Resumen

Las cajas electrónicas de billetes integradas con los sistemas de localización automática de vehículos (AVL) pueden proporcionar registros con sello de localización para inferir el embarque de pasajeros en paradas individuales. Sin embargo, las cargas de los autobuses y los flujos Origen-Destino (OD), que son útiles para la planificación de rutas, el diseño y los controles en tiempo real, no pueden derivarse directamente de los datos de las cajas de billetes. Recientemente, se han utilizado sensores Wi-Fi para recoger información sobre el flujo de pasajeros OD. Sin embargo, los datos son insuficientes para captar la variación de la demanda de pasajeros a lo largo de los viajes en autobús. En este estudio, proponemos un modelo bayesiano jerárquico para estimar matrices de flujo OD a nivel de viaje y una matriz de flujo OD a nivel de periodo utilizando datos muestreados de flujo OD recogidos por sensores Wi-Fi y datos de embarque proporcionados por las cajas de billetes. Las cargas de autobús en cada viaje se derivan directamente de las matrices de flujo OD estimadas a nivel de viaje. El método propuesto se evalúa empíricamente en una ruta de autobús operativa y los resultados demuestran que proporciona información buena y detallada de la demanda de pasajeros a nivel de ruta de tránsito mediante la combinación de datos de cajas de billetes y señales Wi-Fi.

• Materias:Transporte urbano Señales de control de tráfico Accidentes de transito Planificación de ruta Capacidad de tráfico
• Subjects:Urban transport Traffic control signs Traffic accidents Path planning Traffic capacity
• Palabras claves:matrices de flujo od de nivel, sensores fi, matriz de flujo od de nivel, información de demanda de pasajeros de nivel, información de flujo od de pasajeros, localización automática de vehículos, datos de señales fi, datos de flujo od, ruta de tránsito detallada, modelo bayesiano jerárquico
• Keywords:level od flow matrices, fi sensors, level od flow matrix, level passenger demand information, passenger od flow information, automatic vehicle location, fi signal data, od flow data, detailed transit route, hierarchical bayesian model