Caractersticas de la Demanda en el Transporte Areo

  • Slides: 103
Download presentation
Características de la Demanda en el Transporte Aéreo Dr. Antonio Trani Air Transportation Systems

Características de la Demanda en el Transporte Aéreo Dr. Antonio Trani Air Transportation Systems Laboratory Virginia Tech Diplomado en la Ingeniería de Aeropuertos Agosto 8, 2008 Ciudad de México Diplomado en Ingeniería de Aeropuertos 1

Presentación • • • Demanda en el transporte aéreo Metodos de pronóstico Demanda reprimida

Presentación • • • Demanda en el transporte aéreo Metodos de pronóstico Demanda reprimida Estadisticas Ejemplos Conclusiones Diplomado en Ingeniería de Aeropuertos 2

Introducción a el Pronóstico de Demanda • La demanda es muy incierta de predecir

Introducción a el Pronóstico de Demanda • La demanda es muy incierta de predecir • Use pronósticos que incluyen escenarios múltiples ya que las predicciones son, en general, malas después de 5 años • La función demanda debe ser un rango y no un numero • En el pasado pronósticos de demanda han variado en promedio un 45 -50% en tan solo 5 años (Maldonado y de Neufville) • Los pronósticos de demanda incierta se deben usar de una manera tal que las alternativas del proyecto se elijan de tal forma para reducir el riesgo de inversión y obsolecencia Diplomado en Ingeniería de Aeropuertos 3

Porque Tanta Variación? • • Muchos factores externos Deregulacion y aerolineas de bajo costo

Porque Tanta Variación? • • Muchos factores externos Deregulacion y aerolineas de bajo costo Terrorismo Incertidumbre en las economias de un pais (o paises o regiones) Medio ambiente y contaminación (impactos) Competencia entre aeropuertos Razones políticas Cambios demográficos y uso de tierra Diplomado en Ingeniería de Aeropuertos 4

Impacto en el Sistema Aeropuerto y ATS • Desarrolle escenarios con rangos de demanda

Impacto en el Sistema Aeropuerto y ATS • Desarrolle escenarios con rangos de demanda • Prevea adaptaciones del aeropuerto necesarias para reducir el riesgo de la inversión y mantener un nivel de servicio adecuado • Existen métodos como análisis de decisiones y dinámica de sistemas para tratar de entender estas variaciones y escoger una mejor decisión Diplomado en Ingeniería de Aeropuertos 5

La Idea Básica • Existe una diferencia entre la demanda de el transporte aéreo

La Idea Básica • Existe una diferencia entre la demanda de el transporte aéreo y el número de operaciones aeronaúticas de demanda • Demand es sensible a precio y a salarios (relativamente a otras alternativas) • Number of operations depends on how operators choose to serve existing demand (supply side), which leads to operator price and service offers (schedules, fares and amenities) in the market • Razones de viaje • Negocios • Placer • Visitas a amigos • Un pasajero reacciona de forma muy diferente si el paga por si mismo vs. cuando alguien paga por el • Condiciones similares se aplica a el transporte de carga Diplomado en Ingeniería de Aeropuertos 6

Algunas Observaciones Diplomado en Ingeniería de Aeropuertos 7

Algunas Observaciones Diplomado en Ingeniería de Aeropuertos 7

Medidas de Demanda, Capacidad y Productividad en el Sistema de Transporte Aéreo Demand •

Medidas de Demanda, Capacidad y Productividad en el Sistema de Transporte Aéreo Demand • Revenue Passenger Enplanements (RPE) = The total number of passengers boarding an aircraft (Pasajeros embarcados) • Revenue Passenger Miles (RPM) = revenue passenger enplanements multiplied by the distance flown by the passenger (Pasajero-Millas demandadas) Capacity • Flights Departures (FD) offered = number of departures (vuelos) • Available Seat Miles (ASM) = number of seats offered by airlines multiplied by the miles flown by each flight (asiento-millas ofrecidas por aerolineas) Productivity • Load factor = ratio of RPM and ASM Diplomado en Ingeniería de Aeropuertos 8

Tendencias de Demanda en el Transporte Aéreo (U. S. ) Source of data: Bureau

Tendencias de Demanda en el Transporte Aéreo (U. S. ) Source of data: Bureau of Transportation Statistics El número de pasajeros embarcados se triplico entre 1976 y 2006 Diplomado en Ingeniería de Aeropuertos 9

Crecimeinto de Pasajeros Embarcados En Aviones Comerciales (1976 to 2006) Source of data: FAA

Crecimeinto de Pasajeros Embarcados En Aviones Comerciales (1976 to 2006) Source of data: FAA Terminal Area Forecast Virginia Tech Air Transportation Lab Diplomado en Ingeniería de Aeropuertos 10

Observaciones (1976 to 2006) • The figure shows observed enplanement growth factors for the

