Clasificación de los problemas de optimización de redes de transporte público

Autores/as

  • Daniela Moctezuma-García Universidad de Colima, Av. Universidad 333, Las Víboras, CP 28040, Colima, Colima, México
  • Juan Manuel Ramírez-Alcaraz Universidad de Colima, Av. Universidad 333, Las Víboras, CP 28040, Colima, Colima, México
  • Sara Sandoval-Carrillo Universidad de Colima, Av. Universidad 333, Las Víboras, CP 28040, Colima, Colima, México.
  • Andrei Tchernykh CICESE-Centro de Investigación Científica y de Educación Superior de Ensenada, Carr. Ensenada-Tijuana No. 3918, Zona Playitas, CP 22860, Ensenada, B.C. México

DOI:

https://doi.org/10.30973/progmat/2018.10.1/5

Palabras clave:

Ciudades inteligentes, sistemas de transporte público, clasificación, optimización multi-objetivo (MOPs), algoritmos de optimización y aproximación

Resumen

Existe en la actualidad un crecimiento acelerado de las ciudades, debido principalmente a la migración de las personas buscando mejorar su calidad de vida. Esto ha provocado el surgimiento de diversas problemáticas, como por ejemplo: abastecimiento de agua y energía eléctrica, problemas de salud, alimentación, educación y contaminación, entre otros. Uno de los problemas más importantes y del cual se derivan en mayor o menor medida algunos de los antes mencionados, es el del transporte público. Desde hace varias décadas algunos investigadores han abordado esta problemática desde diferentes perspectivas y aplicando diferentes técnicas para solucionarlos y generalmente poniéndole un acrónimo particular. El presente trabajo muestra una revisión de los principales tipos de problemas de redes de transporte público abordados a lo largo de estos últimos años y busca clasificar los tipos de problemáticas abordadas. Como se puede ver, varios de los problemas planteados con diferentes nombre corresponden al mismo tipo de problema. En general, este tipo de problemas sigue teniendo un gran interés en la actualidad debido a la importancia que representa la solución de éstos.

Biografía del autor/a

Daniela Moctezuma-García, Universidad de Colima, Av. Universidad 333, Las Víboras, CP 28040, Colima, Colima, México

Daniela Moctezuma-García obtuvo su grado de ingeniería en telemática por la Universidad de Colima (U de C) en Agosto del 2016. Estuvo laborando como soporte técnico y encargada del área de redes de la empresa Consultoría y Tecnología de México. Actualmente es estudiante de Maestría en Computación en la Facultad de Telemática de la U de C. El tema de tesis que está abordando actualmente es la implementación y evaluación de algoritmos multi-objetivo para el diseño de redes eficientes de tránsito. Entre sus intereses está el área de optimización de sistemas de transporte público, los algoritmos genéticos, redes y telecomunicaciones, la programación web y el internet de las cosas.

Juan Manuel Ramírez-Alcaraz, Universidad de Colima, Av. Universidad 333, Las Víboras, CP 28040, Colima, Colima, México

Juan Manuel Ramírez-Alcaraz obtuvo el grado de Doctor en Ciencias de la Computación en 2011 por parte del Centro de Investigación Científica y de Educación Superior de Ensenada (CICESE), en Ensenada, Baja California, México. Recibió el grado de Maestría en Telemática en la Universidad de Colima. Es miembro fundador de la Red Mexicana de Supercómputo (REDMEXSU), miembro de la mesa directiva de la Sociedad Mexicana de Supercómputo (SOMEXSU). Ha sido miembro de TPC de diversos congresos nacionales e internacionales. Actualmente es Profesor-Investigador de tiempo completo en la Facultad de Telemática de la Universidad de Colima. Sus áreas de interés incluyen: Cluster, Grid y Cloud Computing, Optimización de recursos, Computación Paralela, Virtualización, Redes y IoT.

