Resumen

Evaluar el potencial de cambio a modos de transporte con bajas emisiones de carbono requiere tener en cuenta el presupuesto limitado de tiempo de viaje de los viajeros. A pesar de los estudios previos centrados en el cambio modal en función del tiempo, faltan marcos computacionales integrados y transferibles que utilicen los nuevos conjuntos de datos longitudinales de viajes de alta resolución basados en teléfonos inteligentes. Esta investigación explica e ilustra un marco computacional para este fin. El marco propuesto compara los viajes observados con viajes alternativos calculados y estima hasta qué punto las alternativas podrían reducir las emisiones de carbono sin un aumento significativo del tiempo de viaje. El marco calcula el potencial de sustitución de los desplazamientos observados en coche y transporte público por modos con menos emisiones de carbono, evaluando parámetros por viajero individual y para toda la ciudad, desde una serie de puntos de vista temporales y espaciales. Los parámetros ilustrados incluyen el tamaño y la distribución de los cambios modales, el ahorro de emisiones y el aumento de los desplazamientos activos, agrupados por modo de transporte, hora de salida, distancia del viaje y cobertura espacial en toda la ciudad. También se evalúan parámetros basados en los viajes que se repiten con frecuencia. Evaluamos la utilidad del método analizando los viajes puerta a puerta de unos cientos de viajeros, recogidos a partir de trazas de teléfonos inteligentes en el área metropolitana de Helsinki, Finlandia, durante varios meses. Los resultados preliminares del experimento muestran que, por ejemplo, de media, el 20% de los viajes frecuentes en coche de cada viajero tienen una alternativa baja en carbono, y si se eligen las alternativas preferidas, podría ahorrarse alrededor del 8% de las emisiones de carbono. Además, se observa que el potencial espacial de la bicicleta como alternativa es mucho más esporádico en toda la ciudad en comparación con el del autobús, que tiene relativamente más viajes desde/hasta el centro de la ciudad. Con pocos cambios, el método sería aplicable a otras ciudades, aportando posiblemente resultados cuantitativos diferentes. En concreto, disponer de datos más exhaustivos de un gran número de participantes podría tener implicaciones para los investigadores y planificadores del transporte a la hora de identificar grupos o áreas para promover el cambio de modo de transporte. Por último, analizamos las limitaciones y las lecciones aprendidas, y destacamos las futuras líneas de investigación.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:modos de transporte con carbono, viajes alternativos computados, diferentes resultados cuantitativos, viajes frecuentes en coche, futuras direcciones de investigación, conjuntos de datos longitudinales sobre viajes, cambio modal relevante, marcos computacionales transferibles, ciudad, marco
• Keywords:carbon transport modes, computed alternative trips, different quantitative results, frequent car trips, future research directions, longitudinal travel datasets, relevant modal shift, transferable computational frameworks, city, framework