impacto de los factores socioeconómicos y cognitivos en la … · 2020-01-20 · características...

Impacto de los factores socioeconómicos y cognitivos en la optimalidad de rutas de viaje en

transporte público

Carlos Céspedes - Sebastián Raveau

07 octubre 2019

Contenidos de la presentación

Introducción y

Discusión

Hipótesis y

Objetivos

Diseño

Aplicación

de encuesta

Capacidad

de minimizar

el TETV

Conclusiones

Modelo Logit Mixto

Introducción

Los modelos de elección de ruta juegan un rol importante en la planificación y

configuración del transporte público. Por ejemplo, estos permiten:

- Pronosticar el comportamiento de los viajeros ante escenarios hipotéticos.1

- Predecir futuras condiciones del tráfico en la red de transporte.1

- Resolver el problema de asignación dentro del modelo clásico de transporte.2

1 Prato, C.G. (2009). Route choice modeling: past, present and future research directions.2 Ortúzar, J. de D., y Willumsen, L.G. (2011). Modelling transport. 3

Introducción

Sin embargo, la modelación de elección de ruta no está exenta de desafíos,

puesto que no necesariamente el modelador tiene conocimiento del

comportamiento de los usuarios del sistema (preferencias y percepciones).

Introducción

Sin embargo, la modelación de elección de ruta no está exenta de desafíos,

puesto que no necesariamente el modelador tiene conocimiento del

comportamiento de los usuarios del sistema (preferencias y percepciones).

Ante eso, usualmente la literatura asume que en la realidad todos los

viajeros minimizan su tiempo esperado total de viaje (TETV).

TETV = 𝑡# + 𝑡%

Alternativas de viaje

Generalmente, la modelación de elección de ruta estima que los viajeros de

transporte público de alta frecuencia se comportan bajo tres tipos de

alternativas de viaje:

- Itinerario (IT).

- Línea común (LC).

- Hiper-ruta (HY).

Itinerario:

M N𝑳𝒃O D

Línea común:

M NO D

𝑳𝒃(𝟏

𝑳𝒃(𝟐

𝑳𝒃(𝑩

𝑳𝒃 𝝐 𝑿

Hiper-ruta:

𝑳𝒃 𝝐 𝑿

𝑳𝒃(𝟏N𝟏

𝑳𝒃(𝟐𝑳𝒃(𝟑

𝑳𝒃(𝑩 ……

Modelos de elección de ruta

Se han planteado tres modelos de modelos de elección de ruta para modelar

el comportamiento de los viajeros al interior del transporte público:

- Modelo de Itinerarios Mínimos.

- Modelo de Rutas Mínimas.

- Modelo de Estrategias Mínimas.

Modelo

Itinerarios

Mínimos

mínimo

Modelo

Itinerarios

Mínimos

Modelo

Mínimas

mínimo mínima

Modelo

Estrategias

Mínimas

Modelo

Itinerarios

Mínimos

Modelo

Mínimas

mínimo mínima mínima

Modelo

Estrategias

Mínimas

Modelo

Itinerarios

Mínimos

Modelo

Mínimas

ESTRAUS1 EMME y VISUM2

1 De Cea, J., Fernandez, J.E., Dekock, V., Soto, A., y Friesz, T.L. (2003). ESTRAUS: a computer package for solving supply-demand equilibrium problems

on multimodal urban transportation networks with multiple user classes.2 Hildebrand, C., y Hörtin, S. (2014). A comparative study between Emme and Visum with respect to public transport assignment.

Software de asignación:

Modelo

Estrategias

Mínimas

Modelo

Itinerarios

Mínimos

Modelo

Mínimas

%? %? %?

En la realidad1

67% 29% 4%

1 Raveau, S., y Muñoz, J.C. (2014). Analyzing route choice strategies on transit network.

IT LC HY

¿ Optimalidad ?

IT LC HY

¿ Optimalidad ?

¿ Realmente todos minimizan su TETV ?

