ASIGNACIÓN DE FRECUENCIAS ÓPTIMAS, A TRAVÉS DE UN MODELO MULTIOBJETIVO, PARA UN SISTEMA BRT

ASIGNACIÓN DE FRECUENCIAS ÓPTIMAS, A TRAVÉS DE UN MODELO MULTIOBJETIVO, PARA UN SISTEMA BRT

Publicado 2017-03-12

Abrir | Descargar
PDF FLIP
Número
Vol. 13 Núm. 26 (2016)
Sección
Artículos
Cómo citar
ASIGNACIÓN DE FRECUENCIAS ÓPTIMAS, A TRAVÉS DE UN MODELO MULTIOBJETIVO, PARA UN SISTEMA BRT. (2017). Revista EIA, 13(26), 141-152. https://doi.org/10.24050/reia.v13i26.743
DOI

https://doi.org/10.24050/reia.v13i26.743
Dimensions
PlumX
Citaciones
Crossref
Citas en Crossref
Scopus
Citas en Scopus
Google Scholar
Europe PMC
Citas en Europe PMC
Licencia

Declaración del copyright

Los autores ceden en exclusiva a la Universidad EIA, con facultad de cesión a terceros, todos los derechos de explotación que deriven de los trabajos que sean aceptados para su publicación en la Revista EIA, así como en cualquier producto derivados de la misma y, en particular, los de reproducción, distribución, comunicación pública (incluida la puesta a disposición interactiva) y transformación (incluidas la adaptación, la modificación y, en su caso, la traducción), para todas las modalidades de explotación (a título enunciativo y no limitativo: en formato papel, electrónico, on-line, soporte informático o audiovisual, así como en cualquier otro formato, incluso con finalidad promocional o publicitaria y/o para la realización de productos derivados), para un ámbito territorial mundial y para toda la duración legal de los derechos prevista en el vigente texto difundido de la Ley de Propiedad Intelectual. Esta cesión la realizarán los autores sin derecho a ningún tipo de remuneración o indemnización.

La autorización conferida a la Revista EIA estará vigente a partir de la fecha en que se incluye en el volumen y número respectivo en el Sistema Open Journal Systems de la Revista EIA, así como en las diferentes bases e índices de datos en que se encuentra indexada la publicación.

Todos los contenidos de la Revista EIA, están publicados bajo la Licencia Creative Commons Atribución-NoComercial-NoDerivativa 4.0 Internacional

Diego Armando Galindres Guancha
Universidad Tecnológica de Pereira
Jose Adalberto Soto Mejía
Universidad Tecnológica de Pereira
Sandra Estrada Mejía
Universidad Tecnológica de Pereira
Mostrar biografía de los autores

Diego Armando Galindres Guancha,

Se graduó en la Universidad Tecnológica de Pereira (UTP) como Ingeniero Industrial en 2010 y es candidato a Magister en Investigación de Operaciones y Estadística de la misma universidad.

Ejerció profesionalmente en el ingenio Riopaila-Castilla en el área de Mejoramiento de fábrica. Y desde 2012 trabaja en la UTP donde ha hecho parte de proyectos de investigación en convenios entre la UTP – Colciencias. Actualmente también ejerce como profesor catedrático de estadística en la misma Universidad.

Jose Adalberto Soto Mejía,

Físico y Magister en Ciencias Físico Matemáticas de la Universidad Estatal de Kharkov Maximo Gorki, Ucrania. Es Magister en Investigación Operativa y Estadística de la Universidad Tecnológica de Pereira. Realizó sus estudios de doctorado en Universidade Estadual de Campinas, Brasil. Desde el año 1984 se encuentra vinculado a la Universidad Tecnológica, en la actualidad como docente Titular, inscrito  al programa de ingeniera Industrial y a la vez como director del Grupo de investigación en Análisis Envolvente de Datos de la Universidad Tecnológica de Pereira reconocido por Colciencias en la categoría B. Actualmente director de la Maestría en Investigación Operativa y Estadística en la Universidad Tecnológica de Pereira.

