas
de movilidad domiciliaria
C
U Conocer la movilidad cotidiana de la
R
S
poblacin del mbito para establecer sus
2 patrones.
0
1 Obtener informacin sobre la opinin de
2 los ciudadanos sobre aspectos
- relacionados con la movilidad.
2
0 Estudiar la evolucin de la demanda de
1
3
desplazamientos en base a comparar
encuestas peridicas.

MLTM
U
P
C
encuesta de movilidad domiciliaria
C
U Encuesta telefnica
f en
R 2006 a personas =>4
S aos.
2 Muestra de 100000 ind,
0 en primavera y otoo
1
2 27 Preguntas en 3
apartados:
-
Deplazamientos ayer
ayer.
2 Caracterizacin
0 socioeconmica.
1
3 Opinin: uso de modos de
transporte, satisfaccin,
motivos, costes,etc.

MLTM
U
P
C
Encuesta domiciliaria EMQ2001
C
U
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
EMQ2001 Principales resultados
C
U Desplazamientos por motivos
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Desplazamientos por modo principal:
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Repar
R
S
to
2
modal
0 y
1
2 cuotas
- de
2 merca
0
1
do
3

MLTM
U
P
C
C
U Reparto modal por comarcas:
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Movilidad segn las cadenas modales
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Movilidad semanal por etapas
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Desplazamientos segn dia de la semana
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Movilidad semanal entre comarcas
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Autocontencin por comarcas de residencia
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Movilidad semanal por gnero y motivo
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Cuotas de mercado de los modos por gnero
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Cuotas de mercado del modo segn la actividad profesional
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Conocimiento y valoracin del Sistema de
R Integracin Tarifaria
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
C
U Cambios de Hbitos de desplazamiento por
R Sistema de Integracin Tarifaria
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
EMQ2001 : Cuestionario
C
U Cuadernillo con desplazamientos de un da:
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
Matrices origen destino modales entre zonas
C
U
R Asignar un peso
S a cada individuo
de la muestra,
2 segn el plan de
0 muestreo: factor
1 d expansin.
de i
2
Ponderar todos
- los
desplazamientos
2
de un individuo
0
por su factor de
1
expansin.
i
3

MLTM
U
P
C
Puntos de aforo automticos regulares
C
U
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
Si existe una Enc.Domiciliaria de menos de 5 aos
C
U Cuadernillo con desplazamientos de un da:
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
Modelizacin oferta y demanda
C
U 1. Recopilacin de Generacin y
R Atraccin de Viajes
S datos.
D
2
0
2. Anlisis y ajuste E
Distribucin
M
1
2
de modelos A
N
- 3. Previsiones de la D
A
2 demanda. O
Reparto Modal
0
1
3
4 Evaluacin
4. F
E
estratgica. R
T Asignacin
A

MLTM
U
P
C
Modelos demanda: G/A viajes
C
U
Modelos
M d l agregados
d (zona)
( ) N t i
Notacin
R / desagregados (hogar)
G/A
S
Generacin de viajes
Distribucin
2
0 (modales/por Reparto Modal
1 motivos/periodo etc) en
motivos/periodo,
las zonas:
Asignacin
2
Funcin de las Simplificacin

-
caractersticas de la zona:
T tij
2 poblacin, viviendas, usos
0 del suelo, disponibilidad de
coches, nivel
1
3
econmico,etc.
Idem en Atraccin.
t ij= nmero de viajes entre
el origen i y el destino j

