Actas de la Conferencia de simulación de invierno de 2020

K.-H. Bae, B. Feng, S. Kim, S. Lazarova-Molnar, Z. Zheng, T. Roeder y R. Thiesing, eds.

MICROSIMULACIÓN DE TERMINALES DE BUS:

UN ESTUDIO DE CASO DE ESTOCOLMO

Teresa Lindberg Fredrik Johansson

El Instituto Nacional Sueco de Investigación de Instituto Nacional Sueco de Investigación en

Carreteras y Transportes (VTI) Transporte y Carreteras (VTI) Box 8072, 402 78
581 95 Linköping, SUECIA Göteborg, SUECIA

Anders Peterson Andreas Tapani

Universidad de Linköping Agencia de transporte sueca

Departamento de ciencia y tecnología Departamento de aviación civil y marítima
601 74 Norrköping, SUECIA 603 71 Norrköping, SUECIA

RESUMEN

Cuando se planifican nuevas terminales de autobuses o se rediseñan las existentes, se necesitan herramientas adecuadas que puedan describir la
situación compleja en una terminal. Mediante la microsimulación, se pueden simular los movimientos e interacciones de los vehículos y evaluar la
congestión y la capacidad de una terminal. En este estudio, se utiliza un modelo de simulación de eventos discretos en un caso de estudio de la
terminal de autobuses de Slussen en Estocolmo, Suecia. El modelo se calibra y valida con datos empíricos que se recopilan automáticamente en la
terminal. Ya con esta cantidad limitada de datos, el parámetro tiempo por pasajero embarcado se puede calibrar con un error relativo menor al 1%
y la validación brinda más información sobre los datos necesarios para la calibración de un modelo de simulación de terminal.

1. INTRODUCCIÓN

Las terminales de autobuses son partes importantes de los sistemas de transporte público. Sirven a un gran número de líneas de autobús y, a menudo, están conectadas a

otros modos de transporte público. Los traslados son comunes y una gran cantidad de pasajeros a menudo pasan por una terminal todos los días. Si la terminal no está

debidamente dimensionada para su cantidad de tráfico y tiene una capacidad demasiado baja, los autobuses corren el riesgo de retrasos y grandes variaciones en los horarios

de salida. Esto aumentará los tiempos de espera y generará incertidumbre entre los pasajeros. Aun así, los terminales con una capacidad demasiado baja no son infrecuentes.

En la región de Estocolmo, se ha informado que el 45% de las terminales de autobuses están experimentando problemas relacionados con la capacidad (Al-Mudhaffar et al.

2016). El riesgo de planificar una terminal con capacidad insuficiente aumenta cuando existe un requisito contradictorio de reducir el tamaño de la terminal para que la valiosa

tierra pueda ser explotada para otros fines. Se necesitan herramientas adecuadas para garantizar que la terminal se planifique con capacidad suficiente. En investigaciones

anteriores, se desarrolló un modelo de simulación de eventos discretos de terminales de autobuses (Lindberg et al.2017; Lindberg et al.2018). Hasta donde sabemos, ningún

otro modelo de este tipo captura la longitud de los vehículos, sus movimientos y sus interacciones en el espacio donde se pueden formar colas y bloqueos en cualquier lugar de

la terminal. Se desarrolló un modelo de simulación de eventos discretos de terminales de autobuses (Lindberg et al.2017; Lindberg et al.2018). Hasta donde sabemos, ningún

otro modelo similar captura la longitud de los vehículos, sus movimientos y sus interacciones en el espacio donde pueden formarse colas y bloqueos en cualquier lugar de la

terminal. Se desarrolló un modelo de simulación de eventos discretos de terminales de autobuses (Lindberg et al.2017; Lindberg et al.2018). Hasta donde sabemos, ningún otro

modelo de este tipo captura la longitud de los vehículos, sus movimientos y sus interacciones en el espacio donde se pueden formar colas y bloqueos en cualquier lugar de la terminal.