Sara Sandoval-Carrillo, Universidad de Colima, Av. Universidad 333, Las Víboras, CP 28040, Colima, Colima, México.

Sara Sandoval-Carrillo es graduada del Instituto Tecnológico de Colima de la Licenciatura en Informática, recibió su grado de Maestría en Telemática de la Universidad de Colima en 1998. Desde entonces se incorporó como Profesora-Investigadora de tiempo completo en la Facultad de Telemática de la Universidad de Colima. Es miembro del CA-55: Ingeniería de Software y Tecnologías de Información, de la Facultad de Telemática. Su principal interés es el desarrollo de sistemas de apoyo a las tecnologías de información, así como el análisis, diseño e implementación de software.

Andrei Tchernykh, CICESE-Centro de Investigación Científica y de Educación Superior de Ensenada, Carr. Ensenada-Tijuana No. 3918, Zona Playitas, CP 22860, Ensenada, B.C. México

Andrei Tchernykh recibió el grado de Doctor del Institute of Precise Mechanics and Computer Technology de la Academia de Ciencias Rusa, en 1986. Es profesor de tiempo completo en el Departamento de Ciencias de la Computación en el Centro de Investigación CICESE en Ensenada, Baja California, México, y dirige el Laboratorio de Cómputo Paralelo. Es miembro del SNI nivel II y miembro fundador de la Sociedad Mexicana de Supercómputo. Ha publicado más de 200 artículos en revistas y conferencias, y ha sido miembro de TPCs y co-chair general de más de 240 conferencias profesionales de revisión por pares. Ha sido invitado como investigador visitante en universidades y centros de investigación de prestigio. Dirige varios proyectos de investigación subsidiados en diferentes países. Ha sido miembro de consejos editoriales y editor invitado de diversas revistas científicas. Su principal interés incluye técnicas de optimización de recursos, aprovisionamiento adaptativo de recursos, optimización multiobjetivo, inteligencia computacional, procesamiento de información incompleta, computación y seguridad en la nube.

Citas

Arbex, R. O., & da Cunha, C. B. (2015). Efficient transit network design and frequencies setting multi-objective optimization by alternating objective genetic algorithm. Transportation Research Part B: Methodological, 81, 355–376. https://doi.org/10.1016/j.trb.2015.06.014

Baaj, M. H., & Mahmassani, H. S. (1990). Trust: A LISP Program for the Analysis of Transport Route Configurations. Transportation Research Record, (1283). Recuperado a partir de https://trid.trb.org/view.aspx?id=353975

Baaj, M. H., & Mahmassani, H. S. (1995). Hybrid route generation heuristic algorithm for the design of transit networks. Transportation Research Part C: Emerging Technologies, 3(1), 31–50. https://doi.org/10.1016/0968-090X(94)00011-S

Bakıcı, T., Almirall, E., & Wareham, J. (2013). A Smart City Initiative: the Case of Barcelona. Journal of the Knowledge Economy, 4(2), 135–148. https://doi.org/10.1007/s13132-012-0084-9

Batselier, J., & Maenhout, B. (2012). Linking the Vehicle Routing Problem and the Crew Scheduling Problem: Past, Present and Future Research. Recuperado a partir de https://pdfs.semanticscholar.org/abf9/4c422ca0de32bb4b209972b94b4f9e476a96.pdf

Buba, A. T., & Lee, L. S. (2016). Urban Transit Network Design Problems: A Review of Population-based Metaheuristics. Recuperado a partir de http://pjsrr.upm.edu.my/wp-content/uploads/2016/11/PJSRR-2016-23-86-99.pdf

Bunte, S., & Kliewer, N. (2009). An overview on vehicle scheduling models. Public Transport, 1(4), 299–317. https://doi.org/10.1007/s12469-010-0018-5

Ceder, A., Golany, B., & Tal, O. (2001). Creating bus timetables with maximal synchronization. Transportation Research Part A: Policy and Practice, 35(10), 913–928. https://doi.org/10.1016/S0965-8564(00)00032-X

