INFORME PROFESIONAL

MII 505 Métodos de Optimización

Aplicados
The School bus routing problems

 Grupo: equipo 4
 Integrantes: Carlos Carrasco
Daniel Morales
Carlos Pedraza
 Fecha: 26/05/2019
1. Introducción................................................................................................................... 3
 Preparación de los datos ........................................................................................... 4
 Selección de Parada de bus. ...................................................................................... 4
 Generación de rutas de buses ................................................................................... 5
 Ajuste horario escolar ............................................................................................... 5
 Programación de ruta ............................................................................................... 6
2 Descripción del problema ............................................................................................. 7
3 Modelo Matemático .......................................................................................................... 7
4 Métodos de resolución ................................................................................................. 10
2.1 Desarrollo primer Ruteo Escolar 1 ........................................................................ 13
2.2 Desarrollo primer Ruteo Escolar 2 ........................................................................ 14
2.3 Desarrollo primer Ruteo Escolar 3 ........................................................................ 15
5 Conclusión .................................................................................................................... 16
6 Bibliografía .................................................................................................................. 17
1. Introducción

El problema de ruteo de buses escolares, SBRP como se define por sus siglas en ingles
School bus routing problem, es un problema real de transporte que impacta a millones de
familias alrededor del mundo. El problema que tiene a sostenedores y controladores para
desarrollar y proveer un transporte escolar seguro, confortable y de bajo costo que
transporte diariamente a los estudiantes para y desde las escuelas. El SBRP está relacionado
con los problemas de ruteo de vehículos (VRP) e investigación de operaciones (OR).
El estudio del problema de ruteo de buses escolares se inició desde la primera publicación
hecha por Newton y Thomas en el año 1969 que resolvieron el problema para una escuela
utilizando el modelo del agente viajero. Una vez que obtuvieron la ruta de menor distancia,
la dividieron en rutas individuales para cada bus de acuerdo a su capacidad.
Con el avance del tiempo se han realizado diversos estudios con el fin de resolverlo.

En la figura1 se puede observar la frecuencia de estudio de SBRP por décadas.

Fig.1 Frecuencia de publicaciones de SBRP por década (Fuente: “School bus routing problema: Conteporary trends and
research directions”, 2018, William A. Ellegood, Stanislaus Solomon, Jeremy North, James F. Campbell)

Junhyuk Park y Byung-In Kim en el año 2009, en su publicacion; “The School bus routing
problema: A review”, dan un enfoque global al problema de rutas escolares, en donde
describen como el SBRP se puede descomponer en cinco sub-problemas, de acuerdo a la
descomposición hecha por Desrosiers et al., (1981), al igual que intenta clasificar el
problema del SBRP de acuerdo a algunos criterios y características definidas.

El siguiente diagrama nuestra como el problema de ruteo de buses escolares se divide en 5

sub-problemas, según Desrosiers et al. (1981):

Diagrama de la descomposición de Desrosiers, elaboración propia

Los sub-problemas propuestos por Desrosiers corresponden a los detallados a continuación,

 Preparación de los datos

En este punto se especifican la red de carreteras, y se preparan 4 tipos de datos para el

SBRP.
- Datos de los estudiantes incluyen la ubicación (dirección) de sus hogares, la escuela
de destino y el tipo de estudiante (general o discapacitado)
- Datos de la escuela incluye información acerca de la apertura y cierre de las
escuelas y el máximo tiempo de viaje de un estudiante
- Datos de los vehículos (buses escolares) incluyen la ubicación de origen, el tipo de
buses disponibles.
- Datos de origen y destino almacena los tiempo mas cortos de viaje o la distancia
entre pares de nodos (escuela, ubicación del estudiante y punto de origen del bus)

 Selección de Parada de bus.

La selección de parada de busca seleccionar un conjunto de parada de buses y asignar

estudiantes a estas paradas. Para estudiantes en alrededores rurales se asume que serán
recogidos en sus casas. Sin embargo, en las áreas urbanas se asumo que los estudiantes
deben caminar desde sus hogares hasta las paradas para ser recogidos por los buses.

