Professional Documents
Culture Documents
RESUMEN
El mtodo aqu evaluado para la determinacin de la matriz origen/destino (matriz O/D), utiliza la
combinacin de dos fuentes de informacin: los resultados de la simulacin con un modelo de
divisin modal, tal como el modelo logit multimodal (MLM), que puede ser calibrado a partir de un
nmero reducido de encuestas individuales; y una matriz de transporte pblico, que puede ser
estimada de manera fcil y rpida (con conteos en las paradas, por ejemplo). La distribucin de
la
poblacin de viajantes entre los diferentes modos de transporte disponibles puede ser obtenida
del
MLM. Por otra parte, la matriz de transporte pblico puede ser construida considerando algunas
variables contenidas en la definicin del MLM, aportando as la proporcin de viajantes que
utilizan
ese modo. Combinando las fracciones modales resultantes del modelo logit (distribucin modal)
con
los datos obtenidos de la matriz de transporte pblico puede estimarse el total de la subpoblacin
modelada, as como calcularse el nmero de viajantes en los otros modos disponibles.
En la presente ponencia se analizan y mensuran los errores cometidos en la estimacin de la
matriz
O/D utilizando el procedimiento arriba descrito. Mediante el clculo del error promedio, los
resultados obtenidos son comparados con aquellos derivados del uso del mtodo convencional,
el
cual consiste en la realizacin de encuestas domiciliares para encontrar la matriz O/D. Los datos
utilizados en el anlisis fueron recientemente colectados en la ciudad de Bauru, Estado de So
Paulo, Brasil.
1.CONSIDERACIONES PREVIAS
El conocimiento de la demanda de viajes de una ciudad constituye uno de los requerimientos
i) Aun con pequeas muestras de domicilios (entre el 1 - 5%), tiende a ser costoso, laborioso y
demorado.
ii) Las entrevista de lnea de contorno obstaculizan el flujo de vehculos.
iii) Los datos colectados pierden rpidamente su poder de informacin debido a los vertiginosos
cambios que ocurren en el uso del suelo y/o en las caractersticas econmicas de la poblacin.
Estos problemas han motivado a diferentes investigadores a explorar maneras alternativas para
la
elaboracin da matriz O/D; el mtodo alternativo ms popular es el uso de conteos de trfico
(Logie, 1993). Estos procedimientos necesitan, sin embargo, informacin adicional para encontrar
una solucin satisfactoria en la estimacin de la matriz.
Ortzar y Willumsen (1994) han clasificado los diferentes mtodos existentes en estructurados y
no
estructurados. Los mtodos estructurados requieren una informacin previa, en la mayoria de los
mtodos propuestos esta informacin es una matriz O/D pre-existente; mas en los pases en vas
de
desarrollo, como es el caso de Brasil, son pocas las ciudades que cuentan con una matriz O/D. En
los mtodos no estructurados, la informacin adicional requerida es dada por algn principio
general, como por ejempo, maximizacin de la entropa, y el patrn de trfico es obtenido
mediante
investigacin en sitio. En los pases donde existe un alto porcentage de la poblacin que utiliza
transporte pblico para sus viajes diarios, sin embargo, estos mtodos no resultan tiles.
El mtodo para determinacin de la matriz O/D aqu evaluado considera las observaciones arriba
citadas, y utiliza el modelo logit multimodal, una vez estimado, para predecir la demanda de
viajes
para los diferentes modos. Para un grupo de individuos con similares caractersticas
socioeconmicas y alternativas de viaje, la distribucin de las probabilidades, dada por el modelo
logit multimodal (MLM), puede ser considerada como la distribucin de ese grupo de individuos
entre las diferentes alternativas. La demanda esperada para el modo m ser:
(1)
donde:
Vij = nmero de viajes entre las zonas i y j por el modo m
= probabilidad de escoger el modo m por el individuo i
Ni= tamao de grupo al cual pertenece el individuo i
Por otra parte, si se dispone de una matriz de transporte pblico, de autobuses, por ejemplo, sta
nos proporcionara el nmero de viajantes que utilizan ese modo. Combinando las probabilidades
de
los modos resultantes del modelo logit (distribucin modal) con el nmero de viajantes entre dos
zonas, datos obtenidos de la matriz de transporte pblico, se tiene:
(2)
donde:
, = nmero de viajantes entre las zonas i y j por automvil y autobs, respectivamente.
