Investigador principal: Bruno Benevit
Título original: Exploración de las respuestas de los viajeros a una política de tarifas con descuento antes de las horas punta y optimización de la estrategia de precios para aliviar la congestión en horas punta: el caso del metro de Pekín
Autores: Xiangming Yao, Linshan Chen, Peng Zhao, Qingru Zou y Zijia Wang
Lugar de la intervención: China
Tamaño de la muestra: 11 millones de pasajeros activos
Sector: Economía del transporte
Variable principal de interés: Congestión
Tipo de intervención: Discriminación de precios
metodología: Programación integral no lineal
Resumen
Los servicios de transporte público son susceptibles a la congestión, que suele producirse al inicio y al final del horario laboral. Esta situación es especialmente frecuente en los sistemas de metro de las áreas metropolitanas. Por lo tanto, las medidas para redirigir la demanda de estos servicios, como la adopción de una diferenciación de precios basada en el tiempo, pueden mitigar este problema. Este estudio analizó los impactos de la adopción de una política de descuentos para viajes antes de las horas punta de la mañana en el metro de Pekín (China). Los resultados demostraron que la política de descuentos en las tarifas antes de las horas punta del metro de Pekín no fue eficaz, lo que indica que la adopción de un horario de descuento más cercano a las horas punta contribuiría a reducir la congestión matutina.
- Problema de política
Las horas punta del transporte público suelen provocar congestión al inicio y al final del horario laboral. Este es un problema recurrente en la mayoría de los sistemas de metro. Dadas las limitaciones para ampliar la oferta de este tipo de servicio en ciertos tipos de transporte, especialmente aquellos que dependen en mayor medida de la expansión de la infraestructura, como el metro, las medidas de gestión de la demanda de tráfico pueden mitigar esta situación (YAO et al., 2025).
Las personas reaccionan de forma diferente cuando cambia el precio de un billete. En general, cuando el precio sube, el número 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, adoptar una diferenciación de precios según la hora del día permite una distribución menos concentrada de la demanda a lo largo del día, adaptándose a la capacidad de oferta del sistema de transporte.
A diferencia del tráfico rodado, donde las medidas de gestión de la demanda de transporte (GDT) están bien establecidas, la aplicación de recargos al transporte público presenta desafíos específicos. Los recargos pueden inducir a los pasajeros a migrar a otros modos de transporte, lo que agrava la congestión en otros modos. Por lo tanto, muchas estrategias de GDT en los sistemas de transporte público adoptan promociones o incentivos en lugar de aumentos tarifarios para abordar este problema.
El metro de Pekín, uno de los sistemas de metro más grandes de China, también se enfrenta a esta situación, experimentando congestiones recurrentes durante las horas punta. En este contexto, las agencias de transporte de la región implementaron una política de descuentos en 2016 para aliviar la congestión durante la hora punta de la mañana. Sin embargo, el impacto de la política no alcanzó los resultados esperados en comparación con políticas similares en otros lugares (GE et al., 2015). Por lo tanto, comprender el comportamiento individual de los viajeros es fundamental para mejorar este tipo de políticas.
- Contexto de implementación de políticas
El sistema de metro de Pekín cuenta con tres líneas: BT, CP y 6. Se implementó una política de descuentos en las tarifas antes de las horas punta en las líneas BT y CP del metro de Pekín para intentar reducir la congestión matutina, especialmente entre las 7:00 y las 9:00. En 2016, se ofreció un descuento del 30 % a los pasajeros que subieran antes de las 7:00 en 16 estaciones de dos líneas, pero el impacto en la demanda fue limitado. Al año siguiente, el descuento se incrementó al 50 % y se incluyeron en el programa ocho estaciones más de la línea 6.
Cabe destacar que la Línea BT del metro de Pekín, objeto de estudio en este trabajo, cuenta con 13 estaciones, incluyendo dos de conexión. La línea experimenta una congestión considerable por la mañana en dirección al centro de la ciudad, especialmente entre las 7:00 y las 8:30. Su capacidad es limitada debido a su infraestructura obsoleta, con trenes de seis vagones con capacidad para hasta 238 pasajeros por vagón. El tiempo total de viaje de un extremo a otro de esta línea es de aproximadamente 30 minutos y 35 segundos.