La selección de la parada de buses a menudo es omitida en la literatura. Muchos estudios

asumen que la ubicación de la parada de buses es dada.

Los enfoques de la solución heurística para la selección de parada de buses son clasificadas
en la estrategia de Ubicación-asignación y ruta, (LAR) por su sigla en inglés, o la estrategia
de asignación-ruta-ubicación, (ARL) por su sigla en inglés, (Laporte, 1988; Bowerman et
al., 1995). En las figuras 1 y 2 se muestran el concepto de ambas estrategias. La estrategia
LAR primero determina un conjunto de parada de buses para una escuela asignando a
estudiantes a estas paradas, luego las rutas son generadas para estas paradas seleccionadas.

Sin embargo desde la parada de buses y la asignación de estudiantes son determinadas sin
tomar en cuenta el efecto en la generación de rutas, este enfoque tiende a generar una
excesiva generación de rutas. Bodin y Berman (1979), Dulac et al. (1980) and Desrosiers et
al (1981) propusieron un enfoque heurístico sobre la estrategia LAR. En la estrategia ARL
los estudiantes son asignados en grupos mientras satisfagan las restricciones de capacidad
del vehículo. Luego se selecciona la parada del bus, y la ruta es generada por cada grupo.
Finalmente los estudiantes en un grupo son asignados a la parada de bus que cumpla con-
todos los requerimientos dados en los problemas como son la distancia máxima a caminar
desde el hogar, el máximo número de estudiantes que pueden ser asignados a una parada de
bus, y el mínimo de distancia entre las paradas de bus. Chapleau et al. (1985) and
Bowerman et al (1995) uso un algoritmo basado sobre la estrategia ARL.
  Generación de rutas de buses

En este subproblema se enfoca en la construcción de las rutas escolares. Los algoritmos

utilizados en la generación de rutas pueden ser clasificadas en los siguientes enfoques
(Bodin y Berman 1979),

- Primera ruta, segundo grupo

Se enfoca en la construcción en una larga ruta basada en el algoritmo del problema del
vendedor que considera todas las paradas, y las particiona en pequeñas rutas que considera
las restricciones. Newton and Thomas (1969) and Bodin y Berman (1979) implementaron
este enfoque.

- Primer grupo, segunda ruta

Este enfoque agrupo a los estudiantes en grupos por lo que cada grupo puede servir como
una ruta que satisface las restricciones existentes. Dulac et al. (1980), Chapleau et al.
(1985) and Bowerman et al (1995) aplicaron este enfoque a SBRP.

 Ajuste horario escolar

En la mayoría de los estudios, el comienzo y el fin del horario en las escuelas son
restricciones. Sin embargo hay un número de trabajos que consideran el tiempo como una
variable de decisión e intenta encontrar el tiempo óptimo de entrada y salida para
maximizar el número de rutas que pueden ser utilizadas secuencialmente por el mismo bus
y así reducir el número de buses utilizados. Desrosiers et al (1981, 1986ª) determinaron la
hora de comienzo y fin en las escuelas utilizando un enfoque de generación en columna.
Bodin et al (1983) adoptando el enfoque de Desrosiers et al. (1981, 1986ª)
  Programación de ruta

Especifica el comienzo y final exacto de cada ruta y forma una cadena de rutas que pueden
ser utilizadas secuencialmente por el mismo bus. Newton y Thomas (1974) desarrollaron
un modelo de escuelas múltiples para determinar todas las rutas de los buses para un
distrito. Ellos asumieron que hay periodos de tiempo distinguidos, y las escuelas comienzan
en diferentes periodos de tiempo. Bodin (1975) and Bodin and Berman (1979) también
asumieron que las ventanas de tiempo de las escuelas pueden ser particionados en distintos
periodos de tiempo tal que el problema de ruta puede ser resuelto periodo por periodo, y el
total de la ruta puede ser combinada después.