Chowdhury, M., & Sadek, A. (2014). RNO/ITS - Asociación Mundial de Carreteras (AIPCR) | Explotación de la Red Vial& Sistemas Inteligentes de Transporte. Recuperado el 11 de julio de 2017, a partir de https://rno-its.piarc.org/es

Coello, C. A. C., Van Veldhuizen, D. A., & Lamont Gary, B. (2007). Evolutionary Algorithms for Solving Multi-Objective | Carlos Coello Coello | Springer. Recuperado a partir de http://www.springer.com/in/book/9780387332543

Costa, A., Branco, I., & Paixão, J. M. P. (1995). Vehicle Scheduling Problem with Multiple Type of Vehicles and a Single Depot. En Computer-Aided Transit Scheduling (pp. 115–129). Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-57762-8_9

Desaulniers, G., Lavigne, J., & Soumis, F. (1998). Multi-depot vehicle scheduling problems with time windows and waiting costs. European Journal of Operational Research, 111(3), 479–494. https://doi.org/10.1016/S0377-2217(97)00363-9

Dhingra, S. ., & Shrivastava, P. (1999). Modelling for coordinated bus train network. Presentado en In Proceedings of the 6th International Conference on Computers for Urban Planning and Urban Management (CUPUM99), Venice, Italy.

Fan, W. (2004). Optimal transit route network design problem : algorithms, implementations, and numerical results. Recuperado a partir de https://repositories.lib.utexas.edu/handle/2152/12769

Farahani, R. Z., Miandoabchi, E., Szeto, W. Y., & Rashidi, H. (2013). A review of urban transportation network design problems. European Journal of Operational Research, 229(2), 281–302.

Fusco, G. (2002). A heuristic transit network design algorithm for medium size towns. Proceedings of 9th Euro Working Group on …, 652–656.

Gao, Z., Sun, H., & Shan, L. L. (2004). A continuous equilibrium network design model and algorithm for transit systems. Transportation Research Part B: Methodological, 38(3), 235–250. https://doi.org/10.1016/S0191-2615(03)00011-0

Garzón Santodomingo, N. A. (2016). Metaheurística para la solución del transport network design problem (TNDP) multiobjetivo con demanda multiperiodo. Recuperado a partir de http://repositorio.escuelaing.edu.co/handle/001/439

Goeddel. D.L. (1975). RUCUS: Automated Vehicle and Scheduling System. Presentado en Automated Techniques for Scheduling of Vehicle Operators for Urban Public Transportation Services, Chicago.

Guancha, D. A. G., Mejía, J. A. S., & Mejía, S. E. (2017). Asignación de Frecuencias Óptimas, a través de un Modelo Multiobjetivo, para un Sistema BRT. Revista EIA, 13(26). Recuperado a partir de http://revistas.eia.edu.co/index.php/reveia/article/view/743

Ibarra Rojas, O. J., Delgado, F., Giesen, R., & Muñoz, J. C. (2015). Planning, operation, and control of bus transport systems: A literature review. Transportation Research Part B: Methodological, 77, 38–75. https://doi.org/10.1016/j.trb.2015.03.002

Inspiring Good Living. (2017, marzo 23). 6 características que definen a una smart city. Recuperado el 1 de junio de 2017, a partir de http://inspiringgoodliving.com/6-caracteristicas-que-definen-a-una-smart-city/

Klemt, W.-D., & Stemme, W. (1988). Schedule Synchronization for Public Transit Networks. En Computer-Aided Transit Scheduling (pp. 327– 335). Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-85966-3_28

Kliewer, N., Gintner, V., & Suhl, L. (2008). Line Change Considerations Within a Time-Space Network Based Multi-Depot Bus Scheduling Model. En Lecture Notes in Economics and Mathematical Systems (Vol. 600, pp. 57–70). https://doi.org/10.1007/978-3-540-73312-6_4

