Resumen

Los modelos tradicionales de generación de horarios para los últimos trenes no tienen en cuenta el hecho de que el decisor (DM) suele incorporar la variabilidad de la demanda de transbordo en su proceso de toma de decisiones. El objetivo de este estudio es desarrollar un modelo de este tipo que tenga especialmente en cuenta las preferencias de riesgo de los responsables de la toma de decisiones en los sistemas de metro bajo incertidumbre. En primer lugar, formulamos un modelo de optimización para la programación de horarios del último tren basado en la teoría de la varianza media (MV) que considera explícitamente dos factores significativos: el número de pasajeros que realizan transbordos con éxito y el tiempo de circulación de los últimos trenes. A continuación, añadimos la medida de riesgo de varianza media al modelo para generar horarios ajustando las horas de salida de los últimos trenes y los tiempos de circulación de cada línea. Además, normalizamos dos términos heterogéneos de la medida de riesgo para ayudar a obtener resultados razonables. Debido a la complejidad del modelo MV, diseñamos un algoritmo de búsqueda tabú (TS) con operadores específicamente diseñados para resolver el problema de horarios propuesto. Mediante experimentos computacionales con el metro de Pekín, demostramos la eficacia computacional del modelo de MV propuesto y del enfoque heurístico.

• 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:últimos trenes, decisión, modelo mv, red de metro de pekín, éxito de pasajeros en transbordo, variabilidad de la demanda de transbordo, medida del riesgo de varianza, modelo, modelos tradicionales, eficiencia computacional
• Keywords:last trains, decision, mv model, beijing subway system, successful transfer passengers, transfer demand variability, variance risk measure, model, traditional models, computational efficiency