Documente Academic
Documente Profesional
Documente Cultură
Las rutas con mayor nmero de pasajeros son: 2500 Lotes, le siguen Montelbano,
Terranova, Belmonte y Guayacanes. La ruta con el mayor kilometraje corresponde a
la de Cerritos (30 Km), Altagracia (23,95 Km), Galicia (23,67 Km) y Mercasa (21,30
Km).
Dentro de la atraccin de viajes por zona, el mayor nmero de viajes se da hacia el
centro de la ciudad con 230.026 viajes al mes, lo que significa el 25.7% del total de
pasajeros de la ciudad; sigue en su orden Dosquebradas con 193.077 viajes, o sea
21.6%; el Terminal de transportes y la Universidad Tecnolgica de Pereira, con el
16.4% y el 9.0% respectivamente. Lo que muestra los puntos hacia los cuales se
dirige ms la poblacin para la programacin de rutas de transporte, localizacin de
amoblamiento urbano y ejecucin de obras de infraestructura vial.
En trminos de desplazamiento, de acuerdo al Plan Maestro de Movilidad de
Municipio (2005) la poblacin se desplazaba principalmente en transporte pblico
colectivo y a pie en un 37,3% y 32,6% de los viajes totales respectivamente, y en
moto la cifra era del 6,1%. Proyectando la situacin a Diciembre de 2007 se
encuentra que, por el incremento en el parque automotor y el an no completo
mejoramiento de la calidad del servicio de transporte pblico incluyendo el masivo,
existe una gran disminucin en los viajes en este modo equivalente al 10,5%, y en
contraste un inusitado incremento en los viajes en moto del 200%. Los viajes en
vehculo particular pasaron del 8,6% al 17,4%.
4
Evans (1976), fue una de las primeras en formular un modelo que combina los
modelos de distribucin de viajes con el de la asignacin de recorridos por medio
de una funcin objetivo convexa con dos partes, una correspondiente a la
eleccin de ruta y otro a la distribucin de viajes. Florian y Nguyen (1978),
extendieron esta formulacin para incluir el modelo de particin modal. Sawat y
Magnanti (1988) proponen un modelo de transporte de equilibrio simultneo que
integra la generacin de viajes.
Donde:
Conjuntos
i,j : nodos de la red de dimensin |N|.
o,d : Nodos origen, destino.
r : Rutas definidas en la red entre las pared o-d
N : conjunto de arcos.
Parmetros
tij(xij) : Tiempo de viaje en el arco ij, como funcin del flujo de viajes sobre el arco
god : Demanda de viajes del origen o al destino d
ijrod : 1 si el arco ij es parte de la ruta r que conecta a od, 0 de otro modo
Variables de decisin
xij : Flujo en el arco ij: Cantidad de viajes a travs de ij
frod : Flujo en la ruta r que conecta el origen o y el destino d: Cantidad de viajes que
usan la ruta r para ir de o a d
Segundo principio: ptimo del Sistema
Si todos los viajeros perciben el tiempo de los viajes del mismo modo, bajo
condiciones de equilibrio, todas las rutas utilizadas entre un par origen destino
tienen el mismo tiempo mnimo mientras que, las no usadas requieren un tiempo
igual o mayor. Las rutas elegidas por los usuarios son tales que minimizan el costo
total del sistema
9
La formulacin bsica del principio del ptimo del sistema est dada por la funcin
objetivo y las restricciones siguientes
En ambos principios se considera que se cuenta con r rutas alternativas entre cada
par od. Este supuesto tiene un par de problemas: se deben conocer a priori las r
rutas entre cada par OD y adems se est dejando de considerar rutas alternativas
que pueden ser mejores que las prefijadas.
Si no se considera congestin, los dos principios de Wardrop son equivalentes, ya
que los tramos de la red operan bajo condiciones a flujo libre y las interacciones e
interferencia entre usuarios es mnima.
Los efectos de congestin son capturados mediante funciones (curvas) de
desempeo o de volumen retraso. Dichas funciones relacionan el tiempo de viaje
en un tramo de la red, con el flujo que lo atraviesa. Estas son funciones
estrictamente crecientes y no lineales.
Bajo estos principios, el usuario busca minimizar costos asociados a la ruta
escogida; estos costos pueden ser medidos por el tiempo de viaje, costo monetario,
distancia recorrida, o incluso alguna medida de desutilidad del viaje. Generalmente
se utilizan funciones de costo generalizado asociados a los arcos de las rutas
elegidas por los usuarios.
