Show simple item record

dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional
dc.contributor.advisorJorge Eliécer, Córdoba Maquilón
dc.contributor.advisorIván Reinaldo, Sarmiento Ordosgoitia
dc.contributor.authorPalacio Pino, Katherine Liney
dc.date.accessioned2020-06-11T19:23:21Z
dc.date.available2020-06-11T19:23:21Z
dc.date.issued2019-12-01
dc.identifier.citationPalacio Pino, Katherine Liney
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/77647
dc.descriptionIlustraciones
dc.description.abstractDuring the first decades of the 21st century, the growth on transport and road traffic demand have caused, particularly in large cities, an increase in congestion in their road networks thus triggering an uprising in transport negative externalities. Colombia went from having 2’630,391 motorcycles registered in 2009, corresponding to 45% of the car fleet, to having 8'675,439 motorcycles in the year 2019, which corresponds to a 58% of the car park for this year. This represents a 230% increase in the number of vehicles of this type. (Ministry of Transportation, 2019). The aim of this paper is study the application and adaptation of the congestion pricing measure to motorcyclists, in cities with high percentages of motorbikes in their car fleet. For this, both the willingness to pay and the willingness to change their travel schedules were evaluated, by applying a congestion charge at the same time of the existing restrictive measure of the city for vehicular traffic, known as “Pico y Placa”. The simulation information tool was applied to 106 motorcycle users who travel to Medellin’s downtown, with the objective of developing econometric models of discrete election and latent variable hybrid models, such as the advantages of motorcycle usage, motorcycle dependence and the independence given by using the motorcycle. The results show that when a congestion charge is implemented in a time interval such as the one proposed, the probability that users choose to change travel schedules is higher than choosing to use a public transport alternative. Given the above, it is likely to say that when implementing this measure, the greatest impact would be a distribution of trips to the periods before and after the congestion charge period and not in the reduction of motorcycle trips.
dc.description.abstractEn las primeras décadas del siglo XXI, el crecimiento de la demanda de transporte y del tránsito vial han causado, particularmente en las grandes ciudades, el aumento de la congestión en sus redes viales, siendo la motocicleta en latinoamerica un vehículo en alto crecimiento que contribuye a este fenómeno, incrementando las externalidades negativas del transporte. En Colombia se pasó de tener 2,6 millones de motos registradas en 2009 (45% del parque automotor), a 8,6 millones de motos en 2019 (58% del parque automotor), lo que representa un crecimiento de más del 200%. La presente investigación plantea la necesidad de estudiar la aplicación y adaptación de la medida de cobro por congestión, a los motociclistas, en ciudades con altos porcentajes de motos en su parque automotor. Para esto, se evaluó tanto la disposición a pagar como la disposición a cambiar de horario de viaje, al aplicar un cobro por congestión en el mismo horario de la medida restrictiva existente para la circulación vehicular, pico y placa. El instrumento de captura de información fue aplicado a 106 usuarios de motocicleta que viajan al centro de Medellín, con el objetivo de construir modelos econométricos de elección discreta y modelos híbridos al incorporar variables latentes, como la conveniencia de la motocicleta, el apego a la moto y la independencia de la moto. Cuando se implementa un cobro por congestión en un intervalo de tiempo como el planteado, la probabilidad de que los usuarios elijan cambiar de horario de viaje, es más alta que la de elegir utilizar una alternativa de transporte público. Dado lo anterior, es posible decir que al implementar esta medida, el mayor impacto sería una distribución de los viajes hacia los periodos antes y después del periodo de cobro por congestión y no en la reducción de viajes en motocicleta.
dc.format.extent125
dc.format.extent155 páginas
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.rightsDerechos reservados - Universidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.ddc620 - Ingeniería y operaciones afines::624 - Ingeniería civil
dc.titleEfecto de un cobro por congestión en la elección modal de motociclistas.
dc.title.alternativeCongestion charge effect on the motorcyclists modal choice.
dc.typeTrabajo de grado - Maestría
dc.rights.spaAcceso abierto
dc.type.driverinfo:eu-repo/semantics/other
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.publisher.programMedellín - Minas - Maestría en Ingeniería - Infraestructura y Sistemas de Transporte
dc.contributor.corporatenameUniversidad Nacional de Colombia - Sede Medellín
dc.contributor.researchgroupVías y Transporte - VITRA
dc.description.degreelevelMaestría
dc.description.degreenameMagister en Ingeniería – Infraestructura y sistemas de transporte
dc.publisher.departmentDepartamento de Ingeniería Civil
dc.publisher.facultyFacultad de Minas
dc.publisher.branchUniversidad Nacional de Colombia - Sede Medellín
dc.relation.referencesArbuckle, J. L. (2014). Amos V 23.0.
dc.relation.referencesÁrea Metropolitana del Valle de Aburrá. (2018). Encuesta de Movilidad Origen - Destino 2017
dc.relation.referencesBanco Intermericano de Desarrollo. (2013). Guía práctica: Estacionamiento y políticas de reducción de congestión en America Latina. 108.
dc.relation.referencesBen-Akiva, M, & Boccara, B. (1995). Discrete choice models with latent choice sets. International Journal of Research in Marketing, 12(1), 9–24.
dc.relation.referencesBen-Akiva, Moshe, Mcfadden, D., Train, K. E., Walker, J., Chandra, B., Bierlaire, M., … De Palma, A. (2002). Hybrid Choice Models: Progress and Challenges. Marketing Letters, 13(3), 163–175.
dc.relation.referencesBroaddus, A., Litman, T., & Menon, G. (2009). Gestión de la Demanda de Transporte. 128.