Los avances en el uso de datos de tarjetas inteligentes han permitido nuevas metodologías para desarrollar estrategias tarifarias optimizadas. Esta información ha ayudado a considerar la heterogeneidad de los pasajeros y los impactos directos e indirectos de los cambios tarifarios en la demanda del sistema de metro. La elección de descuentos, en lugar de recargos durante las horas punta, se debió al temor de que las tarifas más altas incitaran a los pasajeros a optar por el autobús o el coche, lo que podría agravar la congestión vial.
A pesar de los repetidos esfuerzos, los patrones de demanda apenas cambiaron y la reducción del hacinamiento no alcanzó las expectativas. Dado que la política no logró los resultados deseados, no se extendió a toda la red, lo que motivó un análisis más profundo de su eficacia.
- Detalles de la evaluación
El estudio utilizó datos de tarjetas inteligentes Los datos abarcan los semestres previos y posteriores a la implementación de la política, de junio de 2016 a junio de 2017. Se excluyeron los registros de tarjetas de empleados y temporales, que representan menos del 5% del total, por no poder vincularse a los usuarios habituales. Además, solo se consideraron los datos de los días laborables, ya que la política no se aplicaba a los fines de semana ni festivos. También se eliminaron los registros que no permitían el seguimiento de los movimientos durante 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% pudo rastrearse.
Para comprender mejor los patrones de viaje de los pasajeros y sus respuestas a los cambios de tarifas, se clasificó a los usuarios del metro en grupos según tres características principales: (i) intensidad de uso, (ii) comportamiento temporal de viaje y (iii) patrones espaciales. La intensidad de uso mide la frecuencia con la que cada pasajero utiliza el metro, incluyendo el promedio de viajes diarios, el promedio de días de uso semanal y la estabilidad de dicho uso a lo largo del tiempo. Los pasajeros que utilizan el metro con mayor frecuencia y regularidad tienden a ser más fieles al sistema, mientras que aquellos con patrones más irregulares pueden ser menos dependientes de este medio de transporte.
Se analizaron las características temporales para identificar patrones de viaje. La hora del primer viaje del día se consideró un indicador, lo que permitió identificar a los pasajeros que inician sus viajes en horas punta, generalmente trabajadores o estudiantes. Además, se identificaron variaciones en los horarios de salida a lo largo del tiempo, lo que permitió distinguir a los usuarios con rutinas más predecibles de aquellos con horarios más flexibles. Finalmente, se consideraron las características espaciales con base en la tasa de cobertura de OD, que indica la variedad de orígenes y destinos utilizados por un pasajero.
Los datos revelaron patrones distintivos entre los pasajeros del metro de Pekín. Los usuarios habituales, generalmente trabajadores o estudiantes, realizaban viajes frecuentes y estables a lo largo de la semana, mientras que los usuarios ocasionales mostraban una menor frecuencia y horarios más variables. En cuanto a los patrones temporales, los pasajeros que siempre inician sus viajes en horas punta son probablemente trabajadores, mientras que quienes tienen mayor flexibilidad horaria muestran variación en sus desplazamientos. Los patrones espaciales indicaron que los pasajeros con rutas fijas, como casa-trabajo o casa-escuela, presentan poca variación en sus orígenes y destinos. Quienes tienen rutas más variadas pueden ser proveedores de servicios o profesionales con múltiples lugares de trabajo.
- Método
El modelo desarrollado adoptó una programación cuadrática entera no lineal para optimizar la distribución de la demanda en el metro, considerando la política de descuentos en las tarifas pre-punta. La formulación incluyó variables relacionadas con las estaciones que ofrecen descuentos, la hora límite para aplicarlos y el porcentaje aplicado. La función objetivo buscó minimizar la diferencia entre la tasa de ocupación observada en los trenes y la tasa deseada para reducir la congestión. Se incorporaron restricciones para asegurar la consistencia del modelo, como la igualdad de algunos parámetros en ciertos escenarios y la limitación del cambio en los horarios de salida de los pasajeros.
El estudio segmentó el período analizado en intervalos de 10 minutos, lo que permitió rastrear la variación de la demanda a lo largo del tiempo. Para calibrar el modelo, se utilizaron datos de tarjetas inteligentes de agosto de 2015, previos a la implementación de la política de descuentos. Estos datos permitieron identificar datos de origen-destino y patrones de viaje. Además, se incorporó al modelo la influencia de la política de descuentos en las decisiones de los pasajeros mediante la elasticidad tarifaria a la hora de salida, considerando la limitación del tiempo máximo que los usuarios están dispuestos a anticipar su viaje.
