EVALUACIN DEL ERROR COMETIDO EN LA DETERMINACIN DE LA

MATRIZ ORIGEN/DESTINO BASADA EN EL MODELO LOGIT MULTIMODAL

Delfos E. Lpez Reyes y Eiji Kawamoto

Escola de Engenharia de So Carlos
Departamento de Transportes-USP
Av. Carlos Botelho, 1465-So Carlos-SP
CEP 13560-970- Brasil.
e-mail: eiji@usp.br

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

fundamentales en la ingeniera del transporte, ya que esta informacin es utilizada en las

siguientes
reas:
i.Planificacin de nuevos servicios de transporte;
ii.Planificacin de la infraestructura de transporte;
iii.Reglamentacin del trfico urbano
iv.Operacin del transporte pblico.
La forma ms comunmente utilizada para representacin de la demanda es mediante una matriz
origen-destino (matriz O/D). En la matriz O/D, tradicionalmente elaborada en la etapa de
"distribucin de viajes" en el clsico procedimiento de cuatro pasos, los viajes originados en una
zona de trfico son dados en las filas y los viajes con destino a una determinada zona son
representados por las colunas, de forma que el nmero de viajes entre dos zonas de trfico es
representado por cada celda de la matriz.
En la matriz O/D pueden ser diferenciados cuatro tipos de viajes: internos (Vij), internos-externos
(IE), externos-internos (EI) e externos-externos (EE) (ver figura 1). Estos viajes pueden ser
definidos como:
Vij: los viajes con origen y destino dentro del rea de estudio limitada por la lnea de contorno.
Estos
viajes pueden ser divididos en interzonales (Vij) con i diferente de j; e intrazonales, con origen y
destino dentro de la misma zona.
IE: estos viajes tienen origen dentro del rea de estudio definida y con destino fuera del rea de
estudio.
EI: son los viajes con origen fuera, y con destino dentro del rea de estudio definida.
EE: son viajes que atraviesan el rea de estudio, es decir, ni su origen ni su destino estn en
dicha
rea.
Los viajes externos (EI y EE) son objetos de consideraciones diferentes a aquellos viajes
efectuados
dentro de la zona de estudio (Ghareib 1996). El criterio ms utilizado es que deben ser
considerados por separado dando origen a una matriz de viajes externos-externos y a una matriz
de
viajes externos-internos (EE y EI respectivamente). Los viajes externos son estimados de forma
distinta a los viajes originados en la zona de estudio, principalmente debido a que el costo
incurrido
en este tipo de viaje es de dficil estimacin.

Figura 1. Diferentes tipos de viajes obtenidos

El mtodo ms comunmente utilizado en la prctica para la estimacin de la matriz O/D es la
realizacin de encuestas domiciliares en conjunto con entrevistas de lnea de contorno. Este
mtodo
convencional presenta una serie de incovenientes, entre los cuales se puede mencionar:

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)

2.Errores cometidos en el procedimiento para la determinacin de la matriz O/D

Antes de establecer criterios para evaluar el procedimiento descrito en la seccin anterior, es
importante considerar los posibles errores subyacentes, de manera de poder disear una
apropiada
estrategia de anlisis. Los errores subyacentes pueden ser divididos en dos tipos:
(i) Errores de prediccin.
(ii) Errores ocurridos durante la ejecucin del mtodo (debido a procedimientos equivocados) que
pueden invalidar la matriz resultante.
Los errores del tipo (i) son de caracter metodolgico, y son causados por la utilizacin equivocada
del mtodo, aun cuando este ltimo sea correcto, produciendo una matriz errada. Para medir el
error se hace necesario comparar la matriz obtenida con la matriz "verdadera". Puesto que la
verdadera matriz O/D raramente es conocida, se hace imposible medir directamente el error
cometido, por este motivo han surgido diferentes medidas y criterios, que pueden agruparse en
dos
clases. La primera clase comprende los criterios fundamentados en la similitud de ciertas
caractersticas de las matrices observada y estimada, tales como la distribucin de la longitud de
las
frecuencia de viajes o de la longitud media de viaje. El segundo tipode criterio se basa en la
comparacin celda a celda de ambas matrices.
Los mtodos alternativos propuestos, basados en conteos de trfico para la estimacin de la
matriz
O/D, tienen como finalidad actualizar o mejorar una matriz ya disponible; entonces el problema
de
medir errores de precisin consiste en de establecer un criterio de escogencia de la matriz que
tenga
mayor precisin o confiablilidad entre todas las matrices posibles satisfaciendo las restriciones
dadas
(Yang et al., 1991).
El error de prediccin en el presente procedimiento propuesto puede ser originado cuando el
nmero de viajes observados en el modo estudiado no es significativo para el nmero de viajes
entre
las zonas observadas. Como regla prctica, cuando el nmero de viajes es menor que 50, se
considera que podra estarse cometiendo este tipo error.
Los errores del tipo (ii) son los errores comunmente llamados errores de especificacin, aqu se
incluyen los errores cometidos durante los procesos de: seleccin del modelo de escogencia
modal
(Ortzar y Williams,1982), estimacin del modelo de escogencia modal (para el modelo logit
multimodal han sido estudiados con bastante profundidad por Horowitz 1981, 1981b),
especificacin de las constante especificas de los modos en la funcin utilidad, (Bierlaire,1995) y
los
errores ocasionados por defectos en las observaciones en el comportaniento del usuario. Como
ejemplo de este ltimo caso, si se utiliza una matriz de transporte pblico, las zonas de origen y
destino pudieran no ser las mismas zona de origen y destino de los viajes.