El nmero de viajantes en los otros modos disponibles puede ser determinado como:
(3)
4.-Datos utilizados
4.1 Datos para la estimacin
Las ciudades brasileras cuentan con un servicio de transporte pblico regulamentado, siendo
ejercido principalmente por autobuses. Los datos utilizados en la presente ponencia fueron
obtenidos de una encuesta domicilar realizada en la ciudad de Bauru, ubicada en el estado de
So
Paulo, Brasil. La ciudad cuenta con una poblacin de aproximadamente 310.000 Hab. La
encuesta
se realiz en el mes de octubre del ao 1997.
Para la realizacin de la encuesta domiciliar la ciudad se dividi en 98 zonas, de las cuales tres
zonas
son especiales, ya que por diversas circunstancias generan y/o atraen gran cantidad de viajes: el
campus universitario, el terminal de autobuses y el distrito industrial. Se entrevistaron 3972
hogares.
Debido al caracter preliminar de este estudio, slo fueron seleccionados 145 viajes a partir de la
encuesta domiciliar (en forma aleatoria) para calibrar el MLM. Los modos disponibles para el
usurio eran tres: automvil, autobs y peatn (en esta ltima categora se agregaron los
ciclistas, ya
que la topografa accidentada de la ciudad no permite el uso generalizado de la bicicleta).
La oferta de transporte pblico en las ciudades brasileras est representada esencialmente por el
autobs. La ciudad de Bauru cuenta con 85 lneas de autobuses que cubren toda la ciudad. La
tarifa
para la poca del estudio era de R$ 0,65 (US$ 0,70). Los estudiantes menores de 18 aos gozan
de un descuesto del 30% y personas mayores de 65 aos estn dispensadas de pagar el pasaje.
El
salario mnimo en Brasil es de R$ 120,00 (reales). La ciudad tiene un dimetro de 18 Km sentido
5. PROCEDIMIENTO
5.1. Estimacin del modelo
El programa utilizado para la calibracin del MLM fue LIMDEP 7.0. Las variables utilizadas fueron
las siguientes: tiempo de viaje, tempo; costo del automvil, ccar; costo de autobs, tarifa; ingreso
familiar, rendaf; nmeros de automobiles, ncarros; si la parada de autobus estaba a menos de
500
metros, perto; zona con buena macro accesibilidad (con mas de tres lneas de autobus), zab. El
valor del logaritmo de la verosimilitud alcanzado fue -93.5520 siendo el valor inicial de la
verosimilitud de 146.9325. En el Tabla 3 se muestra un resumen de los valores de los
coeficientes
obtenidos de las ecuaciones de utilidad para los diferentes modos. La utilidad de cada modo fue
representada por las siguientes ecuaciones:
U(automovil) = Carro+ Btempo*tempo+Bcusto*ccar+Brendaf*rendaf+ncar*ncarros (6)
U(autobus)=Bus+Btempo*tempo+Bcusto*tarifa+Brendaf*rendaf+Bperto*perto+
bzab*zab (7)
U(pie) = Btempo*tempo (8)
Tabla 3. Resultados obtenidos en la calibracin
Variables
Coeficiente
Error Estndar
Z=b/s.e
P[| Z| > Z
Carro
-3,0859
0,63880
-4,831
0,0000
Btempo
-0,14371
0,027767
-5,176
0,0000
Bcusto
-0,50633
0,15659
-3,234
0,00122
Brendaf
0,00089757
0,00032803
2,736
0,00622
Bncarros
0,64227
0,28314
2,268
0,0233
Bus
-4,2704
0,96409
-4,429
0,00001
Bperto
-1.3440
0,59403
-2,262
0,02367
Zab
1,5879
0,58420
2,718
0,00656
Se utiliz la ecuacin (3) para cada uno de las pares seleccionados y con el nmero observado de
pasajeros observados de autobus. Un ejemplo de clculo realizado se muestra a continuacin
( para
el par 22-14):
No Observaciones Bus=7
No. de condutores = (0,653/0,205)*7=22,30
No. de peatones = (0,142/0,205)*7=4,85
S =7+22,30+4,85=34,15
Una comparacin entre las observaciones provenientes de la encuesta domiciliar y los resultados
de
utilizar la ecuacin (3) se presenta en la tabla 4; el error promedio obtenido se presenta en la
figura
2.