Observaciones (1976 to 2006) • The figure shows observed enplanement growth factors for the top 287 airports in the U. S. between years 1976 and 2006 • Note that some airports in this figure show extremely high growth factors • Chicago Midway (MDW) is an example of such growth • In 1976 Midway had 12, 624 enplanements with Chicago O’Hare experiencing robust traffic levels above 18 million enplaned passengers during the same year • After the airline deregulation and with traffic pressures increasing at Chicago O’Hare, traffic at Midway increased to 191, 946 enplanements by 1980 and soared to 8. 6 million in 2006. Diplomado en Ingeniería de Aeropuertos 11

Crecimiento de las Operaciones Aeroportuarias (1976 to 2006) Source of data: FAA Terminal Area

Crecimiento de las Operaciones Aeroportuarias (1976 to 2006) Source of data: FAA Terminal Area Forecast GIS Plot by Virginia Tech Air Transportation Lab Diplomado en Ingeniería de Aeropuertos 12

Algunas Observaciones (1976 to 2006) • The figure illustrates the observed growth factors of

Algunas Observaciones (1976 to 2006) • The figure illustrates the observed growth factors of the top 287 airports with commercial service between 1976 and 2006 • 50% of the airports experienced a decrease in flight operations (arrivals and departures) between 1976 and 2006 – Twenty medium hub airports – Forty-five are small hubs – Ninety are non-hubs • This trend has increased the volume-over-capacity ratio point at which such airports operate, thus increasing delays • Large hub airports have achieved consolidation • Consolidation trend: – In 1976 sixty three percent of the enplanements in the nation occurred at large hub airports – In 2006 that number rose to seventy percent according to FAA statistics Diplomado en Ingeniería de Aeropuertos 13

Localización de Aeropuertos y Poblaciones en Estados Unidos Diplomado en Ingeniería de Aeropuertos 14

Localización de Aeropuertos y Poblaciones en Estados Unidos Diplomado en Ingeniería de Aeropuertos 14

Un Ejemplo de Encuesta de Viaje (American Travel Survey) Diplomado en Ingeniería de Aeropuertos

Un Ejemplo de Encuesta de Viaje (American Travel Survey) Diplomado en Ingeniería de Aeropuertos 15

Propension a Viajar con respecto al Tiempo Source of data: Bureau of Transportation Statistics

Propension a Viajar con respecto al Tiempo Source of data: Bureau of Transportation Statistics Analysis by Virginia Tech Air Transportation Lab (Henderson and Trani, 2006) Seminario Taller sobre Equilibrio entre Demanda y Capacidad Operacional 16

Tendencias de Viaje (>100 millas) (Encuestas en Estados Unidos) Diplomado en Ingeniería de Aeropuertos

Tendencias de Viaje (>100 millas) (Encuestas en Estados Unidos) Diplomado en Ingeniería de Aeropuertos 17

Distribución de Salarios en U. S. Diplomado en Ingeniería de Aeropuertos 18

Distribución de Salarios en U. S. Diplomado en Ingeniería de Aeropuertos 18

Viajes “Largos” Entre Ciudades • Aquellos de mas de 100 millas (de ida) distancia

Viajes “Largos” Entre Ciudades • Aquellos de mas de 100 millas (de ida) distancia en ruta Diplomado en Ingeniería de Aeropuertos 19

Nuestro Objetivo Final Diplomado en Ingeniería de Aeropuertos 20

Nuestro Objetivo Final Diplomado en Ingeniería de Aeropuertos 20

Modelos Para Predecir la Demanda • Modelos agregados - responden a salarios (GDP) y

Modelos Para Predecir la Demanda • Modelos agregados - responden a salarios (GDP) y precio (relativo a otras alternativas) – El pronóstico de demanda de la FAA (Terminal Area Forecast) y el pronóstico agregado aerospacial (Aerospace Forecasts) usan este tipo de causalidad – La mayoria de los metodos usados para prediccion usan esta idea • Individual choice modeling of travel demand – People choose a mode (airline, GA, auto, rail bus, etc. ) based on full price of travel, which includes: – – Travel time Out of pocket travel costs Access time and cost Trip purpose (business vs. non-business) – The TSAM mode choice model employs this framework Diplomado en Ingeniería de Aeropuertos 21

Variables Usadas en el Análisis de la Demanda Aerea Flights Avg. Stage Length, Avg.