Lampkin, W., & Saalmans, P. D. (1967). The Design of Routes, Service Frequencies, and Schedules for a Municipal Bus Undertaking: A Case Study. OR, 18(4), 375–397. https://doi.org/10.2307/3007688

Langerudi, M. F. (2014). Parameter Selection In Particle Swarm Optimization For Transportation Network Design Problem. arXiv:1412.7185 [cs, math]. Recuperado a partir de http://arxiv.org/abs/1412.7185

Löbel, A. (1999). Solving Large-Scale Multiple-Depot Vehicle Scheduling Problems. En Computer-Aided Transit Scheduling (pp. 193–220). Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-85970-0_10

Mandl, C. E. (1980). Evaluation and optimization of urban public transportation networks. European Journal of Operational Research, 5(6), 396–404. https://doi.org/10.1016/0377-2217(80)90126-5

Mauttone, A., & Urquhart, M. E. (2007). Optimización multi-objetivo de recorridos y frecuencias en transporte público aplicado a un caso de estudio real. En XIII Congreso chileno de ingeniería de transporte, Santiago, Chile. Recuperado a partir de http://www.sochitran.cl/wp-content/uploads/Acta-2007-05-02.pdf

Méndez, F. G., & Coello, C. A. C. (2011). Optimización Multiobjetivo Usando Algoritmos Genéticos Culturales. Recuperado a partir de http://delta.cs.cinvestav.mx/~ccoello/tesis/tesis-fgutierrez.pdf.gz

Moussa, G., & Owais, M. (2014). A Novel Solution Methodology for Transit Route Network Design Problem. World Academy of Science, Engineering and Technology, International Journal of Civil, Environmental, Structural, Construction and Architectural Engineering, 8(3), 283–290.

Newell, G. F. (1979). Some Issues Relating to the Optimal Design of Bus Routes. Transportation Science, 13(1), 20–35. https://doi.org/10.1287/trsc.13.1.20

Olivera, A. C. (2015). Desarrollo teórico de técnicas meta-heurísticas para resolver problemas de optimización“ TN”(Transit Networks) en entornos dinámicos. Recuperado a partir de http://repositoriodigital.uns.edu.ar/handle/123456789/1979

Ouyang, Y., Nourbakhsh, S. M., & Cassidy, M. J. (2014). Continuum approximation approach to bus network design under spatially heterogeneous demand. Transportation Research Part B: Methodological, 68, 333–344. https://doi.org/10.1016/j.trb.2014.05.018

Patz, A. (1925). Die richtige Auswahl von Verkehrslinien bei großen Straßenbahnnetzen (The proper choice of transport lines for large tram networks).

Peña, D., Tchernykh, A., Nesmachnow, S., Massobrio, R., Drozdov, A. Y., & Garichev, S. N. (2016). Multiobjective Vehicle Type and Size Scheduling Problem in Urban Public Transport Using MOCell. En 2016 International Conference on Engineering and Telecommunication (EnT) (pp. 110–113). https://doi.org/10.1109/EnT.2016.032

Peña, D., Tchernykh, A., Nesmachnow, S., Massobrio, R., Feoktistov, A., & Bychkov, I. (2017). Multiobjective Vehicle-type Scheduling in Urban Public Transport. En 2017 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW) (pp. 482–491). https://doi.org/10.1109/IPDPSW.2017.80

Portugal, R., Lourenço, H. R., & Paixão, J. P. (2009). Driver scheduling problem modelling. Public Transport, 1(2), 103–120. https://doi.org/10.1007/s12469-008-0007-0

Portugal, R., Lourenço, R. D., Helena, & Paixao, J. P. (2006). Driver Scheduling Problem Modelling (SSRN Scholarly Paper No. ID 1002565). Rochester, NY: Social Science Research Network. Recuperado a partir de https://papers.ssrn.com/abstract=1002565

Rainville, W. S. (1947). Bus Scheduling Manual: Traffic Checking and Schedule Preparation. Department of Transportation.

