C Iglesias

La prediccin de la demanda en la evaluacin de proyectos: aspectos prcticos
Casimiro Iglesias Prez Jos Luis Gin Prez Ignacio Gonzlez Martnez Ignacio Monfort Quintana
Seminario sobre evaluacin econmica de proyectos de transporte Madrid, 16 de noviembre de 2010
Seminario sobre evaluacin econmica de proyectos de transporte La prediccin de la demanda en la evaluacin de proyectos: aspectos prcticos
Introduccin Las previsiones de demanda juegan un papel clave en la evaluacin de proyectos. Junto con los costes de inversin constituyen normalmente los dos elementos determinantes de su rentabilidad socioeconmica. Frecuentemente se ha imputado a la baja fiabilidad de las metodologas de previsin de demanda la escasa utilidad de la evaluacin econmica. Las crticas se han centrado en gran medida en los modelos, cuya utilidad se ha cuestionado, de forma importante, en los ltimos aos. Por ello, intentar analizar:
Las causas de los errores en las previsiones y en qu medida se deben a las tcnicas de previsin utilizadas. Qu aspectos prcticos deben tenerse en cuenta a la hora de aplicar adecuadamente dichas tcnicas.
2
Dnde pueden generarse los errores en la previsin? Cualquiera de los elementos que necesitamos para hacer una previsin de demanda puede ser causa de errores. Estos elementos son:
La informacin sobre la situacin actual del sistema de transporte (oferta y demanda) en el rea de influencia del proyecto. La descripcin de las caractersticas del proyecto. Unos escenarios de evolucin de la demanda y de la oferta. La evolucin de la demanda se suele estimar de manera indirecta, por medio de un conjunto de hiptesis sobre la evolucin de las variables socioeconmicas explicativas de la misma. Un modelo que, una vez calibrado con la situacin actual, permita establecer relaciones cuantitativas entre:
Las variables socioeconmicas y la demanda global de transporte. La demanda captada por el proyecto (incluyendo la inducida) a partir de la demanda global y de los atributos de la oferta del proyecto y de las opciones de transporte alternativas al mismo.
3
La informacin sobre la situacin actual La informacin sobre la situacin actual del sistema de transporte es una de las causas principales de los errores de previsin, sobre todo por las insuficiencias e inexactitudes de la informacin sobre la demanda. Muchos de los errores atribuidos a los modelos tiene su origen en una informacin insuficiente o inadecuada para su correcto calibrado. Pese a ello, es frecuente que modelizadores y planificadores caigan en una ilusin: los modelos pueden suplir carencias de informacin. Muy al contrario, la calidad de los resultados de un modelo no puede superar a la de los datos que lo alimentan. Siempre ser inferior, pues los modelos tienen que introducir simplificaciones para poder reducir la realidad a ecuaciones. Hay una explicacin razonable para esta ilusin: recoger informacin sobre el sistema de transporte es mucho ms caro y requiere mucho ms tiempo que aplicar modelos.
4
Informacin sobre la demanda. Fuentes La primera opcin, cuando se aborda una previsin de demanda, debe ser aprovechar la informacin ya existente. Entre ella cabe mencionar: Encuestas MOVILIA. Encuesta permanente de transporte de mercancas por carretera. Encuestas domiciliarias de la principales reas metropolitanas. Aforos de carreteras. Estadsticas de trfico ferroviario, portuario y aeroportuario. Observatorios de trfico transfronterizo Estadsticas internacionales (IATA, UE, etc.) Informacin elaborada por operadores o gestores de infraestructuras Estudios o campaas de campo precedentes
5
Informacin sobre la demanda. Limitaciones Cada una de las fuentes anteriores aporta informacin sobre aspectos parciales (un determinado modo, un rea geogrfica, un tipo de desplazamientos o de vehculos, etc.) En general, la informacin disponible presenta diversas limitaciones:
Es fragmentaria y heterognea. Difcil acceso a algunas fuentes (p. e. la informacin de operadores). Frecuentes contradicciones entre datos de fuentes diferentes. Es difcil encontrar series largas. No suele tener la desagregacin espacial, temporal o por tipos de viaje necesaria para abordar la previsin de demanda de un proyecto. Informacin sobre O/D muy limitada
Las mayores carencias se concentran en el transporte por carretera.

