¿Cómo adoptar la discriminación de precios para la congestión del impacto en el tiempo?

Investigador responsable: Bruno Benevit

Título original: Explotar las respuestas de los viajeros a una política de tarifa de descuento de prepeak y optimizar la estrategia de precios para aliviar la congelación máxima: el caso del metro de Beijing

Autores: Xiangming Yao, Linshan Chen, Peng Zhao, Qingru Zou y Zijia Wang

Lugar de intervención: China

Tamaño de la muestra: 11 millones de pasajeros activos

Sector: Economía del Transporte

Variable de interés principal: congestión

Tipo de intervención: discriminación de precios

Metodología: programación completa no lineal

Resumen

Los servicios de transporte público son susceptibles a la congestión, que generalmente ocurren al principio y al final de los tiempos comerciales. En particular, este tipo de situación es frecuente en los sistemas de metro en las metrópolis. Dado esto, las medidas para reubicar la demanda de estos servicios, como la adopción de la diferenciación de precios basada en el tiempo, pueden mitigar este problema. Este estudio analizó los impactos de la adopción de una política de descuento para viajes en los períodos anteriores a las horas pico en el Metro de Beijing, China. Los resultados mostraron que la política de tarifas prebitadas en el metro de Beijing no era efectiva, lo que indica que la adopción de un tiempo de descuento menos de las horas pico ayudaría a reducir los atascos de tráfico por la mañana.

1. Problema de política

Las horas de PICO en el transporte público a menudo conducen a atascos al principio y al final de las horas hábiles. Este es un problema recurrente para la mayoría de los sistemas de metro. Dadas las limitaciones de expandir la oferta de este tipo de servicio en ciertos tipos de transporte, especialmente aquellos más dependientes de la expansión de la infraestructura, como el metro, las medidas de gestión de la demanda de tráfico pueden mitigar dicha situación (Yao et al., 2025).

Las personas reaccionan de manera diferente cuando cambia el precio del boleto. En general, cuando aumenta el precio, la cantidad de pasajeros disminuye, pero esta respuesta varía según el contexto. Algunas investigaciones muestran que a corto plazo, la reducción en el número de pasajeros es menor, mientras que a largo plazo, más personas pueden cambiar sus hábitos de transporte. Por lo tanto, la adopción de la diferenciación de precios basada en el tiempo nos permite inducir la demanda a distribuirse menos concentrados durante todo el día, adaptándose a la capacidad de oferta del sistema de transporte.

A diferencia del tráfico vial, donde las medidas de gestión del transporte (TDM) están bien establecidas, la aplicación de hacinadores en el transporte público tiene desafíos específicos. El hacinamiento puede llevar a los pasajeros a migrar a otros modos de transporte, agravando la congestión en otros modos. Por lo tanto, muchas estrategias de TDM en los sistemas de transporte público adoptan promociones o incentivos en lugar de aumentos de tarifas para lidiar con este problema.

El metro de Beijing, uno de los sistemas de metro más grandes de China, también se enfrenta a esta situación, enfrentando una congestión recurrente en las horas pico. En este contexto, las agencias de tráfico en la región comenzaron en 2016 una política de descuento para mitigar la congestión en la hora máxima. Sin embargo, el impacto de la política no cumplió con los resultados esperados en comparación con otras políticas similares en otros lugares (Ge et al., 2015). Dado esto, comprender los comportamientos de los viajeros a nivel individual es fundamental para la mejora de las políticas de esta naturaleza.

2. Contexto de implementación de políticas

El sistema de metro de Beijing tiene tres líneas: BT, CP y 6. La política de descuento de tarifa antes de las horas pico se implementó en Beijing Metro en líneas BT y CP para tratar de reducir el hacinamiento por las mañanas, especialmente entre las 7 a.m. y las 9 a.m. En 2016, se ofreció un descuento del 30% a los pasajeros que ingresaron antes de las 7 am en 16 estaciones de dos líneas, pero las demandas a pedido eran limitadas. Al año siguiente, el descuento se amplió al 50% y otras ocho estaciones de la línea 6 se incluyeron en el programa.

Es de destacar que la línea BT System BT del sistema de metro Beijing, sujeta a un estudio en este trabajo, tiene 13 estaciones, incluida dos conexión. La línea enfrenta una gran congestión en la mañana hacia el centro, especialmente entre las 7h y las 8h30. Su capacidad es limitada debido a la antigua infraestructura, con trenes de seis vagones que contienen hasta 238 pasajeros por vagón. El tiempo de viaje total de extremo a final de esta línea es de aproximadamente 30 minutos y 35 segundos.

