fiabilidad en los tiempos de viaje

Una de las clasificaciones más antiguas e influyentes fue desarrollada por Wong y Sussman (1973), quienes identificaron tres componentes fundamentales que siguen siendo relevantes hoy en día: ^{[ 4 ]}

• Variaciones regulares dependientes de las condiciones : Se trata de variaciones predecibles, generalmente cíclicas, en el tiempo de viaje según la hora del día, el día de la semana y la estación del año, que pueden atribuirse a variaciones temporales en los patrones de actividad humana y económica.
• Variaciones irregulares dependientes de las condiciones : Estas resultan de cambios irregulares e impredecibles en las condiciones de la red y del medio ambiente, como accidentes de tráfico, fenómenos meteorológicos, obras viales y otros incidentes.
• Variaciones aleatorias : Estas reflejan variaciones menores en el tiempo de viaje debido a pequeños eventos que generalmente afectan solo a viajeros individuales o grupos pequeños, como no ver un semáforo o el comportamiento inusual de otros usuarios de la vía.

La distinción entre variaciones irregulares dependientes de las condiciones y variaciones aleatorias suele ser una cuestión de grado, relacionada con el número de viajeros afectados y la duración de la interrupción.

Partiendo de marcos conceptuales anteriores, investigaciones más recientes han identificado fenómenos físicos específicos que contribuyen a la variabilidad del tiempo de viaje. Kwon et al. (2011) llevaron a cabo un análisis exhaustivo e identificaron siete fuentes principales de variabilidad del tiempo de viaje basadas en eventos y condiciones observables: ^{[ 4 ]}

1. Incidentes de tráfico y accidentes
2. Actividad en la zona de trabajo
3. Condiciones meteorológicas y ambientales
4. Fluctuaciones en la demanda diaria
5. Eventos especiales
6. Dispositivos de control de tráfico (especialmente señales mal sincronizadas y pasos a nivel).
7. Capacidad base insuficiente (cuellos de botella en el tráfico)

Estas fuentes pueden agruparse en tres categorías más amplias: eventos que influyen en el tráfico (elementos 1-3), variaciones en la demanda de tráfico (elementos 4-5) y características físicas de la carretera (elementos 6-7). Esta clasificación proporciona un marco más operativo para comprender y gestionar las causas de la variabilidad en los tiempos de viaje.

Las primeras investigaciones sobre la fiabilidad del tiempo de viaje adoptaron naturalmente medidas estadísticas comúnmente utilizadas para describir la variabilidad en otros campos. Sin embargo, la aplicación de estas medidas a los datos de tiempo de viaje presenta desafíos únicos debido a la naturaleza típicamente asimétrica de las distribuciones de tiempo de viaje: ^{[ 5 ]}

• Desviación estándar : La medida estadística tradicional de variabilidad alrededor de la media, aunque su idoneidad para distribuciones asimétricas se cuestiona.
• Coeficiente de variación : Desviación estándar dividida por el tiempo medio de viaje, lo que proporciona una medida normalizada.
• Medidas basadas en percentiles : Utilizar valores de percentiles específicos (por ejemplo, percentil 90, percentil 95) que reflejen mejor la experiencia de "llegar tarde".

Reconociendo las limitaciones de las medidas basadas en la varianza para distribuciones asimétricas, las agencias de transporte han desarrollado medidas basadas en zonas de influencia que se centran en la cola superior de la distribución del tiempo de viaje. La Administración Federal de Carreteras introdujo varias medidas relacionadas: ^{[ 4 ]}

El índice de tiempo de búfer (BTI) se define como: BTI = (T ₉₅ - T̄)/T̄

donde T ₉₅ es el percentil 95 del tiempo de viaje y T̄ es el tiempo medio de viaje. Esta medida representa el tiempo adicional por encima del promedio que los viajeros deben presupuestar para garantizar la puntualidad en el 95% de los casos.