En la realidad1

67% 29% 4%

1 Raveau, S., y Muñoz, J.C. (2014). Analyzing route choice strategies on transit network.

Discusión teórica

¿Qué dicen otras investigaciones?

- Prato, C.G. (2009)1

- Fonzone et al. (2010)2

- Kurauchi et al. (2012)3

Los factores socioeconómicos y las

características del viaje inciden en las

estrategias de viaje de los viajeros

1 Prato, C.G. (2009). Route choice modeling: past, present and future research directions.

2 Fonzone, A., Schmöcker, J.D., Bell, M.G., Gentile, G., Kurauchi, F., Nökel, K., y Wilson, N.H. (2010). Do “hyper-travellers” exist?–Initial results of an

international survey on public transport user behaviour.3 Kurauchi, F., Schmöcker, J.D., Fonzone, A., Hemdan, S.,y Bell, M. (2012). Estimating weights of times and transfers for hyperpath travelers. 18

Enfoques

Verificar si los viajeros minimizan su TETV al interior

del sistema de transporte público de alta frecuencia.

Enfoques

Determinar si los viajeros poseen la capacidad de realizar aquello.

aproximación del estudio

Enfoques

Determinar si los viajeros poseen la capacidad de realizar aquello.

aproximación del estudio

Redes hipotéticas de transporte público de alta frecuencia (RHTP).21

Introducción y

Discusión

Hipótesis y

Objetivos

Diseño

Aplicación

de encuesta

Capacidad

de minimizar

el TETV

Conclusiones

Modelo Logit Mixto

Hipótesis

No todos los viajeros de transporte público de alta frecuencia poseen la capacidad de minimizar su TETV.

La capacidad disminuye a medida que aumenta la complejidad de la situación de elección de alternativas de viaje.

Objetivos

I. Investigar qué tipo de alternativas de viajes son utilizadas sobre las RHTP.

Objetivos

II. Estimar valoración del 𝑡% y del costo 𝑡0 respecto al 𝑡# sobre las RHTP.

Objetivos

III. Examinar el % efectivo de personas que minimiza su TETV sobre las RHTP.

Objetivos

IV. Evaluar si la capacidad de minimizar el TETV se reduce al incrementar la

dificultad de las RHTP.

Objetivos

IV. Evaluar si la capacidad de minimizar el TETV se reduce al incrementar la

dificultad de las RHTP.

V. Determinar cuáles son los factores socioeconómicos y cognitivos que

influyen sobre la capacidad de minimizar el TETV dentro de las RHTP.

Introducción y

Discusión

Hipótesis y

Objetivos

Diseño

Aplicación

de encuesta

Capacidad

de minimizar

el TETV

Conclusiones

Modelo Logit Mixto

✓ ✓

Diseño de la encuesta

Para desarrollar la investigación, se diseñó una encuesta que fuese capaz de

captar la información requerida. Esta se elaboró en base a dos evaluaciones:

- M10.

- Hyperpath.

Ambas fueron programadas en “surveygizmo.com”.

Prueba psicológica, confeccionada por el Centro de Desarrollo de

Tecnologías de Inclusión UC, que:

- Posee una duración límite de 10 minutos.

- Capta la inteligencia general de las personas por medio de 34 preguntas.

- Entrega un indicador absoluto de inteligencia general → PSI

Habilidades de seriación

Ejemplo:

Observe la siguiente serie: 1 – 3 – 7 – 15 – 31 – X

¿Cuál de las siguientes opciones debería ir en X?

a) 16 b) 63 c) 62 d) 76 e) 38

Hyperpath

- Preguntas socioeconómicas (PS).

- Preguntas de Preferencias Reveladas (PPR).

- Preguntas de Preferencias Declaradas (PPD).

Hyperpath: PS

Proporcionan los aspectos socioeconómicos de los encuestados.

- Edad.

- Sexo.

- Nivel de ingreso.

- Nivel de educación formal.

- Ocupación.

Hyperpath: PPR

Permiten observar el comportamiento real del encuestado al interior del

transporte público, captando sus restricciones individuales.