Variables Usadas en el Análisis de la Demanda Aerea Flights Avg. Stage Length, Avg. Aircraft Seats ASMs Load Factor (available seat miles) Load Factor Average Stage Length, Average Aircraft Seats RPMs One single-stage flight consists of two airport operations (takeoff and landing) plus a number of en route operations (ATC communications) Load Factor Average Aircraft Seats (revenue passenger miles) Average Stage Length Enplanements (revenue passengers boarding an aircraft) Diplomado en Ingeniería de Aeropuertos 22

Métodos de Pronóstico • • • Grupos de expertos Técnicas de extrapolación Análisis de

Métodos de Pronóstico • • • Grupos de expertos Técnicas de extrapolación Análisis de mercado Modelos Econométricos Modelos de Competencia Diplomado en Ingeniería de Aeropuertos 23

Técnicas de Extrapolación Diplomado en Ingeniería de Aeropuertos 24

Técnicas de Extrapolación Diplomado en Ingeniería de Aeropuertos 24

Técnicas de Extrapolación (II) Diplomado en Ingeniería de Aeropuertos 25

Técnicas de Extrapolación (II) Diplomado en Ingeniería de Aeropuertos 25

Método para Convertir Modelos no Lineales en Lineales Diplomado en Ingeniería de Aeropuertos 26

Método para Convertir Modelos no Lineales en Lineales Diplomado en Ingeniería de Aeropuertos 26

Tendencias sobre el Tiempo Diplomado en Ingeniería de Aeropuertos 27

Tendencias sobre el Tiempo Diplomado en Ingeniería de Aeropuertos 27

Observaciones Generales • El modelo logístico es quiza el mejor para predicciones a largo

Observaciones Generales • El modelo logístico es quiza el mejor para predicciones a largo plazo • En el modelo logistico la capacidad del aeropuerto se considera de forma explícita • El modelo lineal se usa para predicciones de muy corto plazo • El exponencial se puede usar para predicciones de mediano plazo (ya que la demanda no puede crecer al infinito) Diplomado en Ingeniería de Aeropuertos 28

Ejemplo de Modelos Logísticos (I) • Grilihes derivo un modelo para calcular a demanda

Ejemplo de Modelos Logísticos (I) • Grilihes derivo un modelo para calcular a demanda del aeropuerto de Belgrado • De donde: D(t) is la demanda en el tiempo t y t representa la variable tiempo • Esta ecuación se derivo usando datos de demanda comprendidos entre 1962 y 1978 Diplomado en Ingeniería de Aeropuertos 29

Ejemplos de Modelos Logísticos (II) • Lundtorp derivo un modelo para calcular a demanda

Ejemplos de Modelos Logísticos (II) • Lundtorp derivo un modelo para calcular a demanda de pasajeros Daneses que viajan a Portugal en paquetes de excursión (y por aire) • De donde: AP representa el número de pasajeros Daneses que usan transporte aéreo para viajar a Portugal • Esta ecuación se derivo usando datos de demanda comprendidos entre 1976 y 1986 Diplomado en Ingeniería de Aeropuertos 30

Un Ejemplo Que Tu Puedes Estimar • Aeropuerto: Chicago Midway (MDW) • Web Site

Un Ejemplo Que Tu Puedes Estimar • Aeropuerto: Chicago Midway (MDW) • Web Site de Datos Históricos: Terminal Area Forecast disponible en la dirección: http: //aspm. faa. gov/main/taf. asp • Que necesitas para calcular el modelo: Microsoft Excel Solver Diplomado en Ingeniería de Aeropuertos 31

Chicago Midway (MDW) Terminales Fotografia: Google Earth Diplomado en Ingeniería de Aeropuertos TM 32

Chicago Midway (MDW) Terminales Fotografia: Google Earth Diplomado en Ingeniería de Aeropuertos TM 32

Información del Aeropuerto MDW Fuente de informacion: www. flightaware. com Diplomado en Ingeniería de

Información del Aeropuerto MDW Fuente de informacion: www. flightaware. com Diplomado en Ingeniería de Aeropuertos 33

Chicago Midway (MDW) • Gráfica de datos históricos de la demanda aérea Diplomado en

Chicago Midway (MDW) • Gráfica de datos históricos de la demanda aérea Diplomado en Ingeniería de Aeropuertos 34

Proyección sin Límites • La gráfica muestra una proyección (sin limites) hecha por la

Proyección sin Límites • La gráfica muestra una proyección (sin limites) hecha por la Agencia de Aviación de los Estados Unidos (Terminal Area Forecast – TAF) Zona de Pronóstico Diplomado en Ingeniería de Aeropuertos 35

 • MDW ha incrementado su demanda de una forma fenomenal • En 1976

• MDW ha incrementado su demanda de una forma fenomenal • En 1976 MDW procesó 12, 626 pasajeros de embarque (enplanements) • En 1984 MDW procesó un millón pasajeros de embarque (enplanements) • En 2006 MDW procesó 8. 8 millones de pasajeros de embarque (enplanements) • Puede la demanda crecer al mismo ritmo en el futuro? Diplomado en Ingeniería de Aeropuertos 36

Análisis Preliminar • MDW cuenta con dos terminales y un total de 42 salas

Análisis Preliminar • MDW cuenta con dos terminales y un total de 42 salas de embarque • El aeropuerto tiene 4 pistas hasta de 6, 500 pies de longitud (1, 981 metros) Diplomado en Ingeniería de Aeropuertos 37

Análisis • Debido a las limitantes del número de salas de embarque, limitacion de