El avance en el uso de datos de tarjetas inteligentes ha permitido nuevas metodologías para el desarrollo de estrategias tarifas optimizadas. Por lo tanto, esta información ayudó a considerar la heterogeneidad de los pasajeros y los impactos directos e indirectos de los cambios arancelarios en la demanda del sistema de metro. La elección de descuentos, para los hacinadores en las horas pico, estaba motivada por el temor de que las tasas más altas los pasajeros optaran por autobuses o automóviles, lo potencialmente agravante de la congestión vial.

A pesar de los esfuerzos repetidos, el comportamiento de la demanda ha cambiado poco y el hacinamiento reducido no alcanzó las expectativas. Dado que la política no ha logrado los resultados esperados, no se expandió a toda la red, dando lugar a un análisis posterior de su eficiencia.

3. Detalles de la evaluación

El estudio utilizó datos de las tarjetas inteligentes de junio de 2016 y junio de 2017 Se excluyeron el registro de empleados y tarjetas temporales, que representaban menos del 5% del total, ya que no podían estar vinculados a usuarios constantes. Además, solo se consideraron datos comerciales, ya que la política no se aplicó los fines de semana y las vacaciones. También se eliminaron los registros que no permitieron el seguimiento de los desplazamientos en los dos períodos analizados. En total, había más de 12.49 millones de tarjetas activas en junio de 2016 y 13.51 millones en junio de 2017, de las cuales aproximadamente el 81% podrían estar acompañadas.

Para comprender mejor los patrones de desplazamiento de pasajeros y sus respuestas a los cambios de tarifas, los usuarios del metro se clasificaron en grupos en función de tres características principales: (i) intensidad de uso, (ii) comportamiento de viaje en el tiempo y (iii) patrones espaciales. La intensidad de uso mide la frecuencia con la que cada pasajero usa el metro, incluido el número promedio de viajes por día, el número promedio de días de uso por semana y la estabilidad de este uso con el tiempo. Los pasajeros que usan el metro con mayor frecuencia y regularmente tienden a tener una mayor lealtad del sistema, mientras que aquellos con patrones más irregulares pueden depender menos de este medio de transporte.

Las características temporales se analizaron para identificar patrones de desplazamiento. El momento del primer viaje del día fue un indicador considerado, ayudando a identificar a los pasajeros que comienzan sus rutas en las horas pico, comúnmente trabajadores o estudiantes. Además, se identificó la variación en el momento de la partida a lo largo del tiempo, ayudando en la distinción de usuarios con rutinas más predecibles de aquellos con tiempos más flexibles. Finalmente, se consideró la característica espacial basada en la tasa de cobertura de OD, lo que indica la variedad de orígenes y destinos utilizados por un pasajero.

Los datos revelaron diferentes patrones entre los pasajeros del metro de Beijing. Los usuarios regulares hicieron viajes frecuentes y estables durante toda la semana, generalmente trabajadores o estudiantes, mientras que ocasionalmente tenían una frecuencia más baja y tiempos más variables. Con respecto a los estándares temporales, los pasajeros que comienzan sus viajes siempre a la hora pico son posiblemente trabajadores, mientras que aquellos con mayor flexibilidad de tiempo tienen una variación en los viajes. Los estándares espaciales indicaron que los pasajeros con rutas fijas, como el trabajo doméstico o la escuela, tienen una baja variación en sus orígenes y destinos. Los que tienen rutas más variadas pueden ser proveedores de servicios o profesionales con múltiples lugares de trabajo.

4. Método

El modelo desarrollado adoptó una programación cuadrática no lineal completa para optimizar la distribución de la demanda en el metro, considerando la política de descuento de tarifa antes del pico. La formulación incluyó variables relacionadas con estaciones que ofrecen descuento, horas de moscas de descuento y porcentaje aplicado. La función objetivo buscó minimizar la diferencia entre la tasa de ocupación observada en los trenes y la tasa deseada para reducir el hacinamiento. Se han incorporado restricciones para garantizar la consistencia del modelo, como la igualdad de algunos parámetros en ciertos escenarios y la limitación del desplazamiento del tiempo de viaje de los pasajeros. 