Tabla 4. Resumen de los resultados obtenidos.
O-D
Bus
Carro
A Pie
S
O-D
Bus
Carro
A Pie
S
I
Pr.
0,426
0,474
0,100
1,000
22-14
0,205
0,653
0,142
1,000
Est.
60,08
12,68
126,76
22,30
4,85
34,15
Obs
54
69
5
128
7
23
3
33
d
-0,148
0,606
-0,010
-0,032
0,381
0,034
II
Pr.
0,349
0,543
0,108
1,000
21-14
0,161
0,632
0,207
1,000
Est.
79,35
15,78
146,13
23,553
7,714
37,27
Obs
51
85
11
147
6
24
4
34
d
-0,071
0,303
-0,006
-0,019
0,481
0,088
III
Pr.
0,461
0,369
0,170
1,000
IV
0,588
0,400
0,021
1,009
Est.
8,80
4,06
23,86
12,245
0,643
30,89
Obs
11
9
2
22
18
8
4
30
d
-0,022
0,507
0,078
0,347
-5,222
0,029
24-97
Pr.
0,270
0,666
0,064
1,000
V
0,575
0,338
0,087
1,000
Est.
24,67
2,37
37,04
11,169
2,875
33,04
Obs
10
25
0
35
19
16
0
35
d
-0,014
1,000
0,055
-0,433
1,000
-0,059
94-01
Pr.
0,678
0,305
0,017
1,000
93-01
0,694
0,259
0,046
0,999
Est.
8,10
0,45
26,55
16,048
2,850
61,90
Obs
18
7
1
26
43
16
3
62
d
0,136
-1,216
0.021
0,003
-0,053
-0,002
7. Resultados
Los resultados indican que el procedimiento analizado puede ser utilizado para obtener la
distribucin de viajes y, por lo tanto, puede tambin ser utilizado para determinar la matriz O/D.
El
error promedio presenta la tendencia a disminuir a medida que el nmero de viajes observados
en
autobs aumenta significativamente. Por otra parte, el aumento del error promedio al disminuir el
nmero de viajes observados en produce mnimas variaciones en el error promedio de la
demanda
total, como puede ser observado en los pares 24-97, 94-01, IV. El mximo valor del error
promedio fue 0,088 y justamente correspondi a la celda con menor nmero de observaciones
seis
(6) y el mmimo valor del error promedio fue de 0,010 para 54 observaciones.
AGRADECIMIENTOS
El primer autor desea agradecer al Consejo Nacional de Pesquisa de Brasil (CNPq) por la beca
que le ha permitido realizar sus estudios de doctorado. Los autores agradecen al personal de
ENDURB y especialmente a los ingenireros Selma Granja, Mariana Barbieri y Waldomiro Fantini
Jnior por haber gentilmente colaborado suministrando los datos de transporte de la ciudad de
Bauru utilizados en el presente trabajo.
BIBLIOGRAFA
Bierlaire, M.(1991) Evaluation de la demande en trafic: quelques mthodes de distribution,
Annales
de la Socite Scientifique de Bruxelles 105,(1-2):17-66
Bierlaire, M. (1995) Matematical models for tranportation demand analysis. Disertacin de
doctorado. Facults Universitaries Notre-Dame de la Paix de Namur. Falcult des Sciences.
