Resumen

El transporte público figura entre las infraestructuras críticas de las ciudades modernas, especialmente las megaciudades, donde viven millones de personas. La fiabilidad de estos sistemas es crucial tanto para los ciudadanos como para los proveedores de servicios. Si los proveedores de servicios pasan por alto la fiabilidad del sistema, se desperdiciará una cantidad considerable de gastos. Varios factores, como el fallo del vehículo, los accidentes, la falta de presupuesto, los factores meteorológicos y la congestión del tráfico, causan falta de fiabilidad, entre los que el fallo del vehículo desempeña un papel destacado. El sistema de frenos es el componente más vulnerable y vital de un autobús de transporte público. La fiabilidad de los frenos depende de la pericia del conductor, la calidad de los componentes, la carga de pasajeros, la situación de la línea, etc. La experiencia del conductor y la calidad de los componentes son los factores más importantes para la fiabilidad del sistema de frenado. Este estudio pretende aplicar un modelo híbrido de aprendizaje automático y optimización para minimizar la inversión total y los costes relacionados con la fiabilidad en un sistema de transporte rápido en autobús (BRT). Se propone un método de análisis de regresión para capturar los principales atributos de un sistema de frenos conjunto, incluyendo el nivel de educación, formación y experiencia de los conductores. La tasa de fallos se modela como una función lineal de la ETE y la calidad de los subcomponentes del sistema de frenos utilizando un modelo de regresión Lasso. A continuación, se proporciona una optimización MILP para optimizar los costes totales previstos de un sistema de tránsito rápido de autobuses (BRT). Además, se estudia un caso práctico para investigar si esta optimización puede reducir los costes. Los resultados confirman la eficacia del enfoque de optimización híbrido.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:costes, tránsito rápido, proveedores de servicios, avería de vehículos, congestión del tráfico causa de falta de fiabilidad, modelo de regresión lasso, fiabilidad del sistema de frenos, subcomponentes del sistema de frenos, factores meteorológicos presupuestarios, aprendizaje automático híbrido
• Keywords:costs, rapid transit, service providers, vehicle failure, traffic congestion cause unreliability, lasso regression model, brake system reliability, brake system subcomponents, budget weather factors, hybrid machine learning