Metodología para la periodización de redes de transporte en base a un algoritmo de clustering
Loading...
Date
2022
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Los patrones del tráfico se clasifican según períodos con estados de tráfico o características de operación similares, lo cual es útil para acciones como: la programación de redes semafóricas, el monitoreo de patrones de congestión, la evaluación de proyectos de impacto vial y la toma de decisiones para la mejora de operación el transporte público. Para realizar esta tarea, conocida como periodización, usualmente es necesario recolectar, en terreno, información de la operación del tráfico, lo cual puede ser un proceso costoso e ineficiente, además de dificultar la obtención de datos de amplios horizontes temporales. Este estudio propone una metodología para la periodización de redes de transporte,
mediante el uso de datos pasivos. En particular, registros GPS de buses de transporte público y validaciones de tarjetas inteligentes del mismo sistema. Propone agregar información en bloques de tiempo y describirlos a través de un set de indicadores, que son entregados al algoritmo k-medoids para realizar la agrupación de bloques horarios y entregar la periodización final, que es mostrada en grillas y permite conformar una “semana tipo”. Se realiza una validación de la metodología con un caso de estudio en Santiago de Chile, con datos provenientes del sistema de buses de transporte público para agosto 2019 y para 10 zonas de la ciudad. La validación muestra que es posible periodizar redes de transporte mediante la aplicación de un algoritmo de clustering. La metodología propuesta es una herramienta costo-eficiente y semi automatizada para la identificación de períodos del tráfico en un área delimitada, que se beneficia del uso de datos pasivos. Además, es fácilmente replicable a través del tiempo con nuevos datos, lo cual facilita entender las periodizaciones de manera dinámica.
Description
Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2022
Keywords
K-medoids, Períodos, Clusterización, Datos pasivos-patrones de tráfico