Un modelo de simulación debe tener una representación razonablemente precisa de la realidad. Esto se puede asegurar calibrando y
validando el modelo con datos empíricos. El acceso a los datos es de gran importancia, ya que limita la complejidad del modelo y su
calibración y validación. En las terminales de autobuses, los operadores suelen recopilar datos de los autobuses de forma automática con fines
de control de calidad y supervisión. Es de

978-1-7281-9499-8 / 20 / $ 31.00 © 2020 IEEE 1206

 Lindberg, Johansson, Peterson y Tapani

interés en evaluar hasta qué punto esta cantidad limitada de datos ya recopilados también se puede utilizar para la calibración y validación del
modelo. En un primer enfoque de validación, se prueba el poder predictivo del modelo utilizando datos ya disponibles para la terminal de autobuses
Slussen en Estocolmo. El propósito de este estudio es analizar la aplicación de la simulación de eventos discretos a una terminal de bus real y
examinar hasta qué punto se pueden utilizar los datos empíricos disponibles para predecir condiciones futuras. En un estudio de caso de la terminal
de autobuses de Slussen, el modelo de simulación desarrollado anteriormente se calibró primero con cuatro semanas de datos empíricos y luego se
validó con otras dos semanas. La contribución del estudio consiste en la aplicación del modelo de simulación a un terminal del mundo real y la
comprensión de cómo se pueden utilizar los datos existentes para esta tarea.

En las siguientes secciones de este documento, en la Sección 2 se presentan investigaciones y enfoques previos para la validación de modelos
de simulación de terminales, seguidos de una descripción del estudio de caso en la Sección 3. La Sección 4 ofrece una breve presentación del
modelo de simulación, la Sección 5 presenta la calibración y validación y la Sección 6 las conclusiones del trabajo y la investigación futura.

2 VALIDACIÓN DE MODELOS DE PARADA Y SIMULACIÓN DE TERMINALES

En este apartado se revisarán los estudios de validación previos de modelos de simulación de paradas y terminales. En la literatura, solo se pueden
encontrar algunos informes sobre modelos de simulación de terminales de bus. Suelen utilizarse para evaluar alternativas de diseño, como en
Adhvaryu (2006), o el desempeño de un sistema, como en Figueras Jové y Casanovas-Garc´ı́a (2018). Hasta donde sabemos, no hay artículos que
presenten la validación de un modelo de simulación de terminal. Sin embargo, existen algunos ejemplos de validación de sistemas más pequeños
que constan de una única parada de autobús.

Una versión más simple de validación se incluye en van der Spek et al. (2017), quienes validan su modelo de simulación para líneas
de bus de alta frecuencia comparando puntualidad simulada y medida. Varios estudios utilizan pruebas t para validar sus modelos de
simulación. El modelo de simulación de paradas en Fernández (2010) se calibra primero y luego se valida utilizando conjuntos de datos
separados. En la validación, las salidas de simulación, incluido el retardo del bus y la longitud de la cola, se comparan directamente con los
valores medidos presentados con la diferencia porcentual. A esto le sigue una prueba t con un nivel de confianza del 95% en varias de las
salidas. Zhao et al. (2018a), ya que validan su modelo de efectividad del área de parada de carga. En primer lugar, se compara el número
simulado y medido empíricamente de áreas de carga efectivas y se calcula la diferencia porcentual. Entonces, se realiza una prueba t
pareada de la misma cantidad. Zhao y col. (2018b) presentan un modelo de simulación de tranvía que se valida al comparar la diferencia
entre el tiempo de espera promedio de pasajeros simulado y medido y el número de pasajeros en espera y al usar una prueba t con un
nivel de confianza del 95% en las mismas cantidades. Otro enfoque es el adoptado por Tan et al. (2013) y Ye et al. (2017), quienes utilizan
la prueba de Kolmogorov-Smirnov para la validación. Tan y col. (2013) validan su modelo de parada de autobús utilizando la prueba con un
nivel de confianza del 95% en retrasos de autobús simulados y medidos empíricamente. Ye et al. Utilizan el mismo nivel de confianza.
(2017) mientras validan su modelo de parada de autobús utilizando la prueba en tiempos de servicio simulados y medidos. Entre los de
estos estudios que informan valores del error relativo,

En resumen, la mayoría de los estudios de simulación de parada presentados validan sus modelos sin un paso de calibración anterior y utilizan
pruebas estadísticas comunes en la validación. Sin embargo, los estudios de modelos de simulación de terminales más grandes son poco comunes y
esos modelos rara vez se validan.

