SmartUV – Planificación del Transporte Urbano para Ciudades Inteligentes |
|||||||||
|
|||||||||
Objetivo General: Objetivo Específico: Problemática:
A continuación, se presentan más detalles de cada uno de los problemas que se planean abordar en el marco de esta propuesta. Análisis de demanda de movilidad. Para poder resolver problemas de optimización de tráfico y transporte urbano es indispensable conocer los patrones de movilidad de los ciudadanos. La movilidad dentro de las ciudades se suele representar mediante matrices origen-destino, que indican la cantidad de personas desplazándose entre cada par de puntos. En los enfoques clásicos del problema, estas matrices suelen ser generadas a través de encuestas realizadas a los pasajeros. Sin embargo, las encuestas ofrecen solamente una visión parcial de la movilidad de los ciudadanos e implican un gasto considerable que debe ser afrontado cada vez que se desean obtener datos actualizados. En el marco de este proyecto se propone una alternativa para estudiar la movilidad de los ciudadanos tomando ventaja de los datos generados por los ITS presentes en las ciudades modernas. Adicionalmente, se propone el desarrollo de un mecanismo complementario para la recolección de datos basado en una aplicación móvil. Los datos de movilidad recolectados por dicha aplicación serán procesados junto a los datos generados por los ITS de la ciudad en un sistema centralizado de almacenamiento y análisis (también a desarrollar como parte del proyecto). El procesamiento se llevará a cabo utilizando técnicas de inteligencia computacional y computación distribuida, con el fin de obtener los elementos que facilitarán la futura planificación u optimización de los sistemas existentes. El resultado de los análisis sobre estos datos pretende contribuir a la comprensión de los modelos de comportamiento y patrones espacio-temporales de los ciudadanos de las distintas ciudades. Ejemplos concretos de estos son la detección de comunidades espacio- temporales de viajeros, la variación de patrones de viajes entre horas y días de la semana y las preferencias en cuanto a rutas seleccionadas. El desarrollo de la aplicación móvil será llevado a cabo siguiendo una metodología que contempla el involucramiento de los usuarios finales, ciclos de trabajo cortos y la evaluación continua del mismo. El objetivo de la utilización de estas técnicas de desarrollo ágil es la obtención de un resultado final satisfactorio en cuanto a funcionalidades deseadas y facilidad de uso, que fomente un grado de adopción adecuado y que garantice la recolección de un volumen de datos significativo, que no comprometa el resultado de los análisis a realizarse. Planificación de recorridos y frecuencias del transporte público. Los datos recogidos por los sistemas de transporte inteligente permiten extraer valiosa información acerca de la movilidad de los pasajeros, el nivel de utilización de los autobuses, la velocidad y los tiempos de viaje, la puntualidad de los servicios respecto a los horarios programados, entre otros. Esta información es necesaria para la resolución de diversos problemas de optimización del transporte público. Diversos problemas de optimización han sido abordados en la literatura relacionada, entre ellos: el diseño y rediseño de líneas de autobuses, la ubicación óptima de paradas dentro de las rutas, la planificación de horarios para satisfacer la demanda, la generación de agendas para los choferes, entre muchos otros (Ceder, 2007; Lam y Bell, 2002; Lee y Park, 2012). En el marco de este proyecto se propone estudiar el diseño de nuevas líneas y la reforma de líneas existentes en las ciudades de Montevideo, Ensenada y Poza Rica. El análisis se enfocará en el estudio de soluciones puntuales que permitan, mediante mínimas inversiones por parte de las autoridades, atender demandas específicas que actualmente no son cubiertas de forma adecuada. A modo de ejemplo, se propone la incorporación de líneas de autobuses que permitan interconectar centros de estudio, la modificación de líneas existentes para cubrir la demanda en centros logísticos en la periferia de la ciudad, entre otros. Planificación de redes alternativas de desplazamiento: peatones y ciclovías. Los medios de transporte motorizados, tanto públicos como privados, históricamente y en términos generales han representado una solución para la movilidad de personas en las ciudades. Sin embargo, estos modos de transporte tienen efectos negativos como ser la congestión (que aumenta los tiempos de viaje) y la polución (que degrada el bienestar de todos los habitantes de la ciudad). Planificación de semáforos. La congestión vehicular constituye uno de los problemas más significativos de las urbanizaciones modernas. El exceso de vehículos en la red de vías de tráfico hace que la velocidad de los vehículos se reduzca, llegando en el peor caso a detener completamente el tráfico. De este contexto surge la necesidad de optimizar los sistemas de control vehicular en las ciudades modernas, para mejorar el flujo del tráfico en horas pico con alta densidad de vehículos por área. Mejorar el flujo de tráfico mediante modificaciones en la infraestructura es una solución costosa e intrusiva para los ciudadanos. Como consecuencia, los enfoques utilizando métodos indirectos de control surgen como alternativas significativamente más económicas y promisorias sin impacto negativo en los usuarios. Uno de los métodos indirectos más útiles para la optimización del tráfico lo constituye la programación de los ciclos de las luces de los semáforos, que permite mejorar la fluidez del tráfico y el control de transporte público y vehículos privados (Sánchez et al. 2008). Los enfoques que aplican técnicas de inteligencia computacional se han aplicado recientemente para proporcionar alternativas viables para resolver los complejos problemas de optimización relacionados con la planificación de semáforos (Ahmed y Hawas 2015). El proyecto propone la aplicación de métodos de inteligencia computacional (e.g., metaheurísticas, algoritmos evolutivos) combinados con estrategias de simulación de tráfico microscópicas, sobre escenarios reales construidos con datos obtenidos de las ciudades de Montevideo, Ensenada y Poza Rica. |
|||||||||
Todos los derechos están reservados © Universidad Veracruzana 2018 |