MLTM
U
P
C
C G/A
U Modelos agregados Facilitan los
R Distribucin
S
(zona): totales p
por origen
g R
Reparto
t MModal
d l
2 Modelos de regresin (O s) y los totales Asignacin
0
1
lineal mltiple
p por destino ((D s))
p
2 generalizados (con
variables contnuas y p
O i 0 k xik
-
2 categricas).
0 k 1
1 Idem en Atraccin.
p'
x ik =
D j 0 k z jk
3 var.socioeconmica
k en el origen i
k 11
MLTM
U
P
C
C
U Modelos desagregados Facilitan
F ilit los
l totales
t t l G/A
R (hogar) generados segn la Distribucin
S
A li i por categoras
Anlisis t tipologa de hogar R
Reparto
t MModal
d l
2
(modelos estadsticos) por origen (O s) Asignacin
0
1 Tasas de generacin de Nmero de viajes Personas por hogar
2 viajes constantes en el generados por hogar
- tiempo para cada categora HH_PER HH_PER HH_PER HH_PER HH_PER

S_1 S _2 S _3 S _4 S _5
Tablas de contingencia
2
0 (SPSS, MINITAB, R, ) Autos
por
PERC_0_AUT
hogar
1 Modelos loglineales PERC_1_AUT
3 (SPSS, R, SAS, ). PERC_2_AUT
Ms 2 dimensiones

MLTM
U
P
C
C
U Modelos Facilitan
F ilit llos totales
t t l generados
d G/A
R
desagreg segn la tipologa de hogar por Distribucin
S
origen
i (O s))
R
Reparto
t MModal
d l
2
ados
Asignacin
0 (hogar)
1 Se debe conocer el
2
nmero de hogares por
-
2
zona
ona en la tipologa.
tipologa
0
1
3

MLTM
U
P
C
C G/A
U Modelos desagregados (hogar)
R Exemplo TransCAD: Distribucin
S R
Reparto
t MModal
d l
2 Se debe conocer el
Asignacin
0 nmero de hogares por

1 zona en la tipologa y su
2 evolucin futura !!!!
-
ID ARE TOTAL_H HH_INC_ HH_INC_ HH_INC_ HH_INC_ HH_INC_ PERC_0_AU PERC_1_AU PERC_2_AU
A H 1 2 3 4 5 T T T
2
1 7,27 4967 1000 1170 2280 300 217 0,17 0,67 0,16
0 2 13,0 16633 3000 4280 7620 933 800 0,23 0,47 0,30
1 0
3 5 8,26 16470 300 420 7200 4550 4000 0,16 0,43 0,41
4 9,29 8020 500 690 4305 1525 1000 0,14 0,81 0,05
3 7,39 16280 1100 1310 8745 3125 2000 0,29 0,14 0,58

MLTM
U
P
C
Modelos de Distribucin Viajes
C
U
R
Modelos agregados (zona) Notacin T tij G/A
S
2
Distribucin de los viajes t ij = nmero de viajes
entre el origen i y el
Distribucin
0 generados en un origen destino j Reparto Modal
1 entre diversos destinos Asignacin

2
Oi conocidos
- Dj conocidos
2
0
1
3

MLTM
U
P
C
C
U
R
Modelos de factor
decrimiento
f de A estimar T tij G/A
Disponible un patrn de

S
distribucin D d ij t ij a i b j d ij
Distribucin
2
0 Encuesta OD
Reparto Modal
1 = nmero de viajes
Estudio anterior Asignacin
2 actuales entre el origen
Oi actuales conocidos i y el destino j
-
Dj actuales conocidos
2
0
1
3

MLTM
U
P
C
C
U
M
Modelos
d l d de ffactor
t d de A estimar
ti T tij G/A

crecimiento: disponible Distribucin
D d ij
R
S un patrn de distribucin disponible
y
Reparto Modal
2 Oi actuales conocidos t ij a i b j d ij Asignacin
0
Djj actuales conocidos
1 = nmero de viajes
2 actuales entre el origen
Factor de crecimiento i y el destino j
-
simple (por orgenes o S j t a:
Sujeto
2 destinos).
0 Factor de crecimiento con
1
restricciones dobles
3
(orgenes y destinos) :
mtodo de Furness.