dc.relation.referencesCAPRI. (2001). Concerted Action on Transport Pricing Research and Integration. EUproject.
dc.relation.referencesClean Air Institute. (2012). Gestión de la demanda de transporte: Oportunidades para mitigar sus externalidades y las de los vehículos automotores en America Latina
dc.relation.referencesCórdoba, J.E. (2014). Automatic Preferences in the Choice of Transport Mode. Procedia - Social and Behavioral Sciences, 160(Cit), 381–389. https://doi.org/10.1016/j.sbspro.2014.12.150
dc.relation.referencesCórdoba, Jorge Eliecer. (2010). Discrete choice model integrating latent variables and bounded rationality. 153.
dc.relation.referencesCórdoba Maquilón, J. E., González-Calderón, C. A., & Posada Henao, J. J. (2011). Elección De Un Modo De Transporte Urbano Integrando Variables Psicológicas a Modelos De Elección Discreta. DYNA (Colombia), 78(170), 98–105
dc.relation.referencesCórdoba Maquilón, J. E., & Jaramillo, P. (2011). The Selection of a Mode of Urban Transportation - Integrating Psychological Variables to Discrete Choice Models. DYNA (Colombia), 78(170), 98–105.
dc.relation.referencesDomencich, T. A., & McFadden, D. (1975). Urban travel demand: a behavioral analysis.
dc.relation.referencesEPFL. (2014). BIOGEME,. Retrieved from http://biogeme.epfl.ch.
dc.relation.referencesGreen, C., Heyhood, J., & Navarro, M. (2016). Traffic accidents and the London congestion charge. Journal of Public Economics, 133(C), 11–22.
dc.relation.referencesInstituto Nacional de Medicina Legal y Ciencias Forenses. (2018). Forensis 2018 DATOS PARA LA VIDA.
dc.relation.referencesKocur, G., Adler, T., Hyman, W., & Aunet, B. (1982). Guide to forecasting travel demand with direct utility assessment. Urban Mass Transportation Administration, US Department of Transportation, Washington
dc.relation.referencesMcfadden, D. (2001). Decisiones económicas. Revista Asturiana de Economía, 21(1), 261–303
dc.relation.referencesMinisterio de Transporte. (2019). Transporte en cifras Estadísticas 2014. 73
dc.relation.referencesMinistry of Transport. (1964). Road Pricing: The Economic and Tchnical Posibilities. Her Majesty’s Stationary Office. London.
dc.relation.referencesMolina, A. (1999). Viajeros y caminos medievales. Cuadernos de Turismo, 4, 111–126.
dc.relation.referencesMuñoz Miguel, J. P., & Francisca, A. (2014). Los sistemas de peaje urbano y su efecto en el cambio de las pautas de movilidad en el transporte urbano: un estudio empírico aplicado a Madrid. Urban Public Economics Review, 2014, Iss. 20.
dc.relation.referencesOrtúzar, J. de D. (2000). Modelos de Demanda de Transporte. Alfaomega.
dc.relation.referencesOrtúzar, J. de D., & Román, C. (2003). El problema de modelación de demanda desde una perspectiva desagregada: el caso del transporte. Eure, 29(88), 149–171
dc.relation.referencesOrtúzar, J. de D., & Willumsen, L. G. (2001). Modelling Transport.
dc.relation.referencesPozueta, J. (2008). La experiencia internacional en peajes urbanos.
dc.relation.referencesRobusté, F., & Sarmiento, I. (1994). Costos derivados de la Congestión en Barcelona. Instituto Catalán para el Desarrollo del Transporte. Barcelona.
dc.relation.referencesRobusté, F., & Sarmiento, I. (1999). Sistemas Tarifarios del Vehículo privado en medio urbano. Ministerio de Fomento de España. Madrid.
dc.relation.referencesSælensminde, K. (1999). Stated Choice Valuation of Urban Trafdfic Pollution. Transportation Research Part D, 4, 13–27.
dc.relation.referencesSolarte, J. J. (2015). Variación del nivel de servicio de las vías urbanas en una zona con tarifa de cobro por congestión para autos particulares. 1–150.
dc.relation.referencesTrain, K. E. (2002). Métodos de elección discreta con simulación. 332.
dc.relation.referencesTsai, J. F., Chu, C. P., & Hu, S. R. (2015). Road pricing for congestion and accident externalities for mixed traffic of motorcycles and automobiles. Transportation Research Part A: Policy and Practice, 71, 153–166. https://doi.org/10.1016/j.tra.2014.10.020
dc.relation.referencesTyler, N., Acevedo, J., Bocarejo, J. P., & Velásquez, J. M. (2013). Cobros de congestión en ciudades Colombianas. University College London, 1–67.
dc.relation.referencesWachs, M. (2005). Road Pricing in Context. The Efficient Allocation of a Limited Resource, International Symposium on Road Pricing. Transportation Research Board.
dc.relation.referencesWilliams, H. (1977). On the formation of travel demand models and economic evaluation measures of user benefit. Environment and Planning, 9(3), 285–344.
dc.relation.referencesYáñez, M. F., Raveau, S., & Ortúzar, J. de D. (2010). Inclusion of latent variables in Mixed Logit models: Modelling and forecasting. Transportation Research Part A: Policy and Practice, 44(9), 744–753
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.proposalCobro por congestión
dc.subject.proposalCongestion charge
dc.subject.proposalDiscrete choice models
dc.subject.proposalModelos de elección discreta
dc.subject.proposalVariables latentes
dc.subject.proposallatent variables
dc.subject.proposalHybrid models
dc.subject.proposalModelos híbridos
dc.type.coarhttp://purl.org/coar/resource_type/c_1843
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 4.0 InternacionalThis work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit