Características de la Demanda en el Transporte Aéreo

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

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

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

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

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

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

Algunas Observaciones
Diplomado en Ingeniería de Aeropuertos

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 8

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

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

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 11

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

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 13

Localización de Aeropuertos y Poblaciones en Estados Unidos

Un Ejemplo de Encuesta de Viaje (American Travel Survey)

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

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

Distribución de Salarios en U.S.

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

Nuestro Objetivo Final

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

Variables Usadas en el Análisis de la Demanda Aerea
Flights One single-stage flight consists of two airport operations (takeoff and landing) plus a number of en route operations (ATC communications) Avg. Stage Length, Avg. Aircraft Seats ASMs (available seat miles) Load Factor Average Stage Length, Average Aircraft Seats Load Factor Load Factor The chart explains the relationship of enplanements, passenger demand; ASM's ,which FAA generally refers to as system capacity; and RPM's, generally referred to a system throughput and the flights as a response to the demand. RPMs (revenue passenger miles) Average Aircraft Seats Average Stage Length Enplanements (revenue passengers boarding an aircraft) Diplomado en Ingeniería de Aeropuertos

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

Técnicas de Extrapolación

Técnicas de Extrapolación (II)

Método para Convertir Modelos no Lineales en Lineales

Tendencias sobre el Tiempo

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

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

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

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 Diplomado en Ingeniería de Aeropuertos

Chicago Midway (MDW) Terminales Fotografia: Google Earth TM

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

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

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

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? Diplomado en Ingeniería de Aeropuertos

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

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

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

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

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) Modelo Error (entre Modelo y Demanda Historica) Error elevado al cuadrado Diplomado en Ingeniería de Aeropuertos

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

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

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

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

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

Validación contra Datos Originales

Modelos de Mercado Diplomado en Ingeniería de Aeropuertos

Modelos Econométricos

Definición de Modelos Econométricos

Modelos Econométricos

Ejemplo de Modelo Econométrico (Gohbrial y Kanafani, 1995)

Ejemplos Modelos de Pronóstico de FAA y Boeing

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

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

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

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

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

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

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

Resultados del BCO (Boeing)

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

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

El Modelo TSAM Diplomado en Ingeniería de Aeropuertos

TSAM es una Aplicación Diplomado en Ingeniería de Aeropuertos

Generación de Viajes Largos

Changes in the U.S. Population (Years 2000 to 2025)
The map shows changes in population predicted to occur between the years 2000 and The socio economic data is derived from Woods and Poole Economics The Transportation Systems Analysis Model (TSAM) employs Woods and Poole data to estimate the number of intercity trips across the continental U.S. TSAM also estimates the number of airline trips, auto trips and General Aviation activity using a multi-mode travel choice model calibrated using American Travel Survey data. TSAM is one of several models being employed by EAD at JPDO to estimate air transportation demand in the future NAS. The estimation of future air transportation demand is one of the critical steps in planning a New Generation Air Transportation System (NGATS). Woods and Poole Demographic Data Implemented in the Transportation Systems Analysis Model Diplomado en Ingeniería de Aeropuertos

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

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

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

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

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

Multi-mode Choice Model (GA)

Summary Trip Information

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

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

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

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

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

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

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

Método para Calcular la Demanda Reprimida por Ruido
TSAM Model + Modelo Integrado de Ruido (INM 6.2) _ + Demanda Aeroportuaria sin Limite 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

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

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

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

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

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) The Transportation Systems Analysis Model (TSAM) is used to predict the impact of longer processing times at airports. The assumed length of airport processing times can be varied parametrically to understand the effect of airport processing times in air transportation demand. Later results are presented to showcase the benefit of NGATS using the same principle. Diplomado en Ingeniería de Aeropuertos

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

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

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

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

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

Pronóstico para el Año 2025 Scenario Airport 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 TSAM predicts demand for air transportation based on socio-economic factors and level of service parameters of each mode of transportation. Diplomado en Ingeniería de Aeropuertos

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

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

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

Distribución Espacial e los Beneficios de NGATS (2025)
32.4 billion dollars if travel time savings are converted into accepted monetary values using FAA economic values. NOTE: Some in EAD and indeed in OMB will argue that travel time savings are not acceptable in economic theory (consumer surplus analysis is favored by OMB). However, Federal Highway and other transportation agencies report travel time savings in their cost-benefit analyses of road and mass transit projects for commuter travelers. 308.2 million hours saved by business travelers 676.6 million hours saved by personal travelers Diplomado en Ingeniería de Aeropuertos

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

Distribución de Viajes en U.S. (NGATS Scenario 2025)
Total trips increase by 12.5% I need to re-edit the picture shown. The results present TSAM 3.63 results and not 3.8 Diplomado en Ingeniería de Aeropuertos

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

Características de la Demanda en el Transporte Aéreo

Presentaciones similares

Presentación del tema: "Características de la Demanda en el Transporte Aéreo"— Transcripción de la presentación:

Presentaciones similares

Sobre el proyecto

Feedback

Iniciar la sesión

Autorizarse a través de una red social:

Características de la Demanda en el Transporte Aéreo

Presentaciones similares

Presentación del tema: "Características de la Demanda en el Transporte Aéreo"— Transcripción de la presentación:

Presentaciones similares

Sobre el proyecto

Feedback