Estimación y predicción de matrices dinámicas de viaje sobre un corredor de transporte público, utilizando datos históricos e información en tiempo real.
Loading...
Files
Date
2011
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
La operación de sistemas de transporte público se caracteriza por la aleatoriedad en los tiempos de viaje y la demanda, lo que causa el conocido fenómeno de bunching. Con el fin de evitar los efectos negativos de este fenómeno sobre los niveles de servicio, se puede implementar medidas de control para regularizar los intervalos entre vehículos. Los beneficios de dichos esquemas de control pueden aumentar con el uso de mejor información y predicciones de los estados futuros del sistema.
En este trabajo se presenta una nueva metodología de Estimación y Predicción de matrices Origen\2013Destino (OD) dinámicas de viaje para un corredor de transporte público. El enfoque propuesto es probado tanto con datos reales, de la demanda del corredor de Metro de Valparaíso, como con información simulada de viajes. El objetivo principal consiste en utilizar la información histórica disponible, y combinarla con datos en línea, como subidas y bajadas de pasajeros en las diferentes estaciones a lo largo del día, para realizar predicciones y actualizaciones de las matrices OD del sistema. Esto permitirá mejorar la predicción del número de personas que esperan en cada paradero y sus destinos asociados a lo largo del corredor.
La metodología propuesta se compone de 2 partes: los algoritmos de Estimación (EODTP) y Predicción (PODTP) de matrices OD en un corredor de Transporte Público. En el algoritmo de EODTP se incorporan las distribuciones de los tiempos de viaje entre pares OD y la elección de destino de viaje es modelada como una distribución Multinomial, la cual se puede actualizar fácilmente con la nueva información disponible. Este enfoque bayesiano de actualización representa un tópico novedoso, pues permite ir corrigiendo previas estimaciones de las matrices OD. Por su parte, las predicciones del algoritmo de PODTP son llevadas a cabo por Redes Neuronales Artificiales, de alta flexibilidad y rapidez. Los resultados muestran tiempos de predicción inferiores a 1 segundo, tiempos de actualización de hasta 25 segundos, y una alta bondad de ajuste.
En este trabajo se presenta una nueva metodología de Estimación y Predicción de matrices Origen\2013Destino (OD) dinámicas de viaje para un corredor de transporte público. El enfoque propuesto es probado tanto con datos reales, de la demanda del corredor de Metro de Valparaíso, como con información simulada de viajes. El objetivo principal consiste en utilizar la información histórica disponible, y combinarla con datos en línea, como subidas y bajadas de pasajeros en las diferentes estaciones a lo largo del día, para realizar predicciones y actualizaciones de las matrices OD del sistema. Esto permitirá mejorar la predicción del número de personas que esperan en cada paradero y sus destinos asociados a lo largo del corredor.
La metodología propuesta se compone de 2 partes: los algoritmos de Estimación (EODTP) y Predicción (PODTP) de matrices OD en un corredor de Transporte Público. En el algoritmo de EODTP se incorporan las distribuciones de los tiempos de viaje entre pares OD y la elección de destino de viaje es modelada como una distribución Multinomial, la cual se puede actualizar fácilmente con la nueva información disponible. Este enfoque bayesiano de actualización representa un tópico novedoso, pues permite ir corrigiendo previas estimaciones de las matrices OD. Por su parte, las predicciones del algoritmo de PODTP son llevadas a cabo por Redes Neuronales Artificiales, de alta flexibilidad y rapidez. Los resultados muestran tiempos de predicción inferiores a 1 segundo, tiempos de actualización de hasta 25 segundos, y una alta bondad de ajuste.
Description
Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2011