Documente Academic
Documente Profesional
Documente Cultură
Implementacin y anlisis de un
modelo estocstico de despacho de
vehculos de transporte masivo
Germn Riao y Juan Camilo Acero
Centro de Optimizacin y Probabilidad Aplicada (COPA)
Departamento de Ingeniera Industrial
Universidad de los Andes
revista de ingeniera #21 facultad de ingeniera universidad de los andes mayo 2005
21 revista de ingeniera
INTRODUCCIN
MODELO ESTOCSTICO
DE DESPACHO DE BUSES
21 revista de ingeniera
t,i=0...n
(1)
Kxit it.
En la Figura 1 puede verse el modelo completo
desarrollado hasta ahora. La funcin objetivo (2a)
es el nmero total de buses despachados durante el
da, (2b) garantiza que la demanda sea satisfecha,
(2c) describe la transformacin entre las tasas de
despacho y las observadas en cada estacin de la ruta
y finalmente (2d) garantiza que las tasas de despacho
no sean negativas. Debe notarse que se trata de un
modelo lineal continuo y por lo tanto su solucin
es sencilla usando paquetes de programacin lineal
comerciales. En la siguiente subseccin explicamos
cmo se calculan los pesos wist a partir de la dinmica de movimiento de buses en el sistema, mientras
que en 1.2 explicamos cmo se calcula it a partir de
la restriccin de servicio. Una vez se tienen las frecuencias x0t para cada periodo, hay tcnicas estndar
que describimos en 1.3, para establecer el horario de
despacho de cada bus.
Min
ot
(2a)
s
Wist= s-1 Gi(t-;)d
1st.
(3)
s.t.
Kxit it.
xi 0
ist
x0 s
s 1
xit 0
t, i
(2b)
t, i=1,,N
(2c)
t, i
(2d)
F1(t)= t [1-F(x)]dx,
8
10
En esta seccin explicamos cmo se calculan los pesos wist que aparecen en la ecuacin (2c). Llamemos
Ti() el tiempo desde que un bus sale del terminal
en el instante hasta llegar a la estacin i. En general, sta puede ser una variable aleatoria cuya distribucin supondremos conocida y denotaremos como
Gi(y;)P{Ti()y}.
Esta distribucin refleja fenmenos tales como
congestin, semforos, etc. Adems, el modelo
permite que la distribucin cambie a lo largo del
da, por ejemplo por trfico. En el caso particular de
TransMilenio, los buses se movilizan por corredores
exclusivos, luego los tiempos de desplazamiento
pueden considerarse prcticamente constantes. Pero
el modelo permite la programacin de sistemas ms
generales, donde los tiempos de desplazamiento pueden variar de manera significativa a lo largo del da.
Conociendo la distribucin Gi, los pesos se calculan
como
wist=Wist-Wis,t-1,
donde Wist es la fraccin acumulativa del nmero
de buses despachados durante el periodo s que han
llegado a i hasta el instante t, y se calcula como
F 1 ( x) E[max( X x,0)]
Dicha funcin es usada en problemas de inventarios
y en otras aplicaciones. Ver, por ejemplo, el apndice
C de Zipkin [18]. La ventaja de expresar los pesos en
trminos de la funcin de prdida es que la frmula
es conocida para varias distribuciones. Por ejemplo,
para una normal estndar
1 ( z ) z (1 ( z )) ( z ),
(4)
x-
F1(x)=1 .
(5)
1
Gi ( ;)
(6)
21 revista de ingeniera
1.2
it
d
k 0 l i 1
klt
,
(7)
pues contamos los que vienen de estaciones anteriores a i con destinos posteriores a i. Esta expresin no
es exacta, pues los pasajeros observados en el periodo
t posiblemente montaron a los buses en periodos
anteriores, en especial si los periodos son cortos
it=it+z
it,
(6)
HORARIOS DE SALIDA
En esta seccin describimos cmo construir el horario especfico de envo de los buses a partir de las
frecuencias x0t que arroja el programa lineal (2). La
tcnica propuesta a continuacin no es nueva y se usa
para construir un horario tambin en otros mtodos
que arrojan frecuencias [5]. Construimos una funcin
X() continua, lineal a trozos, tal que la pendiente
en el intervalo t sea igual a la frecuencia de despacho
x0t. Esta funcin puede interpretarse como el valor
esperado de buses que han sido despachados hasta el
instante (ver Figura 2). La funcin X() es estric-
11
12
x0
ij (t ) d ijt
MODELO DE SIMULACIN
dit dijt,
j>i
y la tasa variable de arribos a la estacin i viene dada
por
i ( )
j i
ij
( )
para >0.
pijt=dijt/dit.
Por conveniencia, definiremos las siguientes funciones, que calculan el valor esperado de arribos en
el intervalo (a,b) a la estacin i y de aqullos con
destino j, respectivamente.
i ( a, b)
i ( s )ds
(9)
21 revista de ingeniera
ij (a, b)
i j ( s )ds
(10)
Sik=max(Si-1,k+Tik, Si,k-1)
En la expresin anterior el mximo representa el hecho de que los buses no pueden pasarse unos a otros
y, por lo tanto, el bus k debe esperar a que el bus k-1
salga de la estacin. En la Figura 3 se puede ver el
algoritmo completo para representar la dinmica del
sistema de buses. El programa de simulacin genera
todos estos tiempos de manera previa a la generacin
de pasajeros, que se explica en la siguiente seccin.
for k = 1 To B do
Parmetro de entrada S0k
for i = 1 To N do
Se genera Tik :=Normal(i ;i )
Sik = mx(Si-1;k + Tik; Si;k-1)
end for
end for
Figura 3: Pseudo-cdigo de la generacin de los tiempos.
2.2
i(Si,k-1, Sik).
Llamaremos Bik el nmero de pasajeros que viajan
en el k-simo bus entre las estaciones i-1 e i, Aik los
que suben en i y Mik los que bajan. Observe que Aik
difiere de Nik, pues no todos los pasajeros logran
subir al primer bus que llega. Los que se quedan,
13
14
Finalmente, en cada simulacin se calcul el porcentaje de personas que no lograron subir al primer bus
como,
Rik N ik Ri ,k 1 Aik
For i=1 To N do
Bi0=0
Ri0=0
For k=1 To B do
Mik =
D
j 0
jik
Nik = Poisson(i(Si,k-1,Sik))
Aik = min(K-Bi-1,k-Mik, Nik+Ri,k-1)
Rik = Nik+Ri,k-1-Aik
Bik = Bi-1,k+Aik-Mik
For j=i+1 To N do
ij(Si,k-1,Sik)
pij= (S ,S ) .
i i,k-1 ik
Llamaremos Dijk el nmero de pasajeros que toman
el bus k en la estacin i con destino j (se adopta la
convencin Diik=0). La distribucin conjunta de los
Dijk, dado que suben Aij pasajeros al bus, es multinomial
Rik
Aik Rik ,
%P
Djik.
j=0
RESULTADOS
21 revista de ingeniera
Riao
Ceder
% Dejados
IC 95%
% Dejados
IC 95%
Estacin 1
0.00%
0.00%
0.00%
0.00%
Estacin 2
0.00%
0.00%
0.02%
0.00%
Estacin 3
0.33%
0.09%
1.21%
0.34%
Estacin 4
16.14%
4.50%
19.46%
5.42%
Estacin 5
52.48%
14.62%
62.35%
17.37%
Estacin 6
66.79%
18.61%
69.04%
19.23%
Estacin 7
30.33%
8.45%
39.93%
11.13%
Estacin 8
8.62%
2.40%
10.46%
2.91%
Estacin 9
3.06%
0.85%
2.48%
0.69%
Estacin 10
0.52%
0.15%
0.41%
0.11%
Estacin 11
0.49%
0.14%
0.17%
0.05%
Estacin 12
0.16%
0.04%
0.06%
0.02%
Tabla 1: Resultado de 100 replicaciones de la simulacin con el escenario realista armado con la ruta 10 de TransMilenio. Se muestra el porcentaje de personas que no pueden tomar el primer bus junto con el intervalo de confianza del 95% para los mtodos de Riao y Ceder.
15
16
Riao
Ceder
% Dejados
IC 95%
% Dejados
IC 95%
Estacin 1
0.00%
0.00%
0.00%
0.00%
Estacin 2
0.00%
0.00%
0.00%
0.00%
Estacin 3
0.01%
0.00%
0.14%
0.04%
Estacin 4
2.77%
0.78%
56.46%
16.10%
Estacin 5
15.18%
4.28%
83.92%
25.83%
Estacin 6
23.05%
6.51%
81.71%
24.67%
Estacin 7
5.64%
1.59%
44.87%
12.73%
Estacin 8
0.30%
0.08%
4.14%
1.17%
Estacin 9
0.05%
0.01%
1.84%
0.52%
Estacin 10
0.00%
0.00%
0.56%
0.16%
Estacin 11
0.00%
0.00%
0.05%
0.01%
Estacin 12
0.00%
0.00%
0.00%
0.00%
Tabla 2: Resultado de 100 replicaciones de la simulacin con el escenario de perfil decreciente. Llegan ms personas
a la primera estacin y decrece linealmente. Se muestra el porcentaje de personas que no pueden tomar el primer
bus junto con el intervalo de confianza del 95% para los mtodos de Riao y Ceder.
Riao
Ceder
% Dejados
IC 95%
% Dejados
IC 95%
Estacin 1
0.00000%
0.00000%
0.00000%
0.00000%
Estacin 2
0.00000%
0.00000%
0.00000%
0.00000%
Estacin 3
0.00000%
0.00000%
0.00000%
0.00000%
Estacin 4
0.00000%
0.00000%
0.00000%
0.00000%
Estacin 5
0.00000%
0.00000%
0.00036%
0.00010%
Estacin 6
0.00002%
0.00001%
0.00159%
0.00045%
Estacin 7
0.00000%
0.00000%
0.00112%
0.00032%
Estacin 8
0.00000%
0.00000%
0.00005%
0.00002%
Estacin 9
0.00000%
0.00000%
0.00000%
0.00000%
Estacin 10
0.00000%
0.00000%
0.00000%
0.00000%
Estacin 11
0.00000%
0.00000%
0.00000%
0.00000%
Estacin 12
0.00000%
0.00000%
0.00000%
0.00000%
Tabla 3: Resultado de 100 replicaciones con el escenario de perfil creciente. El nmero de personas es creciente, de
manera que suben ms en la ltima estacin. Se muestra el porcentaje de personas que no pueden tomar el primer
bus junto con el intervalo de confianza del 95% para los mtodos de Riao y Ceder.
21 revista de ingeniera
17
18
Pergamon, 2003.
[5] Ceder, A..
[14] Riao, G.
[15] Riao, G.
Xpress-MP Essentials.
Dash Optimization Inc., Second edition, febrero,
2002.
[18] Zipkin, P.
Amsterdam, 1985.
[12] Kulkarni, V.