4. Modelización y Aplicaciones

Transcripción

1 4. Modelización y Aplicaciones El poder del análisis con SIG en Transporte Dr. Osvaldo Daniel Cardozo 1

2 Análisis de la demanda potencial Porqué es importante conocerla? y Cómo puedo conocerla? Transporte como sistema Demanda Inversión necesaria Dotación de servicios requerida Frecuencia del servicio Jean Paul Rodrigue Viabilidad económica y sostenibilidad en el tiempo Dr. Osvaldo Daniel Cardozo 2

3 Análisis de la demanda potencial Porqué es importante conocerla? y Cómo puedo conocerla? Demanda Potencial (futuro) Métodos de determinación (Jean Paul Rodrigue, 2005) Modelos de Predicción de la Demanda (tradicional) Dr. Osvaldo Daniel Cardozo 3

4 El modelo de 4 etapas: ventajas y desventajas Método tradicional para estimar la DEMANDA En teoría su complejidad indica robustez del modelo y la fiabilidad en la predicción Sensibilidad al uso del suelo Alto coste (encuesta de movilidad) Incapacidad para tratar con precisión el gradiente de la distancia Dr. Osvaldo Daniel Cardozo 4 Marshall y Gardy, 2006; Flyvbjerg, Holm y Buhl, 2006

5 El modelo de 4 etapas: su implementación en un software TransCAD (Caliper Corporation) Dr. Osvaldo Daniel Cardozo 5

6 Modelación alternativa: modelos de respuesta directa Métodos de predicción alternativos Levinson and Brown West, 1984; Cervero, 2001; Kimpel, 2001; ZahoyOtros,2001;WalteryCervero,2003;TayloryFink,2003 Funciones de Uso o Curvas Distance-dacay Zhao y Otros, 2003 Modelo de Regresión Lineal Múltiple (MRLM) Walters y Cervero, 2003 Variables explicativas: las 3D`s (diseño, densidad, diversidad) socio-demográficas (población, edad, sexo, renta) características de la red y sistema de transporte Dr. Osvaldo Daniel Cardozo 6

7 Cálculo de variables con SIG Dr. Osvaldo Daniel Cardozo 7 O Neill et al., 1992; Chakraborty y Armstrong, 1997; Moreno y Prieto, 2003

8 Delimitación de las áreas de cobertura con SIG distancias por la red vs. distancias en línea recta Gutiérrez y García (2008) Dr. Osvaldo Daniel Cardozo 8

9 Delimitación de las áreas de cobertura con SIG Distancias por la red vs distancias en línea recta Densidad y modelo viario Gutiérrez y García (2008) Dr. Osvaldo Daniel Cardozo 9

10 Tratamiento del efecto de la distancia 1 Buffer común 2 Buffer multi-rings Demanda Demanda Cubierto No Cubierto Estación Distancia Estación Distancia Dr. Osvaldo Daniel Cardozo 10 Adaptado de Jean-Paul Rodrigue et Al, 2007.

11 Tratamiento del efecto de la distancia 3 Distance Decay Demanda Estación Distancia Dr. Osvaldo Daniel Cardozo 11 Adaptado de Jean-Paul Rodrigue et Al, 2007 y ESRI.

12 Tratamiento del efecto de la distancia: un caso real Funciones de Uso Curvas de Distance-dacay Dr. Osvaldo Daniel Cardozo 12

13 Modelos de regresión lineal múltiple(mrlm) Modelizar las relaciones entre variables Dr. Osvaldo Daniel Cardozo 13

14 Modelos de regresión lineal múltiple(mrlm) Análisis de los residuales Dr. Osvaldo Daniel Cardozo 14

15 Modelo de regresión geográficamente ponderada(gwr) Cómo trabaja la regresión ponderada geográficamente? El modelo de regresión lineal simple se expresa según la ecuación: y= b 0 + b 1 x 1 + b 2 x 2 +b 3 x e Sin embargo, cuando existe correlación espacial tiene sentido introducir la variable espacial según esta ecuación: y(u,v) = β 0 (u,v) + β 1 (u,v)x 1 + β 2 (u,v)x 2 + β 3 (u,v)x ε(u,v) Donde (u,v) son las coordenadas geográficas de cada localización Implementación en Software: GWR 3.0 ArcGIS 9.3 SAM extensión SPGWR para R Dr. Osvaldo Daniel Cardozo 15

16 Modelo de regresión geográficamente ponderada(gwr) Cómo trabaja la regresión ponderada geográficamente? Dr. Osvaldo Daniel Cardozo 16

17 Parámetros de modelos: ajuste, significación. Dr. Osvaldo Daniel Cardozo 17

18 Parámetros de modelos: autocorrelación espacial, cartografía de residuos Dr. Osvaldo Daniel Cardozo 18

19 Parámetros de modelos: tabla resumen Dr. Osvaldo Daniel Cardozo 19

20 Parámetrosdemodelos:R 2 localescongwr Dr. Osvaldo Daniel Cardozo 20

21 Parámetros de modelos Cartografía de coeficientes locales y errores estándar Dr. Osvaldo Daniel Cardozo 21

22 Comparación del ajuste: M4E vs RMLM ponderado Comparación de ajustes entre modelo de cuatro etapas y el modelo directo ponderado (funciones distance-decay). Dr. Osvaldo Daniel Cardozo 22

23 Trabajo Practico Final Actividades: Cargarlacapadeparadasylinkearconlosdatosobtenidos encampopormediodeunaforo. Calcular otras variables del entorno (distancia, densidad comercial, etc) Calcular un modelo de regresión lineal múltiple(mrlm). Ajustar otro modelo con el método de regresión geográficamente ponderado(gwr). Aplicar test de autocorrelación local a los residuos para verificar la aleatoriedad de los errores. Dr. Osvaldo Daniel Cardozo 23