Van Lint y Van Zuylen (2005) desarrollaron medidas que capturan explícitamente tanto la asimetría como la dispersión de las distribuciones de tiempo de viaje, abordando las limitaciones de las medidas estadísticas tradicionales cuando se aplican a datos de tiempo de viaje altamente asimétricos: ^{[ 4 ]}

• Asimetría (λ ^asimetría ) : (T ₉₀ - T ₅₀ )/(T ₅₀ - T ₁₀ ) - indica el nivel y la dirección de la asimetría.
• Anchura (λ ^var ) : (T ₉₀ - T ₁₀ )/T ₅₀ - mide la dispersión general de la distribución

La diversidad de medidas de confiabilidad ha llevado a los investigadores a desarrollar sistemas de clasificación integrales. Las medidas de confiabilidad se pueden clasificar en tres categorías principales, cada una con diferentes propósitos analíticos: ^{[ 6 ]}

1. Medidas basadas en puntos : Incluyen medidas basadas en probabilidad, en momentos, en percentiles, en colas y en utilidad.
2. Medidas basadas en límites : Centrarse en umbrales o rangos específicos de rendimiento aceptable.
3. Medidas basadas en la función de densidad de probabilidad (PDF) : Utilizando la función de distribución de probabilidad completa.

El enfoque de media-varianza representa uno de los primeros intentos de incorporar la variabilidad del tiempo de viaje en los modelos de elección de viaje. Este enfoque trata la variabilidad del tiempo de viaje como una fuente directa de desutilidad, similar al aumento del tiempo de viaje. Jackson y Jucker (1982) propusieron un marco fundamental donde la utilidad U se define como: ^{[ 5 ]}

U = T + λV(T)

donde T es el tiempo medio de viaje, V(T) es la varianza del tiempo de viaje y λ es un parámetro que mide la influencia de la varianza en la utilidad del viajero.

Este modelo ha sido ampliamente aplicado y ampliado por numerosos investigadores, aunque ha sido criticado por asumir que los viajeros responden directamente a las medidas estadísticas de variabilidad en lugar de a las consecuencias de dicha variabilidad.

El modelo de programación, desarrollado por Small (1982) y posteriormente perfeccionado por Noland y Small (1995), adopta un enfoque fundamentalmente diferente al centrarse en las consecuencias de la variabilidad del tiempo de viaje en lugar de la variabilidad en sí misma. Este modelo reconoce que la desutilidad derivada de los tiempos de viaje poco fiables surge de los costes de llegar antes o después de lo deseado: ^{[ 5 ]}

El modelo tiene en cuenta:

• Retraso de horario (SDE) : El costo de llegar antes de la hora de llegada preferida.
• Retraso en el horario (SDL) : El costo de llegar después de la hora de llegada preferida, a menudo con una penalización mayor.

La utilidad esperada bajo incertidumbre se expresa como: E[U(t _h )] = αE[T(t _h )] + βE[SDE(t _h )] + γE[SDL(t _h )] + θPL(t _h )

donde PL(t _h ) representa la probabilidad de llegada tardía, que puede conllevar una penalización adicional más allá de los costes basados ​​en el tiempo.

El modelo de retraso medio ha surgido como un enfoque especializado, particularmente para el análisis del transporte ferroviario en el Reino Unido. A diferencia del modelo de programación, este enfoque se centra exclusivamente en el retraso, ignorando los costos de la llegada anticipada. El modelo se expresa como: ^{[ 5 ]}

E(U) = λSchedT + μL ⁺

donde SchedT es el tiempo de viaje programado y L ⁺ es el retraso promedio en el destino. Este enfoque refleja las características particulares de los servicios de transporte público programados, donde la llegada anticipada generalmente no se considera problemática.