Análisis • Debido a las limitantes del número de salas de embarque, limitacion de longitud de pistas, proximidad al aeropuerto internacional O’Hare, se estima que MDW no puede crecer mas alla de 15 millones de pasajeros de embarque anuales • Usemos nuestro conociento de un modelo de proyección logistica para pronosticar la demanda en el futuro Diplomado en Ingeniería de Aeropuertos 38

Un Poco de la Teoria • Para crear un modelo logistico necesitamos encontrar los

Un Poco de la Teoria • Para crear un modelo logistico necesitamos encontrar los valores de a, b y k de tal modo que la suma de los errores al cuadrado (entre la demanda historica y el modelo logistico) sea un minimo absoluto minimization) • Los valores de a, b y k se pueden encontrar con Excel Solver o cualquier programa de Estadística tal como Minitab, SAS, SPSS, etc. Diplomado en Ingeniería de Aeropuertos 39

Análisis para el Aeropuerto MDW • Datos históricos en la hoja de cálculo (Excel)

Análisis para el Aeropuerto MDW • Datos históricos en la hoja de cálculo (Excel) Diplomado en Ingeniería de Aeropuertos 40

Análisis para el Aeropuerto MDW • Calculemos la demanda de acuerdo del modelo logístico

Análisis para el Aeropuerto MDW • Calculemos la demanda de acuerdo del modelo logístico • Por el momento usemos valores arbitrarios parametros a y b (asuma a = 1 and b = 1) Modelo Error (entre Modelo y Demanda Historica) Error elevado al cuadrado Diplomado en Ingeniería de Aeropuertos 41

Fórmulas Usadas en Excel Error (diferencia entre Modelo y La Demanda Historica) Diplomado en

Fórmulas Usadas en Excel Error (diferencia entre Modelo y La Demanda Historica) Diplomado en Ingeniería de Aeropuertos 42

Hoja De Cálculo Completa (para implementar la regresión logistica) Sumatoria de Errores al cuadrado

Hoja De Cálculo Completa (para implementar la regresión logistica) Sumatoria de Errores al cuadrado (Sum of Squared Errors) Diplomado en Ingeniería de Aeropuertos 43

Uso de Excel Solver para Calcular Valores del Modelo Logistico de Demanda Diplomado en

Uso de Excel Solver para Calcular Valores del Modelo Logistico de Demanda Diplomado en Ingeniería de Aeropuertos 44

Detalle de la Interfase Gráfica en Excel Solver Minimizar la Celda G 14 (least

Detalle de la Interfase Gráfica en Excel Solver Minimizar la Celda G 14 (least square method) Diplomado en Ingeniería de Aeropuertos Celdas para variar (J 7 y J 8) 45

Solución Final con Excel Solver Valores finales de los Coeficientes a y b NOTE:

Solución Final con Excel Solver Valores finales de los Coeficientes a y b NOTE: el valor de k representa la capacidad máxima del aeropuerto Diplomado en Ingeniería de Aeropuertos 46

Validación contra Datos Originales Diplomado en Ingeniería de Aeropuertos 47

Validación contra Datos Originales Diplomado en Ingeniería de Aeropuertos 47

Modelos de Mercado Diplomado en Ingeniería de Aeropuertos 48

Modelos de Mercado Diplomado en Ingeniería de Aeropuertos 48

Modelos Econométricos Diplomado en Ingeniería de Aeropuertos 49

Modelos Econométricos Diplomado en Ingeniería de Aeropuertos 49

Definición de Modelos Econométricos Diplomado en Ingeniería de Aeropuertos 50

Definición de Modelos Econométricos Diplomado en Ingeniería de Aeropuertos 50

Modelos Econométricos Diplomado en Ingeniería de Aeropuertos 51

Modelos Econométricos Diplomado en Ingeniería de Aeropuertos 51

Modelos Econométricos Diplomado en Ingeniería de Aeropuertos 52

Modelos Econométricos Diplomado en Ingeniería de Aeropuertos 52

Ejemplo de Modelo Econométrico (Gohbrial y Kanafani, 1995) Diplomado en Ingeniería de Aeropuertos 53

Ejemplo de Modelo Econométrico (Gohbrial y Kanafani, 1995) Diplomado en Ingeniería de Aeropuertos 53

Ejemplo de Modelo Econométrico (Gohbrial y Kanafani, 1995) Diplomado en Ingeniería de Aeropuertos 54

Ejemplo de Modelo Econométrico (Gohbrial y Kanafani, 1995) Diplomado en Ingeniería de Aeropuertos 54

Ejemplo de Modelo Econométrico (Gohbrial y Kanafani, 1995) Diplomado en Ingeniería de Aeropuertos 55

Ejemplo de Modelo Econométrico (Gohbrial y Kanafani, 1995) Diplomado en Ingeniería de Aeropuertos 55

Ejemplos Modelos de Pronóstico de FAA y Boeing Diplomado en Ingeniería de Aeropuertos 56