3 LA TERMINAL DE AUTOBUSES SLUSSEN EN ESTOCOLMO

En el caso de estudio, se simula la terminal de autobuses de Slussen y la salida de la simulación se valida con datos empíricos. Esta es una terminal
temporal ubicada en las partes centrales de la ciudad de Estocolmo que es utilizada principalmente por viajeros. Las líneas de autobús comienzan o
terminan en la terminal y muchos pasajeros se trasladan hacia o desde la red de metro. La terminal tiene alrededor de 39.200 pasajeros embarcados cada
día (SL 2016). Es una terminal muy transitada que opera cerca de sus límites de capacidad. Desde su apertura durante 2018, la terminal ha tenido
problemas relacionados con la capacidad.

1207
 Lindberg, Johansson, Peterson y Tapani

3.1 Disposición física

La terminal tiene paradas separadas para abordar, descender y hacer escala. La Figura 1 muestra un dibujo de la terminal con su entrada, salida, paradas e indicaciones de

manejo. La terminal tiene 18 paradas en ángulo con operaciones de entrada y salida ubicadas en la parte inferior de la figura y tres paradas lineales con literas no fijas, en la

parte superior y en el medio, donde los vehículos ingresan por la parte trasera de la parada o directamente. en cualquier espacio vacío de tamaño suficiente. Todas las paradas

en ángulo se utilizan para las operaciones de abordaje, excepto una que se utiliza para el tiempo de escala (la que está más a la derecha en la Figura 1). Al conducir cerca de

estas paradas, es posible que los vehículos deban esperar a otros vehículos que retroceden desde las paradas más adelante. El retroceso de una parada se realiza en dos

pasos. Primero, el vehículo retrocede un pequeño tramo de la parada para tener una mejor vista de los alrededores. Entonces, espera a los vehículos que pasan antes de dar

marcha atrás el resto del camino. El tope lineal en la parte superior de la Figura 1 se utiliza para los procesos de descenso. Aquí, los vehículos ingresan por la parte trasera de

la parada y conducen hacia la parte delantera o trasera del último vehículo. Después de haber dejado pasajeros, el vehículo sale directamente al carril de conducción

adyacente. Las dos paradas lineales en el medio se utilizan para el tiempo de escala y los vehículos simplemente ingresan a ellas donde hay suficiente espacio. Las longitudes

y la escala de varias partes del terminal se han determinado mediante medidas de un dibujo técnico. No se permiten peatones en las áreas de conducción y no hay pasos de

peatones. Los vehículos salen de la terminal directamente a un carril bus sin tiempo de espera. El tope lineal en la parte superior de la Figura 1 se utiliza para los procesos de

descenso. Aquí, los vehículos ingresan por la parte trasera de la parada y conducen hacia la parte delantera o trasera del último vehículo. Después de haber dejado pasajeros,

el vehículo sale directamente al carril de conducción adyacente. Las dos paradas lineales en el medio se utilizan para el tiempo de escala y los vehículos simplemente ingresan

a ellas donde hay suficiente espacio. Las longitudes y la escala de varias partes del terminal se han determinado mediante medidas de un dibujo técnico. No se permiten

peatones en las áreas de conducción y no hay pasos de peatones. Los vehículos salen de la terminal directamente a un carril bus sin tiempo de espera. El tope lineal en la parte superior de la Figura 1 se