Los SBRP también se pueden clasificar según las características y hacen variar el tipo de
problemas. Estas características se enfocan si corresponden a una escuela o múltiples
escuelas, si corresponde a urbanas o rurales, problemas de horario mañana o tarde, traslado
de estudiantes de educación especial, flota de vehículos homogénea o heterogénea,
múltiples objetivos. Este enfoque se expande aún más si se consideran también las
restricciones, por ejemplo:

- Restricción de capacidad de los vehículos

- Tiempo máximo de los estudiantes en los buses
- Distancia máxima que deben caminar a los paraderos
- Ventanas de tiempo de las escuelas
- Cantidad de alumnos en las paradas
- La hora más temprana de recoger a los estudiantes
- Mínimo número de estudiantes para crear la ruta

Según lo expuesto el problema de ruteo de buses escolares es un problema único e

independiente, un sub-problema o la combinación de estos sub-problema puede clasificarse
como una variante de problemas de optimización existentes. Esto hace necesario aplicar
herramientas tecnológicas que ayuden a mejorar las metodologías de resolución de los
SBRP tales como, Big data, Inteligencia de negocios, minería de datos y optimización
online.

Por lo siguiente este informe muestra la descripción de un problema de SBRP donde se

pueden identificar las distintas variables de estudio y la representación de este a través de
un modelo matemático que aborda el problema explicando las variables, la función objetivo
y las restricciones que afectan este modelo.

Por lo siguiente se trabaja un método para la resolución del SBRP tratando este problema
como exponen algunos autores que trata de un problema VRP con restricción de capacidad
CVRP, Braca et al 1997.
2 Descripción del problema

El SBRP consiste en localizar una o varias rutas sobre una red, con origen conocido y
destino común, en donde se establecen paraderos por los cuales los buses deben recoger a
los estudiantes que ahí se encuentren para ser trasladados al establecimiento educacional.
El objetivo principal de los problemas SBRP es minimizar los costos del recorrido de cada
bus y los costos de asignación de los estudiantes a sus respectivos paraderos. El costo de
asignación se considera proporcional a la distancia total que deben caminar los estudiantes
a sus correspondientes paraderos asignados. Los buses tienen una capacidad limitada de
pasajeros que se tiene que respetar.

En la siguiente figura 2 se puede observar de manera esquemática tres rutas, en donde los
círculos son los nodos (paraderos), las flechas continuas corresponden a las rutas
principales por donde pasa el bus y las flechas segmentadas corresponden a las
asignaciones de los clientes hacia los paraderos.

Fig. 2 Descripción esquemática

3 Modelo Matemático

El modelo matemático que utilizaremos en este informe se toma del artículo “A

mathematical formulation for a school bus routing problem” escrito por Schittekat, Patrick,
Sevaux, Marc y Sorensen, Kenneth. Ellos se centran específicamente en los aspectos de la
selección de la parada. El problema de formulación tiene una solo escuela, un tipo de
estudiante, un tipo de bus con capacidad fija. La estandarización del criterio de
optimización: la distancia total viajada por todos los vehículos.

El SBRP puede ser expresado como un problema de programación lineal

Datos

𝑐𝑖𝑗 : 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑎𝑡𝑟𝑎𝑣𝑒𝑠𝑎𝑟 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑖𝑗

𝑘: 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑏𝑢𝑠𝑒𝑠
𝐶: 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑜𝑠 𝑏𝑢𝑠𝑒𝑠
𝑉: 𝐶𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 𝑝𝑎𝑟𝑎𝑑𝑎𝑠 𝑝𝑜𝑡𝑒𝑛𝑐𝑖𝑎𝑙𝑒𝑠
𝐸: 𝐶𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑎𝑟𝑐𝑜𝑠 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎𝑠 𝑝𝑎𝑟𝑎𝑑𝑎𝑠
𝑆: 𝐶𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠
𝑠𝑙𝑖 : 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑒𝑙 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑘 𝑎𝑡𝑟𝑎𝑣𝑖𝑒𝑠𝑎 𝑒𝑙 𝑎𝑟𝑐𝑜 𝑒𝑛𝑡𝑟𝑒 𝑒𝑙 𝑝𝑢𝑛𝑡𝑜 𝑖 𝑎 𝑗
.
Variables de decisión.