6
Informacin sobre la demanda. Toma de datos En definitiva, en la mayora de los casos, si se quiere que las previsiones tengan una cierta fiabilidad, es necesario recurrir a tomas especficas de datos mediante:
Aforos (manuales o automticos) de vehculos o de viajeros. No interfieren con los flujos de trfico. Son sencillos y econmicos pero proporcionan una informacin limitada. Encuestas. Necesarias para investigar: origendestino, perfil de usuarios, motivo, etc. Son caras y, a veces, difciles de realizar. Tipos: Por el lugar de realizacin: a usuarios y domiciliaria (normalmente para movilidad cotidiana). Esta puede ser presencial o telefnica. Por el objeto: preferencias reveladas o preferencias declaradas.
Nuevas tcnicas: identificacin de matrculas.

7
Informacin sobre la oferta Suele plantear muchos menos problemas que la informacin sobre la demanda, tanto en su obtencin (se conoce mejor) como en su tratamiento (es ms esttica). Las mayores dificultades se encuentran en la obtencin de informacin detallada de la oferta por parte de los operadores, ya que consideran esta informacin como sensible, en especial en lo que se refiere a precios. La introduccin de la oferta de redes de transporte pblico suele ser laboriosa. Normalmente tiene que hacerse de manera manual, lo que puede ser fuente de errores.
Los escenarios de evolucin. Las variables explicativas Son la segunda gran causa de errores, tanto por limitaciones en las tcnicas de previsin como por la acumulacin de hiptesis optimistas. La primera tarea es seleccionar las variables explicativas de la demanda, que suelen ser de tres tipos:
Econmicas: renta, produccin, empleo, motorizacin, etc. Demogrficas: poblacin, su distribucin por edades, estructura y
tamao de las familias, etc.