3.2 Trá fi co en la terminal

En este estudio de caso se ha utilizado el calendario para el otoño de 2018. 28 líneas de autobús tienen al menos una llegada o salida durante el período pico de la tarde entre

las 15 y las 18 horas, con un número de salidas que van desde 0 (solo llegadas) a 36. Hay tres operadores responsables de las líneas en la terminal. La mayoría de las líneas

se detienen en su única parada dedicada. La única excepción es una línea que utiliza dos paradas vecinas, donde un vehículo utilizará la que sea gratuita. Esto se ha simpli fi

cado permitiendo que la mitad de las llegadas utilicen una de las paradas y la otra mitad la otra. La mayoría de los vehículos llegan a la terminal como un número de línea

particular que transporta pasajeros que bajan, luego recogen nuevos pasajeros y se van con el mismo número de línea o con uno diferente. Algunos vehículos se dirigen vacíos

hacia la terminal, mientras que otros llegan con pasajeros pero se van vacíos inmediatamente después. Se ha asumido que ningún vehículo que ingrese a la terminal llegará

antes de 4 minutos antes de la salida. Esta suposición se basa en que los vehículos tengan la posibilidad de ajustar su hora de llegada fuera de la terminal. Para los vehículos

que tienen que esperar entre el descenso y el embarque, se utilizan las paradas de escala. Los vehículos no tienen parada exclusiva, pero utilizarán la que tenga suficiente

espacio. Hay cuatro tipos de autobuses en la terminal, con longitudes de 12 m, 15 m, 18 m o 19 m. Todos los tipos tienen tres puertas. Solo la puerta de entrada se usa para

abordar, pero las tres se usan para bajarse. Esta suposición se basa en que los vehículos tengan la posibilidad de ajustar su hora de llegada fuera de la terminal. Para los

vehículos que tienen que esperar entre el descenso y el embarque, se utilizan las paradas de escala. Los vehículos no tienen parada exclusiva, pero utilizarán la que tenga

suficiente espacio. Hay cuatro tipos de autobuses en la terminal, con longitudes de 12 m, 15 m, 18 m o 19 m. Todos los tipos tienen tres puertas. Solo la puerta de entrada se

usa para abordar, pero las tres se usan para bajarse. Esta suposición se basa en que los vehículos tengan la posibilidad de ajustar su hora de llegada fuera de la terminal. Para

los vehículos que tienen que esperar entre el descenso y el embarque, se utilizan las paradas de escala. Los vehículos no tienen parada exclusiva, pero utilizarán la que tenga suficiente espacio. Hay cua

3.3 Simpli fi caciones y reglas de la terminal

El tráfico en la terminal sigue un conjunto de reglas de tráfico. Estos controlan la prioridad, el comportamiento de conducción y los límites de tiempo
para cuando un vehículo debe conducir a varias posiciones. No todas estas situaciones se rigen por reglas oficiales y los conductores actúan de
acuerdo con reglas no oficiales o con su propio criterio. Debido a un

Figura 1: Terminal de autobuses de Slussen (Fuente: SLL, adoptado).

1208
 Lindberg, Johansson, Peterson y Tapani

Tabla 1: Los valores de los parámetros logarítmicos normales utilizados en el estudio de caso.

Calibración Validación

Tardanza a la llegada (min) µ = 2.22 σ = 0.485 µ = 2,06 σ = 0.565

Número de pasajeros embarcados µ = 4.43 σ = 0,219 µ = 4.45 σ = 0,212
Número de pasajeros que bajan µ = 4.31 σ = 0,168 µ = 4.32 σ = 0,174

número limitado de fuentes de datos empíricos, es necesario mantener las reglas de la terminal simples con pocos parámetros del modelo.

Hay una serie de situaciones en las que se debe considerar la prioridad entre vehículos. Primero, cuando dos vehículos están dando marcha atrás
desde las paradas de ángulo vecinas al mismo tiempo, se supone que el vehículo delantero tiene prioridad. En segundo lugar, también existe una situación de
prioridad entre un vehículo que quiere retroceder después de una parada y otro que quiere pasar. Hemos asumido que hay una posición fija en el carril de
conducción en relación con la parada donde cualquier vehículo que lo haya pasado circulará antes que el vehículo que retrocede y cualquier vehículo antes
de este punto tendrá que esperar. En tercer lugar, surge otra situación similar cuando un vehículo quiere salir de una parada lineal. Aquí asumimos que un
vehículo en la parada conduce antes que un vehículo en el carril de conducción si el autobús del carril de conducción tiene su frente después de la parte
trasera del autobús detenido. Cuatro, cuando los vehículos que vienen de la entrada y el carril de conducción al lado de las paradas en ángulo se encuentran
en el lado derecho, es necesario establecer nuevamente la prioridad. Suponemos que los vehículos circulan en el orden en que llegan.