Ejemplos Modelos de Pronóstico de FAA y Boeing Diplomado en Ingeniería de Aeropuertos 56

FAA National Level Model • Domestic traffic and revenue • Reconcile TAF and national

FAA National Level Model • Domestic traffic and revenue • Reconcile TAF and national level model (TAF should be within 0. 5% of national level forecast) • Top-Down model – Inputs: GDP, PCE, Unemployment rate, ticket tax, real oil price, 911 dummy, post 911 dummy, segment fee) – Assume based on trends: passenger trip length, load factors – Outputs: RPMs, ASMs, real yield, enplanements, unit costs • Perform the analysis for legacy, low cost and regional carriers (definitions of these are unknown) Diplomado en Ingeniería de Aeropuertos 57

Mercados Internacionales • • By region of the world Explanatory variables vary by region

Mercados Internacionales • • By region of the world Explanatory variables vary by region For example: North Atlantic Traffic = f(US and Europe GDP, Gulf War dummy, passengers (t-1)) • Once demand is estimated, the FAA predicts: • ASM, aircraft stage length, seats/aircraft, departures Diplomado en Ingeniería de Aeropuertos 58

FAA Terminal Area Forecast (TAF) • Predice operaciones y pasajeros embarcados en 3, 500

FAA Terminal Area Forecast (TAF) • Predice operaciones y pasajeros embarcados en 3, 500 aeropuertos en Estados Unidos • Sitio web: http: //aspm. faa. gov/main/taf. asp Diplomado en Ingeniería de Aeropuertos 59

Ejemplo del TAF para Un Aeropuerto (Chicago Midway – MDW) Detrás del TAF existe

Ejemplo del TAF para Un Aeropuerto (Chicago Midway – MDW) Detrás del TAF existe un modelo econométrico Diplomado en Ingeniería de Aeropuertos 60

Boeing Commercial Outlook (BCO) • 20 year forecast • 3 -level forecast • All

Boeing Commercial Outlook (BCO) • 20 year forecast • 3 -level forecast • All jets 30 seats and over • Boeing forecasts RPKs (Revenue Passenger Kilometers) Diplomado en Ingeniería de Aeropuertos 61

BCO Methodology • Forecast matches traffic derived from GDP growth • Considers network and

BCO Methodology • Forecast matches traffic derived from GDP growth • Considers network and airline fleet plans • 142 airlines modeled individually • Includes cargo, charter and LCC • 64 traffic flows • 14 generic aircraft sizes are models • International traffic considers all city pairs > 3000 miles • 12 world regions Diplomado en Ingeniería de Aeropuertos 62

BCO Methodology Traffic Forecast (ASM by airline flows) Top-down model Service Forecast (by airline)

BCO Methodology Traffic Forecast (ASM by airline flows) Top-down model Service Forecast (by airline) Product Forecast (Fleet Forecast by Airline) Diplomado en Ingeniería de Aeropuertos Bottom- UP model 63

Resultados del BCO (Boeing) Diplomado en Ingeniería de Aeropuertos 64

Resultados del BCO (Boeing) Diplomado en Ingeniería de Aeropuertos 64

Métodos de Pronóstico con Competencia entre Medios de Transporte • Importante para establecer que

Métodos de Pronóstico con Competencia entre Medios de Transporte • Importante para establecer que porcentaje de la población usa un medio de transporte • Requieren mucha información de las razones y costo del los viajes • Se han usado para predecir demanda a nivel nacional y local • Puede incluir en cierta forma la competencia entre aeropuertos Diplomado en Ingeniería de Aeropuertos 65

Methodology (TSAM Model) • • A multi-mode intercity trip demand model that predicts long

Methodology (TSAM Model) • • A multi-mode intercity trip demand model that predicts long distance travel (one-way route distance greater that 100 miles) in the continental U. S. Employs a multi-step, multi-modal transportation planning framework where trips are: – produced, – distributed, – split into modes, and – assigned to routes TSAM model can predict intercity travel in the presence of multi-mode alternatives (auto, commercial air, and new aviation modes) Mode choice of travelers based on trip characteristics (business and noonbusiness) and traveler demographics (income level) Mode choice is sensitive to vehicle performance, level of service and supply cost characteristics County-to-county spatial model Accepts any user-defined airport sets Diplomado en Ingeniería de Aeropuertos 66

El Modelo TSAM Diplomado en Ingeniería de Aeropuertos 67

El Modelo TSAM Diplomado en Ingeniería de Aeropuertos 67

TSAM es una Aplicación Diplomado en Ingeniería de Aeropuertos 68

TSAM es una Aplicación Diplomado en Ingeniería de Aeropuertos 68

Generación de Viajes Largos Diplomado en Ingeniería de Aeropuertos 69

Generación de Viajes Largos Diplomado en Ingeniería de Aeropuertos 69

Changes in the U. S. Population (Years 2000 to 2025) Woods and Poole Demographic

Changes in the U. S. Population (Years 2000 to 2025) Woods and Poole Demographic Data Implemented in the Transportation Systems Analysis Model Diplomado en Ingeniería de Aeropuertos 70