𝑥𝑖𝑗𝑘 : 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑒𝑙 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑘 𝑎𝑡𝑟𝑎𝑣𝑖𝑒𝑠𝑎 𝑒𝑙 𝑎𝑟𝑐𝑜 𝑒𝑛𝑡𝑟𝑒 𝑒𝑙 𝑝𝑢𝑛𝑡𝑜 𝑖 𝑎 𝑗

𝑦𝑖𝑘 : 1 𝑠𝑖 𝑒𝑙 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑘 𝑎𝑡𝑟𝑎𝑣𝑖𝑒𝑠𝑎 𝑣𝑖𝑠𝑖𝑡𝑎 𝑙𝑎 𝑝𝑎𝑟𝑎𝑑𝑎 𝑖, 0 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜
𝑧𝑖𝑙𝑘 : 1 𝑠𝑖 𝑒𝑙 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒 𝑙 𝑒𝑠 𝑟𝑒𝑐𝑜𝑔𝑖𝑑𝑜 𝑝𝑜𝑟 𝑒𝑙 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑘 𝑒𝑛 𝑙𝑎 𝑝𝑎𝑟𝑎𝑑𝑎 𝑖, 0 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜

Función Objetivo:
𝑘

min ∑ ∑ 𝑐𝑖𝑗 ∑ 𝑥𝑖𝑗𝑘

𝑖∈𝑉 𝑗∈𝑉 𝑘=1

La función objetivo minimiza los costos que están representados por la distancia total
recorrida por todos los vehículos

Restricciones,

- Se asegura que todos los vehiculas parten del depósito,

𝐾

∑ 𝑦𝑜𝑘 ≤ 𝐾, 𝑘 = 1, … , 𝐾
𝑘=1

- Se asegura que si la parada i es visitadas por un vehículo k, entonces un arco debe

atravesarse por un vehículo k entrando en la parada i y dejando la parada i.

∑ 𝑥𝑖𝑗𝑘 = ∑ 𝑥𝑖𝑗𝑘 = 𝑦𝑖𝑘, ∀𝑖 ∈ 𝑉, 𝑘 = 1, … , 𝐾

𝑗∈𝑉 𝑗∈𝑉
- Asegura que cada corte (V/s, S) definido por un conjunto de clientes S está
atravesado por un numero de arcos no menores r(S), el número de vehículos
necesario para servir el set s
 ∑ ∑ 𝑥𝑖𝑗𝑘 ≥ 𝑦ℎ𝑘 ∀𝑆 ⊆ 𝑉 {0}, ℎ ∈ 𝑆, 𝑘 = 1, … , 𝐾
𝑖∈𝑆 𝑗∉𝑆

- Asegura que todas las paradas son visitadas no más de una vez a excepción del
deposito
𝐾

∑ 𝑦𝑖𝑘 ≤ 1, ∀𝑖 ∈ 𝑉 {0}
𝑘=1

- Asegura que cada estudiante camine a una sola parada

𝐾

∑ 𝑧𝑖𝑙𝑘 ≤ 𝑠𝑙𝑖 , ∀𝑙 ∈ 𝑆, ∀𝑖 ∈ 𝑉
𝑘=1

- Asegura que la capacidad de los buses no se exceda

∑ ∑ 𝑧𝑖𝑙𝑘 ≤ 𝐶, ∀𝑘 = 1, … , 𝐾
𝑖∈𝑆 𝑗∈𝑆

- Asegura que el estudiante l no es recogido en la parada i por el vehículo k si el

vehículo k no visito la parada i

𝑧𝑖𝑙𝑘 ≤ 𝑦𝑖𝑘 , ∀𝑖, 𝑙, 𝑘

- Asegura que todos los estudiantes sean recogidos una vez

𝐾

∑ ∑ 𝑧𝑖𝑙𝑘 = 1, ∀𝑙 ∈ 𝑆
𝑖∈𝑉 𝑘=1

- Finalmente las últimas restricciones aseguran que todas variables de decisión sean
binarias.