La capacidad ferroviaria se modeló considerando la infraestructura existente, incluyendo el tiempo de viaje entre estaciones, el tiempo de parada y la capacidad de pasajeros por vagón. Además, el modelo se probó en cinco escenarios de descuento tarifario antes de las horas punta. Cada escenario variaba en función de la estación con descuento, la hora límite y el porcentaje de descuento, desde un escenario sin descuento hasta uno con total flexibilidad en cuanto a descuentos y hora límite.
- Resultados principales
Los resultados del modelo indicaron que el escenario actual de descuento no tiene un efecto significativo en la reducción de las aglomeraciones, un resultado similar al observado en el metro de Pekín. Una comparación entre los escenarios reveló que modificar la tasa de descuento tiene un efecto limitado, mientras que los cambios en la hora límite para aplicar el descuento generan impactos más significativos.
En el escenario donde se ajustó la hora límite, la reducción de la congestión fue significativamente mayor que en los escenarios que solo aumentaron el porcentaje de descuento. El escenario más flexible mostró el mejor desempeño en la reducción de la congestión, aunque los autores destacan la posibilidad de comprometer la comodidad de los pasajeros debido a los diferentes horarios y tarifas entre estaciones.
El análisis de elasticidad tarifaria mostró que el descuento puede desplazar a algunos pasajeros de las horas punta a horarios más tempranos. Sin embargo, este efecto es limitado, ya que la mayoría de los pasajeros no anticipan su viaje con más de 30 minutos de anticipación. Dado que la hora punta real ocurre alrededor de las 8:00 a. m., el impacto de la política implementada es insignificante.
Como consecuencia de estos resultados, los autores destacaron que sistemas como el metro de Pekín, con una demanda alta y concentrada en un corto periodo de tiempo, dificultan la modificación del comportamiento de los pasajeros mediante incentivos tarifarios. La política tarifaria del metro de Pekín ya ofrece un descuento significativo en comparación con otros sistemas, como los de Hong Kong, Nueva York y Washington, que aplican descuentos menores fuera de las horas punta. Además, el gobierno de Pekín subvenciona aproximadamente el 50% de los costes operativos del metro, lo que permite una mayor flexibilidad en la fijación de tarifas.
Para mejorar la eficiencia de la política de descuentos, sería necesario ajustar la hora límite para el beneficio de modo que coincida con la distribución real de la demanda. La experiencia del Metro de Melbourne, que implementó un billete gratuito para viajar antes de las horas punta, mostró resultados más satisfactorios en la redistribución de la demanda. Sin embargo, esta estrategia conlleva desafíos financieros, ya que la pérdida de ingresos puede ser considerable.
- Lecciones de política pública
En este artículo, los autores analizaron el impacto de la adopción de una política de descuentos en las tarifas para viajes realizados antes de la hora punta de la mañana en el metro de Pekín mediante 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 las horas punta, en consonancia con el comportamiento observado durante su implementación. La efectividad de la medida se vio limitada por el límite temporal del descuento, que no cubrió la mayor parte del período de máxima demanda. Los resultados también sugieren que la magnitud del descuento tiene una influencia limitada en las decisiones de los pasajeros.
La evidencia presentada en este artículo brindó información fundamental sobre la relación entre los incentivos tarifarios y la redistribución de la demanda en el transporte público, lo que contribuyó al desarrollo de estrategias para mitigar la congestión. Los autores destacaron que ajustar la hora límite del descuento y ampliar el plazo de la política pueden aumentar su eficacia.
Referencias
GE, Y.-E. et al. SOLUCIONANDO LA CONGESTIÓN DEL TRÁFICO DESDE EL LADO DE LA DEMANDA. PROMET – Tráfico y Transporte, v. 27, n.º 6, págs. 529–538, 21 de diciembre de 2015.
YAO, X. et al. Explorando las respuestas de los viajeros a una política de tarifas con descuento antes de hora punta y optimizando la estrategia de precios para aliviar la congestión en horas punta: El caso del metro de Pekín. Transportation Research Part A: Policy and Practice, vol. 191, p. 104335, enero de 2025.
