Servicios de información en tiempo real para usuarios de transporte público,
evaluación utilizando simulación
Antonio Mauttone
Departmento de Investigación Operativa, Universidad de la República, Uruguay
Ricardo Giesen
Departmento de Ingeniería de Transporte y Logística, Pontificia Universidad Católica de Chile
Matías Estrada, Emilio Nacelle, Leandro Segura
Programa de Ingeniería en Computación, Universidad de la República, Uruguay
Planificación de Transporte y Ciudades Inteligentes Montevideo, Uruguay
19 y 20 de noviembre, 2015
Motivación
Sistemas de transporte público, punto de vista del usuario
Servicios de información en tiempo real (RTI)
Usuarios de transporte público
Objetivos
Viajar desde un origen a un destino
En el menor tiempo posible
De la manera más cómoda posible
Con el menor costo monetario posible
Otros
Decisiones
A qué hora salir del origen
Hacia qué parada ir a esperar
Por cual (cuales) línea(s) esperar
Hacer transbordos
Información ...
Información
Espacial: recorridos, paradas
Temporal: frecuencias, tablas de horarios
Parada 3 Parada 2
Parada 1 Parada 4
10:05 10:12 10:18 10:29
10:06 10:14 10:19 -
Nominal Real
10:15 10:22 10:28 10:39
10:12 -
Nominal
Real - -
Ahora: 10:20 Frecuencia
Objetivos de este estudio
Evaluar de forma cuantitativa el impacto de la información en tiempo real en sistemas de transporte público desde la
perspectiva de los usuarios.
Centrado en el tiempo de viaje y considerando diferentes niveles de disponibilidad de información.
Escenario de ciudad pequeña, con bajas frecuencias y alta
regularidad en los servicios.
Metodología
En base a modelos.
Representación explícita de la interacción de los usuarios con los ómnibus.
Utilizando un caso de características reales.
Literatura especializada en el tema:
Estudios basados en situaciones observadas.
Modelos: analíticos, asignación estática, simulación.
Interés particular en el tiempo de viaje.
Los resultados dependen fuertemente de las hipótesis asumidas.
Importancia de la significancia estadística (para un mismo caso y a lo largo de diferentes casos).
Modelos sofisticados son computacionalmente costosos (implementación y ejecución).
Metodología
Modelo de simulación a eventos discretos.
Representa la evolución temporal del sistema en una jornada típica de operación, mediante puntos específicos donde ocurren cambios de estado relevantes (nuevo pasajero, ómnibus llega aparada, etc).
Codifica explícitamente los movimientos de usuarios y ómnibus en el sistema.
Incluye características estocásticas del sistema: tasas de generación de de pasajeros y tiempo de viaje de los ómnibus sobre las calles.
Caso de características reales
Ciudad de Rivera.
Datos precisos acerca del sistema de transporte público y la demanda.
Experimentos
Diferentes muestras.
Diferentes escenarios.
Componentes del modelo
Representación del sistema de transporte público
Modelo de comportamiento de los pasajeros
Modelo de simulación a eventos discretos
Representación del sistema
Modelo de demanda:
Cada pasajero es generado aleatoriamente en su centroide origen, en base a una distribución exponencial negativa con valor medio tomado de la matriz origen-destino (OD).
Modelo de servicio (líneas):
Secuencia de arcos en la red. El tiempo de viaje del ómnibus se asume con distribución normal truncada, cuyo valor medio es un atributo de los arcos de la red (estimado en base a distancia y velocidad comercial).
Recorridos de ida y vuelta; líneas circulaes.
Frecuencia y tabla de horarios.
Centroide origen Centroide destino
Parada Nodo vial
Comportamiento del pasajero
Aspecto crítico del modelo de simulación: tiene influencia directa en Aspecto crítico del modelo de simulación: tiene influencia directa en las medidas de performance, en este caso el tiempo de viaje.
las medidas de performance, en este caso el tiempo de viaje.
CaracterCaracteríísticsticasas dinámicas dadas por la presencia dedinámicas dadas por la presencia de RTI. RTI.
Los pasajeros planifican sus viajes en términos de una única línea.Los pasajeros planifican sus viajes en términos de una única línea.
Enfoque de modelado basado en tabla de horariosEnfoque de modelado basado en tabla de horarios: : se representa se representa explícitamente cada pasajero y cada
explícitamente cada pasajero y cada pasada de ómnibuspasada de ómnibus. .
Pasajeros maximizan una utilidad: Pasajeros maximizan una utilidad: camino más corto.camino más corto.
Modelos de comportamiento de pasajeros
Usuario siempre selecciona una única línea, que puede cambiar dinámicamente; sin transbordos.
Cinco variantes del modelo (escenarios):
1. RTI-always: RTI disponible durante todo el viaje.
2. RTI@origin: RTI solo en el centroide origen.
3. STT: Tabla de horarios estática, sin RTI.
4. RTI@stops: RTI solo en la parada.
5. FBA: Basado en frecuencia, sin tabla de horarios ni RTI.
Características particulares:
Modelos 1 a 3 agendan la salida desde el origen.
Modelos 2 y 3 no cambian la línea seleccionada en el origen.
Modelos 4 y 5 usan la frecuencia para estimar el tiempo de espera.