Clasificacin de los modelos de Asignacin de trfico
Una forma de clasificar los mtodos de asignacin de trfico es segn la variacin, o
no, de las caractersticas de la red en el tiempo, en modelos dinmicos y modelos
estticos, respectivamente.
Los modelos estticos asumen que la oferta y demanda de transporte son
independientes del tiempo. Tambin son llamados modelos bidimensionales, puesto
que la asignacin se hace en las dos dimensiones del rea de la red y la dimensin
del tiempo no se tiene en cuenta. Por el contrario, los modelos dinmicos, tienen en
cuenta la variacin en la demanda de transporte y los posibles cambios en las
10
mximo flujo que puede pasar por un arco. Ms all de este valor, la funcin de
desempeo no est definida, pues el flujo en el arco no puede ser observado.
Las formas generales de las funciones de desempeo son similares para los
diferentes tipos de tramos que representan las vas urbanas, sin embargo, las
caractersticas de cada una como longitud, ancho, semaforizacin, entre otras,
determinan los parmetros exactos de la funcin para cada tramo.
Las funciones de desempeo son tambin conocidas con el nombre de funciones de
volumen-retraso (volume delay functions).
Funciones ms comunes.
La funcin de desempeo para tramos ms conocida y usada, es la desarrollada por
la Agencia de Caminos Pblicos de los Estados Unidos, BPR por su sigla en ingls
(Bureau of Public Roads). La ecuacin est dada por:
Donde tij es el tiempo de viaje sobre el arco ij que va desde el nodo i al nodo j, xij es
el flujo sobre el arco, tij0 es el tiempo de viaje a flujo libre y Kij es la capacidad del
tramo ij. y son parmetros del modelo, para los cuales se usan normalmente un
= 0.15 y =4.0 (Sheffi 1985; Babonneau and Vial 2008)
12
Donde Kij es la capacidad del tramo ij, J es un parmetro del modelo y tij0 es el
tiempo de viaje a flujo libre (cuando el flujo es cero). La fraccin xij/Kij es muy usada
en la ingeniera de trfico y es conocida como la proporcin volumen/capacidad.
Florian (1977) formul un modelo para los tramos en que los arcos son usados por
dos modos de transporte (auto particular y transporte pblico). Usando un factor de
conversin *, se asume que el flujo del auto (xijpri) y del transporte pblico (xijpub)
son aditivos, con la ecuacin:
Por tanto, la funcin de desempeo del tramo queda definida por las ecuaciones
Congestin
Algunos modelos consideran el supuesto de que los tiempos de viaje y los costos,
que intervienen en las utilidades percibidas al realizar las elecciones de viaje, son
13
Donde,
frod : Flujo en la ruta r que conecta el origen o y el destino d
god : Demanda de viajes del origen o al destino d
: Parmetro positivo asociado con el componente aleatorio del costo
Crod : Costo del viaje por la ruta r (por lo general en tiempo).
El modelo Logit se deriva del supuesto de que los componentes aleatorios de la
funcin de costo del viaje siguen una distribucin Weibull-Gumbel y bajo este
supuesto se cumple que el costo (tiempo) de viaje est definido por la ecuacin [15]
Donde od es un error aleatorio que distribuye Gumbel, con media cero y varianza
constante. se usa para calibrar la varianza en la percepcin del costo, que hace
referencia al error de percepcin; por tanto si es grande el error es pequeo y as
los usuarios tienden a elegir las rutas de mnimo costo.
Los primeros modelos Logit para asignacin de trfico, consideraban tiempos de
viaje constantes. A continuacin se presenta un modelo Logit para tiempos de viaje
dependientes del flujo, formulado por Caroline Fisk, referenciado en Patriksson
(1994). La funcin objetivo est definida por la ecuacin y las restricciones
siguientes:
16
19
21
22
El modelo logit anidado para estimar la probabilidad de viajar en hora pico por
motivo, se calibra con base en la informacin de viajes para el perodo de tiempo
elegido, tomado de la Encuesta Origen Destino 2005 (UNAL 2006).
Las caractersticas del modelo son:
Individuos: los individuos estn representados por cada persona, quien es el
agente tomador de la decisin de viaje.
