Modelo Estimativo Del Tiempo Entre Estaciones En El Transmilenio
Total Page：16
File Type：pdf, Size：1020Kb
Modelo Estimativo del Tiempo Entre Estaciones en el TransMilenio Camilo Sandoval Ardila CAPÍTULO 1. INTRODUCCIÓN La simulación es una herramienta que permite representar parte de la realidad y evaluar alternativas modificaciones de algún aspecto y ver la respuesta de un sistema a dichos cambios (Pursula, 1999). Sin embargo, realizar un modelo que refleje la realidad, en la disciplina del transporte, no es una tarea sencilla por la complejidad de sus sistemas. Previamente se necesita identificar todos los elementos, actores y variables relevantes en el sistema y entender en buena medida como interactúan para el resultado. Usualmente en la ingeniería de transporte, los simuladores de eventos discretos son utilizados para la simulación del tráfico a escala micro, pero rara vez se utilizan para simular sistemas de transporte completos de una ciudad. El TransMilenio, el BRT de Bogotá, es un sistema que usualmente se modela por medio de modelos macro (agregados) que predicen flujos. La empresa TransMilenio S.A cuenta con su propio modelo macro en el Software Emme. Este modelo le permite a la empresa predecir la demanda futura por medio de las asignaciones en la red de matrices origen-destino. Con ese aumento estimado, se diseña la operación en otro software diferente. Para este tipo de situaciones de transporte, los modelos de simulación discreta han sido poco utilizados. A pesar de esto, desde 2012, el profesor Ciro Amaya de Ingeniería Industrial de la Universidad de los Andes, ha liderado el diseño de un simulador de eventos discretos de todo el sistema TransMilenio en el software Arena. Lo particular de este modelo, a diferencia de los modelos utilizados por TransMilenio previamente expuestos, es que permite, entre otras, simular a cada usuario que ingresa al sistema, cada bus que se despacha y la decisión de la ruta de cada usuario. De esta forma el tiempo de espera de los usuarios, las colas en las estaciones y la carga de cada bus puede ser estimada con mucho detalle por este simulador. Esto significa que este modelo es más detallado y permite arrojar resultados que el modelo del TransMilenio no puede. Para un buen funcionamiento, el modelo necesita algunos submodelos que logren representar de forma más fidedigna la realidad. Por ejemplo, el modelo cuenta con un submodelo que logra estimar el tiempo de detención de un bus en una estación en función de abordajes, desabordajes y ocupación del bus. A pesar de modelar correctamente la operación, hoy en día, existen algunos algoritmos que no permiten que el modelo arroje resultados reales. Uno de los submodelos que se deben mejorar es la velocidad de los buses. El modelo asigna una velocidad media espacial de operación constante de 25 km/h para cada uno de buses que son despachados sin importar la troncal o la ruta que está tomando. Con esta velocidad, el modelo se permite calcular los tiempos de espera, de recorrido y demás, utilizando la distancia entre estaciones. Sin embargo, en la vida real esto no es cierto. Existen múltiples factores que infieren en la velocidad de los buses. Sin embargo, no existe una metodología o modelo que permita realizar una mejor estimación. Por esta razón en este trabajo se presenta un modelo que logre encontrar una velocidad promedio de un bus por medio de distintos parámetros que se diferencian en la ruta o el corredor en el que el bus esté operando. La metodología implementada buscara, no encontrar la velocidad del bus, sino un tiempo de viaje entre dos estaciones. Con esto, calcular la velocidad resulta una tarea muy sencilla teniendo en cuenta que el modelo ya cuenta con las distancias entre estaciones. CAPÍTULO 2. REVISIÓN DE LITERATURA El tiempo total en un viaje de transporte público está constituido por varios elementos. Entre ellos están el tiempo de ingreso y egreso a la estación, los tiempos de espera, los tiempos de viaje y los tiempos de parada. Por esta razón, el desarrollo de modelos que permitan estimar tiempos de viaje han sido objeto de estudio en distintos trabajos en todo el mundo. Estimar el tiempo de viaje total en un mismo modelo es una tarea muy compleja dada la alta variabilidad de estos en la vida real. Por esta razón las investigaciones se han enfocado en estimar un elemento del conjunto. C. Zhang y J. Teng (2013) desarrollaron un modelo con el fin de estimar el tiempo de parada de un bus y aplicaron el modelo a un caso de estudio en el sistema de buses públicos de Shanghái. Este modelo uso de datos históricos y reales de la flota de buses al igual que el presente trabajo. Los registros utilizados para el desarrollo del modelo fueron AVL (Automatic Vehicle Location) y APC (Automatic Passengers Counters). Con el primero