La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

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

Presentaciones similares


Presentación del tema: "1 Dr. Antonio Trani Air Transportation Systems Laboratory Virginia Tech Diplomado en la Ingeniería de Aeropuertos Agosto 8, 2008 Ciudad de México Características."— Transcripción de la presentación:

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

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

3 3 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

4 4 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

5 5 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

6 6 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 La Idea Básica Diplomado en Ingeniería de Aeropuertos

7 7 Algunas Observaciones Diplomado en Ingeniería de Aeropuertos

8 88 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

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

10 10 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

11 11 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 OHare experiencing robust traffic levels above 18 million enplaned passengers during the same year After the airline deregulation and with traffic pressures increasing at Chicago OHare, traffic at Midway increased to 191,946 enplanements by 1980 and soared to 8.6 million in Observaciones (1976 to 2006) Diplomado en Ingeniería de Aeropuertos

12 12 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

13 13 The figure illustrates the observed growth factors of the top 287 airports with commercial service between 1976 and % 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 Algunas Observaciones (1976 to 2006) Diplomado en Ingeniería de Aeropuertos

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

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

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

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

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

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

20 20 Nuestro Objetivo Final Diplomado en Ingeniería de Aeropuertos

21 21 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

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

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

24 24 Técnicas de Extrapolación Diplomado en Ingeniería de Aeropuertos

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

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

27 27 Tendencias sobre el Tiempo Diplomado en Ingeniería de Aeropuertos

28 28 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

29 29 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

30 30 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

31 Un Ejemplo Que Tu Puedes Estimar Aeropuerto: Chicago Midway (MDW) Web Site de Datos Históricos: Terminal Area Forecast disponible en la dirección: Que necesitas para calcular el modelo: Microsoft Excel Solver 31 Diplomado en Ingeniería de Aeropuertos

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

33 Información del Aeropuerto MDW 33 Fuente de informacion: Diplomado en Ingeniería de Aeropuertos

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

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

36 Observaciones 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? 36 Diplomado en Ingeniería de Aeropuertos

37 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) 37 Diplomado en Ingeniería de Aeropuertos

38 Análisis Debido a las limitantes del número de salas de embarque, limitacion de longitud de pistas, proximidad al aeropuerto internacional OHare, 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 38 Diplomado en Ingeniería de Aeropuertos

39 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. 39 Diplomado en Ingeniería de Aeropuertos

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

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

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

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

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

45 Detalle de la Interfase Gráfica en Excel Solver 45 Minimizar la Celda G14 (least square method) Celdas para variar (J7 y J8) Diplomado en Ingeniería de Aeropuertos

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

47 Validación contra Datos Originales 47 Diplomado en Ingeniería de Aeropuertos

48 48 Modelos de Mercado Diplomado en Ingeniería de Aeropuertos

49 49 Modelos Econométricos Diplomado en Ingeniería de Aeropuertos

50 50 Definición de Modelos Econométricos Diplomado en Ingeniería de Aeropuertos

51 51 Modelos Econométricos Diplomado en Ingeniería de Aeropuertos

52 52 Modelos Econométricos Diplomado en Ingeniería de Aeropuertos

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

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

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

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

57 57 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

58 58 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

59 FAA Terminal Area Forecast (TAF) Predice operaciones y pasajeros embarcados en 3,500 aeropuertos en Estados Unidos Sitio web: 59 Diplomado en Ingeniería de Aeropuertos

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

61 61 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

62 62 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

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

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

65 65 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

66 66 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 noon- business) 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

67 67 El Modelo TSAM Diplomado en Ingeniería de Aeropuertos

68 68 TSAM es una Aplicación Diplomado en Ingeniería de Aeropuertos

69 69 Generación de Viajes Largos Diplomado en Ingeniería de Aeropuertos

70 70 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

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

72 72 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

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

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

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

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

77 77 Summary Trip Information Diplomado en Ingeniería de Aeropuertos

78 78 Análisis de Seleccion de Medio de Transporte Commercial Aviation Route1 Avi. General Auto Route2...Route n Includes Airport Choice Factors considered in mode split: Travel time Travel time Travel cost Travel cost Value of time Value of time Route convenience Route convenience Trip type Trip type TSAM employs a family of Logit Models (mixed and nested) Diplomado en Ingeniería de Aeropuertos

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

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

81 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

82 82 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

83 83 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 /800 y Airbus A319/318) hacen esta regla un cuanto restrictiva Diplomado en Ingeniería de Aeropuertos

84 84 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

85 85 Método para Calcular la Demanda Reprimida por Ruido Demanda Aeroportuaria sin Limite Impacto de Ruido a la Población Modelo Integrado de Ruido (INM 6.2) Contornos de Ruido (Teterboro) TSAM Model Limitante de Ruido _ + _ + Demanda Aeroportuaria con Limite 5-7% Growth In DNL 65 Diplomado en Ingeniería de Aeropuertos

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

87 87 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

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

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

90 90 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

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

92 92 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

93 93 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

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

95 95 Descripción de NGATS NGATS - Next Generation Air Transportation Systems NextGen - Nueva version de NGATS NGATS implica desarrollos tecnologicos para facilitar el tránsito de pasajeros de aeropuerto a aeropuerto NGATS (ahora NextGen) 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

96 96 Pronóstico para el Año 2025 ScenarioAirport Processing + Slack Time (hrs ) Airline Scheduled Time Airport egress time (hrs) Current Trends (before UK incident) 2.0 (Large hub) 1.5 (Medium hub) 1.0 (Small Hub) 1X ($2000)0.75 Large hub 0.75 Medium hub 0.50 Small/Non hub NGATS: Approximation of 30% gate-to-gate time reduction goal 1.0 (Large hub) 1.0 (Medium hub) 0.75 (Small/Non-hub) 0.95 X ($2000)0.50 Large hub 0.50 Medium hub 0.33 Small/Non hub 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

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

98 98 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 miles also lost in the 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

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

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

101 101 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 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

102 102 Distribución de Viajes en U.S. (NGATS Scenario 2025) Total trips increase by 12.5% Diplomado en Ingeniería de Aeropuertos

103 103 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


Descargar ppt "1 Dr. Antonio Trani Air Transportation Systems Laboratory Virginia Tech Diplomado en la Ingeniería de Aeropuertos Agosto 8, 2008 Ciudad de México Características."

Presentaciones similares


Anuncios Google