𝑦𝑖𝑘 ∈ {0,1}, ∀𝑖 ∈ 𝑉, 𝑘 = 1, … , 𝐾
𝑥𝑖𝑗𝑘 ∈ {0,1}, ∀𝑖, 𝑗 ∈ 𝑉|𝑖 ≠ 𝑗
𝑧𝑖𝑙𝑘 ∈ {0,1}, ∀𝑖, 𝑗 ∈ 𝑉|𝑖 ≠ 𝑗

Utilizando esta formulación implica hacer varias suposiciones. Una suposición es que la
parada es visitada solo por un bus. Esto significa que el número de estudiantes por bus no
puede superar la capacidad de este. Esto también significa que los estudiantes que se
dirigen a una parada no pueden dividirse en grupos que tomen diferentes buses. Una
segunda suposición es que todos los buses tienen la misma capacidad. Finalmente como se
menciona se asume que cada estudiante cuenta como una unidad única.
 4 Métodos de resolución

Según Braca y otros, los problemas de ruteo de buses escolares caen dentro del clásico
problema de transporte VRP (Vehicle route planning) (Braca et al., 1997). Los problemas
VRP consisten en atender un grupo de clientes geográficamente distribuidos desde un
deposito inicial. Cuando los vehículos que visitan los clientes tienen una capacidad
limitada, como en este caso los buses escolares, el problema se vuelve un CVRP
(Capacitated vehicle route planning).

La información de las variables que requiere un CVRP son las siguientes,

- Un conjunto de nodos de tamaño N que incluye el deposito inicial

- Un conjunto de arcos que conecta a cada par de nodos, de modo que cada uno
de los nodos tiene N arcos asociados
- Una matriz de costos de tamaño NxN asociado a cada arco. De esta forma se
tienen los costos asociados a viajar desde y hacia cualquier nodo del sistema
- Cada uno de los clientes, en este caso paradero, tiene una cantidad de
estudiantes asociados.
- Se cuenta con una flota de vehículos con una capacidad limitada. Ubicada en el
deposito

Las restricciones se definen como,

- No se puede exceder el máximo número de vehículos, ni la capacidad máxima

de estos.
- Cada cliente puede ser visitado únicamente por un solo vehiculo

Como objetivo es encontrar la ruta de menor costo que visite a todos los clientes y vuelva al
punto de origen.

Por lo que tenemos,

Las variables,

V, que corresponden al conjunto de nodo o paradas

E, el conjunto de arcos que los unen

Sea C = (Cij) la matriz de costos de tamaño NxN asociada al conjunto de arcos E, donde
cada arco tiene un costo asociado Cij
D es el arreglo de la forma (pi) que especifica la demanda de cada cliente i
F es un arreglo de la forma (pk) que tiene los datos de la capacidad máxima de los
vehículos, la flota está compuesta por M vehículos, es decir, 1 ≤ k ≤ M

El objetivo es encontrar una matriz X = (xijk) de tamañao NxNxM, donde las variable
binarias xijk indican si el arco (i,j) se utilizan en la solución para ser visitados por k.
La función objetivo es:

min ∑ ∑ ∑ 𝑐𝑖𝑗 ∗ 𝑥𝑖𝑗𝑘

𝑖=0 𝑗=0 𝑘=1

Sujeto a:
𝑀 𝑁

∑ ∑ 𝑥𝑖𝑗𝑘 ≤ 𝑀 𝑖 = 0 (1)
𝑘=1 𝑗=1
𝑀 𝑁

∑ ∑ 𝑥𝑖𝑗𝑘 = 1 ∀𝑖 ∈ [1, 𝑁] (2)

𝑘=1 𝑗=0
𝑁 𝑁

∑ 𝑥𝑖𝑗𝑘 = ∑ 𝑥𝑖𝑗𝑘 ∀𝑘 ∈ {1, 𝑀}, 𝑖 = 0 (3)