3. Medida de la precisin del procedimiento.

Para la determinacin de la precisin (grado de semilaridad entre las dos matrices, observada y
estimada) se utiliz el error promedio de la estimacin, inicialmente recomendado por Koppelman
(1976) y utilizado por Talvitie et al. (1982). Smith y Hutchison (1982) recomendaron su utilizacin
por ser una medida apropiada debido a que sensibilidad permanece constante cuando la
magnitud
del error varia.
El valor del error promedio (d i) para el modo i es expresado como:
(4)
donde:
Esti= nmero estimado de viajeros del modo i;
Obsi = nmero observado de viajeros del modo i.
La ecuacin (4) tiene como ventaja que expresa el error como una proporcin del valor de la
prediccin, permitiendo de esta forma la comparacin entre las diferentes celdas.

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

este-oeste y de12 Km en el sentido norte-sur.

En el Tabla 1 se presenta un resumen de los datos que sirvieron de base para la estimacin del
modelo logit. Estos datos son: nmero de carros por familia (ncarros); salario declarado por las
personas pertenecientes a la familia (salario), a partir del cual se calcul el ingreso familiar
(rendaf);
distancia de acceso a lnea de autobs (dacesso); distancia de viaje (dist), calculada en plano. En
la
Tabla 1, las distancias estn dadas en metros y los tiempos en minutos.
Tabla 1. Resumen de los datos utilizados
Datos
Media
Valores
Desviacin
estndar
mximo
mnimo
ncarros
1.1887
3
0
0.8602
salario
631,1605
5000
0
755,8788
rendaf
1837,4850
5000
200
1273,3608
dacesso
306,7164
1650
50
268,8008
dist
3147,4074
15000
100
2370,8499
tempo
15,8863
125
5
17,9704
Los tiempos de viaje de los modos fueron estimados a partir de las velocidades medias
observadas
en sitio. El costo percibido del automvil fue calculado con la ecuacin:
(5)

donde 0,85 es el valor de un litro de gasolina en reales.

4.2 Datos para la comparacin de la matriz O/D

A partir de la matriz O/D obtenida de la encuesta domiciliar realizada, y sin expandir el nmero
de
viajes observados, se escogieron diferentes pares de origen y destino. Los pares seleccionados
son
mostrados en la Tabla 2 (sombreados). Ya que algunos pares seleccionados no tenan un nmero
de
significativo observaciones, convencionalmente a partir de 50 estos se agruparon, formando
pares
compuestos (zonas compuestas) de la siguiente manera; par I que incluye los orgenes 25,26,27
y
los destinos 1,2,3; el par II con orgenes 42,48,49 y los destinos 1,2,3; el par III formado por los
orgenes 59,65,66,67 y los destinos 10,11,12; par IV que incluye orgenes 93, 94 y los destinos
6,7.
Tabla
2. Viajes observados entre los orgenes y destinos seleccionados

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

5.2. Estimacin de las demandas agregadas.

Las zonas seleccionadas fueron subdivididas en tres zonas, segn su accesibilidad a la lnea de
autobs entre el origen y el destino correspondientes. Se consider que el nmero de viajes
generados en la zona era proporcional al rea de esta. Para cada una de estas subzonas fueron
obtenidos los tiempo de viaje para cada modo, y utilizando el MLM se obtuvo la divisin modal de
los viajes originados en cada subzona. La demanda entre el origen y destino se calcul como la
agregacin de las demandas de las subzonas.
Cuando las zonas fueron agregadas se procedi de la misma forma, pero considerando que los
viajes entre un origen y destino eran de centroide a centroide.

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.

Figura 1. Error promedio obtenido pra cada par O/D seleccionado.

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

link traffic counts. Tranportation Research 25B, 351-363.