24
Particin modal
Para el modelo de particin modal tambin se define un proceso de eleccin de los
agentes; en este caso la eleccin del modo de transporte en el cual se realizar el
viaje. Se propone entonces la implementacin de un modelo de eleccin discreta
para esta etapa, pero con algunas diferencias respecto a su implementacin en la
etapa de generacin de viajes.
En este caso no se describe un proceso anidado de decisiones sino una sola
decisin de eleccin entre un nmero finito y excluyente de alternativas (modos de
transporte). Se implementa entonces un caso particular del modelo logit anidado: el
logit Multinomial.
Las caractersticas del modelo son:
El atributo de motivo se pierde en esta etapa puesto que, para el siguiente paso
(modelo de asignacin de trfico), todas las demandas compiten en las vas
independientemente del motivo, por lo cual no es necesario conservar ese atributo.
Como resultado se estiman entonces matrices origen-destino por modo, pues de los
modos depende la utilizacin de las vas en trminos de capacidad y eficiencia.
3.3.3. MARCO AUTO-REFERENCIAL
Dadas las caractersticas de propias de la ciudad de Pereira y su sistema de
transporte integrado Megabs, que ya no puede modificarse, adems de la
informacin disponible, es necesario desarrollar un modelo de asignacin de trfico
25
que solo est diseado para las rutas complementarias que tienen mayor autonoma
en cuanto al acceso a las diferentes comunas y vas de la ciudad.
El hecho de desarrollar un nuevo modelo y no usar los existentes, anteriormente
descritos, se justifica en las necesidades de la ciudad; se disear un modelo a
partir de la informacin disponible en los Planes de Desarrollo del municipio, el
Instituto Municipal de Trnsito y Transporte, Megabs y las Empresas de Transporte
que prestan el servicio de rutas complementarias, no acomodando la informacin a
las necesidades de los modelos descritos (en algunos casos los modelos pueden ser
intensivos en la informacin y sta no est disponible, no existe o no se puede
conseguir).
El modelo especfico para el Municipio de Pereira, funciona con los supuestos para
la ste y no a partir de los supuestos generales de los modelos existentes, aunque
toma los supuestos de modelacin ms relevantes que pueden ser aplicables a la
regin.
3.4. OBJETIVOS
Objetivo General:
Desarrollar un modelo matemtico del sistema de transporte urbano para las rutas
complementarias al sistema de transporte integrado Megabs en la ciudad de
Pereira, con base en la dinmica econmica y poblacional, estimando las elecciones
en destino, ruta y modo de los usuarios del sistema; para optimizar los tempos de
transporte de los usuarios y los costos operativos de los transportadores.
Objetivos especficos
3.5. HIPTESIS
a) La demanda actual de pasajeros en la ciudad de Pereira, es asimilada de
manera efectiva por el servicio de Transporte Integrado y por las rutas
complementarias?
b) El desarrollo poblacional de la ciudad de Pereira requiere la reestructuracin
de sus rutas alimentadoras y complementarias?
c) La aplicacin de la Investigacin Operativa en el modelo de transporte pblico
urbano de la ciudad generara una disminucin significativa en los costos
tanto para usuarios como para transportadores?
3.6. METODOLOGA
La ejecucin del proyecto se realizar en las siguientes etapas:
1. Estado del arte
Consiste en la revisin tecnolgica y bibliogrfica acerca del funcionamiento del
sistema integrado de transporte urbano en Pereira, y detectar sus caractersticas,
fortalezas y necesidades ms sentidas. As mismo, experiencias en este campo
en otros municipios de Colombia y del mundo
2. Determinacin de Indicadores y datos tcnicos del modelo, tales como:
Lmites de barrios y comunas del municipio
Recorridos de cada ruta de transporte pblico.
Ubicacin de paradas por cada recorrido.
Ubicacin porcentual de pasajeros del sistema.
La salida de pasajeros, desde su domicilio hacia el paradero ms cercano, la cual se
realiza por intervalos horarios, en forma aleatoria y con una distribucin prefijada.
La salida de vehculos desde el inicio de su recorrido se realiza cumpliendo una
frecuencia variable por intervalos horarios y por ruta
Parque automotor
Recorridos por ruta
Frecuencias de salida
Viajes por pasajero
Matriz origen destino.
Viajes directos y transbordos.
Distancias de rutas
Costos de operacin
27
las
rutas
Como poblacin se tienen las diferentes empresas de transporte pblico del rea
urbana que prestan el servicio de rutas complementarias al sistema Megabs y las
diferentes rutas que se tienen establecidas entre las diferentes comunas y barrios
de la ciudad, donde su tiene un flujo importante de usuarios. No se seleccionar una
muestra, puesto que la elaboracin del modelo como sistema implica el estudio de
toda la poblacin.