Cualquier vehículo que llegue a la terminal conducirá como máximo a tres posiciones en la terminal, la parada para los pasajeros que bajan, una
parada de escala y una parada de embarque. La escala solo se considerará si el tiempo hasta la salida es lo suficientemente largo. Para simplificar las
reglas para todas las llegadas de todos los operadores y hacer que los resultados sean más sólidos, se asume que todos los vehículos usan las paradas
de escala si el tiempo hasta la salida es más de 4 minutos, y pasan de la escala a su parada de salida cuando el tiempo hasta la salida son 4 minutos.
Esto se basa en las reglas del operador más grande en la terminal, donde los autobuses que usan el área de escala deben salir 4 minutos antes de la
hora de salida.

3.4 Datos y parámetros

Para este estudio de caso se ha elegido el período pico de la tarde entre las 15 y las 18 horas. La primera media hora, que todavía tiene una demanda
bastante baja, se utiliza como período de calentamiento. Los datos empíricos, recopilados durante 6 semanas en otoño de 2018, se han recibido del
operador responsable de todas las líneas excepto dos. Para los otros dos operadores, los datos no estaban disponibles o estaban incompletos. Los datos
se dividen en dos conjuntos de datos, uno que consta de las primeras cuatro semanas y otro de las dos últimas. El primer conjunto se utiliza durante la
calibración y el segundo durante la validación. La estimación de los parámetros de distribución de probabilidad se basa en el método de máxima
verosimilitud utilizando funciones de MATLAB.

Las llegadas de vehículos a la terminal, establecidas en relación con sus tiempos de llegada planificados (retraso en la
llegada), se representan mediante una distribución de probabilidad logarítmica normal. Esta distribución ha sido utilizada
previamente, por ejemplo, por Rietveld et al. (2001). Las estimaciones de los parámetros de distribución se basan en llegadas
medidas automáticamente con una hora de llegada planificada entre las 3 y las 6 pm. Dado que la distribución logarítmica normal
solo se define para valores positivos, todos los puntos de datos se cambiaron a valores positivos en la estimación. Se utilizó un
turno de 10,37 minutos para los datos de calibración y uno de 9,65 minutos para los datos de validación. Esto corresponde al valor
absoluto de la medición más negativa en cada conjunto de datos. Los parámetros de la distribución logarítmica normal, tanto para la
calibración como para la validación,

El número de pasajeros que suben y bajan también se representan mediante distribuciones de probabilidad. Los datos utilizados para la
estimación de parámetros se basan en el recuento automático de pasajeros, disponibles en aproximadamente el 20% de los autobuses del operador, y
muestran el número de pasajeros que suben y bajan por cada llegada y

1209
 Lindberg, Johansson, Peterson y Tapani

(a) (B) (C)

Figura 2: Retraso del vehículo a la llegada y número de pasajeros que suben y bajan en la calibración.

(a) (B) (C)

Figura 3: Retraso del vehículo a la llegada y número de pasajeros que suben y bajan en la validación.

salida entre las 15 y las 18 horas. Los conjuntos de datos tienen una gran cantidad de ceros, donde no hay pasajeros que suban o bajen. El
resto de los datos tiene una forma de cola derecha, para la cual la distribución logarítmica normal es un buen candidato (ver los histogramas en
la Figura 2b, 2c, 3b y 3c). Por esta razón, los conjuntos de datos se han dividido por segunda vez, separando los ceros del resto de los datos. El
número de pasajeros que suben o bajan se puede describir con una probabilidad de 0 pasajeros (basado en la fracción de mediciones de valor
cero) y, si hay pasajeros, una distribución logarítmica normal que controle el número de pasajeros (estimado a partir del valor distinto de cero).
mediciones). En la estimación de parámetros, los conjuntos distintos de cero incluyen mediciones de unos pocos pasajeros. Dado que estos
valores cercanos a cero pueden dar un mal ajuste a los datos, todos los valores se desplazan durante la estimación. Se utilizó un
desplazamiento positivo de 50 pasajeros. Los parámetros de distribución tanto para el descenso como para el abordaje y para la calibración y
validación se pueden ver en la Tabla 1 y las distribuciones ajustadas a los valores distintos de cero se muestran en la Figura 2b, 2c, 3b y 3c (el
cambio no se muestra en las figuras). La probabilidad de que 0 pasajeros abordaran fue del 9,3% en la calibración y

