Orrego-Oñate, J.P., Clifton, K., Hurtubia, R. (2023) Heterogeneity in mode choice behavior: A spatial latent class approach based on accessibility measures. Journal of Transport and Land Use, 16(1), 105-129. https://doi.org/10.5198/jtlu.2023.2115.
– ¿Cuál es la brecha que buscaban resolver y por qué es importante?
Considerar heterogeneidad en el comportamiento y preferencias de los usuarios del sistema de transporte es necesario para tener mejores modelos y estimaciones de demanda. Si bien sabemos que a la hora de elegir el modo de transporte el entorno construido juega un rol relevante, hasta ahora los atributos del entorno construido se incorporan generalmente como una variable más en las funciones de utilidad de cada modo (por ejemplo, distancia desde la residencia al paradero o estación más cercana en la utilidad asociada al transporte público). Hay evidencia de que el entorno construido no solo afecta la elección de modo, sino que la forma en que se valoran ciertos atributos del modo (por ejemplo, el tiempo de viaje) puede variar dependiendo del entorno construido. Por ejemplo, la distancia de caminata podría incomodarme mucho menos si es que debo caminar por un espacio animado y/o agradable. Hasta el momento este tipo de interacciones se han modelado con segmentaciones espaciales exógenas de las áreas de estudio. Nuestro trabajo llena un vacío al proponer un método que segmenta el espacio en función de sus atributos y de los patrones de movilidad observados, permitiendo tener funciones de utilidad diferentes en cada segmento para un mismo modo.
– ¿Qué metodología y datos utilizaron?
Utilizamos modelos de clases latentes, que son usados frecuentemente en conjunto con modelos de elección discreta como un mecanismo para introducir heterogeneidad. Sin embargo, lo habitual es usar los modelos de clases latentes para segmentar a los usuarios o tomadores de decisión en categorías con distintas preferencias. Lo novedoso de nuestra propuesta es que, en cambio, segmentamos el espacio en que ocurren los viajes, lo que nos permite distinguir entre “tipos de barrios” que inducen a distintos patrones de movilidad. A este enfoque le llamamos “Clases Latentes Espaciales”. Aplicamos el modelo a datos de Portland, Oregon, y descubrimos que se pueden identificar tres “tipos de ciudad” bien claros: una muy céntrica, otra urbana y otra suburbana, cada una con comportamientos bien distintos en cuanto a elección de modo de transporte, es decir con parámetros diferentes en cada tipo de ciudad para variables como, por ejemplo, la distancia del viaje.
– Impacto potencial de los resultados obtenidos en el estado de la práctica y o diseño de políticas de transporte en Chile
El método que proponemos no solo permite modelar de mejor forma la heterogeneidad en las preferencias y cómo éstas varían en función del entorno construido, sino que permite además generar mapas de las clases latentes espaciales que emergen. Esto hace que la identificación de sectores que se podrían intervenir para lograr patrones de movilidad deseados sea muy intuitiva y de fácil acceso para el planificador, no sólo porque el mapa sea fácil de leer, sino porque es posible identificar qué atributos del entorno construido deben modificarse.
Además, nuestro socio hizo un hilo de Twitter explicando más sobre esta investigación que podía ser de interés para nuestros lectores, que pueden encontrar en el siguiente enlace: https://twitter.com/rhurtubia/status/1645839235407020050