Distribution of Trips (LA County to all) Annual Trips Gravity Model Diplomado en Ingeniería

Distribution of Trips (LA County to all) Annual Trips Gravity Model Diplomado en Ingeniería de Aeropuertos 71

Consideremos un Viaje de Negocios Blacksburg, Virginia a Cleveland, Ohio • Suppose three possible

Consideremos un Viaje de Negocios Blacksburg, Virginia a Cleveland, Ohio • Suppose three possible travel alternatives are: – Auto – Commercial Air – On-demand service using VLJ aircraft (future NAS) • To make a mode selection a user might consider: – – Travel time Travel cost (including lodging and rentals) Duration of stay Value of time Diplomado en Ingeniería de Aeropuertos 72

Multi-route Mode Choice Model TSAM Uses the Official Airline Guide (OAG) to estimate airport-to-airport

Multi-route Mode Choice Model TSAM Uses the Official Airline Guide (OAG) to estimate airport-to-airport travel times Diplomado en Ingeniería de Aeropuertos 73

Multi-mode Choice Model (Door-to-Door Commercial Air Travel Time) ü TSAM considers airport processing times

Multi-mode Choice Model (Door-to-Door Commercial Air Travel Time) ü TSAM considers airport processing times and airport egress and access times Diplomado en Ingeniería de Aeropuertos 74

Multi-mode Choice Model (Auto) ü TSAM uses Mappoint to estimate auto travel times Diplomado

Multi-mode Choice Model (Auto) ü TSAM uses Mappoint to estimate auto travel times Diplomado en Ingeniería de Aeropuertos 75

Multi-mode Choice Model (GA) Diplomado en Ingeniería de Aeropuertos 76

Multi-mode Choice Model (GA) Diplomado en Ingeniería de Aeropuertos 76

Summary Trip Information Diplomado en Ingeniería de Aeropuertos 77

Summary Trip Information Diplomado en Ingeniería de Aeropuertos 77

Análisis de Seleccion de Medio de Transporte Auto Avi. General Factors considered in mode

Análisis de Seleccion de Medio de Transporte Auto Avi. General Factors considered in mode split: • Travel time • Travel cost • Value of time • Route convenience • Trip type Commercial Aviation Route 1 Route 2. . . Route n Includes Airport Choice TSAM employs a family of Logit Models (mixed and nested) Diplomado en Ingeniería de Aeropuertos 78

Modelos Logit Usados en TSAM • Logit model • Nested logit utility function •

Modelos Logit Usados en TSAM • Logit model • Nested logit utility function • Mixed logit utility function Diplomado en Ingeniería de Aeropuertos 79

Calibración del Modelo CA = commercial airline, SATS = VLJ vehicle Diplomado en Ingeniería

Calibración del Modelo CA = commercial airline, SATS = VLJ vehicle Diplomado en Ingeniería de Aeropuertos 80

Algunos Estudios con el Modelo TSAM • Analisis de demanda en Estados Unidos con

Algunos Estudios con el Modelo TSAM • Analisis de demanda en Estados Unidos con sistemas avanzados aeronauticos (ADS-B, Datalink, etc. ) • Estudios paramétricos de demanda para nuevos aviones avanzados (tiltrotors, jets supersonicos) • Estudios de perdida de demanda cuando los precios del crudo aumentan Seminario Taller sobre Equilibrio entre Demanda y Capacidad Operacional 81

Demanda Reprimida • Demanda aérea reprimida son viajes que no se desarrollan debido a

Demanda Reprimida • Demanda aérea reprimida son viajes que no se desarrollan debido a diferentes razones: • No hay servicio (servicio esencial en U. S. a comunidades rurales) • El servicio existe pero esta fuera de mi alcanze • El servicio aéreo no se ofrece en su potencial debido a factores externos (oferta suprimida debido a ruido, capacidad aeroportuaria, contaminación, problemas políticos, otros) Diplomado en Ingeniería de Aeropuertos 82

Ejemplo 1 : Restricciones en DCA • El aeropuerto National de Washington (Reagan, DCA)

Ejemplo 1 : Restricciones en DCA • El aeropuerto National de Washington (Reagan, DCA) no ofrece vuelos de mas de 1, 250 millas para no competir con Dulles • Dulles (IAD) fue diseñado para vuelos de largo alcance y por lo tanto la política es favorecer el desarollo de este aeropuerto para vuelos internacionales • La disponibilidad de aviones de gran rendimiento (como el Boeing 737 -700/800 y Airbus A 319/318) hacen esta regla un cuanto restrictiva Diplomado en Ingeniería de Aeropuertos 83

