Escolar Documentos
Profissional Documentos
Cultura Documentos
1,EdicinEspecial,Medelln,Mayode2008,ISSN 16577663
IIICongresoColombianodeComputacin3CCC2008
UnModelodeAsignacindeRecursosaRutasenel
SistemadeTransporteMasivoTransmilenio
AModelforResourceAssignmenttoTransitRoutesin
BogotaTransportationSystemTransmilenio
Recibidopararevisin28deNoviembrede2007,aceptado14deFebrerode2008,versinfinal28deFebrerode2008
ResumenEn este tr abajo se presenta un modelo basado en
algor itmos genticos, teor a de colas y teor a de grafos para la
planea cin de sist emas masivos de t r a nspor t e. Ent r e las
ca r act er st ica s pr incipales del modelo se pr opone: i) El
modelamiento real de la troncal de lasAmr icas del sistema de
t r anspor t e masivo Bogot ano Tr ansmilenio ii) Un
pr epr ocesamient o de dat os utilizando teor a de gr afos par a
caracterizar las r utas ms cortas entre todas las combinaciones
posibles de est aciones or igen y dest ino iii) Ut ilizacin de
algor itmos gent icos par a optimizar el t iempo que gast a un
usuar io en el sistema Tr ansmilenio por medio de la asignacin
debusesyfrecuenciasdesalida.iv)Lasimulacindeeventospor
mediodedistribucionesdePoissonyErlang,simulandoelevento
dellegada deun busTransmilenioa unaestacin determinaday
el tiempo de espera de arribo del prximo bus respectivamente.
Adems se desar r olla una met odologa exper imental par a
validar el modelo propuesto y estudiar los r esultados otorgados
por el mismo.
Palabras ClaveSist ema de Tr anspor t e, Teor a de Colas,
Distribucin Erlang, Gr afos, Dijkstra,Algor itmos Genticos.
AbstractIn this work, a model based on genetic algor ithms,
queue theor y and gr aph theor y for r oute planning in a mass
tr anspor tation system is presented. Most impor tant features of
theproposedapproacharei)themodelingoftheAmericaslinein
the mass transportation system Transmilenio in Bogota ii) Data
pr epr ocessing using gr aph theor y to char acter ize the shortest
routes between all the possible combinations of destination and
sour ce stat ions iii) the opt imization of tr avel time by r oute
assignment using genetic algorithms iv) the simulation of events
usingthePoissonandErlangdistributions,correspondingtobus
arrival at specific stations and to users waiting time.
Additionally, an exper imental methodology was developed to
validatetheproposedapproach.
SergioDuarte,Ing.,DavidBecerra,Ing.,LuisFernandoNio,PhD.
Laboratoriode Investigacinen Sistemas Inteligentes,ALGOSUN
UniversidadNacionaldeColombiaSedeBogot
(srduartet,dcbecerrar,lfninov)@unal.edu.co
KeywordsTr anspor t at ion System, Gr aph Theor y, Queue
Theory, GeneticAlgorithm, Dijkstr a.
I . I NTRODUCCIN
E
l desarrollo de estrategias de planeacin de rutas en los
sistemas de transporte masivo es fundamental para la
optimizacin de costos del negocio y del cumplimiento de
necesidadesporpartedelusuariodelossistemasdetransporte.
Laimplementacindedichasestrategiasestenfocadaaevitar
costosoperacionaleselevados,disminuyendolaproporcinde
estoscostos respectoalos logsticos[1].
Laoptimizacindeoperacioneslogsticasdetransportees
unadelasreasdeplaneacinquemsaugehatenidodurante
laltimadcadadebidoalincrementodenecesidadesdecrear
solucionesyoptimizacionesalosproblemasdedistribucin,as
mismosehavistosoportadaporlaimplementacindenuevas
tecnologasquecontribuyenalarealizacindesolucionesms
integrales,confiablesydinmicas.