MLTM
U
P
C
C
U Modelos de gravedad: A estimar T tij G/A

Distribucin
Disponible una matriz de
C cij
R
S disponible
costes de viaje origen-
origen Reparto Modal
2 destino.
0 Oi actuales conocidos t ij a i O i b j D j f (c ij ) Asignacin
1 = nmero de viajes
2
actuales entre el origen
i y el destino j
-
M
Modelo
d l f
fsico.
i S j t a:
Sujeto
2
0 Ms difciles de entender
1 que los modelos de
3
crecimiento tipo Furness.

MLTM
U
P
C
C
U Modelos de gravedad: A estimar T tij G/A

Distribucin
Disponible una matriz de
C cij
R
S disponible
costes de viaje origen
origen- Reparto Modal
2 destino.
0 Oi actuales conocidos t ij a i O i b j D j f (c ij ) Asignacin
1 = nmero de viajes
2
actuales entre el origen
i y el destino j
-
2
0
1
3

MLTM
U
P
C
C
M
Modelos
d l d de Todos implementables G/A
U
entropa Wilson con modificaciones del Distribucin
R
(1967) algoritmo tipo de
S
Relacionados Furness
Furness. Reparto Modal
2
0
con hiptesis Asignacin
1 estadsticas de
2 mnima cantidad
de informacin
- aadida: dij
2 Oi actuales
0 conocidos
1 Dj actuales
3 conocidos
Con o sin patrn
j
de viajes

MLTM
U
P
C
C
U
R
Modelos de entropa: A estimar T tij G/A
Distribucin
S disponible
Reparto Modal
2 Oi actuales conocidos Asignacin
0
1
Djj actuales conocidos
2 t ij a i O i b j D j
+
-
2
0 Disponible de un
1
patrn origen
origen-destino.
destino t ij a i O i b j D j d ij

3
D d ij

MLTM
U
P
C
Modelos de reparto modal
C
Modelos muy discutidos, pero imprescindibles.
G/A
U
Tcnicamente clasificados en modelos agregados
Distribucin
R
S (zona) y desagregados (individuo)
(individuo). Reparto Modal
2 Los modelos desagregados a nivel de individuo Asignacin
0
1
son los nicos considerados fiables.
2 Modelos estadsticos: modelos lineales
- generalizados.
Extensin de la regresin clsica que permite incluir como
2
variables explicativas tanto variables cuantitativas como
0
cualitativas.
1
3 La variable de respuesta puede ser una variable aleatoria
binomial, Poisson, multinomial, gamma, etc.

MLTM
U
P
C
G/A
C L
La seleccin
l i del
d l L seleccin
La l i del
d l
U modo de modo de Distribucin
R transporte transporte
S depende de las depende de las Reparto Modal
caractersticas caractersticas
2 del VIAJERO del MODO Asignacin
0 La seleccin del
1 modo de
2
Disponibilidad Tiempo de viaje
vehculo transporte
Tiempo de espera depende de las
- Renta Coste del viaje caractersticas
2 Estructura Coste y del VIAJE
0
familiar disponibilidad
1 Densidad g
parking Motivo del viaje
residencial Confort
3 Hora del da
Condicionantes Regularidad
del resto del da Seguridad

MLTM
U
P
C
C G/A
U Basados en la Teora de Eleccin Discreta Distribucin

R
S
de Alternativas basada en la maximizacin Reparto Modal
2
de la utilidad aleatoria (modelos
economtricos).
Asignacin
0
1
2 Postulados por el premio Nobel Daniel
- McFadden ((1975). )
2
0
Modelos intrinsecamente desagregados
1 (individuo): falta estrategia de agregacin
3
para la prediccin.