Ramírez Santiago, N. A., & Coello, C. A. C. (2016, Diciembre). Una nueva propuesta para optimización multiobjetivo basada en búsqueda dispersa (Scatter Search). Centro de investigación y de estudios avanzados del Instituto Politécnico Nacional, México D.F.

Ríos, B., & Alonso, W. (2015). Implementación de un algoritmo recocido simulado para el diseño de rutas de transporte público para Lima centro. Recuperado a partir de http://tesis.pucp.edu.pe/repositorio/handle/123456789/5961

Situ, B., & Jin, W. (2009). Study on the vehicle scheduling problem in transportation system. En 2009 2nd IEEE International Conference on Computer Science and Information Technology (pp. 175–178). https://doi.org/10.1109/ICCSIT.2009.5234454

Song, L., Chen, F., Xian, K., & Sun, M. (2012). Research on a Scientific Approach for Bus and Metro Networks Integration. Procedia - Social and Behavioral Sciences, 43, 740–747. https://doi.org/10.1016/j.sbspro.2012.04.147

Steven Chien, Zhaowei Yang, & Edwin Hou. (2001). Genetic Algorithm Approach for Transit Route Planning and Design. Journal of Transportation Engineering, 127(3), 200–207. https://doi.org/10.1061/(ASCE)0733-947X(2001)127:3(200)

Sun, Y., Sun, X., Li, B., & Gao, D. (2013). Joint Optimization of a Rail Transit Route and Bus Routes in a Transit Corridor. Procedia - Social and Behavioral Sciences, 96, 1218–1226. https://doi.org/10.1016/j.sbspro.2013.08.139

Toro Ocampo, E. M., Santa Chávez, J. J., & Granada Echeverri, M. (2013). Solución del problema de ruteamiento de vehículos en la distribución de papa en Colombia. Scientia et technica, 18(1). Recuperado a partir de http://www.redalyc.org/html/849/84927487021/

United Nations. (2015). World Population Prospects: The 2015 Revision, Key Findings and Advance Tables. Recuperado a partir de https://esa.un.org/unpd/wpp/Publications/Files/Key_Findings_WPP_2015.pdf

Wang, S., & Qu, X. (2015). Rural bus route design problem: Model development and case studies. KSCE Journal of Civil Engineering, 19(6), 1892–1896. https://doi.org/10.1007/s12205-013-0579-3

Xie, L., Kliewer, N., & Suhl, L. (2012). Integrated Driver Rostering Problem in Public Bus Transit. Procedia - Social and Behavioral Sciences, 54, 656–665. https://doi.org/10.1016/j.sbspro.2012.09.783

Xu, C. q, Xuan, H., Li, B., & Su, F. f. (2010). Vehicle Scheduling Problem for the Single-Depot Based on Genetic Algorithms. En 2010 International Conference of Information Science and Management Engineering (Vol. 1, pp. 254–256). https://doi.org/10.1109/ISME.2010.73

Zhen, Q., & Jing, S. (2016). Train rescheduling model with train delay and passenger impatience time in urban subway network: Train Rescheduling Model with Train Delay. Journal of Advanced Transportation. https://doi.org/10.1002/atr.1441.

Descargas

Publicado

28-02-2018

Cómo citar

Moctezuma-García, D., Ramírez-Alcaraz, J. M., Sandoval-Carrillo, S., & Tchernykh, A. (2018). Clasificación de los problemas de optimización de redes de transporte público. Programación matemática Y Software, 10(1), 31–43. https://doi.org/10.30973/progmat/2018.10.1/5

Número

Vol. 10 Núm. 1 (2018): Febrero de 2018

Sección

Artículos

Licencia

Derechos de autor 2018 Programación Matemática y Software

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Usted es libre de:

Compartir — compartir y redistribuir el material publicado en cualquier medio o formato.
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente.

Bajo las siguientes condiciones:

Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso.
  Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia.