Relocalización dinámica de vehículos y staff para un servicio de car-sharing
| dc.contributor.advisor | Giesen Encina, Ricardo | |
| dc.contributor.advisor | Klapp Belmar, Mathias | |
| dc.contributor.author | Strobl Agrela, Diego | |
| dc.contributor.other | Pontificia Universidad Católica de Chile. Escuela de Ingeniería | |
| dc.date.accessioned | 2020-10-09T11:36:29Z | |
| dc.date.available | 2020-10-09T11:36:29Z | |
| dc.date.issued | 2020 | |
| dc.description | Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2020 | |
| dc.description.abstract | Recientemente, los sistemas de transporte urbano basados en uso compartido (shared economies) han experimentado un significante crecimiento, guiados por la demanda de clientes a modos más flexibles y eficientes de movilizarse. Por esto, es común ver servicios de vehículos compartidos, como bicicletas (Mobike, Ofo), scooters (Lime, Bird) y automóviles (Zipcar, Shared Now, Car2go). Estudiamos la operación de un servicio de one way car-sharing (OWCS), cuyo propósito consiste en ofrecerle al cliente recoger y devolver un automóvil de la agencia que ofrece el servicio en dos lugares geográficos distintos y habilitados. Este tipo de servicios presenta grandes desafíos logísticos. Primero, es común observar patrones de asimetría espacial y temporal de la demanda, que producirán desbalances de los inventarios de vehículos geográficamente. Esto, puede generar pérdidas de demanda por estaciones vacías o exceso de devoluciones de vehículos en estacionamientos no habilitados (over-parking). Para evitar esto, los vehículos deben ser relocalizados dinámicamente durante la operación. Segundo, a diferencia de sistemas de bike/scooter-sharing, en los que es posible relocalizar múltiples vehículos en un sólo viaje, cada automóvil debe ser relocalizado por un conductor de la agencia, que a la vez, también debe ser relocalizado durante la operación. Formulamos un modelo de optimización dinámico que relocaliza conjuntamente vehículos y staff durante la operación. Además, proponemos y comparamos diferentes políticas online para el problema. Algunas de estas políticas son reactivas, otras anticipativas y otras incorporan ambos aspectos. Por ejemplo, una política basada en approximate dynamic programming (ADP) que estima una función de pérdida. El valor de las políticas es estimado computacionalmente mediante instancias simuladas en un experimento base y en el escenario con datos reales de la agencia chilena de OWCS, Awto. Finalmente, nuestra política basada en ADP presentó los mejores resultados, con respecto a las otras políticas, y mejoró el costo de no hacer en nada en un 48% en el escenario de Awto.Recientemente, los sistemas de transporte urbano basados en uso compartido (shared economies) han experimentado un significante crecimiento, guiados por la demanda de clientes a modos más flexibles y eficientes de movilizarse. Por esto, es común ver servicios de vehículos compartidos, como bicicletas (Mobike, Ofo), scooters (Lime, Bird) y automóviles (Zipcar, Shared Now, Car2go). Estudiamos la operación de un servicio de one way car-sharing (OWCS), cuyo propósito consiste en ofrecerle al cliente recoger y devolver un automóvil de la agencia que ofrece el servicio en dos lugares geográficos distintos y habilitados. Este tipo de servicios presenta grandes desafíos logísticos. Primero, es común observar patrones de asimetría espacial y temporal de la demanda, que producirán desbalances de los inventarios de vehículos geográficamente. Esto, puede generar pérdidas de demanda por estaciones vacías o exceso de devoluciones de vehículos en estacionamientos no habilitados (over-parking). Para evitar esto, los vehículos deben ser relocalizados dinámicamente durante la operación. Segundo, a diferencia de sistemas de bike/scooter-sharing, en los que es posible relocalizar múltiples vehículos en un sólo viaje, cada automóvil debe ser relocalizado por un conductor de la agencia, que a la vez, también debe ser relocalizado durante la operación. Formulamos un modelo de optimización dinámico que relocaliza conjuntamente vehículos y staff durante la operación. Además, proponemos y comparamos diferentes políticas online para el problema. Algunas de estas políticas son reactivas, otras anticipativas y otras incorporan ambos aspectos. Por ejemplo, una política basada en approximate dynamic programming (ADP) que estima una función de pérdida. El valor de las políticas es estimado computacionalmente mediante instancias simuladas en un experimento base y en el escenario con datos reales de la agencia chilena de OWCS, Awto. Finalmente, nuestra política basada en ADP presentó los mejores resultados, con respecto a las otras políticas, y mejoró el costo de no hacer en nada en un 48% en el escenario de Awto. | |
| dc.format.extent | xiv, 99 páginas | |
| dc.identifier.doi | 10.7764/tesisUC/ING/47373 | |
| dc.identifier.uri | https://doi.org/10.7764/tesisUC/ING/47373 | |
| dc.identifier.uri | https://repositorio.uc.cl/handle/11534/47373 | |
| dc.language.iso | es | |
| dc.nota.acceso | Contenido completo | |
| dc.rights | acceso abierto | |
| dc.subject.ddc | 388.321 | |
| dc.subject.dewey | Comunicación y transporte | es_ES |
| dc.subject.other | Automóviles compartidos | es_ES |
| dc.subject.other | Transporte automotriz - Métodos de simulación | es_ES |
| dc.title | Relocalización dinámica de vehículos y staff para un servicio de car-sharing | es_ES |
| dc.type | tesis de maestría | |
| sipa.codpersvinculados | 85371 | |
| sipa.codpersvinculados | 140981 |