Ejemplo 2: Long Beach, CA • El aeropuerto de Long Beach podría tener mas

Ejemplo 2: Long Beach, CA • El aeropuerto de Long Beach podría tener mas demanda • Sin embargo regulaciones locales impiden mas de 60 vuelos comerciales al dia (muchos de ellos con jets regionales) • Long Beach esta localizado en una área metropolitana enorme y Los Angeles (LAX) no tiene mucho espacio (y resolución política) para crecer Diplomado en Ingeniería de Aeropuertos 84

Método para Calcular la Demanda Reprimida por Ruido TSAM Model + Demanda Aeroportuaria sin

Método para Calcular la Demanda Reprimida por Ruido TSAM Model + Demanda Aeroportuaria sin Limite Modelo Integrado de Ruido (INM 6. 2) _ Demanda Aeroportuaria con Limite _ + Contornos de Ruido (Teterboro) 5 -7% Growth In DNL 65 Limitante de Ruido Impacto de Ruido a la Población Diplomado en Ingeniería de Aeropuertos 85

Capacidad Aeroportuaria Limitada Restringe la Demanda Capacidad de Aeropuerto Demanda Aeroportuaria sin Limite _

Capacidad Aeroportuaria Limitada Restringe la Demanda Capacidad de Aeropuerto Demanda Aeroportuaria sin Limite _ Demanda Aeroportuaria con Limite _ Loop Retroalimentador Negativo + Diplomado en Ingeniería de Aeropuertos Demoras en Aeropuerto (schedule delay) + _ Cociente Volumen/ Capacidad + 86

Demanda Reprimida Debido a los Efectos de Septiembre 11, 2001 • Despues de 911

Demanda Reprimida Debido a los Efectos de Septiembre 11, 2001 • Despues de 911 los aeropuertos implementaron nuevas reglas de seguridad • Los tiempos de transito en aeropuertos aumentaron (de 1. 5 horas a 2. 1 horas típicamente para pasajeros en aeropuertos tipo fortaleza (hub)) • Estos tiempos añaden tiempo a un viaje tanto largo como corto (mas importante para viajes cortos) Diplomado en Ingeniería de Aeropuertos 87

Análisis de Datos Reales Source of data: Bureau of Transportation Statistics Analysis by Eclat

Análisis de Datos Reales Source of data: Bureau of Transportation Statistics Analysis by Eclat Consulting (2005) Seminario Taller sobre Equilibrio entre Demanda y Capacidad Operacional 88

Estudio del Impacto de Nuevas Reglas de Seguridad en los Estados Unidos Diplomado en

Estudio del Impacto de Nuevas Reglas de Seguridad en los Estados Unidos Diplomado en Ingeniería de Aeropuertos 89

Scenarios Investigated • Two cases reflecting added processing times at origin and ending airports

Scenarios Investigated • Two cases reflecting added processing times at origin and ending airports • Only domestic air transportation demand studied • Cases are labeled low and high penalty scenarios • The following airport processing times are added to the baseline airport times in TSAM – Low penalty scenario • 20 minutes are added to passengers using large hub airports • 15 minutes to medium hub airports • 10 minutes to small hub and non-hub airports – High penalty scenario • 30 minutes are added to passengers using large hub airports • 20 minutes to medium hub airports • 15 minutes to small hub and non-hub airports • Results obtained for years 2015 and 2025 (consistent with JPDO analyses) Diplomado en Ingeniería de Aeropuertos 90

Increased Travel Times have an Impact in Short-Range Business Travel Business Commercial Air Trips

Increased Travel Times have an Impact in Short-Range Business Travel Business Commercial Air Trips No Difference Diplomado en Ingeniería de Aeropuertos 91

Increased Travel Times have a Negative Impact in Short. Range Non-Business Travel Non-Business Commercial

Increased Travel Times have a Negative Impact in Short. Range Non-Business Travel Non-Business Commercial Air Trips Some Minor Differences Diplomado en Ingeniería de Aeropuertos 92

Sumario de Resultados • 2. 6% of the nationwide commercial airline person trips are

Sumario de Resultados • 2. 6% of the nationwide commercial airline person trips are lost in the low penalty scenario – 3. 4% of business trips lost – 2. 3% of non-business trips lost • 3. 8% of the commercial airline person trips are lost in the high penalty scenario – 4. 8% of business trips – 3. 3% of non-business trips • Short commercial air trips are affected the most (see graphs) • Business trips using commercial airlines are unaffected beyond 700 miles Diplomado en Ingeniería de Aeropuertos 93

Demanda Inducida Análisis en el Sistema de Transporte Aéreo de los Estados Unidos Diplomado

Demanda Inducida Análisis en el Sistema de Transporte Aéreo de los Estados Unidos Diplomado en Ingeniería de Aeropuertos 94

Descripción de NGATS • NGATS - Next Generation Air Transportation Systems • Next. Gen