𝑗=1 𝑖=1
𝑁 𝑁

∑ ∑ 𝑝𝑖 ∗ 𝑥𝑖𝑗𝑘 ≤ 𝑝𝑘 ∀𝑘 ∈ {1, 𝑀} (4)

𝑖=0 𝑗=0
𝑁 𝑁

∑ ∑ 𝑥𝑖𝑗𝑘 ≤ |𝑆| − 1 ∀𝑘 ∈ {1, 𝑀} (5)

𝑖=1 𝑗=1
𝑥𝑖𝑗𝑘 ∈ {0,1} ∀𝑖, 𝑗 ∈ [1, 𝑁]
∀𝑘 ∈ {1, 𝑀}

Las restricciones (1) indican que del centro de distribución deben partir máximo M
vehículos. Las restricciones (2) y (3) garantizan que uno y solo un vehiculo visite y
abandone a cada cliente. Las restricciones (4) garantizan que los vehículos no excedan su
capacidad máxima. Finalmente el conjunto de restricciones (5) y (6) establecen
respectivamente, la inexistencia de sub-rutas inconexas y los valores admisibles para las
variables de decisión (Daza, Montoya & Narducci,2009)

Ejemplo de resolución

Para poder ejemplificar de manera más grafica lo expresado anteriormente se ha realizado

un modelamiento matemático usando la herramienta SOLVER aprendida en este curso.

Se ha considerado un universo de 12 nodos con un punto en común de llegada final

(Escuela), tomando en cuenta las variables esenciales se obtiene la siguiente tabla:
Nº RUTAS VARIABLE ORIGEN FIN 0-1 DISTANCIA
1 AB A B 0 0.34
2 AF A F 0 0.72 2
3 AG A G 0 1.03 0,49 L
H 3
4 BF B F 0 0.7
5 BE B E 0 0.7
0,49 4
0,54 0,71
6 BC B C 0 0.74 0,64 5
7 CE C E 0 0.62 6
8
9
CD
DE
C
D
D
E
0
0
0.55
0.69 G 0,72 I 0,61
SCL 7
10 DK D K 0 0.86 0,57 8
11 EJ E J 0 0.58 0,75 0,80 0,52 9
12 EK E K 0 0.66 0,72
1,03 J 10
13 FE F E 0 0.6
0,55 11
14 FJ F J 0 0.55
F 0,56
15 FI F I 0 0.8
0,58 K 12
0,72
16 GF G F 0 0.75 0,60 13
A 0,70 0,66
17 GI G I 0 0.72
0,34 14
18 GH G H 0 0.64 E 0,86
19 HI H I 0 0.54 0,70 15
0,69
20 HL H L 0 0.49 B 16
21 IL I L 0 0.71 0,74 0,62
17
22 IJ I J 0 0.57 D
23 JK J K 0 0.56 0,55 18
C
24 J-SCL J SCL 0 0.52 19

NODO FLUJO NETO LADO DERECHO

A 1 1
B 0 0
C 0 0
D 0 0
E 0 0
F 0 0
G 0 0
H 0 0
I 0 0
J 0 0
K 0 0
L 0 0
SCL -1 -1

Se usarán los siguientes datos:

- Variabes = Nodos en sistema variable para decidir si se va de un punto a otro.

- Rutas = Variables binarias (0 – 1), estas son fijas solo en una dirección sin
posibilidad que exista una vuelta por una misma ruta.

Restricciones:
- Flujos son unicos en cada nudo.
- Entradas y salidas = se considera que inicia el recorrido un vehícuo y ese
mismo llega al punto final en este caso salen 3 recorridos:
o A, B y G
Llegando estos 3 a un destino unico llamado SCL (Escuela)
- Flujo neto = Se trata la suma de los rangos y criterios, en este caso:
o Rango = Origen
o Criterio = Nodo
o Variables = Datos binarios (0 – 1 )
 Menos la resta de la suma de:
o Rango = Fin
o Criterio = Nodo
o Variable = Datos binarios (0 – 1)
Esta formula aplica para todos los nodos
Distancia Total será la optima obtenida a través de Solver la cual estára dada por el
recorrido escogido por esta aplicación y será el resultado de la suma de todas las rutas
obtenidas por la cantidad de Km de cada una de estas.