Dpartemente de mathmatique.
Cascetta, E. (1984) Estimation of trip matrices from traffic counts and survey data: A generalized
least squares estimador. Tranportation Research 18B, 289-299.
Domencich, T. A. y D. Mcfadden. (1975) Urban travel demand: A behavioral analysis.
North-Holland publishing, Amsterdam.
Ghareib, A. H. (1996) Different travel patterns: Interzonal, intrazonal, and external trips. Journal of
Transportation Engineering, V122, n.1, 67-75, ja/feb.
Hendrickon, C.y S. McNeil (1984) Matrix entry estimation errors. Proceedings of the 9th
International Symposium on Transportation and Traffic theory, 413-430.
Horowitz, J. (1981) Sources of error and uncertainty in behavioral travel-demand models. New
horizons in travel-behavior research. D. C. heath Company, Lexington; 543-558
Horowitz, J. (1981,b) Identification and diagnosis of specification errors in the multinomial logit
model. Tranportation Research 15B; 345-360.
Koppelman, F. (1976) Methodology for analyzing error in prediction with disagregate choice
models. Transportation Research Record No. 592; 17-23.
Logies, M. (1993) Advances in estimating O-D trip matrices. Traffic Engineering and
control;(8/9) , september
Ortzar, J. de D. y L. G Willumsen.(1994) Modelling Transport; Second Edition. John Willey and
Sons, Chichester.
Smith, D. P y B. G Hutchinson. (1981) Goodness of fit statistics for trip distribution models.
Tranportation Research 15A. 295-303
Talvitie, A; Y. Dehghani, y M. Anderson (1982) An investigation of prediction erros in work trip
mode choice models. Tranportation Research 16A (5/6); 395-402.
Williams, L. y J. D. Ortzar (1982) Behavioral theories of dispersion and the mis-especification of
travel demand model. Tranportation Research 26B (3).167-219.
Yang, H y T. Saaki. (1991) An analysis of the reliability of an origin-destition matrix estimated from
RESUMEN
El mtodo aqu evaluado para la determinacin de la matriz origen/destino (matriz O/D), utiliza la
combinacin de dos fuentes de informacin: los resultados de la simulacin con un modelo de
divisin modal, tal como el modelo logit multimodal (MLM), que puede ser calibrado a partir de un
nmero reducido de encuestas individuales; y una matriz de transporte pblico, que puede ser
estimada de manera fcil y rpida (con conteos en las paradas, por ejemplo). La distribucin de
la
poblacin de viajantes entre los diferentes modos de transporte disponibles puede ser obtenida
del
MLM. Por otra parte, la matriz de transporte pblico puede ser construida considerando algunas
variables contenidas en la definicin del MLM, aportando as la proporcin de viajantes que
utilizan
ese modo. Combinando las fracciones modales resultantes del modelo logit (distribucin modal)
con
los datos obtenidos de la matriz de transporte pblico puede estimarse el total de la subpoblacin
modelada, as como calcularse el nmero de viajantes en los otros modos disponibles.
En la presente ponencia se analizan y mensuran los errores cometidos en la estimacin de la
matriz
O/D utilizando el procedimiento arriba descrito. Mediante el clculo del error promedio, los
resultados obtenidos son comparados con aquellos derivados del uso del mtodo convencional,
el
cual consiste en la realizacin de encuestas domiciliares para encontrar la matriz O/D. Los datos
utilizados en el anlisis fueron recientemente colectados en la ciudad de Bauru, Estado de So
Paulo, Brasil.
1.CONSIDERACIONES PREVIAS
El conocimiento de la demanda de viajes de una ciudad constituye uno de los requerimientos
i) Aun con pequeas muestras de domicilios (entre el 1 - 5%), tiende a ser costoso, laborioso y
demorado.
ii) Las entrevista de lnea de contorno obstaculizan el flujo de vehculos.
iii) Los datos colectados pierden rpidamente su poder de informacin debido a los vertiginosos
cambios que ocurren en el uso del suelo y/o en las caractersticas econmicas de la poblacin.
