[AUDIO_EN_BLANCO] En esta sesión nos centraremos en los modelos de generación y atracción de viajes. En particular, vamos a ver hoy el modelo que se conoce por análisis por categoría. Para poder obtener modelos de generación y atracción de viajes tenemos dos posibilidades, una lo que se conoce como análisis por categorías y uno como análisis de regresión. Hoy nos enfocaremos en el primero de ellos. ¿En qué consiste el análisis por categorías? Bueno, consiste en clasificar los hogares en distintas categorías de acuerdo a ciertas características. Estas características pueden ser socioeconómicas, tamaño del hogar, posesión o no del automóvil, o cualquiera que uno considere relevante. Consideremos el siguiente ejemplo. En la tabla a continuación se muestran una encuesta tomada a cinco hogares distintos. El primer hogar tiene una sola persona, tiene un nivel de ingresos alto y genera diariamente cinco viajes esa persona. El segundo hogar tiene dos personas, es de un ingreso bajo y genera seis viajes diariamente. En el tercero también es de ingresos altos, tiene 10 viajes diarios. El cuarto también es de ingresos altos y generan 13 viajes diariamente y hay un quinto hogar que tiene más de cinco personas, de ingresos bajos y se genera ocho viajes diarios. Bueno, ¿qué podemos hacer con esta información? La verdad es que podríamos crear distintas categorías. Yo podría generar categorías por nivel de ingresos y personas por hogar, de esa manera, yo podría pensar en clasificarlos esa tabla anterior en ingresos altos y bajos y tamaño de hogar en una o dos personas o de dos o más. Entonces, de acuerdo a esta clasificación, podríamos decir que de acuerdo a la tabla anterior, el primer hogar de una persona va a caer en la clasificación de hogar de una persona con ingresos altos. El segundo va a ser un tamaño de hogar de una o dos personas con ingresos bajos, correspondiente al color naranjo, y así sucesivamente. Entonces, ¿cuántos viajes podemos ver en cada una de las categorías? Vemos, nuevamente que en el caso de tamaño del hogar de una o dos personas con ingresos altos, simplemente es el primer hogar que vimos en nuestra encuesta, por lo tanto, tenemos solamente cinco viajes. En el caso de tamaño del hogar de una o dos personas con ingresos bajos, simplemente tenemos al segundo hogar que genera seis viajes. El caso más interesante corresponde al tamaño del hogar de más de dos personas con ingresos altos, porque ahí de acuerdo a nuestra encuesta, tenemos al hogar tres y cuatro que caen en esta clasificación. Entonces, ¿qué valor ocupar? Bueno simplemente el promedio entre estos dos. Lo mismo volvemos a hacer con la última clasificación con tamaño de hogar de más de dos personas con ingresos bajos, que en este caso corresponde al último hogar de nuestra encuesta, es decir, ocho. Bueno, ¿qué puedo hacer ahora con esta información? Con esta tasa de viajes que yo he logrado, a nivel de hogar. Imaginemos ahora que a futuro, yo logro predecir la composición de los hogares en estas categorías. Por ejemplo, yo logro predecir que en 10 años más en tamaños de hogar de una o dos personas con ingresos altos van a haber 45 hogares, 66 de ingresos bajos y hogares de una o dos personas y así sucesivamente. O sea a partir de esta información y de las tasas de viaje que determinamos anteriormente, podemos determinar la cantidad de viajes totales para cada una de estas categorías. Para la categoría azul, que es de ingresos altos, y de una o dos personas, va a ser simplemente los viajes futuros en esta zona para esa categoría. Va a ser los 45 hogares por la tasa de viajes por hogar. 45 por cinco, 225. Lo mismo puedo hacer con la categoría naranja que me da 396 viajes. Lo mismo puedo hacer con la verde y 312 para la categoría morada. Luego, la cantidad de viajes totales para esta zona es simplemente la suma de los viajes totales que se producen en cada una de estas categorías. A modo de resumen de este procedimiento o de este método, podemos decir que el análisis por categorías es un método muy sencillo de aplicar, que tiene la ventaja de que la agrupación de los datos es independiente de las zonas, no hay supuestos a priori sobre las relaciones que se tienen que cumplir entre las variables, de hecho no hemos supuesto ninguna relación en nuestro ejemplo anterior, y pueden haber distintas relaciones entre las distintas clases. Sin embargo, este método, aunque muy sencillo presenta ciertas desventajas. Entre estas desventajas es que se requiere mucha información para obtener un valor significativo de cada una de las celdas. Hemos visto un ejemplo donde en cada celda uno observa un hogar. Pero para que estas medidas sean realmente significativas, uno necesita que las observaciones por cada celda sean al menos 50. La decisión de cómo dividir o cómo crear estas categorías es un problema en este tipo de análisis. Y otra cuestión, que nosotros pasamos de manera rápida, es saber predecir cómo hacer la composición de los hogares en el futuro. Acá supusimos que en el futuro iban a haber 45 hogares de ingresos altos y con una o dos personas, sin embargo el poder obtener o predecir esa información es una tarea relevante.