3.6.3. Fase de recoleccin de datos
La posibilidad de conseguir la informacin adecuada, es uno le los aspectos
fundamentales que determinan el diseo de un modelo de transporte.
Para este trabajo se partir de informacin secundaria perteneciente a los Planes de
Desarrollo del municipio, el Instituto Municipal de Trnsito y Transporte, Megabs y
las Empresas de Transporte que prestan el servicio de rutas complementarias.
Adems, a travs de trabajo de campo, se reunir informacin relativa a los
aspectos tcnicos y mecnicos de los automotores que prestan el servicio, los
recorridos, dificultades viales y tendencias en usuarios.
3.6.4. Fase de anlisis de datos.
3.6.4.1 Enfoque Cuantitativo
La informacin recolectada ser analizada con tcnicas estadsticas descriptivas,
pruebas de normalizacin de la informacin, anlisis de regresin, correlacin y
modelos de pronsticos.
Posteriormente, se aplicar la Investigacin Operativa para determinar las tcnicas
de programacin, lineal y/o no lineal, segn las relaciones presentadas entre las
variables, que se aplicarn; se establecern restricciones que caractericen la
situacin, y se establecer un modelo de transporte que optimice las la funcin
objetivo generada.
Con los resultados obtenidos, se aplicarn pruebas paramtricas y/o no
paramtricas, segn las distribuciones que sigan las variables, y anlisis de
varianza, para demostrar si con el nuevo modelo, se mejoran los indicadores de las
variables estudiadas.
29
1
x
2
x
3
x
4
x
MESES
5 6 7
x
10 11 12
x
x
x
x
Indicador
Beneficiario
1 modelo de Transporte
que minimice tiempos de
usuarios y costos
operativos de los
transportadores
Comunidad en general,
del Municipio de Pereira
Resultado/Producto
Esperado
Consolidacin de Grupo
de Investigacin en
Ciencias Aplicadas
Indicador
Beneficiario
2 Investigadores y 4
Estudiantes en formacin
como investigadores, a
travs del semillero de
investigacin
Investigadores,
Universidad Cooperativa
de Colombia y comunidad
de Pereira, en general
Indicador
Beneficiario
1 artculo
Investigadores,
Universidad Cooperativa
de Colombia y comunidad
de Pereira, en general
1 ponencia
Investigadores,
Universidad Cooperativa
de Colombia y comunidad
de Pereira, en general
31
Impacto
esperado
Mejoramiento de
las condiciones
de movilidad en
usuarios del
sistema de
transporte en la
ciudad de
Pereira
Disminucin en
costos
operativos de los
transportistas
Implementacin
del modelo a
otros municipios
Plazo (aos)
despus de
finalizado el
proyecto: corto (14 ), mediano (5-9),
largo (10 o ms)
Corto plazo
Corto plazo
Largo plazo
Indicador
verificable
Tiempo de viaje
en la rutas
complementaria
s
Supuestos*
Implementacin
del modelo y
estabilizacin de
poblacin en
comunas y barrios
de la ciudad
Implementacin
ndice de
del modelo y
movilidad
conservacin de
parque automotor
Caractersticas
topogrficas y
N de municipios demogrficas
semejantes a
Pereira
32
33
LeBlanc, L., B. Ran, et al. (1992). "Dynamic travel choice models for urban
transportation networks." IEEE International Conference on Systems, Man and
Cybernetics 1: 225-231.
Ran, B. and D. Boyce (1996). Modeling Dynamic Transportation Networks: An
Intelligent Transportation System Oriented Approach. Heidelberg, Springer-Verlag.
Sheffi, Y. (1985). Urban Transportation Networks: Equilibrium Analysis with
Mathematical Programming Techniques, Prentice Hall.
Davidson, K. B. (1966). A flow-travel time relationship for use in transportation
planning. Proceedings of Australian Roads Research Board, Melbourne.
Florian, M. (1977). "A traffic equilibrium model of travel by car and public transit
modes." Transportation Science 11: 166-179.
Thomson, I. and A. Bull (2002). "La congestin del trnsito urbano: Causas y
consecuencias econmicas y sociales." Revista de la CEPAL 76: 109-120.