Estos problemas han motivado a diferentes investigadores a explorar maneras alternativas para
la
elaboracin da matriz O/D; el mtodo alternativo ms popular es el uso de conteos de trfico
(Logie, 1993). Estos procedimientos necesitan, sin embargo, informacin adicional para encontrar
una solucin satisfactoria en la estimacin de la matriz.
Ortzar y Willumsen (1994) han clasificado los diferentes mtodos existentes en estructurados y
no
estructurados. Los mtodos estructurados requieren una informacin previa, en la mayoria de los
mtodos propuestos esta informacin es una matriz O/D pre-existente; mas en los pases en vas
de
desarrollo, como es el caso de Brasil, son pocas las ciudades que cuentan con una matriz O/D. En
los mtodos no estructurados, la informacin adicional requerida es dada por algn principio
general, como por ejempo, maximizacin de la entropa, y el patrn de trfico es obtenido
mediante
investigacin en sitio. En los pases donde existe un alto porcentage de la poblacin que utiliza
transporte pblico para sus viajes diarios, sin embargo, estos mtodos no resultan tiles.
El mtodo para determinacin de la matriz O/D aqu evaluado considera las observaciones arriba
citadas, y utiliza el modelo logit multimodal, una vez estimado, para predecir la demanda de
viajes
para los diferentes modos. Para un grupo de individuos con similares caractersticas
socioeconmicas y alternativas de viaje, la distribucin de las probabilidades, dada por el modelo
logit multimodal (MLM), puede ser considerada como la distribucin de ese grupo de individuos
entre las diferentes alternativas. La demanda esperada para el modo m ser:
(1)
donde:
Vij = nmero de viajes entre las zonas i y j por el modo m
= probabilidad de escoger el modo m por el individuo i
Ni= tamao de grupo al cual pertenece el individuo i
Por otra parte, si se dispone de una matriz de transporte pblico, de autobuses, por ejemplo, sta
nos proporcionara el nmero de viajantes que utilizan ese modo. Combinando las probabilidades
de
los modos resultantes del modelo logit (distribucin modal) con el nmero de viajantes entre dos
zonas, datos obtenidos de la matriz de transporte pblico, se tiene:
(2)
donde:
, = nmero de viajantes entre las zonas i y j por automvil y autobs, respectivamente.
El nmero de viajantes en los otros modos disponibles puede ser determinado como:
(3)
4.-Datos utilizados
4.1 Datos para la estimacin
Las ciudades brasileras cuentan con un servicio de transporte pblico regulamentado, siendo
ejercido principalmente por autobuses. Los datos utilizados en la presente ponencia fueron
obtenidos de una encuesta domicilar realizada en la ciudad de Bauru, ubicada en el estado de
So
Paulo, Brasil. La ciudad cuenta con una poblacin de aproximadamente 310.000 Hab. La
encuesta
se realiz en el mes de octubre del ao 1997.
Para la realizacin de la encuesta domiciliar la ciudad se dividi en 98 zonas, de las cuales tres
zonas
son especiales, ya que por diversas circunstancias generan y/o atraen gran cantidad de viajes: el
campus universitario, el terminal de autobuses y el distrito industrial. Se entrevistaron 3972
hogares.
Debido al caracter preliminar de este estudio, slo fueron seleccionados 145 viajes a partir de la
encuesta domiciliar (en forma aleatoria) para calibrar el MLM. Los modos disponibles para el
usurio eran tres: automvil, autobs y peatn (en esta ltima categora se agregaron los
ciclistas, ya
que la topografa accidentada de la ciudad no permite el uso generalizado de la bicicleta).
La oferta de transporte pblico en las ciudades brasileras est representada esencialmente por el
autobs. La ciudad de Bauru cuenta con 85 lneas de autobuses que cubren toda la ciudad. La
tarifa
para la poca del estudio era de R$ 0,65 (US$ 0,70). Los estudiantes menores de 18 aos gozan
de un descuesto del 30% y personas mayores de 65 aos estn dispensadas de pagar el pasaje.