Estas se encuentran orientadas a revelar detalles respecto al viaje que el

encuestado realiza con más frecuencia en la actualidad durante la semana

en el sentido de ida.

Hyperpath: PPR

- ¿Cuánto tiempo dura su viaje?

• Menos de 20 minutos• 20 minutos• 30 minutos• 40 minutos• 50 minutos• 60 minutos• Más de 60 minutos

Hyperpath: PPD

Permiten captar el comportamiento hipotético del encuestado sobre las

Antes de elaborar las PPD, fue necesario construir las RHTP.

Hyperpath: PPD

Las RHTP fueron diseñadas en base a paraderos y líneas de buses, de

manera que los encuestados enfrentan las siguientes condiciones de viaje:

- Tiempo de viaje a bordo del vehículo determinístico y conocido (𝑡#(2%3).

- Tiempo de espera promedio equivalente al headway completo (𝑡%(4056).

- No existe congestión.

𝐿8: (𝑡#(2%3 ; 𝑡%(4056)M N

Hyperpath: PPD

Así también, las RHTP fueron configuradas de modo que:

- Aumente la complejidad (nodos y líneas de buses).

- Puedan utilizar IT, LC o HY.

- Se ajusten al contexto del encuestado.

• Menos de 20 minutos

• 20 minutos

• 30 minutos

• 40 minutos

• 50 minutos

• 60 minutos

• Más de 60 minutos

RHTP que posean un

IT mínimo con:

𝑡#(2%3 = 20 min

𝑡#(2%3 = 30 min

𝑡#(2%3 = 40 min

𝑡#(2%3 = 50 min

𝑡#(2%3 = 60 min

¿Cuánto tiempo dura su viaje?

• Menos de 20 minutos

• 20 minutos

• 30 minutos

• 40 minutos

• 50 minutos

• 60 minutos

• Más de 60 minutos

RHTP que posean un

IT mínimo con:

𝑡#(2%3 = 20 min

𝑡#(2%3 = 30 min

𝑡#(2%3 = 40 min

𝑡#(2%3 = 50 min

𝑡#(2%3 = 60 min

¿Cuánto tiempo dura su viaje?

5pivotes

temporales

Hyperpath: PPD

RHTP 0x0

𝑳𝟏: (37 ; 15)

𝑳𝟐: (30 ; 10)𝑳𝟑: (34 ; 12)A B

𝑳𝟏: (35 ; 10)

𝑳𝟐: (30 ; 15)𝑳𝟑: (33 ; 12)A B

RHTP 0x0-A RHTP 0x0-B

Hyperpath: PPD

RHTP 1x0

𝑳𝟏: (13 ; 15)𝑳𝟐: (12 ; 12)

𝑳𝟑: (39 ; 10)

C𝑳𝟒: (18 ; 2)

RHTP 1x0-A

RHTP 1x0-B

RHTP 1x0-C

𝑳𝟏: (10 ; 15)

𝑳𝟒: (20 ; 12)𝑳𝟓: (46 ; 6)

C𝑳𝟔: (24 ; 15)

𝑳𝟐: (52 ; 15)

𝑳𝟑: (74 ; 3)

𝑳𝟏: (33 ; 6)𝑳𝟐: (10 ; 15)

𝑳𝟒: (75 ; 6)

𝑳𝟓: (26 ; 15)𝑳𝟑: (52 ; 15)

𝑳𝟔: (20 ; 12)

Hyperpath: PPD

RHTP 1x1

RHTP 1x1-A

RHTP 1x1-B

RHTP 1x1-C

𝑳𝟏: (10 ; 15)𝑳𝟐: (13 ; 15)

𝑳𝟑: (12 ; 10)

𝑳𝟒: (22 ; 1)

D𝑳𝟓: (18 ; 6)

𝑳𝟏: (20 ; 15)𝑳𝟐: (42 ; 15)

𝑳𝟑: (12 ; 15)

𝑳𝟒: (30 ; 15)

D𝑳𝟕: (21 ; 15)

𝑳𝟓: (10 ; 12)

𝑳𝟔: (20 ; 10)