El estudio segmentó el período analizado a intervalos de 10 minutos, lo que le permite seguir la variación de la demanda con el tiempo. Para calibrar el modelo, los datos de la tarjeta inteligente de agosto de 2015 se utilizaron en un período anterior a la implementación de la política de descuento. Estos datos habilitaron la identificación de datos del origen del destino y los patrones de desplazamiento de viajes. Además, la influencia de la política de descuento en la decisión del pasajero se ha incorporado al modelo a través de la elasticidad tarifa hasta el tiempo de inicio, considerando la limitación del tiempo máximo en que los usuarios están dispuestos a anticipar su viaje. 

La capacidad del tren se ha modelado teniendo en cuenta la infraestructura existente, incluido el tiempo de viaje entre estaciones, tiempo de detención y capacidad de pasajeros por vagón. Además, el modelo se probó para cinco escenarios de descuento arancelario antes de las horas pico. Cada escenario varió en cuanto a la estación con descuento, tiempo de mosca y porcentaje de descuento, contemplando un escenario sin descuento a un escenario con total flexibilidad de descuento y tiempo de mosca.

5. Resultados principales

Los resultados del modelo indicaron que el escenario de descuento actual no tiene un efecto significativo en la reducción de la medias, lo que resulta de acuerdo con el observado en el metro de Beijing. La comparación entre los escenarios reveló que el cambio en la tasa de descuento tiene un efecto limitado, mientras que los cambios en las horas de moscas de descuento tienen impactos más significativos.

En el escenario cuando se ajustó el tiempo del volante, la reducción del hacinamiento fue significativamente mayor que en escenarios que solo aumentaron el porcentaje de descuento. El escenario más flexible presentó el mejor rendimiento para reducir la calificación, aunque los autores destacan la posibilidad de comprometer la conveniencia de los pasajeros frente a diferentes tiempos y tarifas entre las estaciones. 

El análisis de la elasticidad tarifa ha demostrado que el descuento puede mover parte de los pasajeros de las horas pico a tiempos anteriores. Sin embargo, este efecto tiene un límite, ya que la mayoría de los pasajeros no anticipan su viaje en más de 30 minutos. Dado que el tiempo pico real ocurre alrededor de las 8 a.m., el impacto de la política implementada es insignificante.

Como resultado de estos resultados, los autores señalaron que sistemas como el metro de Beijing, donde la demanda es alta y concentrada en poco tiempo, se vuelve difícil de modificar el comportamiento del pasajero a través de incentivos arancelarios. La política de tarifas de Beijing Metro ya ofrece un alto descuento en comparación con otros sistemas, como Hong Kong, Nueva York y Washington, que aplican descuentos más pequeños fuera de las horas pico. Además, el gobierno de Beijing subsidia aproximadamente el 50% de los costos operativos del metro, lo que permite una mayor flexibilidad para definir los aranceles.

Para mejorar la eficiencia de la política de descuento, sería necesario ajustar el tiempo de beneficio para que coincida con la distribución real de la demanda. La experiencia del metro de Melbourne, que implementó un boleto de viaje gratuito antes del pico, mostró resultados más satisfactorios en la redistribución de la demanda. Sin embargo, esta estrategia implica desafíos financieros, ya que la pérdida de ingresos puede ser sustancial. 

6. Lecciones de políticas públicas

En este artículo, los autores analizaron los impactos de adoptar una política de descuento de tarifas para viajes antes del pico de la mañana en el metro de Beijing a través de un modelo de programación no lineal. Los resultados del modelo indican que la política tuvo un impacto limitado en la reducción de la demanda durante el pico, en línea con el comportamiento observado durante la validez de la política. La efectividad de la medida fue restringida por el descuento a tiempo, que no cubrió la mayor parte del período de mayor demanda. Los resultados también sugieren que la magnitud del descuento influye en la decisión del pasajero de manera limitada. 

La evidencia de este artículo proporcionó información fundamental sobre la relación entre los incentivos arancelarios y la redistribución de la demanda en el transporte público, ayudando a desarrollar estrategias para mitigar el hacinamiento. Los autores señalaron que los ajustes en el descuento oportuno y la expansión del horario contontado pueden aumentar su efectividad.

Referencias

GE, Y.-E. et al. Resolver la congestión del tráfico desde el lado de la demanda. Promet - Tráfico y transporte, v. 27, n. 6, p. 529–538, 21 de diciembre. 2015.

Yao, X. et al. Explotar las respuestas de los viajeros a una política de tarifa de descuento previa y optimización de la estrategia de precios para aliviar la congestión máxima: el caso del metro de Beijing. Investigación de transporte Parte A: Política y práctica, v. 191, p. 104335, enero. 2025.