El
salario mnimo en Brasil es de R$ 120,00 (reales). La ciudad tiene un dimetro de 18 Km sentido
5. PROCEDIMIENTO
5.1. Estimacin del modelo
El programa utilizado para la calibracin del MLM fue LIMDEP 7.0. Las variables utilizadas fueron
las siguientes: tiempo de viaje, tempo; costo del automvil, ccar; costo de autobs, tarifa; ingreso
familiar, rendaf; nmeros de automobiles, ncarros; si la parada de autobus estaba a menos de
500
metros, perto; zona con buena macro accesibilidad (con mas de tres lneas de autobus), zab. El
valor del logaritmo de la verosimilitud alcanzado fue -93.5520 siendo el valor inicial de la
verosimilitud de 146.9325. En el Tabla 3 se muestra un resumen de los valores de los
coeficientes
obtenidos de las ecuaciones de utilidad para los diferentes modos. La utilidad de cada modo fue
representada por las siguientes ecuaciones:
U(automovil) = Carro+ Btempo*tempo+Bcusto*ccar+Brendaf*rendaf+ncar*ncarros (6)
U(autobus)=Bus+Btempo*tempo+Bcusto*tarifa+Brendaf*rendaf+Bperto*perto+
bzab*zab (7)
U(pie) = Btempo*tempo (8)
Tabla 3. Resultados obtenidos en la calibracin
Variables
Coeficiente
Error Estndar
Z=b/s.e
P[| Z| > Z
Carro
-3,0859
0,63880
-4,831
0,0000
Btempo
-0,14371
0,027767
-5,176
0,0000
Bcusto
-0,50633
0,15659
-3,234
0,00122
Brendaf
0,00089757
0,00032803
2,736
0,00622
Bncarros
0,64227
0,28314
2,268
0,0233
Bus
-4,2704
0,96409
-4,429
0,00001
Bperto
-1.3440
0,59403
-2,262
0,02367
Zab
1,5879
0,58420
2,718
0,00656
Se utiliz la ecuacin (3) para cada uno de las pares seleccionados y con el nmero observado de
pasajeros observados de autobus. Un ejemplo de clculo realizado se muestra a continuacin
( para
el par 22-14):
No Observaciones Bus=7
No. de condutores = (0,653/0,205)*7=22,30
No. de peatones = (0,142/0,205)*7=4,85
S =7+22,30+4,85=34,15
Una comparacin entre las observaciones provenientes de la encuesta domiciliar y los resultados
de
utilizar la ecuacin (3) se presenta en la tabla 4; el error promedio obtenido se presenta en la
figura
2.
Tabla 4. Resumen de los resultados obtenidos.
O-D
Bus
Carro
A Pie
S
O-D
Bus
Carro
A Pie
S
I
Pr.
0,426
0,474
0,100
1,000
22-14
0,205
0,653
0,142
1,000
Est.
60,08
12,68
126,76
22,30
4,85
34,15
Obs
54
69
5
128
7
23
3
33
d
-0,148
0,606
-0,010
-0,032
0,381
0,034
II
Pr.
0,349
0,543
0,108
1,000
21-14
0,161
0,632
0,207
1,000
Est.
79,35
15,78
146,13
23,553
7,714
37,27
Obs
51
85
11
147
6
24
4
34
d
-0,071
0,303
-0,006
-0,019
0,481
0,088
III
Pr.
0,461
0,369
0,170
1,000
IV
0,588
0,400
0,021
1,009
Est.
8,80
4,06
23,86
12,245
0,643
30,89
Obs
11
9
2
22
18
8
4
30
d
-0,022
0,507
0,078
0,347
-5,222
0,029
24-97
Pr.
0,270
0,666
0,064
1,000
V
0,575
0,338
0,087
1,000
Est.
