Utilización de tarjetas inteligentes para estimar matrices origen-destino. Aplicación al sistema Megabús, Pereira
Resumen
En la planificación operativa de los sistemas de transporte es fundamental contar con una caracterización de la demanda del servicio por medio de una matriz origendestino (OD) de viajes. Esta matriz es estimada frecuentemente mediante técnicas de muestreo estadístico que ofrecen resultados de gran calidad pero requieren diseño e implementación compleja y de alto costo. Así, se hace pertinente aprovechar la información de los registros de las tarjetas inteligentes usadas como medios de pago en los sistemas que tienen esta tecnología. Esta fuente de información permite obtener estimaciones de matrices OD de gran calidad con un costo bajo. En este trabajo se implementa una metodología para la estimación de una matriz origen-destino entre estaciones de buses en el sistema de transporte público de Megabús en la ciudad de Pereira. La metodología permite depurar la base de datos teniendo en cuenta las particularidades del sistema, como las formas de ingreso, tipo de tarjeta, reventa de pasajes, y además considera la posibilidad de que un usuario pueda decidir bajarse en una estación intermedia cercana a su estación destino mediante la parametrización de un factor de penalización que está asociado con el tiempo de viaje caminando en la función objetivo. La inclusión del factor no influye significativamente en el porcentaje total de viajes estimados pero sí ajusta algunos valores de la matriz origen-destino, al considerar los descensos en estaciones intermedias. El método posibilita estimar matrices OD para diferentes ventanas de tiempo de cualquier día de la semana y distintas épocas del año.
Descargas
Agencias de apoyo:
Colciencias, Universidad Tecnológica de PereiraReferencias bibliográficas
Buneman, K. (1984). Automated and passenger-based transit performance measures. Transportation Research Record, 992, pp. 23-28.
Furth, P. G., Hemily, B. J., Muller, T. H. J. & Strathman, J. G. (2006). Using Archived AVL-APC Data to Improve Transit Performance and Management. Transportation research board. doi: 10.17226/13907
Barry, J. J., Newhouser, R., Rahbee, A. & Sayeda, S. (2002). Origin and destination estimation in New York City with automated fare system data. Transportation Research Record, 1817, pp. 183-187. doi: 10.3141/1817-24
Zhao, J., Rahbee, A. & Wilson, N. (2007). Estimating a rail passenger trip origin-destination matrix using automatic data collection systems. Computer-Aided Civil and Infrastructure Engineering, 22(5), pp. 376-387. doi: 10.1111/j.1467-8667.2007.00494.x
Muller, T. H. J. & Furth, P. G. (2001). Trip time analyzes: key to transit service quality. Transportation Research Record, 1760, pp. 10-19. doi: 10.3141/1760-02
Lianfu, Z., Shuzhi, Z., Yonggang, Z. & Ziyin, Z. (2007). Study on the method of constructing bus stops OD matrix based on IC card data. En The International Conference on Wireless Communications, Networking and Mobile Computing, pp. 3147-3150. doi: 10.1109/WICOM.2007.780
Trépanier, M., Tranchant, N. & Chapleau, R. (2007). Individual trip destination estimation in a transit smart card automated fare collection system. Journal of Intelligent Transportation Systems, 11(1), pp.1-14. doi: 10.1080/15472450601122256
Chapleau, R. & Chu, K. K. (2007). Modeling transit travel patterns from location-stamped smart card data using a disaggregate approach. En The 11th World Conference on Transportation Research, pp. 1-29.
Chapleau, R., Trépanier, M. & Chu, K. K. (2008). The ultimate survey for transit planning: Complete information with smart card data and GIS. En The 8th International Conference on International Steering Committee for Travel Survey Conferences, Montreal, Canadá.
Zhao J. (1977). The Planning and Analysis Implications of Automated Data Collection System: Rail Transit OD Matrix Inference and Path Choice Modeling Examples. (Tesis doctoral). Department of Urban Studies and Planning and the Department of Civil and Environmental Engineering. Massachusetts Institute of Technology, Boston.
Hofmann, M. & O'Mahony, M. (2005). Transfer Journey Identification and Analyses form Electronic Fare Collection Data. En Proceedings of the 8th International IEEE Conference on Intelligent Transportation Systems. Viena, Austria, pp. 34-39. doi:10.1109/ITSC.2005.1520156
Farzin, J. (2008). Constructing an Automated Bus Origin-Destination Matrix Using Farecard and Global Positioning System Data in São Paulo, Brazil. Transportation Research Record, 2072, pp. 30-37. doi: 10.3141/2072-04
Munizaga, M., Palma, C. & Mora, P. (2010). Public Transport OD Matrix Estimation from Smart Card Payment System Data. En: Proceedings from 12th World Conference on Transport Research, Lisboa, Portugal, pp. 1-16.
Pelletier, M. P., Trépanier, M. & Morency, C. (2011). Smart card data use in public transit: A literature review. Transportation Research Part C, 19, pp. 557-568. doi: 10.1016/j.trc.2010.12.003
Devillaine, F., Munizaga, M. & Trépanier, M. (2012). Detection activities of public transport users by analyzing smart card data. Transportation Research Record, 2276, pp. 48-55. doi: 10.3141/2276-06
Munizaga, M. A. & Palma, C. (2012). Estimation of a disaggregate multimodal public transport origin-destination matrix from passive smartcard data from Santiago, Chile. Transportation Research Part C, 24, pp. 9-18. doi: 10.1016/j.trc.2012.01.007
Giahi, R. & Moghaddam, R. (2014). A Holding Strategy to Optimize the Bus Transit Service. En: International Journal of Industrial Engineering & Production Research, 25(1), pp. 33-40.