Urbansticas: usos del suelo, tipos e intensidad, etc.
La seleccin de las variables explicativas debe ser un compromiso entre el rigor conceptual del modelo de previsin y la capacidad de establecer predicciones razonables respecto a su evolucin. Una formulacin ms sofisticada de las funciones de demanda no garantiza necesariamente unos mejores resultados.
9
Las variables explicativas. Problemas y limitaciones Siempre que sea posible, la mejor opcin es seleccionar variables de las que se disponga de predicciones oficiales. Sin embargo, es difcil que estas predicciones abarquen la totalidad del perodo de anlisis necesario para un proyecto de transporte (20 30 aos) ni que ofrezcan valores con la desagregacin espacial requerida. Ser necesario, casi siempre, establecer hiptesis razonables para completarlas y adaptarlas. Por otra parte, en perodo tan largos las relaciones entre la variables explicativas y la demanda pueden cambiar sustancialmente. Por ejemplo, la reduccin de las elasticidades a la renta a medida que aumenta esta. Estos posibles cambios deben ser tenidos en cuenta en el establecimiento de los escenarios. Obviamente, en este marco no es de extraar que suela haber una clara tendencia a adoptar hiptesis excesivamente optimistas.
10
Los escenarios de oferta Constituyen otro de los puntos delicados del proceso de previsin. No es sencillo establecer hiptesis consistentes respecto a cmo van a evolucionar las caractersticas de la oferta de transporte alternativa a la del proyecto para el que se realiza la previsin, especialmente cuando se trata de la competencia entre diferentes modos. Suele existir una amplia incertidumbre. Ante la dificultad de establecer una hiptesis de evolucin, una opcin bastante frecuente es optar por una visin esttica o casi esttica de la oferta de los dems competidores, lo que no tiene ningn fundamento lgico y no responde a la experiencia. Tambin aqu se producen errores sistemticos por acumulacin de hiptesis optimistas, por la subestimacin de la capacidad de reaccin de los competidores.
11
Los modelos de transporte Qu son y qu no son? Un modelo es una abstraccin matemtica que tiene por objeto realizar una representacin simplificada de la realidad. Para ello necesita:
Formular un conjunto de ecuaciones (por ejemplo para representar las elecciones de los usuarios). Incorporar un conjunto de datos reales para su calibracin. Incorporar un conocimiento del hecho que se quiere analizar.
Un modelo es una herramienta de apoyo a las decisiones de planificacin del transporte pero no es la planificacin.
--------
12
Qu ventajas tienen los modelos?
Son la mejor opcin para realizar previsiones sustentadas en bases objetivas y no en meras intuiciones. Permiten un tratamiento masivo de datos de manera rpida y con un coste moderado. Son una herramienta extremadamente til para comparar distintas alternativas de actuacin de manera sistemtica y objetiva. Permiten analizar de manera sencilla el impacto de cambios en sus variables, de forma independiente o combinada Existen una amplia variedad de modelos contrastados por el uso que se pueden adaptar a situaciones muy diversas. En la actualidad no se necesita disponer de grandes equipos informticos para su aplicacin. Adems, su utilizacin es bastante amigable para los usuarios. Aportan mltiples posibilidades en la presentacin de los resultados.
13
Modelos complejos de transporte (1)
Modelos macroscpicos estticos Dan informacin agregada del estado del sistema estudiado para un perodo temporal dado (ao, hora punta, da medio, etc.). El ejemplo ms caracterstico es el tradicional modelo de 4 etapas o derivados de l:
Generacin/Atraccin
Distribucin
El ms utilizado en casos complejos. Metodologa ampliamente validada. Adecuado para todo tipo de situaciones (modelos urbanos, a escala nacional, internacional, etc.).
Reparto modal
Asignacin
14
Modelos complejos de transporte (2) Modelos microscpicos dinmicos Simulan el comportamiento de la demanda, a lo largo del tiempo, de manera continua. Se usan para casos de detalle y reducida escala espacial. No son de especial inters en la realizacin de previsiones de demanda para la evaluacin de inversiones. Modelos mesoscpicos Simulan el comportamiento de la demanda a lo largo del tiempo de manera discreta.
15
Modelos simplificados (1) En muchas ocasiones no se dispone de la informacin necesaria para alimentar un modelo complejo o, por las caractersticas del problema a analizar, se pueden asumir diversas simplificaciones. En esos casos, existente diferentes alternativas de modelos simplificados como las de los siguientes ejemplos: Modelos de corredor o de captacin Consisten en el ajuste de curvas de reparto, normalmente basadas en una formulacin logit. Se utilizan para estimar el reparto de la demanda entre dos o ms alternativas de transporte a lo largo de un corredor que sea relativamente sencillo y permita el ajuste con datos de aforos.
16
Modelos simplificados (2) Modelos basados en coberturas (GIS)
