PROYECCIONES DE TRÁFICO EN CARRETERA RUTA DEL MAULE MEDIANTE MODELOS ECONOMÉTRICOS CLÁSICOS
Abstract
La tarea de proyectar siempre ha sido un desafío interesante y con beneficios sustanciales si es realizado de la forma correcta. La proyección del tráfico es una parte integral del proceso de diseño de carreteras, comenzando desde los estudios de factibilidad de inversión, estructuración de deuda óptima a fin de conseguir menores tasas, hasta el desarrollo de planes de trabajo futuros.Uno de los resultados del equilibrio entre las necesidades, deseos, ubicación, actividades y factores del transporte entre las personas particulares y transportistas es un cierto volumen de tráfico vehicular. Esto resulta en numerosas variables a que intentan explicar el comportamiento del tráfico vehicular, en el transcurso de esta memoria se toma el enfoque de series de tiempo para tratar dichas variables. Así como (Fildes 2014) define, en la tarea de pronosticar numerosas series de tiempo con procesos repetitivos, es necesario un punto de vista desde la automatización de estos procesos a fin de seleccionar los mejores métodos de proyección.En el desarrollo de esta memoria un método es escogido y posteriormente aplicado a todas las series de tiempo en su análisis individual, luego siendo comparados y seleccionados los mejores métodos de proyección para dichas series tomando en cuenta sus diferentes características (tendencia, estacionalidad y estabilidad).Fildes (2001) Demuestra que si la selección puede realizarse perfectamente entonces los beneficios prueban ser sustanciales. Basado en una combinación de ambos principios expuestos, el mismo método de análisis computacional para todas las series de tiempo, basado en los softwares estadísticos R estudio, Microsoft Excel y su extensión Solver. Cuidando individualmente sus características, cómo tendencia, estacionalidad, errores atípicos, estabilidad y estructura de las series de tiempo.En el caso de esta memoria por los datos dispuestos el criterio será analizar 21 series de tiempo individualmente, una para cada tipo de vehículo, de los cuales se cuenta con 7 clasificaciones, en 3 rutas de peaje ubicadas en la Ruta del Maule. Se busca proyectar flujos anuales y mensuales para los años 2018, 2019 y 2020, y se cuenta con 10 años de datos diarios.Se determinó que la mejor forma de tomar los datos a fin de proyectar es de forma anual y con ayuda del ajuste estacional generar los pronósticos mensuales requeridos.Los pronósticos obtenidos fueron medidos y comparados con métricas de desempeño conocidas, como MSE, RMSE, MAE y MAPE para cada modelo en el estudio. The task of forecasting has always been an interesting challenge, with substantial benefits if it is done properly. Highway traffic forecasting is an essential part of the process of road designing, from investment feasibility studies to debt structure with the aim of lower interest rates, even in developing future working plans.One of the results of an equilibrium of needs, desires, location, activities and transportation factors, between individual users and logistic transport of goods, is a certain volume of highway traffic. This analysis ends up with in a very large amount of variables trying to explain the behavior of Highway traffic, in this thesis work the focus the analysis though time series. As (Fildes 2014) defines, in the task of forecasting numerous time series with repetitive processes, an automatization point of view is need with the aim of selecting the best forecasting methods.In the development of this work a method is chosen and subsequently applied to all time series individual analysis, being compared and selected the best approaches to forecasting, analyzing their characteristics (trend, stationarity, seasonality and stability).Fildes (2001) proves that if selection can be made perfectly then benefits are substantial. Based on that fact, a combination of principles is defined, and the same computational analysis is applied to all time series, based on the statistic software’s R studio, Microsoft excel and it’s extension Solver. In this work, based on the data available, the criteria’s aim is the analysis of 21 time series individually, for type of vehicle, with 7 classifications in 3 routes of tolls points located in Ruta del Maule Highway. The aim is to produce forecast annually and monthly for the years 2018, 2019 and 2020, with 10 years of daily data available. It is determined that the less biased way of forecasting monthly is to forecast annually and seasonally adjust the forecasts to obtain monthly projections.The forecasting accuracy measures and model performance metrics mainly used are MSE, RMSE, MAE and MAPE for each model in study.