Los investigadores emplean diversos enfoques metodológicos para estimar el valor económico que los viajeros otorgan a las mejoras en la confiabilidad, cada uno con ventajas y limitaciones distintas: ^{[ 5 ]}

• Encuestas de preferencias declaradas (PD) : Estas encuestas consisten en presentar a los encuestados escenarios de elección hipotéticos que varían en términos de tiempo de viaje, fiabilidad y coste. Las encuestas PD permiten a los investigadores controlar con precisión la variación de los atributos, pero pueden sufrir sesgos hipotéticos.
• Datos de Preferencia Revelada (PR) : Este enfoque analiza las decisiones de viaje reales tomadas por los individuos, como las decisiones de elección de ruta o modo de transporte. Los datos de PR reflejan el comportamiento real, pero pueden sufrir de una variación limitada de atributos y correlación entre ellos.
• Enfoques combinados RP/SP : Estos integran ambos tipos de datos para aprovechar las ventajas de cada uno y, al mismo tiempo, compensar sus respectivas limitaciones.

La elección de la metodología puede influir significativamente en los valores estimados, y los estudios SP suelen producir valores más bajos que los estudios RP para los mismos contextos.

Un desafío crítico en la investigación de VTTR ha sido la presentación de la variabilidad del tiempo de viaje a los encuestados. Se han desarrollado y probado varios formatos de presentación: ^{[ 7 ]}

• Distribución de tiempos de viaje : Se muestran múltiples tiempos de viaje posibles con sus probabilidades.
• Representación mediante histogramas : Visualizaciones de las distribuciones de frecuencia de los tiempos de viaje.
• Formatos basados ​​en la programación : Presentación de los tiempos de llegada en relación con los tiempos de llegada preferidos.

Las investigaciones han demostrado que el formato utilizado para presentar la fiabilidad puede afectar significativamente a los valores resultantes, y que algunos formatos son mejor comprendidos por los encuestados que otros.

Varios países han realizado estudios nacionales para establecer valores oficiales de VTTR para su uso en la evaluación del transporte. Estos estudios han sido particularmente prominentes en Europa, incluyendo: ^{[ 7 ]}

• Reino Unido (2014-2015)
• Países Bajos (2009/2011, 2022)
• Noruega (2009, 2018-2019)
• Suecia (2007-2008)
• Alemania (2012-2013)

Estos estudios suelen utilizar métodos de preferencias declaradas y se centran en el índice de fiabilidad (la relación entre el valor de la fiabilidad y el valor del tiempo de viaje), que generalmente oscila entre 0,2 y 2,0 en distintos contextos. El estudio realizado en los Países Bajos en 2022 halló índices de fiabilidad notablemente inferiores en comparación con el estudio anterior de 2009/2011, sobre todo en el caso de los viajes de negocios, con valores más acordes con los de estudios escandinavos recientes.

Los estudios empíricos han revelado una variación significativa en el valor de la confiabilidad en diferentes contextos, propósitos de viaje y características del viajero: ^{[ 8 ]}

• Efectos del propósito del viaje : Los viajeros de negocios suelen dar mayor importancia a la fiabilidad que los viajeros de ocio.
• Diferencias entre modos de transporte : Los usuarios del transporte público suelen valorar más la fiabilidad que los usuarios de automóviles.
• Efectos de los ingresos : Los viajeros con mayores ingresos generalmente muestran una mayor disposición a pagar por mejoras en la fiabilidad.
• Variaciones regionales : Los estudios han encontrado diferencias significativas en el VTTR entre diferentes países y regiones.

Hallazgos recientes de los Países Bajos (2022) demostraron índices de confiabilidad que oscilan entre 0,21 y 0,65 en diferentes modos de transporte y propósitos de viaje, con el transporte público local mostrando los índices de confiabilidad más altos y los viajes de negocios en automóvil y tren mostrando los más bajos. ^{[ 9 ]}

El índice de fiabilidad, definido como la tasa marginal de sustitución entre el ahorro de tiempo de viaje y las mejoras en la fiabilidad del tiempo de viaje, proporciona una medida estandarizada para comparar valores entre estudios y contextos. Sin embargo, las estimaciones empíricas muestran una variación considerable: ^{[ 8 ]}

• Viajes en coche: normalmente oscilan entre 0,2 y 1,4
• Transporte público: normalmente oscila entre 0,3 y 2,0.
• En algunos estudios, los valores extremos oscilan entre 0,1 y 2,1.

Esta variación refleja diferencias en la metodología de los estudios, en particular en la forma en que se presenta la variabilidad del tiempo de viaje a los encuestados en los experimentos de preferencias declaradas, así como diferencias genuinas entre contextos y poblaciones.

La integración de VTTR en la evaluación de proyectos de transporte ha demostrado que los análisis tradicionales de costo-beneficio que ignoran los efectos de la confiabilidad pueden subestimar significativamente los beneficios de las mejoras en el transporte. Los estudios sugieren que ignorar la confiabilidad puede llevar a una subestimación del 5 al 50 % de los beneficios económicos de las mejoras en la infraestructura de transporte. ^{[ 7 ]}

Sin embargo, su aplicación generalizada sigue siendo limitada debido a:

• Falta de valores VTTR estandarizados en muchos países.
• Modelos de pronóstico limitados que predicen cambios en la confiabilidad
• Desafíos en la medición de las condiciones de confiabilidad de referencia

Evidencia reciente sugiere que los beneficios en confiabilidad pueden constituir una porción menor, pero aún significativa, de los beneficios totales de los proyectos de transporte de lo que se estimaba anteriormente. El estudio realizado en los Países Bajos en 2022 encontró índices de confiabilidad que generalmente oscilan entre 0,1 y 0,7, lo que sugiere que las mejoras en confiabilidad representan entre el 10 % y el 70 % del valor de los ahorros equivalentes en tiempo de viaje, dependiendo del modo y el propósito del viaje. ^{[ 10 ]} Esto indica que, si bien la confiabilidad sigue siendo un componente importante de la evaluación de proyectos, la magnitud de los beneficios puede ser más modesta de lo que sugerían estudios anteriores.

La fiabilidad del tiempo de viaje se está incorporando cada vez más a la evaluación de proyectos de transporte y a la evaluación de políticas. Las investigaciones sugieren que los análisis tradicionales de costo-beneficio que ignoran los efectos de la fiabilidad pueden subestimar significativamente los beneficios de las mejoras del transporte: ^{[ 4 ]}

Los estudios indican que ignorar la fiabilidad puede conllevar una subestimación del 5 al 50 % de los beneficios económicos derivados de las mejoras en la infraestructura de transporte. Algunos países, como Nueva Zelanda, han adoptado requisitos formales para incluir la fiabilidad en el análisis económico, mientras que otros recomiendan su inclusión en la evaluación de proyectos.

Las agencias de transporte están integrando consideraciones de confiabilidad en diversas actividades operativas y de gestión. Las aplicaciones clave incluyen: ^{[ 4 ]}

• Modelos de asignación de tráfico que tienen en cuenta las respuestas de los viajeros a la fiabilidad.
• Sistemas de guiado de rutas que proporcionan información sobre la fiabilidad junto con estimaciones del tiempo de viaje.
• Planificación del transporte público que tenga en cuenta los requisitos de fiabilidad.
• Planificación de transporte y logística que tenga en cuenta la fiabilidad de los plazos de entrega.

La fiabilidad del tiempo de viaje sirve como un indicador de rendimiento cada vez más importante para la supervisión y gestión del sistema de transporte: ^{[ 4 ]}

• Análisis de la congestión del tráfico y de las interrupciones del flujo vehicular, donde las medidas de confiabilidad complementan las métricas tradicionales basadas en el volumen.
• Evaluación de la vulnerabilidad de la red, identificando los enlaces críticos cuyo fallo afecta significativamente a la fiabilidad del sistema.
• Evaluación de la eficacia de la gestión de incidentes
• Evaluación del impacto meteorológico y planificación de la preparación para emergencias

La integración de métricas de confiabilidad en los sistemas de monitoreo del desempeño proporciona a las agencias de transporte herramientas más completas para la gestión del sistema y la priorización de mejoras.