fue posible determinar la ubicación de los bus (Sistema GPS) y con el segundo la cantidad de usuarios que ingresaban al bus en una determinada parada. El estudio se divide en una primera fase donde estima el tiempo que toma el ingreso y la acomodación de los pasajeros en el bus y una segunda, donde calcula el tiempo total de parada. En el primer modelo se tiene en cuenta la cantidad de pasajeros que quieren ingresar al sistema, la ocupación actual del bus y la capacidad del mismo. En la segunda fase se incluyen otros factores como el tiempo que toma el abrir y cerrar puertas y el tipo de pago que presenta el bus. Se desarrolla una ecuación para buses donde el tiquete se paga al entrar al bus y es obligatorio entrar por la puerta delantera, y un segundo modelo para buses donde los usuarios pueden entrar por todas las puertas. Este segundo modelo, puede resultar en un complemento del modelo propuesto en el siguiente ensayo puesto que solo calcula el tiempo en el cual el bus esta en movimiento. Por otro lado, Robert L. Bertini y Ahmed M. El – Geneidy desarrollaron un modelo en 2004 que buscaba estimar el tiempo de viaje de los buses en Portland, Oregón utilizando una base de datos de despachos. Este trabajo es muy similar al realizado en el presente informe puesto que la base de datos proporcionada es muy similar a la proporcionada por TransMilenio S.A y segundo, el modelo utiliza regresiones lineales. Esto quiere decir que, al igual que el trabajo de Zhang y Teng, los autores utilizan AVL para poder desarrollar su modelo. Sin embargo, Bertini y El-Geneidy encontraron modelos, no solo para el tiempo de recorrido, sino también, para el tiempo de espera del bus durante la carga y descarga de pasajeros. El modelo desarrollado en el presente informe se enfoca en el tiempo de recorrido mas no en el tiempo de espera del bus. Existe otro proyecto en el cual se estudia los efectos de la congestión de los usuarios en el tiempo de viaje, velocidad de operación y el tiempo de espera (Tirachini, Hensher, & Rose, Crowding in public transport systems: Effects on users, operation and implications for the estimation of demand, 2013). Utilizan los servicios de bus público de Sídney, Australia para estimar el impacto de la congestión de usuarios en el tiempo de recorrido del bus. El mismo A. Tirachini, en otra investigación en el 2013, estudió el impacto de los métodos de pagos en el tiempo de viaje. En este, el autor evalúa la conveniencia de utilizar pago con tarjeta magnética (Tipo Tarjeta de Crédito), lector de tarjeta sin contacto (Método utilizado actualmente en el SITP), efectivo o compra de pasaje fuera de los buses para optimizar el tiempo de viaje. Con este, busca determinar el método de pago más eficiente y genere menos demoras. Todos los ejemplos previamente expuestos son utilizados para poder estimar el tiempo de viaje total de los usuarios a partir de los elementos que lo componen. Como estos, existen infinitos otros que han llegado a diferentes tipos de modelos para sistemas de transportes públicos diferentes (Tren, Metro, BRT). A continuación, se presenta la metodología implementada para el sistema BRT TransMilenio. CAPÍTULO 3. METODOLOGIA 3.1.1 Determinación del tiempo y las estaciones de parada del bus La metodología planteada busca estimar la velocidad de los buses por medio del tiempo de viaje entre una estación 풊, a una estación 풋, que pertenezcan al Sistema de TransMilenio. Para esto se utilizó al igual que los trabajos mostrados en el CAPÍTULO 2 bases de datos con información AVL. Recordemos que AVL es un sistema de información que permite determinar la ubicación de los buses automáticamente. Se adquirió una muestra que consistía en la posición del bus de TransMilenio durante 13 días por instantes de tiempo muy pequeños o al realizar alguna acción como abrir puertas, cerrar puertas, prender o arrancar el bus, exceso de velocidad, etc. Esto se logró gracias al sistema de GPS que cada bus del TransMilenio tiene instalado. A continuación, se puede apreciar una muestra de la base de datos que se obtuvo, así como la información que esta contiene. Figura 1. Muestra de la base de datos De la información presentada en las tablas, se utilizaron las siguientes columnas: • Tiempo: Fecha y Hora exacta en la cual se registró la posición del bus • Tipo: Evento realizado por el vehículo en el registro correspondiente. • Longitud: Longitud en coordenadas UTM • Latitud: Latitud en coordenadas UTM Ahora bien, lo primero que se hizo fue separar por días todos los registros y se eliminaron todas las entradas que no se necesitaran. Para esto se tomaron los registros desde que abre puertas en una estación hasta que las cierra. Estas entradas incluyen el Tipo “Abrir Puertas” y “Cerrar Puertas”. Así, la base de datos paso de 27,402 a 1,115 registros.