MLTM
U
P
C
C
Modelos de Eleccin Discreta de
G/A
U
Alternativas: seleccin de la
Distribucin
R
S Reparto Modal
2 alternativa que maximiza la utilidad

aleatoria.
Asignacin
0
1
2 La utilidad es una variable aleatoria
-
2
0
1
3

MLTM
U
P
C
C Modelos de Eleccin Discreta de G/A
U
R
Alternativas Distribucin
S Distribucin de probabilidad de la utilidad Reparto Modal
2 percibida: Asignacin
0
1
Gumbel (simple) Modelos logit,
g , logit
g
presupone modos i.i.d multinomial
2
- Normal ((ms ppotente))
2 permite alternativas Modelos probit
0 modales
1 correlacionadas
correlacionadas.
3

MLTM
U
P
C
C Modelos de Eleccin Discreta de G/A
U Alternativas Logit Jerrquicos Distribucin

R
S Estructura jerrquica del proceso de decisin. Reparto Modal
2 Aumenta la capacidad modelstica de los modelos

logit.
Asignacin
0
1 Resulta
R lt mucho
h ms simple
i l que llos modelos
d l probit.
bit
2
-
Gumbel (simple)
2 +
0 permite alternativas
1 modales
d l
3
correlacionadas.

MLTM
U
P
C
C Modelos de Eleccin Discreta de Alternativas G/A
U Logit Jerrquicos Distribucin

R
S Empezar por nido inferior (atributos independientes) Reparto Modal
2 Calcular la utilidad del nido: Asignacin
0 Calibrar parmetros de nido 0<1 y

1 S bi a nido
Subir id superiori
2
-
i i d por nivel
Gumbel i.i.d.
2 +
0 permite alternativas
1 modales
d l
3
correlacionadas.

MLTM
U
P
C
Modelos de asignacin
C
Transporte privado.
G/A
U
Distribucin
R
S
2
Transporte pblico
pblico. Reparto Modal

Asignacin
0
1 Asignacin bimodal (EMME/2).
2
- Modelos integrados macro-
macro-micro
2
0
(AIMSUN--NG).
(AIMSUN
1
3
Modelos de equilibrio
multimodales (Estraus).
MLTM
U
P
C
Asignacin bimodal: paradigma
EMME/2
C
U
R
S
Asignacin
Tiempo de recorrido auto (timau) se usa en
2 auto impedancia transit (segmentos ligados al arco)
0
1
2
-
2
Vehculos equivalentes auto (veq) se usa en A i
Asignacin
i
impedancia auto (volad, volumen adicional)
0 transit
1
3

MLTM
U
P
C
El entorno de modelizacin
EMME/2
C
U EMME/2 is an interactive-graphic state-of-
R
S
the-art multimodal urban transportation
2 planning system.
0
1 It offers the planner a complete and
2 comprehensive set of tools for demand
- modelling, multimodal network modelling
2
0
and analysis and for the implementation of
1 evaluation procedures
procedures.
3
Panormica.

MLTM
U
P
C
TransCAD
C
U TransCAD
C es un sistema de informacin
f geogrfica
f
R (SIG) diseado especialmente para profesionales de
S transporte con el objeto de almacenar, mostrar, y
2 analizar datos de transporte.
0 TransCAD, a diferencia de los dems paquetes
1
informticos de transporte, combina en una sola
2
plataforma integrada las propiedades de un SIG y las
- capacidades de modelacin del transporte.
2 Caliper Corporation
0
1
1172 Beacon Street Newton MA
3 02461 USA Tel: +1(617)527-
4700 informacion@caliper.com

MLTM
U
P
C
TransCAD
C
Una poderosa
U d plataforma
l t f
U
SIG con extensiones
R
especficas para modelos
S
d ttransporte.
de t
2 Herramientas de anlisis
0 diseadas para el
1 t
transporte,t mapeo y
2 visualizacin.
- Aplicaciones para
mdulos de creacin de
2
rutas, previsin de la
0
demanda de viajes,
1
t
transporte t pblico,
bli
3
logstica y gestin del
territorio