Descripción de NGATS • NGATS - Next Generation Air Transportation Systems • Next. Gen - Nueva version de NGATS • NGATS implica desarrollos tecnologicos para facilitar el tránsito de pasajeros de aeropuerto a aeropuerto • NGATS (ahora Next. Gen) tiene como objectivo el reducir en un 30% el viaje por avión de un usuario en el año 2025 • Esto implica reducciones drásticas en tiempos de tránsito por terminales aéreas (la tecnología de los aviones no cambiara tanto en 18 años) Diplomado en Ingeniería de Aeropuertos 95

Pronóstico para el Año 2025 Scenario Airport Processing + Slack Time (hrs) Airline Airport

Pronóstico para el Año 2025 Scenario Airport Processing + Slack Time (hrs) Airline Airport egress time Scheduled Time (hrs) Current Trends (before UK incident) 2. 0 (Large hub) 1. 5 (Medium hub) 1. 0 (Small Hub) 1 X ($2000) 0. 75 Large hub 0. 75 Medium hub 0. 50 Small/Non hub 0. 95 X ($2000) 0. 50 Large hub 0. 50 Medium hub 0. 33 Small/Non hub 1. 0 (Large hub) NGATS: Approximation of 30% 1. 0 (Medium hub) 0. 75 (Small/Non-hub) gate-to-gate time reduction goal • Reducing time through the airport along with a 5% reduction in scheduled airline time increases passenger enplanements by 11% • Business trips increase more rapidly than personal travel • Most flights added fall into the 150 to 500 statute miles distance range • Average overall flight distance reduced approximately 75 miles with NGATS due to recovery of shorter distance flights lost to automobiles since 9/11 Diplomado en Ingeniería de Aeropuertos 96

With NGATS in Place, Scheduled Airline Demand could Increase by 11% (NGATS Scenario 2015)

With NGATS in Place, Scheduled Airline Demand could Increase by 11% (NGATS Scenario 2015) Substantial Gains with NGATS Small Gains with NGATS Diplomado en Ingeniería de Aeropuertos 97

Some Anecdotal Experience to Support Mode Choice Behavior predicted for NGATS • Since September

Some Anecdotal Experience to Support Mode Choice Behavior predicted for NGATS • Since September 11, 2001: – 21% of the passengers in airlines markets below 250 miles were lost* to other modes of transportation – 5% of passengers in the markets between 250 -500 miles also lost in the 2000 -2005 period – These passengers are either driving or taking trains today (95% of these using auto) – Compared to fares before 9/11, average reductions in fares of 2% and 7% have not stimulated demand (because airport processing and slack times are still high) – Fares per seat-mile are more expensive in short trips (perhaps explaining airline reluctance to further reduce fares) due to aircraft performance operational inefficiencies (more fuel per mile) • * Aviation Week and Eclat report 20% in March 2006 analysis Diplomado en Ingeniería de Aeropuertos 98

With NGATS in Place, Scheduled Airline Demand could Increase by 13% (NGATS Scenario 2025)

With NGATS in Place, Scheduled Airline Demand could Increase by 13% (NGATS Scenario 2025) Substantial Gains with NGATS Small Gains with NGATS Diplomado en Ingeniería de Aeropuertos 99

Distribución Espacial e los Beneficios de NGATS (2025) 308. 2 million hours saved by

Distribución Espacial e los Beneficios de NGATS (2025) 308. 2 million hours saved by business travelers 676. 6 million hours saved by personal travelers Diplomado en Ingeniería de Aeropuertos 100

Conclusiones del Estudio • EAD is using multi-modal transportation choice models capable of predicting

Conclusiones del Estudio • EAD is using multi-modal transportation choice models capable of predicting air transportation demand changes due to NGATS • New security rules at airport could have a moderate negative effect in air transportation demand (3 -4% loss in commercial airline trips) • Most of the trips lost due to larger airport processing times would occur between 150 -700 miles (one-way) • If the 30% gate-to-gate travel time NGATS goal is achieved in 2025, NGATS could have a substantial effect in the demand for air transportation (12% increase in 2025 compared to the do-nothing alternative) Diplomado en Ingeniería de Aeropuertos 101

Distribución de Viajes en U. S. (NGATS Scenario 2025) Total trips increase by 12.

Distribución de Viajes en U. S. (NGATS Scenario 2025) Total trips increase by 12. 5% Diplomado en Ingeniería de Aeropuertos 102

Conclusiones • La demanda es muy incierta de predecir • Use pronósticos que incluyen

Conclusiones • La demanda es muy incierta de predecir • Use pronósticos que incluyen escenarios multiples ya que las predicciones son, en general, malas despues de 5 años • En el pasado pronósticos de demanda han variado en promedio un 40 -50% en tan solo 5 años (Maldonado y de Neufville) • Use estos pronósticos se deben usar de una manera tal que las alternativas del proyecto se elijan de tal forma para reducir el riesgo de inversión y obsolecencia Diplomado en Ingeniería de Aeropuertos 103