EVALUACIN DEL ERROR COMETIDO EN LA DETERMINACIN DE LA
MATRIZ ORIGEN/DESTINO BASADA EN EL MODELO LOGIT MULTIMODAL

Delfos E. Lpez Reyes y Eiji Kawamoto

Escola de Engenharia de So Carlos
Departamento de Transportes-USP
Av. Carlos Botelho, 1465-So Carlos-SP
CEP 13560-970- Brasil.
e-mail: eiji@usp.br

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

fundamentales en la ingeniera del transporte, ya que esta informacin es utilizada en las

siguientes
reas:
i.Planificacin de nuevos servicios de transporte;
ii.Planificacin de la infraestructura de transporte;
iii.Reglamentacin del trfico urbano
iv.Operacin del transporte pblico.
La forma ms comunmente utilizada para representacin de la demanda es mediante una matriz
origen-destino (matriz O/D). En la matriz O/D, tradicionalmente elaborada en la etapa de
"distribucin de viajes" en el clsico procedimiento de cuatro pasos, los viajes originados en una
zona de trfico son dados en las filas y los viajes con destino a una determinada zona son
representados por las colunas, de forma que el nmero de viajes entre dos zonas de trfico es
representado por cada celda de la matriz.
En la matriz O/D pueden ser diferenciados cuatro tipos de viajes: internos (Vij), internos-externos
(IE), externos-internos (EI) e externos-externos (EE) (ver figura 1). Estos viajes pueden ser
definidos como:
Vij: los viajes con origen y destino dentro del rea de estudio limitada por la lnea de contorno.
Estos
viajes pueden ser divididos en interzonales (Vij) con i diferente de j; e intrazonales, con origen y
destino dentro de la misma zona.
IE: estos viajes tienen origen dentro del rea de estudio definida y con destino fuera del rea de
estudio.
EI: son los viajes con origen fuera, y con destino dentro del rea de estudio definida.
EE: son viajes que atraviesan el rea de estudio, es decir, ni su origen ni su destino estn en
dicha
rea.
Los viajes externos (EI y EE) son objetos de consideraciones diferentes a aquellos viajes
efectuados
dentro de la zona de estudio (Ghareib 1996). El criterio ms utilizado es que deben ser
considerados por separado dando origen a una matriz de viajes externos-externos y a una matriz
de
viajes externos-internos (EE y EI respectivamente). Los viajes externos son estimados de forma
distinta a los viajes originados en la zona de estudio, principalmente debido a que el costo
incurrido
en este tipo de viaje es de dficil estimacin.

Figura 1. Diferentes tipos de viajes obtenidos

El mtodo ms comunmente utilizado en la prctica para la estimacin de la matriz O/D es la
realizacin de encuestas domiciliares en conjunto con entrevistas de lnea de contorno. Este
mtodo
convencional presenta una serie de incovenientes, entre los cuales se puede mencionar:

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)

2.Errores cometidos en el procedimiento para la determinacin de la matriz O/D

Antes de establecer criterios para evaluar el procedimiento descrito en la seccin anterior, es
importante considerar los posibles errores subyacentes, de manera de poder disear una
apropiada
estrategia de anlisis. Los errores subyacentes pueden ser divididos en dos tipos:
(i) Errores de prediccin.
(ii) Errores ocurridos durante la ejecucin del mtodo (debido a procedimientos equivocados) que
pueden invalidar la matriz resultante.
Los errores del tipo (i) son de caracter metodolgico, y son causados por la utilizacin equivocada
del mtodo, aun cuando este ltimo sea correcto, produciendo una matriz errada. Para medir el
error se hace necesario comparar la matriz obtenida con la matriz "verdadera". Puesto que la
verdadera matriz O/D raramente es conocida, se hace imposible medir directamente el error
cometido, por este motivo han surgido diferentes medidas y criterios, que pueden agruparse en
dos
clases. La primera clase comprende los criterios fundamentados en la similitud de ciertas
caractersticas de las matrices observada y estimada, tales como la distribucin de la longitud de
las
frecuencia de viajes o de la longitud media de viaje. El segundo tipode criterio se basa en la
comparacin celda a celda de ambas matrices.
Los mtodos alternativos propuestos, basados en conteos de trfico para la estimacin de la
matriz
O/D, tienen como finalidad actualizar o mejorar una matriz ya disponible; entonces el problema
de
medir errores de precisin consiste en de establecer un criterio de escogencia de la matriz que
tenga
mayor precisin o confiablilidad entre todas las matrices posibles satisfaciendo las restriciones
dadas
(Yang et al., 1991).
El error de prediccin en el presente procedimiento propuesto puede ser originado cuando el
nmero de viajes observados en el modo estudiado no es significativo para el nmero de viajes
entre
las zonas observadas. Como regla prctica, cuando el nmero de viajes es menor que 50, se
considera que podra estarse cometiendo este tipo error.
Los errores del tipo (ii) son los errores comunmente llamados errores de especificacin, aqu se
incluyen los errores cometidos durante los procesos de: seleccin del modelo de escogencia
modal
(Ortzar y Williams,1982), estimacin del modelo de escogencia modal (para el modelo logit
multimodal han sido estudiados con bastante profundidad por Horowitz 1981, 1981b),
especificacin de las constante especificas de los modos en la funcin utilidad, (Bierlaire,1995) y
los
errores ocasionados por defectos en las observaciones en el comportaniento del usuario. Como
ejemplo de este ltimo caso, si se utiliza una matriz de transporte pblico, las zonas de origen y
destino pudieran no ser las mismas zona de origen y destino de los viajes.