MLTM
U
P
C
TransCAD
C Los Modelos
L M d l de d Generacin
G i
U
Modelos
M d l ded demanda
d d y
Produccin de Viajes.
R planificacin del Los Modelos de Atraccin de Viajes.
S transporte Los algoritmos de ajuste de Viajes
estn diseados para ajustar el
2 TransCAD es el nico volumen total de atracciones con el de
0 programa de planificacin producciones.
1 b
basado
d en un entorno
t SIG Los Modelos de Distribucin de
2 totalmente integrado y con Viajes.
herramientas Los Modelos de Distribucin Modal.
-
y procesos de asignacin
asignacin. P-A
P A to O
O-DD y Matrices Horarias
2 incluye herramientas para convertir
producciones y atracciones en
0 TransCAD incluye todos los orgenes destinos, descomponer una
1 elementos tpicos de un matriz diaria en un grupo de horarias
horarias,
3 programa de planificacin transformar viajeros en vehculos y
del transporte aplicar factores de horas punta o valle.
convencional...

MLTM
U
P
C
TransCAD
C
U Los Modelos de Avanzados Asignacin de Trfico incluidos en
R TransCAD se basan en funciones de costos generalizados, para la
S evaluacin de problemas de transporte multimodal o de
competencia
i entre dif
diferentes modos
d d de transporte.
2
0 TransCAD permite aplicar un modelo de asignacin de trfico
1 que simultneamente
i lt t asigna
i vehculos
h l ligeros,
li pesados
d y
2 autobuses sobre la red vial. Este procedimiento permite incluir
peajes por tipologa de vehculos y utilizar velocidades diferentes en
- la ecuacin de costos generalizados
generalizados. Tambin pueden definirse
2 restricciones por clases de vehculos en el uso de la red vial.
0 Algunos vehculos con itinerarios fijos pueden ser considerados
1
como precargas en la red.
3

MLTM
U
P
C
TransCAD: resultados asignacin
C
U
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
TransCAD: modelo BCN
C
U
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
TransCAD: resultados
asignacin en modelo de BCN
C
U
R
S
2
0
1
2
-
2
0
1
3

MLTM
U
P
C
TransCAD: resultados asignacin
C
U La red anterior
R de transporte
S
privado se
2 puede asignar
0
1 con la matriz de
2 demanda y se
- obtienen
2 resultados a
0 nivel de arco y
1 pareja OD
OD.
3

MLTM
U
P
C
AIMSUN-NG
C
U AIMSUN-NG se desarroll en la UPC y
R
S actualmente en TSS ((Transport
p Simulation
2 System).
0
1
2
Entorno informtico muy evolucionado
- donde se integra: simulacin
2 microscpica, planificacin del transporte
0
1 y usos del suelo.
3
Ver detalle

MLTM
U
P
C
Gracias por su atencin !
C
U
R
S
2
0
1
2
-
2
0
1
3

MLTM

Presentacio MCAID PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Presentacio MCAID PDF

Загружено:

Авторское право:

Доступные форматы

U

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 1

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 2

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 3

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 4

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 5

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 6

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 7

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 9

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 10

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 11

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 12

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 13

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 14

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 15

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 16

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 17

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 18

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 19

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 20

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 21

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 22

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 23

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 24

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 25

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 26

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 27

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 28

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 29

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 30

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 31

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 32

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 33

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 34

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 35

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 36

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 37

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 38

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 39

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 40

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 41

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 42

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 43

2 Modelos de regresin (O s) y los totales Asignacin

R (hogar) generados segn la Distribucin

- tiempo para cada categora HH_PER HH_PER HH_PER HH_PER HH_PER

1 Modelos loglineales PERC_1_AUT

3 (SPSS, R, SAS, ). PERC_2_AUT

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 45

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 46

0 nmero de hogares por

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 47

0 generados en un origen destino j Reparto Modal

1 entre diversos destinos Asignacin

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 48

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 49

2 Oi actuales conocidos t ij a i b j d ij Asignacin

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 50

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 51

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 52

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 53

2 Oi actuales conocidos Asignacin

Mtodes de Captaci, Anlisi i Interpretaci de Dades - Ldia Montero Mercad 54