𝑳𝟏: (20 ; 15)𝑳𝟐: (43 ; 5)

𝑳𝟒: (10 ; 12)

𝑳𝟔: (16 ; 6)

D𝑳𝟗: (27 ; 5)

𝑳𝟕: (10 ; 4)

𝑳𝟖: (20 ; 4)

𝑳𝟑: (20 ; 15)

𝑳𝟓: (28 ; 4)

Línea 𝒕𝒗(𝒅𝒆𝒕 𝒕𝒆(𝒑𝒓𝒐𝒎 𝒇𝒓𝒆𝒄

𝑳𝟏 10 5 12

𝑳𝟐 21 2 30

𝑳𝟑 26 15 4

𝑳𝟒 10 10 6

𝑳𝟓 12 12 5

Supón que tu objetivo es llegar al paradero C, y cuentas con la siguiente información:

𝑳𝟏: (10 ; 5)

𝑳𝟐: (21 ; 2)

𝑳𝟑: (26 ; 15)

𝑳𝟒: (10 ; 10)

𝑳𝟓: (12 ; 12)

Si tu objetivo es llegar a C, ¿qué línea(s) utilizarías en A? Puedes marcar más de una opción.¨ 𝑳𝟏¨ 𝑳𝟐¨ 𝑳𝟑

𝑳𝟏 10 5 12

𝑳𝟐 21 2 30

𝑳𝟑 26 15 4

𝑳𝟒 10 10 6

𝑳𝟓 12 12 5

𝑳𝟏: (10 ; 5)

𝑳𝟐: (21 ; 2)

𝑳𝟑: (26 ; 15)

𝑳𝟒: (10 ; 10)

𝑳𝟓: (12 ; 12)

Si tu objetivo es llegar a C, ¿qué línea(s) utilizarías en A? Puedes marcar más de una opción.¨ 𝑳𝟏¨ 𝑳𝟐¨ 𝑳𝟑

(Esta pregunta es independiente a la anterior)Si tu objetivo es llegar a C, ¿qué línea(s) utilizarías en B? Puedes marcar más de una opción.¨ 𝑳𝟒¨ 𝑳𝟓

𝑳𝟏 10 5 12

𝑳𝟐 21 2 30

𝑳𝟑 26 15 4

𝑳𝟒 10 10 6

𝑳𝟓 12 12 5

𝑳𝟏: (10 ; 5)

𝑳𝟐: (21 ; 2)

𝑳𝟑: (26 ; 15)

𝑳𝟒: (10 ; 10)

𝑳𝟓: (12 ; 12)

Hyperpath: PPD

RHTP 0x0

A BS2N

Hyperpath: PPD

RHTP 1x0

Hyperpath: PPD

RHTP 1x1

S2NA B

S2N C D

Hyperpath: PPD

En resumen:

14 situaciones de viaje S2N - S3N - S4N

8 RHTP adecuadas a su respectivo pivote temporal

1 encuestado20 min30 min40 min50 min60 min

Aplicación de la encuesta

Tamaño muestral : 300 personas (𝛼 = 10%, 𝐸 = 5%).

Recolección : octubre y noviembre, 2018.

A partir de este proceso, se generó una base primaria de datos.

Calibración de los datos

La calibración de la base primaria de datos se dividió en dos partes:

- Depuración de los datos.

- Validación de los datos:

• Encuesta Origen Destino 2012.

• Encuesta Suplementaria de Ingreso 2017.

• Censo 2017.

- Validación de los datos:

• Encuesta Origen Destino 2012.

• Encuesta Suplementaria de Ingreso 2017.

• Censo 2017.