Oppenheim, N. (1995). Urban Travel Demand Modelling: From individual choices to
General Equilibrium. Estados Unidos, Ed. Wiley-Interscience.
de Cea, J. and E. Fernandez (1993). "Transit assignment for congested public
transport systems: An equilibrium model." Transportation Science 27(2): 133-147.
Ben-Akiva, M. and S. Lerman (1985). Discrete Choice Analysis: Theory and
Applications to Travel Demand. Cambridge, The MIT Press.
McFadden, D. (2001). "Economic Choices." American Economic Review 91: 351 378.
Patriksson, M. (1994). "The traffic assignment problem, models and methods." VSP.
Beckman, M., C. B. McGuire, et al. (1956). Studies in the economics of
transportation. New Haven, Yale University Press.
Horowitz, A. (1989). "Test of an ad hoc algorithm of elastic demand equilibrium traffic
assignment." Transportation Research Part B 23B(4): 309-313.
Gartner, N. (1980). "Optimal traffic assignment with elastic demands : A review, part I.
Analysis Framework." Transportation Science 14(192-208).
Meng, X. and G. Zi-You (2007). "Behaviours in a dynamical model of traffic
assignment with elastic demand." Chinese Physics 16(6): 1608 - 1614.
34
Cal & Mayor asociados S.C. (2005). Manual de Planeacin y diseo para la
administracin del trnsito y el transporte. Bogot.
Martnez, F. (2002). Towards a microeconomic framework for travel behaviour and
land use interactions. In perpetual motion: Travel behaviour research. Oportunities
and application changes. H. S. Mahmassani, Elsevier: 261-276.
Waddell, P. and G. Ulfarsson (2004). "Introduction to Urban Simulation: Design and
Development of Operational Models." Handbook 5: Transport Geography and Spatial
Systems.
Cameron, C. and P. Trivevi (2005). Microeconometrics: Methods and Applications.,
Cambridge University Press.
Bazaraa S. mokhtar ( 1993) Nonlinear Programming. Theory and algorithoms. 2
edicion Wiley interscience New York. 633p.
Mendenhall William (1997).Probabilidad y estadstica para Ingeniera y Ciencia.
Editorial prentice Hall, mexico
Thierauf, Robert J (2000), Toma de decisiones por medio de la Investigacin de
Operaciones Editorial Limusa, Mexico.
Witenberg, Juan ( 1989), Mtodos y modelos de investigacin de Operaciones.
Editorial Limusa Mexico
Marco terico: TESIS DE MAESTRA:
MODELO MATEMTICO PARA LA ASIGNACIN DE TRFICO AL SISTEMA
DE TRANSPORTE URBANO APLICADO AL VALLE DE ABURR, autora
LAURA LOTERO VLEZ. Universidad Nacional de Colombia
Facultad de Minas
Escuela de Sistemas
Maestra en Ingeniera Ingeniera de Sistemas
Medelln
2010
4. PRESUPUESTO
35
RUBROS
FUENTES
UCC*
CONADI
3072000
Contrapartida 1**
Contrapartida 2**
Total
PERSONAL
EQUIPOS
SOFTWARE
MATERIALES Y
SUMINISTROS
SALIDAS
DE
CAMPO
SERVICIOS
TNICOS
100000
100
500000
500
200000
200
3872000
3872
VIAJES
BIBLIOGRAFA
TOTAL
Nombre del
investigador
Formacin
Funcin dentro Dedicacin
Acadm
Horas/Semana
del Proyecto
ica
Gustavo
Mesa
Especialist Investigador
a
principal
Total
Semanas
Total Valor
Horas
32
128
2048
36
Magister
Coinvestigador
32
64
1024
192
3072
Jose
Alberto
Bedoya
Total
Lugar
N de Valor
salida unitari
s
o
Pereir
a
50
10000
Fuentes
UC
CONAD
C
I
Contrapartid
a1
Contrapartid
a2
Total
500
Total
500
Se refiere a gastos de medios de transporte para el traslado a zonas de muestreo y
ejecucin de las labores de campo propias de la investigacin.
Tabla 4.8. Materiales y suministros (en miles de $)
Fuentes
Materiale Justificaci
UC
CONAD Contrapartid
s
n
C
I
a1
Papeleria
x
toner
x
Contrapartid
a2
Total
*Pueden agruparse por categoras, Ej.: vidriera, reactivos, papelera, etc.
Total
20
80
100
37
Fuentes
Titulo
Justificacin
CONADI
x
Total
200
38