Solucin de bajo coste para el anlisis de demanda en lneas de transporte pblico. Dan buenos resultados si se usan en lneas aisladas (no en sistemas complejos). Se asumen ratios de viajes generados en cada anillo de cobertura (300 m-600 m-900 m). Muy tiles para comparar alternativas.
Alternativas (trazado y paradas)
17
Modelos simplificados (3) Modelos Pivot (Logit incremental)
Usados para estimar nuevos repartos modales a partir de cambios en los costes generalizados. Parten de un reparto modal conocido. Normalmente se construyen como un modelo logit, al que se le resta la situacin futura de la actual. De esta forma, el logit se basa en las variaciones de impedancia. No es necesario estimar impedancias para las relaciones invariantes. Facilita las estimaciones cuando hay poca informacin de los costes de viajes.
18
Limitaciones y errores en los modelos Aunque muchos de los errores achacados a los modelos deberan imputarse a las deficiencias de la informacin de base, el proceso de modelizacin tambin puede ser origen de errores debido por ejemplo a:
La eleccin de un modelo inadecuado para el proyecto a analizar y/o la informacin disponible. Un nivel de desagregacin espacial o por tipologas de demanda que no se adapte a las caractersticas del proyecto a evaluar. Una incorrecta formulacin del modelo.
Aunque el ajuste de la mayor parte de los parmetros del modelo debe provenir de su calibrado, existe un conjunto de ellos que, muy a menudo, deben estimarse de manera exgena, lo que aade incertidumbre acerca de la fiabilidad de los resultados. Adems, no es extrao que mediante estos parmetros se intente obtener los resultados que se consideran "razonables" o "deseables".
19
Limitaciones y errores en los modelos. La demanda inducida Determinados proyectos de transporte, no solo captan una parte de la demanda global, sino que generan nueva demanda como consecuencia de la mejora de la oferta que supone la realizacin del proyecto. Se trata de una demanda que no existira si no existiera el proyecto. Normalmente aparece demanda inducida cuando el proyecto supone una mejora de gran magnitud de la oferta global de transporte. Los modelos no suelen estimar bien la demanda inducida, que tiene que ser objeto de estimaciones ad hoc. Muchas veces se estima directamente un porcentaje de induccin basado en casos similares. Lo ms adecuado sera modelizar la induccin de forma explcita en los modelos de generacin/atraccin y distribucin, incluyendo las impedancias en sus clculos. Es ms complejo de modelizar y requiere ms informacin.
20
Factores a tener en cuenta en el uso de los modelos Algunos aspectos a tener en cuenta para aplicar adecuadamente un modelo como instrumento de previsin de demanda son: Escoger el modelo que mejor se adapte al problema a analizar y a la informacin disponible. Enfocar el modelo hacia los componentes de la demanda que se consideren bsicos. Los modelos son una simplificacin de la realidad y no pueden explicar, con el mismo nivel de precisin, todos los flujos. Someter los resultados a crtica y, siempre que sea posible, a contraste con otros casos similares. Es precisa una estrecha coordinacin modelizadores/planificadores, para resolver, de manera racional, los conflictos entre los resultados del modelo y los que los planificadores consideran razonables. Un modelo no puede sustituir al sentido comn, pero la opinin de un experto tampoco debera sustituir a un modelo correctamente formulado y calibrado.
21
A modo de conclusin Nos equivocamos en las previsiones? Por qu? No abundan los estudios sistemticos sobre en qu medida nos equivocamos en las previsiones de demanda de transporte y, menos an, que ahonden en las causas de las mismas. Sin embargo, a partir de los estudios existentes y de la propia experiencia, cabra sealar que:
En general tiende a sobrestimarse la demanda. Las desviaciones obedecen ms a la acumulacin sistemtica de hiptesis optimistas (tanto sobre variables exgenas como sobre parmetros de comportamiento internos al sistema de transporte) que a limitaciones o la incorrecta aplicacin de las tcnicas de previsin. Dentro de los "errores" debidos a las tcnicas de previsin, son mucho ms importantes los que tienen su origen en la informacin de base que los derivados de los modelos.
22
Muchas gracias por su atencin

C Iglesias

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

C Iglesias

Uploaded by

Copyright:

Available Formats

La prediccin de la demanda en la evaluacin de proyectos: aspectos prcticos

Seminario sobre evaluacin econmica de proyectos de transporte Madrid, 16 de noviembre de 2010

Las mayores carencias se concentran en el transporte por carretera.

Nuevas tcnicas: identificacin de matrculas.

tamao de las familias, etc.

Qu ventajas tienen los modelos?

Modelos complejos de transporte (1)

Modelos simplificados (2) Modelos basados en coberturas (GIS)

Modelos simplificados (3) Modelos Pivot (Logit incremental)

Muchas gracias por su atencin

You might also like