13.7% en la validación y la probabilidad de que 0 pasajeros descendieran fue 9.3% en la calibración y

15,7% en la validación. Al usar las distribuciones, todos los números resultantes se redondean a números enteros. Dado que un
modelo de simulación de terminal necesita más parámetros de los que se pueden estimar a partir de los datos enumerados en esta
sección, el número de parámetros del modelo se mantiene al mínimo. Los parámetros incluidos se han estimado o establecido en
base a valores de la literatura o reglas en la terminal. Se supone que los vehículos circulan a una velocidad fija de 10 km / h, según
el límite de velocidad de la terminal. El espacio mínimo entre vehículos se establece en 2 m, que es un valor típico del espacio
mínimo para el tráfico urbano en varios modelos de seguimiento de automóviles según Treiber y Kesting (2013). El intervalo de
tiempo mínimo también se basa en valores del tráfico por carretera y se establece en 1,8 s. Esto se basa en el tráfico intermitente
en Neubert et al. (1999).

1210
 Lindberg, Johansson, Peterson y Tapani

pasajeros, pero también el tiempo por embarque o desembarque y el tiempo muerto, el tiempo constante necesario para abrir y cerrar puertas y
otros procesos que no dependen del número de pasajeros. Para el tiempo por desembarque y para el tiempo muerto, se utilizan los valores de
Tirachini (2013) de 1.3 sy 5.2 s, respectivamente. Estos se basan en un autobús de piso bajo y el pago con tarjeta prepago de banda magnética,
situación similar a la de Slussenterminalen. El tiempo por pasajero embarcado se utiliza como parámetro de calibración.

4 EL MODELO DE SIMULACIÓN

La terminal Slussen se simula utilizando un modelo de simulación de eventos discretos presentado anteriormente en Lindberg et al. (2018). En
esta sección, se dará una breve descripción de la estructura del modelo junto con descripciones más detalladas de nuevas partes del modelo,
incluidos los topes angulares y dos tipos de topes lineales.

4.1 Estructura del modelo

La idea básica del modelo es describir los movimientos de cada vehículo a medida que atraviesa las distintas partes e interactúa con otros vehículos en la
terminal. Tanto el tiempo como el espacio están discretizados, el tiempo mediante un enfoque de evento discreto y el espacio dividiendo las áreas de
conducción en celdas. El sistema se describe definiendo un conjunto de eventos, por ejemplo, la llegada a la terminal, el inicio de la conducción hasta una
parada o el inicio del tiempo de permanencia. Usando una descripción de red, los nodos representan uno o más eventos, y los arcos representan actividades
que tienen lugar entre eventos (por ejemplo, conducción o vivienda). Los eventos son instantáneos, mientras que las actividades tienen una extensión en el
tiempo. En la Figura 4 se puede ver un pequeño ejemplo de una red que describe una parte de un terminal con una parada.

El tamaño de las celdas del modelo es un parámetro ajustable. Aquí, se ha utilizado un valor de 1 my, en general, el valor será lo
suficientemente pequeño como para que un vehículo ocupe varias celdas al mismo tiempo. Para capturar bloqueos e interacciones entre vehículos,
el modelo realiza un seguimiento del estado de cada celda. Siempre que un vehículo atraviesa una celda, se almacenan tanto la hora de llegada del
frente como la hora de salida de la parte trasera del vehículo. Esto permite que el modelo tenga en cuenta otros vehículos al calcular el tiempo de
una actividad de conducción. En general, una actividad de conducción incluirá varias células a la vez. Dado que se desconoce el estado futuro de
las celdas más adelante, se calcula un tiempo de conducción preliminar y las ocupaciones de celda preliminares. Estos se actualizan según sea
necesario si se cambia el estado futuro de estas celdas.