3. Medida de la precisin del procedimiento.

Para la determinacin de la precisin (grado de semilaridad entre las dos matrices, observada y
estimada) se utiliz el error promedio de la estimacin, inicialmente recomendado por Koppelman
(1976) y utilizado por Talvitie et al. (1982). Smith y Hutchison (1982) recomendaron su utilizacin
por ser una medida apropiada debido a que sensibilidad permanece constante cuando la
magnitud
del error varia.
El valor del error promedio (d i) para el modo i es expresado como:
(4)
donde:
Esti= nmero estimado de viajeros del modo i;
Obsi = nmero observado de viajeros del modo i.
La ecuacin (4) tiene como ventaja que expresa el error como una proporcin del valor de la
prediccin, permitiendo de esta forma la comparacin entre las diferentes celdas.

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

este-oeste y de12 Km en el sentido norte-sur.

En el Tabla 1 se presenta un resumen de los datos que sirvieron de base para la estimacin del
modelo logit. Estos datos son: nmero de carros por familia (ncarros); salario declarado por las
personas pertenecientes a la familia (salario), a partir del cual se calcul el ingreso familiar
(rendaf);
distancia de acceso a lnea de autobs (dacesso); distancia de viaje (dist), calculada en plano. En
la
Tabla 1, las distancias estn dadas en metros y los tiempos en minutos.
Tabla 1. Resumen de los datos utilizados
Datos
Media
Valores
Desviacin
estndar
mximo
mnimo
ncarros
1.1887
3
0
0.8602
salario
631,1605
5000
0
755,8788
rendaf
1837,4850
5000
200
1273,3608
dacesso
306,7164
1650
50
268,8008
dist
3147,4074
15000
100
2370,8499
tempo
15,8863
125
5
17,9704
Los tiempos de viaje de los modos fueron estimados a partir de las velocidades medias
observadas
en sitio. El costo percibido del automvil fue calculado con la ecuacin:
(5)

donde 0,85 es el valor de un litro de gasolina en reales.

4.2 Datos para la comparacin de la matriz O/D

A partir de la matriz O/D obtenida de la encuesta domiciliar realizada, y sin expandir el nmero
de
viajes observados, se escogieron diferentes pares de origen y destino. Los pares seleccionados
son
mostrados en la Tabla 2 (sombreados). Ya que algunos pares seleccionados no tenan un nmero
de
significativo observaciones, convencionalmente a partir de 50 estos se agruparon, formando
pares
compuestos (zonas compuestas) de la siguiente manera; par I que incluye los orgenes 25,26,27
y
los destinos 1,2,3; el par II con orgenes 42,48,49 y los destinos 1,2,3; el par III formado por los
orgenes 59,65,66,67 y los destinos 10,11,12; par IV que incluye orgenes 93, 94 y los destinos
6,7.
Tabla
2. Viajes observados entre los orgenes y destinos seleccionados

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

5.2. Estimacin de las demandas agregadas.

Las zonas seleccionadas fueron subdivididas en tres zonas, segn su accesibilidad a la lnea de
autobs entre el origen y el destino correspondientes. Se consider que el nmero de viajes
generados en la zona era proporcional al rea de esta. Para cada una de estas subzonas fueron
obtenidos los tiempo de viaje para cada modo, y utilizando el MLM se obtuvo la divisin modal de
los viajes originados en cada subzona. La demanda entre el origen y destino se calcul como la
agregacin de las demandas de las subzonas.
Cuando las zonas fueron agregadas se procedi de la misma forma, pero considerando que los
viajes entre un origen y destino eran de centroide a centroide.

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.

Figura 1. Error promedio obtenido pra cada par O/D seleccionado.

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

link traffic counts. Tranportation Research 25B, 351-363.