En base a lo anterior tenemos los siguientes parametros a utilizar con Solver:

- Función objetivo = Distancia Total
- Celdas de Variables = 0 – 1
- Restricciones:
o Celdas variables deben ser binarias
o Flujo neto igual a Lado Derecho, ya que se considera como entrada 1
vehículo, todo el trayecto 0 porque no ingresan mas transportes y salida
-1 porque sale el original.

2.1 Desarrollo primer Ruteo Escolar 1

Se tomará como ruta inicial la A – SCL para poder definir la primera secuencia de viaje
óptimo, para esto se usará SOLVER con las funciones definidas en el punto 5:
El resultado obtenido es el siguiente:
Nº RUTAS VARIABLE ORIGEN FIN 0-1 DISTANCIA
0,49 L 1 AB 2A B 0 0.34
H 2 AF 3A F 0 0.72
0,49 L
0,49 3 AG A
4B G 1 1.03
0,71 H
0,54 4 BF F 0 0.7
0,49
0,64 5 BE 5B E 0 0.7
6 BC 6B C 0 0.74 0,64
0,72 I 0,61
SCL 7 CE C E 0 0.62
G
0,57
8
9
CD
DE
7C
8D
D
E
0
0
0.55
0.69 G
I SCL
0,75 0,80
10 DK D K 0 0.86 0,57
0,52 9E
11 EJ J 0 0.58 0,80
0,72 0,52
1,03 J 12 EK 10E K 0 0.66
0,55 13 FE F E 0 0.6 J 0,72
F 0,56 14 FJ
11F J 0 0.55
0,72 0,58 K 15 FI 12F I 1 0.8 F
0,60 16 GF 0,72 K
A 0,70 0,66 13G F 1 0.75
17 GI G I 0 0.72 A 0,66
0,34 E 18 GH 14G H 0 0.64
0,70 0,86 E
19 HI 15H I 0 0.54
0,70 0,86
0,69
B 20 HL H L 0 0.49 0,69
0,62 21 IL 16 I L 0 0.71 B
0,74 0,62
22 IJ 17I J 1 0.57 0,74
D D
23 JK J K 0 0.56
0,55 18J 0,55
C 24 J-SCL SCL 1 0.52
C
19
DISTANCIA TOTAL 3.67

La ruta optima será A-F – F-I – I-J y J-SCL con una distancia total de 3,67 Km.

2.2 Desarrollo primer Ruteo Escolar 2

Ya teniendo el Ruteo Escolar 1 se pueden eliminar las rutas que estaban condicionadas a
los nudos A, F, I, J. Realizando esto se desprenden 2 Rutas:
a) Ruta B – SCL que debemos nuevamente definir con Solver
b) Ruta G – SCL con un flujo único

Para definir la Ruta B – SCL usamos Solver con las siguientes restricciones:
El resultado obtenido es el siguiente:

0,49 L 0,49 L
H H
0,49 0,49
0,64 0,64

G
I SCL G I SCL
0,57 0,57
0,80 0,52 0,80 0,52
J 0,72 J 0,72

F F
K 0,72 K
0,72 Nº RUTAS VARIABLE ORIGEN FIN 0-1 DISTANCIA
A 0,66 1 BE B E 0 0.7 A 0,66
2 BC B C 1 0.74
E E
0,70 0,86 3 CE C E 0 0.62
0,69 4 CD C D 1 0.55 0,69
B B
5 DE D E 1 0.69
0,74 0,62 0,74
6 DK D K 0 0.86
D D
7 EK E K 1 0.66 0,55
0,55 8 K-SCL K SCL 1 0.72 C
C
DISTANCIA TOTAL 3.36

La ruta optima será B-C – C-D – D-E – E-K y K-SCL con una distancia total de 3,36 Km.