24,67
2,37
37,04
11,169
2,875
33,04
Obs
10
25
0
35
19
16
0
35
d
-0,014
1,000
0,055
-0,433
1,000
-0,059
94-01
Pr.
0,678
0,305
0,017
1,000
93-01
0,694
0,259
0,046
0,999
Est.
8,10
0,45
26,55
16,048
2,850
61,90
Obs
18
7
1
26
43
16
3
62
d
0,136
-1,216
0.021
0,003
-0,053
-0,002
7. Resultados
Los resultados indican que el procedimiento analizado puede ser utilizado para obtener la
distribucin de viajes y, por lo tanto, puede tambin ser utilizado para determinar la matriz O/D.
El
error promedio presenta la tendencia a disminuir a medida que el nmero de viajes observados
en
autobs aumenta significativamente. Por otra parte, el aumento del error promedio al disminuir el
nmero de viajes observados en produce mnimas variaciones en el error promedio de la
demanda
total, como puede ser observado en los pares 24-97, 94-01, IV. El mximo valor del error
promedio fue 0,088 y justamente correspondi a la celda con menor nmero de observaciones
seis
(6) y el mmimo valor del error promedio fue de 0,010 para 54 observaciones.
AGRADECIMIENTOS
El primer autor desea agradecer al Consejo Nacional de Pesquisa de Brasil (CNPq) por la beca
que le ha permitido realizar sus estudios de doctorado. Los autores agradecen al personal de
ENDURB y especialmente a los ingenireros Selma Granja, Mariana Barbieri y Waldomiro Fantini
Jnior por haber gentilmente colaborado suministrando los datos de transporte de la ciudad de
Bauru utilizados en el presente trabajo.
BIBLIOGRAFA
Bierlaire, M.(1991) Evaluation de la demande en trafic: quelques mthodes de distribution,
Annales
de la Socite Scientifique de Bruxelles 105,(1-2):17-66
Bierlaire, M. (1995) Matematical models for tranportation demand analysis. Disertacin de
doctorado. Facults Universitaries Notre-Dame de la Paix de Namur. Falcult des Sciences.
Dpartemente de mathmatique.
Cascetta, E. (1984) Estimation of trip matrices from traffic counts and survey data: A generalized
least squares estimador. Tranportation Research 18B, 289-299.
Domencich, T. A. y D. Mcfadden. (1975) Urban travel demand: A behavioral analysis.
North-Holland publishing, Amsterdam.
Ghareib, A. H. (1996) Different travel patterns: Interzonal, intrazonal, and external trips. Journal of
Transportation Engineering, V122, n.1, 67-75, ja/feb.
Hendrickon, C.y S. McNeil (1984) Matrix entry estimation errors. Proceedings of the 9th
International Symposium on Transportation and Traffic theory, 413-430.
Horowitz, J. (1981) Sources of error and uncertainty in behavioral travel-demand models. New
horizons in travel-behavior research. D. C. heath Company, Lexington; 543-558
Horowitz, J. (1981,b) Identification and diagnosis of specification errors in the multinomial logit
model. Tranportation Research 15B; 345-360.
Koppelman, F. (1976) Methodology for analyzing error in prediction with disagregate choice
models. Transportation Research Record No. 592; 17-23.
Logies, M. (1993) Advances in estimating O-D trip matrices. Traffic Engineering and
control;(8/9) , september
Ortzar, J. de D. y L. G Willumsen.(1994) Modelling Transport; Second Edition. John Willey and
Sons, Chichester.
Smith, D. P y B. G Hutchinson. (1981) Goodness of fit statistics for trip distribution models.
Tranportation Research 15A. 295-303
Talvitie, A; Y. Dehghani, y M. Anderson (1982) An investigation of prediction erros in work trip
mode choice models. Tranportation Research 16A (5/6); 395-402.
Williams, L. y J. D. Ortzar (1982) Behavioral theories of dispersion and the mis-especification of
travel demand model. Tranportation Research 26B (3).167-219.
Yang, H y T. Saaki. (1991) An analysis of the reliability of an origin-destition matrix estimated from