 

Su investigación se ha basado en las líneas de Análisis de Medidas de Eficiencia y Productividad, Dinámica de Sistemas y Sistemas de Producción y Operaciones. Como resultados de sus investigaciones en los diferentes proyectos de investigación cuenta con artículos científicos, libros, ponencias, entre otros, que le permitieron ser reconocido en el 2010 por la Asociación Colombiana de Facultades de Ingeniería ACOFI con el primer puesto en modalidad presentación oral.

 

Sandra Estrada Mejía,

Ingeniera de Sistemas de la Universidad Autónoma de Manizales en Manizales, Colombia, Especialista en Docencia Universitaria de la Universidad Cooperativa de Colombia en Bogotá D.C., Colombia, Magister en Administración Económica y Financiera de la Universidad Tecnológica de Pereira en Pereira, Colombia y Doctora en Ciencias Pedagógicas del Instituto Pedagógico Latinoamericano y Caribeño en Habana, Cuba. Desde el año 2003 se encuentra vinculada a la Universidad Tecnológica de Pereira como docente Titular, inscrita al programa de ingeniera Industrial y a la vez como directora del Grupo de investigación en Desarrollo Humano y Organizacional de la Universidad Tecnológica de Pereira reconocido por Colciencias en la categoría B. Actualmente es directora de la Maestría en Administración Económica y Financiera en la Universidad Tecnológica de Pereira.

 

Su investigación se ha basado en las líneas de Cultura Tecnológica, Productividad y Competitividad y Cambio, Innovación y Liderazgo, destacándose este último en el cual baso su tesis de Doctorado “Propuesta de Eje Transversal para Desarrollar la Dimensión Liderazgo desde la Maestría en Administración del Desarrollo Humano y Organizacional de la Universidad Tecnológica de Pereira” por la cual recibo el primer lugar en la modalidad presentación oral otorgada por la Asociación Colombiana de Facultades de Ingeniería ACOFI en el 2010.

 

 

 

En este artículo se aborda el problema de optimización de frecuencias en un Sistema Integrado de Transporte Público (SITP). La metodología aplicada se centró en encontrar la frecuencia óptima de despacho de buses en diferentes rutas. El modelo planteado se aplicó a una reducción del SITP en la ciudad de Pereira (Risaralda, Colombia), el cual es del tipo Bus Rapid Transit (BRT).

La frecuencia óptima se determina de acuerdo a la demanda de viajes estimada, la capacidad de los buses, y el tamaño de la flota disponible. Se propone una función multiobjetivo que minimiza el tiempo de parada en las estaciones, los costos económicos de las empresas operadoras y una penalización adicional que se da cuando un usuario debe esperar por un segundo bus. Finalmente se propone una metodología para escoger los ponderadores de la función objetivo

El modelo fue resuelto mediante un Algoritmo Genético (AG). Las frecuencias de despacho fueron acotadas, logrando una disminución del espacio de soluciones, obteniéndose como respuesta intervalos de despacho operables. El modelo fue probado en diferentes escenarios con una demanda baja, media y alta, con el fin de evidenciar los cambios en la calidad del servicio, y establecer una política de despacho adecuada.