2.3 Desarrollo primer Ruteo Escolar 3

Esta Ruta ya fue obtenida en el primer ejercicio en donde el recorrido será G-H – H-L y L-
SCL con una distancia total de 1,62 Km.

0,49 L 0,49 L
H H
0,49 0,49
0,64 0,64

G I SCL G I SCL
0,57 0,57
0,80 0,52 0,80 0,52
J 0,72 J 0,72

F F
0,72 K 0,72 K
A 0,66 A 0,66
E E
0,69 0,69
B B
0,74 Nº RUTAS VARIABLE ORIGEN FIN 0-1 DISTANCIA 0,74
D 18 GH G H 1 0.64 D
0,55 20 HL H L 1 0.49 0,55
C 24 L-SCL J SCL 1 0.49 C
DISTANCIA TOTAL 1.62
5 Conclusión

Podemos concluir que los problemas de ruteo de buses escolares es un problema complejo
que se puede descomponer en sub-problemas que son variantes de otros modelos que se han
estudiado en profundidad como son los VRP y el problema del vendedor viajero.
Existen modelos matemáticos para definir el problema del SBRP como el utilizado en este
informe que se toma del artículo “A mathematical formulation for a school bus routing
problem” escrito por Schittekat, Patrick, Sevaux, Marc y Sorensen, Kenneth, que utiliza el
modelo de resolución del VRP que minimiza el costo del viaje por ruta.
Para poder resolver un problema de este tipo no basta con modelar matemáticamente
también es necesario poder recolectar la mayor cantidad de datos para tener bien definidas
las variables y restricciones que pueden afectar dicho modelo. Esto hace bastante compleja
la resolución de este tipo de problemas ya que el tamaño de estos es bastante extenso.

La modelación matemática no es estática, si no mas bien variable en el tiempo, lo que se

optimiza hoy en un par de años puede variar ya que la geografía, densidad poblacional,
estado de las rutas y accesos pueden variar en el tiempo, es bien sabido que la población
menor a 18 años debe emigrar hacia otras áreas de estudio y las zonas envejecen
provocando cambios en las actividades socio – económicas de las zonas.
6 Bibliografía

Bodin, L.D., Berman, L., 1979. Routing and scheduling of school buses by computer.
Transportation Science 13 (2), 113–129

Bowerman, R., Hall, B., Calamai, P., 1995. A multi-objective optimization approach to
urban school bus routing: formulation and solution method. Transportation Research Part A
29 (2), 107–123.

Chapleau, L., Ferland, J.A., Rousseau, J.-M., 1985. Clustering for routing in densely
populated areas. European Journal of Operational Research 20 (1), 48–57.

Desrosiers, J., Ferland, J.A., Rousseau, J.-M., Lapalme, G., Chapleau, L., 1981. An
overview of a school busing system. In: Jaiswal, N.K. (Ed.), Scientific Management of
Transport Systems. North-Holland, Amsterdam, pp. 235–243.

Dulac, G., Ferland, J.A., Forgues, P.A., 1980. School bus routes generator in urban
surroundings. Computers and Operations Research 7 (3), 199–213.

Kim, B.-I., Jeong, S., 2009. A comparison of algorithms for origin-destination matrix
generation on real road networks and an approximation approach. Computers and Industrial
Engineering 56 (1), 70–76.

Laporte, G., 1988. Location-routing problems. In: Golden, B.L., Assad, A.A. (Eds.),
Vehicle Routing: Methods and Studies. North-Holland, Amsterdam, pp. 163– 198.

Newton, R.., Thomas, W. (1969), Design of school bus routes by computer. Socio-
Economic Planning Sciences 3 (1): 75–85.

William A. Ellegood, Stanislaus Solomon, Jeremy North, James F. Campbell (2019),

School bus routing problem: Contemporary trends and research directions.

Schittekat, Patrick, Sevaux, Marc y Sorensen, Kenneth, A mathematical formulation for a

school bus routing problem, conference paper, noviembre 2006.