Eldesarrollodenuevastecnologaspartiendodesistemas
inteligentesparalaplaneacindelaoperacindesistemasde
transporte son herramientas tiles para la optimizacin de
funcionesycostosoperativosdeunsistemadetransporte.[2]
Se espera que al aplicar las nuevas tecnologas de
procesamiento de informacin, comunicaciones, control y
electrnica,lossistemasmasivosdetransportecreencaminos,
vehculosyusuarios"msinteligentes".Seesperatambinque
la aplicacin de estas tecnologas mejore la operacin de los
sistemas de transporte al proveer rutas ms eficientes a los
viajeros.[2]
RevistaAvancesenSistemaseInformtica,Vol.5 No.1,EdicinEspecial,Medelln,Mayode2008,ISSN 16577663
IIICongresoColombianodeComputacin3CCC2008
164
En este trabajo se aplic un algoritmo gentico como
metodologadeoptimizacinparalaasignacindefrecuencias
ynmerodebusesparalasrutasdeterminadasenlaoperacin
delsistemadetransportemasivoTransmilenioenlatroncalde
lasAmricas.Sesimulelcomportamientodelsistemapartiendo
delateoradecolas,herramientasestadsticasyprobabilsticas.
Lasimulacindelcomportamientodeusuariosetrabajapartir
deteoradegrafos.
Eldocumentoestorganizadocomosigue:Enlaseccin2
algunos fundamentos de distribuciones y teora de colas es
brevementeexplicado.Enlaseccin3seanalizalalgicadela
aproximacin planteada. En la seccin 4 se explica la
implementacinapartirdealgoritmosgenticos.Enlasltimas
seccionessedesarrollarunametodologadeexperimentacin
paravalidarlasignificanciayprecisindelmodelo,seguidade
los resultados y correspondientes conclusiones.
Figura 1. Sistema de programacin y control de Transmilenio (tomado de [5]).
I I. BACKGROUND
A. DistribucindePoisson
La distribucin de Poisson es una distribucin de
probabilidaddiscreta,queexpresalaprobabilidaddeunnmero
deeventosocurriendoenuntiempofijosiestoseventosocurren
conunatasamediaconocida,ysonindependientesdeltiempo
desdeelltimoevento.
Ladistribucindeprobabilidadestdadapor:
!
) (
k
e
k f
k
l
l
l -
= (Eq.1)
donde ees2.71828,k!eselfactorialdek,eselnmero
esperadodeocurrenciasduranteunintervalodado.
A.1ProcesodePoisson
UnavariableesdePoissoncuandoelnmerodeeventosque
ocurrenenunintervalotemporaloespacialdetamaodado
cumplelassiguientescondiciones[3]:
El nmero de eventos que ocurren en el intervalo es
independientedelnmerodelosqueocurrenfueradelmismo.
Existeunintervalolosuficientementepequeo,detamao
h,paraelquelaprobabilidaddequeenelmismoocurraun
slo evento es proporcional al tamao del intervalo, es
deciresh,siendoportantolaprobabilidaddeque
ocurrauneventoenunintervalodetamaounidad.
Laprobabilidaddequeencualquierintervalodetamaoh
suficientementepequeoocurrandos omseventos,es
prcticamentedespreciable.
B. DistribucinErlang
LadistribucinErlangesunadistribucindeprobabilidad
continuacondosparmetroskycuyafuncindedensidad
paravalores x >0es.
)! 1 (
) (
) (
1
-
=
-
-
k
x
e x f
k
x
l
l
l
(Eq.2)
LadistribucinErlangeselequivalentealadistribucin
gammaconelparmetro k=1,2,..etcy=1/.Para k=1esoes
ladistribucinexponencial.
Seutilizaladistribucinparadescribireltiempodeespera
hastaelsucesonmerokenunprocesodePoisson.Esdecir
queestadistribucinmideeltiempoquetranscurreentreun
suceso y el msimo siguiente. La distribucin tiene dos
parmetros Erlang(m,b) donde b eslamediadeunadistribucin
exponencialy meselnmerodesucesosquesecuentan[4].
C. TeoradeColas
Lateoradelascolaseselestudiomatemticodelascolaso
lneasdeespera.Laformacinde colases,porsupuesto,un
fenmenocomnqueocurresiemprequelademandaefectiva
deunservicioexcedealaofertaefectiva.
Dentrodelascaractersticasclavesdeunsistemadecolas
podemosencontrar.[6]
Unapoblacindeclientes,queeselconjuntodelosclientes
posibles.
Unprocesodellegada,queeslaformaenquelleganlos
clientesdeesapoblacin.
Unprocesodecolas,queestconformadopor(a)lamanera
que los clientes esperan para ser atendidos y (b) la
disciplinadecolas,queeslaformaenquesonelegidos
paraproporcionarleselservicio.
Unprocesodeservicios,queeslaformaylarapidezconla
queesatendidoelclienteyporltimounprocesodesalida.
Verfigura2.