Factores de

corrección

Descripción de la muestra: PPD

78,49% 70,80%57,75%

21,51%11,17%

14,72%

18,03% 27,53%

0%10%20%30%40%50%60%70%80%90%

S2N S3N S4N

Situación de viaje

IT LC HY

Introducción y

Discusión

Hipótesis y

Objetivos

Diseño

Aplicación

de encuesta

Capacidad

de minimizar

el TETV

Conclusiones

Modelo Logit Mixto

✓ ✓ ✓

Modelo Logit de Nidos Cruzados

1 Vovsha, P. (1997). Application of cross-nested logit model to mode choice in Tel Aviv, Israel, metropolitan area.2 Ben-Akiva, M., y Bierlaire, M. (1999). Discrete choice methods and their applications to short term travel decisions.3 Papola, A. (2004). Some developments on the cross-nested logit model.

Cross Nested Logit (Vovsha, 19971; Ben-Akiva y Bielarie, 19992; Papola, 20043).

Utilizado para generar un modelo de alternativas de viajes con el cual se estimó:

- la valoración del 𝑡%(4056 y del costo 𝑡0 respecto al 𝑡# sobre las RHTP.

- la correlación de las alternativas de viaje que comparten líneas de buses.

Capacidad de minimizar el TETV

Del modelo Logit de Nidos Cruzados se obtuvo que, en promedio, los

encuestados poseen las siguientes valoraciones:

- 𝑡%(4056 : 1,35 min espera / min viaje

- 𝑡0 : 16,73 transbordo / min viaje

Del modelo Logit de Nidos Cruzados se obtuvo que, en promedio, los

encuestados poseen las siguientes valoraciones:

- 𝑡%(4056 : 1,35 min espera / min viaje

- 𝑡0 : 16,73 transbordo / min viaje

Cifras consistentes con

valoraciones estimadas

en la realidad1,2,3

1 Abud, I. (2015). Modelos de elección de paradero, modo y ruta para herramientas de planificación de transporte público.

2 Batarce, M., Muñoz, J.C., Ortúzar, J. de D., Raveau, S., Mojica, C., & Ríos, R.A. (2015). Use of mixed stated and revealed preference data for crowding

valuation on public transport in Santiago, Chile.3 Navarrete, F. J. (2010). Valoración subjetiva de los tipos de transbordo en transporte público: caso Santiago de Chile .

¿ Realmente todos minimizan su TETV ?

TETV óptimo

Entre un par O-D:

Alternativa

óptima de viaje

Rango de eficiencia

Alternativas

eficientes de viaje

TETV óptimo TETV sub-óptimo

Entre un par O-D:

Brecha absoluta de tiempo

Entre un par O-D:

20 min BAT = 5ʹ 25 min

20 min

Entre un par O-D:

BAT = 5ʹ 25 min

60 min BAT = 5ʹ 65 min

Evolución de la capacidad S2N de minimizar el TETV variando BAT

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

20 min 30 min 40 min 50 min 60 min

Pivote temporal

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

Pivote temporal

69Pivote temporal

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

Evolución de la capacidad promedio de minimizar el TETV variando BAT

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

S2N S3N S4N

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

S2N S3N S4N

decae la capacidad de minimizar el TETV

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

S2N S3N S4N

Modelo Logit Mixto

Mixed Logit (McFadden y Train, 20001).

- Correlación de las respuestas de un mismo individuo 𝑞.

- Captar la existencia de heterogeneidad en las preferencias.

1 McFadden, D., y Train, K. (2000). Mixed MNL models for discrete response.

𝜃 ~ ( 𝜃, 𝜎QR )

Modelo Logit Mixto

La capacidad de minimizar el TETV fue modelada bajo dos alternativas:

- Sí minimiza TETV

- No minimiza TETV

Se buscaron valores de BAT para S2N, S3N y S4N que permiten describir

de mejor manera los factores que influyen sobre dicha capacidad.

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

S2N S3N S4N

BAT ∈ [5,8′ - 8′]

BAT ∈ [8′ - 8,8′]

BAT ∈ [7,6′ - 9′]

BAT seleccionados para generar modelo Logit Mixto

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

S2N S3N S4N

BAT crecientes

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

S2N S3N S4N

capacidad decreciente

81,20%

50,18%

31,33%

Modelo Logit Mixto

𝑉VW,X = 𝐴𝑆𝐶VWVR\ ] 𝛿XVR\ + 𝐴𝑆𝐶VWV_\ ] 𝛿XV_\ + 𝐴𝑆𝐶VWV`\ ] 𝛿XV`\

+ 𝛽bc ] 𝐸𝐷X + 𝛽We ] 𝐼𝐴X

− 𝑒𝑥𝑝 𝛽b2k2 + 𝜎b2k2R ] 𝜉 ] 𝐿𝑛 𝐸𝑑𝑎𝑑X

+ 𝑒𝑥𝑝 𝛽ppVW + 𝜎ppVWR ] 𝜉 ]𝑃𝑃𝑆𝐼 X

rsstu − 1𝛾ppVW

+ 𝛽xy ] 𝐵𝑇X + 𝛽| ] 𝑀X + 𝛽y~ ] 𝑇𝐶X

𝑉\�,X = 0

Modelo Logit Mixto

�𝛽 Valor Test-t / 0 �𝛽 Valor Test-t / 0

𝐴𝑆𝐶VWVR\ 3,62 3,76 𝛽b(6 -1,9 -1,95

𝐴𝑆𝐶VWV_\ 0,961 1,73 𝛽b(� 0,974 2,2

𝐴𝑆𝐶VWV`\ 0,0621 0,13 𝛽bc 0,522 3,94

𝛽ppVW(6 0 (fijo) - 𝛽We 0,507 1,69

𝛽ppVW(� 1,58 4,67 𝛽xy 0,248 1,94

𝛾ppVW 0,868 2,18 𝛽| 0,241 1,82

𝛽y~ -0,466 -2,34

Demoró 1,25 horas en converger, y su log-verosimilitud es -2.151,312.

Modelo Logit Mixto

La probabilidad de minimizar el TETV es mayor para aquellos que:

- Poseen estudios universitarios o postgrado

- Perciben un ingreso mayor a $1.550.000

- Viajan frecuentemente usando bus de Transantiago

- Viajan frecuentemente usando Metro

- No utilizan habitualmente taxi colectivo

vs caso contrario

Modelo Logit Mixto

Además, el modelo indicó que dicha probabilidad:

- Disminuye mientras se eleva la edad bajo una transformación logarítmica.

- Aumenta a mayor puntaje PSI.

En tales variables se captó heterogeneidad bajo una distribución Log-Normal.

Introducción y

Discusión

Hipótesis y

Objetivos

Diseño

Aplicación

de encuesta

Modelo Logit de Nidos Cruzados

Capacidad

de minimizar

el TETV

Conclusiones

Modelo Logit Mixto

Valoración del

𝑡% y del costo 𝑡0respecto al 𝑡#

✓ ✓ ✓ ✓ ✓

Conclusiones

De acuerdo al comportamiento de los encuestados, se desprende que:

- No todos utilizan el mismo tipo de alternativa de viaje.

Conclusiones

- No todos poseen la capacidad de minimizar el TETV.

Conclusiones

- Dicha capacidad es decreciente a mayor complejidad de la situación de viaje.

Conclusiones

- Dicha capacidad es decreciente a mayor complejidad de la situación de viaje.

- Los factores socioeconómicos y cognitivos impactan sobre tal capacidad.

Limitación general del estudio

Ahora bien, al haber utilizado el enfoque hipotético (RHTP), es posible que los

resultados no sean totalmente replicables en la realidad.

No obstante, se puede argumentar que el enfoque hipotético entrega una cota

máxima del comportamiento que se podría captar en la realidad.

Relevancia del estudio

La suposición que suele utilizar la literatura en torno a que todos los viajeros

minimizan su TETV no es adecuada, puesto que el comportamiento de los

encuestados no es estrictamente homogéneo, óptimo, ni complejo.

07 octubre 2019

Impacto de los factores socioeconómicos y cognitivos en la optimalidad de rutas de viaje en

transporte público

07 octubre 2019

Pueden existir personas que para S3N decidan:

- Minimizar su TETV.

- Minimizar la realización de transbordos.

- Compensar ambas minimizaciones.

Pueden existir personas que para S3N decidan:

- Minimizar su TETV.

- Minimizar la realización de transbordos.

- Compensar ambas minimizaciones.

Quizás también tengan la

capacidad de minimizar su TETV

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

S2N S3N S3N cota máx S4N

decae la capacidad de minimizar el TETV

0%10%20%30%40%50%60%70%80%90%

0′ 1′ 2′ 3′ 4′ 5′ 6′ 7′ 8′ 9′ 10′

S2N S3N S3N cota máx S4N

Descripción de la muestra: PS

54,48%

45,52%

58,21%

22,20%

Ocupación

femenino

masculino

trabajador(a)

estudiante

jubilado(a)

dueño(a) de casa

cesante95

20,50%

12,63%

10,16%

0% 5% 10% 15% 20% 25%

65 o más

Proporción de la muestra

42,92%

41,44%

15,64%

18 - 34 años

35 - 59 años

≥ 60 años

22,54%

21,20%

33,37%

12,75%

0% 5% 10% 15% 20% 25% 30% 35% 40%

No trabaja

$1-$300.000

$300.001-$550.000

$550.001-$800.000

$800.001-$1.050.000

$1.050.001-$1.300.000

$1.300.001-$1.550.000

Más de $1.550.000

43,74%

46,12%

10,14%

Nivel de ingreso

≤ $300.000

$300.001 -$800.000

≥ $800.001

17,19%

20,44%

26,24%

14,92%

0% 5% 10% 15% 20% 25% 30%

Básica incompleta

Media incompleta

Media completa

Técnica superior incompleta

Técnica superior completa

Universitaria incompleta

Universitaria completa

Postgrado

45,18%

28,68%

26,14%

Nivel de educación

Universitaria ypostgrado

Técnicasuperior

Escolar

Descripción de la muestra: PPR

72,74%

75,32%

10,15%

94,43%

utiliza una o más veces

el transporte público

bus de Transantiago

taxi colectivo

bus interurbano

otro modo

Descripción de la muestra: PPR

10,58%

20,00%

23,17%

10,83%

16,03%

11,13%

0% 5% 10% 15% 20% 25%

Menos de 20 minutos

20 minutos

30 minutos

40 minutos

50 minutos

60 minutos

Más de 60 minutos

Rango de eficiencia

Alternativas

eficientes de viaje

Entre un par O-D:

20 min

Entre un par O-D:

BRT = 5% 21 min

60 min 63 minBRT = 5%

Brecha relativa de tiempo

Evolución de la capacidad S2N de minimizar el TETV variando BRT

0%10%20%30%40%50%60%70%80%90%

0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10%

0%10%20%30%40%50%60%70%80%90%

0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10%

0%10%20%30%40%50%60%70%80%90%

0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10%

impacto de los factores socioeconómicos y cognitivos en la … · 2020-01-20 · características...

Documents

introduccion a la esencia de la mitologia - c.g. jung & karl...

contpaq i patronato de las fiestas de octubre 2014 c.g...

principios físicos de mecánica c.g

medula espinal alejandrina de prato (bm)

e. en c.g. cesar iaramillo martinez e en c.g. jorge … ·...

niño prato, edgar - cómo crear mensajes publicitarios de...

dia de la violencia de gÉnero c.g. de alhama de almearÍa

besame mucho (ray coniff) bombo, prato, caixa

c.g. dr. hugo salinas hcuch

“el mundo esta en tus manos” ¡ cuídalo !. ¿ que...

c.g. jung y r. wilhelm el secreto de la flor de oro

prot. n. 129193 - unifi · l’università di firenze -...

identificación - cecyteq.edu.mx f-j... · contestado 5%...

classe c.g tic

proposta de menús adaptados a nenos con … • menÚs de...

prato quintero maria rosalba canaima (1)

grado de nuriciÓn humana y dietÉtica (2019/20) · •...

carolos prato ensayos de-carga_dinámicos-rev_a3

fotografía ii // expo // arocha, odoardi, prato

identificación - cecyteq f-j...contestado 5% c.d 1 c.g 8...