Modelo 5 toma la primera línea que lleva a destino.
Modelo de simulación a eventos discretos
Ómnibus:
Se crea en el nodo inicial del recorrido, se mueve según la tabla de horarios y se descarta en el nodo final.
No se simulan ténicas de gestión y control de la flota.
Pasajeros:
Se generan según la matriz OD dada.
Planifican el viaje en el centroide origen y pueden cambiar la línea seleccionada en la parada (en algunas variantes del modelo).
RTI es transmitida inmediatamente a los pasajeros.
Modelo implementado en lenguaje C++ utilizando la biblioteca
EOSimulator.
Experimentación
Caso de estudio: ciudad de Rivera, Uruguay, 65.000 habitantes, datos 2004.
Sistema de transporte público: 13 líneas, baja frecuencia (1/20 a 1/60) y alta regularidad, 30% de la demanda tiene más de una conexión directa.
Modelo: 84 centroides, 378 pares OD, demanda promediada en 12 horas.
Tamaño: aproximadamente 500 nodos y 1500 arcos.
Tiempo de ejecución: simulación de 6 horas del sistema real insume 18 segundos en una máquina Core i7.
Metodología y objetivos
Evaluación de la performance del sistema de transporte público, comparación entre los cinco modelos.
Medida agregada: tiempo de viaje total, promediado sobre todos los pasajeros.
Medidas no agregadas: tiempo por componente de viaje y por par OD.
Varias ejecuciones independientes.
Análisis de sensibilidad:
Frecuencias más altas.
Irregularidad más alta.
Sistema actual: valores agregados
Valores razonables para un viaje promedio en el caso de estudio: 43 a 63 minutos.
Uso de RTI en general contribuye a minimizar el tiempo total de viaje.
RTI-always y RTI@origin presentan resultados similares.
STT es un poco superior.
RTI@stops es más alto porque los usuarios no agendan la salida.
FBA es significativamente más alto.
Modelo Tiempo de viaje
promedio (segs.)
1. RTI-always 2589
2. RTI@origin 2612
3. STT 2693
4. RTI@stops 2960
5. FBA 3778
Valores no agregados: por componente de viaje
RTI-always y RTI@origin presentan resultados similares, incluso por componente de viaje.
Las principales diferencias se dan en el tiempo de espera.
RTI@stops no parece contribuir a la reducción del tiempo de viaje.
FBA es significativamente más alto, debido al tiempo de viaje a bordo.
1. RTI-always 2. RTI@origin 3. STT
4. RTI@stops 5. FBA
Valores no agregados: por par OD
Características diferentes: distancia geográfica entre OD y disponibilidad de servicio (líneas, frecuencias).
Pares más cercanos y más lejanos; tres pares seleccionados aleatoriamente.
La tendencia anteriormente observada también se observa para diferentes pares OD.
1. RTI-always 2. RTI@origin 3. STT
4. RTI@stops 5. FBA
Valores no agregados: tiempo de espera
¿Por qué el tiempo de espera? Es la principal diferencia en los resultados de los diferentes modelos y es el componente más oneroso del viaje.
Modelos “extremos” (RTI-always y FBA) e “intermedio” (STT).
Los pasajeros que usan la tabla de horarios estática experimentan tiempos de espera similares con respecto a aquellos que usan RTI siempre.
Válido para bajas frecuencias y alta regularidad.
1. RTI-always 3. STT
5. FBA
Análisis de sensibilidad: frecuencias más altas
Situación hipotética donde los intervalos se reducen por cuatro: 20 a 60 minutos -> 5 a 15 minutos.
Las diferencias entre los modelos 1 a 4 son muy pequeñas.
Influencia de RTI es menos notoria, en relación a la tabla de horarios estática.
1. RTI-always 2. RTI@origin 3. STT
4. RTI@stops 5. FBA
Análisis de sensibilidad: mayor irregularidad
Tiempo de viaje aumenta 14% en promedio, respecto al sistema actual;
principalmente debido al tiempo de espera.
Los modelos donde las decisiones no son actualizadas usando RTI (RTI@origin y STT) presentan los incrementos más altos.
Modelo Tiempo de viaje promedio (segs.)
% aumento respecto al sistema actual
1. RTI-always 2972 15
2. RTI@origin 3037 16
3. STT 3159 17
4. RTI@stops 3219 9
5. FBA 4189 11
Modelo: incremento en el parámetro de la desviación estándar del tiempo de viaje de los ómnibus sobre las calles.
Conclusiones
Modelo simple con cinco variantes de comportamiento de pasajeros.
Ciudad pequeña, frecuencias bajas, alta regularidad.
Mejoras respecto al “peor” modelo (FBA), en términos de:
Tiempo total de viaje: 29% usando STT y 32% usando RTI.
Tiempo de espera: 37% usando STT y 48% usando RTI.
Usar tablas de horario estáticas es una alternativa razonable y barata, incluso para un escenario de altas frecuencias.
RTI cobra más relevancia para escenarios de alta irregularidad.
Trabajos actuales y futuros
Estudio de otros casos, incluyendo:
Ciudades más grandes.
Servicios menos regulares.
Patrones de viaje más complejos.
Incluir otros atributos en la selección de línea:
Transbordos.
Espacio en el ómnibus, asientos disponibles, etc.