Visitas del artículo 874 | Visitas PDF 476

Descargas

Los datos de descarga todavía no están disponibles.
  1. Baaj, M. Mahmassani, H. (1991). “An AI-based approach for transit route system planning and design”. Journal of Advanced Transportation, 25(2):187–210.
  2. Ceder, A. Public Transit Planning and Operation. UK. Elsevier. 2007. 4 – 8
  3. Disponible en:
  4. http://www.chinautc.com/information/manage/UNCC_Editor/uploadfile/20091110111131356.pdf
  5. Cervero, R. (2013). “Bus Rapid Transit (BRT): An Efficient and Competitive Mode of Public Transport”. Reporte para: European Automobile Manufacturers Association. Working Paper 2013-01.
  6. Disponible en: http://iurd.berkeley.edu/wp/2013-01.pdf
  7. Cepeda, M. Cominetti, R. Florian, M. (2006). “A frequency based assignment model for congested transit networks with strict capacity constraints: characterization and computation of equilibria.” Transportation Research Part B 40, 437–459
  8. Disponible en: http://www.sciencedirect.com/science/article/pii/S0191261505000743
  9. Cortés, C. Jara, P. Moreno, E. (2012). “Stochastic Transit Equilibrium”. Transportation Research Part B 51. 29–44
  10. Disponible en: http://www.sciencedirect.com/science/article/pii/S0191261513000210#
  11. Fan, W. Machemehl, R. (2004). “A Tabu Search based heuristic method for the transit route network design problem.” Computer Aided Scheduling of Public Transport. Part IV. 387–408
  12. Disponible en: http://link.springer.com/chapter/10.1007%2F978-3-540-73312-6_20
  13. Fernández, J. Cea, J. Malbran, H. (2008). “Demand responsive urban public transport system design: methodology and application.” Transportation Research Part A 42 (7), 951–972.
  14. Disponible en: http://www.sciencedirect.com/science/article/pii/S0965856408000281
  15. Holland, J. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control and Artificial Intelligence. Estados Unidos. Mit University Press Group Ltd. 1992.
  16. Huang, Z. Ren, G. y Liu, H. (2013). “Optimizing Bus Frequencies under Uncertain Demand: Case Study of the Transit Network in a Developing City”. Hindawi Publishing Corporation. Nanjing 210096. 1–10
  17. Disponible en: http://www.hindawi.com/journals/mpe/2013/375084/
  18. Kov, M. Fukuda, D. Yai T. (2011). “Optimizing Frequency of Bus Service in Mixed-Traffic Urban Street.” Asian Transport Studies. Volume 1, Issue 4, 352 – 367
  19. Disponible en:
  20. http://www.academia.edu/1556133/Optimizing_frequency_of_bus_service_in_mixed-traffic_urban_street
  21. Lam, W.H.K., Cheung, C.Y., Poon, Y.F., 1998. “A study of train dwelling time at the Hong Kong Mass Transit Railway system.” Journal of Advanced Transportation 32, 285–296.
  22. Liebchen C. Peeters L. (2009). “Integral cycle bases for cyclic timetabling.” Discrete Optimization. 6. 98–109
  23. Disponible en: http://www.sciencedirect.com/science/article/pii/S1572528608000674
  24. Martínez, H. Mauttone, A. Urquhart, M (2013). “Formulación y meta heurística para el problema de la determinación de frecuencias en el transporte colectivo público”. Congreso Latino Iberoamericano de investigación operativa. Rio de Janeiro. Brasil. 4576–4586.
  25. Disponible en: http://www.din.uem.br/sbpo/sbpo2012/pdf/arq0145.pdf
  26. Rohani, M. Wijeyesekera, D. Karim, A. (2012). “Bus Operation, Quality Service and The Role of Bus Provider and Driver.” Malaysian Technical Universities Conference on Engineering & Technolog. Procedia Engineering (53) 167 – 178
  27. Disponible en: http://www.sciencedirect.com/science/article/pii/S1877705813001410
  28. ShenLuhua, HanYin, JiangXinkai (2011) “Study on Method of Bus Service Frequency Optimal Model Based on Genetic Algorithm.” 3rd International Conference on Environmental Science and Information Application Technology. Procedia Environmental Sciences (10) 869 – 874
  29. Disponible en: http://www.sciencedirect.com/science/article/pii/S1878029611003343
  30. Spiess H. and Florian M. (1989). “Optimal strategies: a new assignment model for transit networks.” Transportation Research Part B, 23(2), 83-102.
  31. Disponible en: http://www.sciencedirect.com/science/article/pii/0191261589900349
  32. Quian, Y. Luo, J. Zeng, J. (2005). “Bus Departure Interval Optimization Considering Crowing Cost.” Journal of Theoretical and Applied Information Technology. Vol. 47 No.3. 1071–1075.
  33. Disponible en: http://www.jatit.org/volumes/Vol47No3/29Vol47No3.pdf
  34. Zhao, F., Zeng, X. (2008). “Optimization of transit route network, vehicle headways and timetables for large-scale transit networks.” European Journal of Operational Research 186, 841–855.
  35. Disponible en: http://www.sciencedirect.com/science/article/pii/S0377221707002184
  36. Wirasinghe, S., Szplett, D. (1984). “An investigation of passenger interchange and train standing time at LRT stations: (ii) estimation of standing time.” Journal of Advanced Transportation 18, 13–24.

Información

Sistema OJS 3.4.0.7 - Metabiblioteca |