Las duraciones de las diversas actividades del modelo se calculan sobre la base de fórmulas y distribuciones de probabilidad. Los tiempos de
permanencia para el embarque y el descenso de pasajeros se calculan mediante ecuaciones lineales simples. Estos asumen que los pasajeros suben
solo por la puerta principal, pero usan todas las puertas al bajar.
Las ecuaciones de tiempo de permanencia para alig ⌈ hting

norte posarse ⌉ T DT, encendido, y para embarcar pasajeros, T DT, tablero, son
T DT, encendido = t 0 + t posarse y T DT, tablero = max ( t a dep, t 0 + t Junta norte Junta), (1)
norte puertas

dónde t 0 es el tiempo muerto, t posarse y t Junta son el tiempo por pasajero que baja o embarca, norte posarse y
norte Junta son el número de pasajeros que bajan y suben, norte puertas es el número de puertas y t para dep es el
tiempo hasta la hora de salida prevista.
Para modelar la terminal Slussen, era necesario adaptar el modelo de simulación y agregar submodelos adicionales. Se han
añadido tres nuevos tipos de paradas al modelo, parada en ángulo y parada lineal con muchas literas no fijas y entrada en la parte
trasera o en un hueco.

Manejar Residir Manejar

I j k l

Figura 4: Una pequeña red de ejemplo que representa una parte de un terminal. Los arcos representan actividades, ya sea de conducción o de vivienda,
y los nodos eventos correspondientes al inicio y final de las actividades.

1211
 Lindberg, Johansson, Peterson y Tapani

4.2 Parada lineal con literas no fijas y entrada en la parte trasera

Una parada lineal con literas no fijas y entrada en la parte trasera se utiliza para los procesos de descenso en la terminal Slussen y se
puede ver en la parte superior de la Figura 1. La Figura 5 muestra una descripción de la red de los eventos y actividades del modelado de
la parada. Al llegar al nodo I, un vehículo comienza a pasar o se detiene. Si pasa ( Illinois en la Figura 5), se calculan los tiempos de
llegada y salida a través de cada celda del carril de conducción. Si la carretera está bloqueada en algún lugar a lo largo del tramo, la hora
de llegada y salida a las celdas después del bloqueo recibe una llegada posterior que explica el bloqueo. Los horarios de salida de las
celdas anteriores en las que estará esperando el vehículo también obtienen horarios de salida posteriores. Si el vehículo está entrando en
la parada ( ij en la Figura 5), la primera actividad es una actividad de conducción iterativa a través de la parada (la parada no se divide en
celdas). En cada una de estas iteraciones, el vehículo se dirige a la posición de la parte trasera del último vehículo actualmente en la
parada. Cuando llega el vehículo, es posible que el vehículo líder se haya ido y se inicie otra iteración. Esto se repite hasta que el
vehículo ha llegado a la parte trasera de un vehículo o al frente de la parada. La siguiente actividad es una actividad de tiempo de
permanencia en la que se dejan a los pasajeros a bordo. Después de la morada, se inicia una segunda actividad de conducción en la que
el vehículo sale de la parada al carril de conducción y atraviesa el resto del tramo. Al igual que cuando pasa la parada, los tiempos de
llegada y salida se calculan para las celdas del carril de conducción por el que pasará el vehículo. l y metro. Esto se utiliza si los tiempos
de conducción calculados inicialmente entre el nodo I y l o nodo k y l eran demasiado cortos.

4.3 Parada lineal con literas no fijas y entrada en hueco

Las paradas lineales con literas no fijas y entrada en un hueco se utilizan para el proceso de escala y se pueden ver en el medio de la Figura 1. El
modelado de la parada se simpli fi ca de tal manera que los vehículos entran directamente en la parada sin conducir en el adyacente. carril buscando un
hueco. Después de haber morado, el vehículo vuelve a la misma posición desde la que entró. Se puede ver una descripción de la red en la Figura 6. En el
nodo I, se inicia una actividad de vivienda y en j, una actividad de espera iterativa retiene el vehículo hasta que el camino por delante esté despejado, es
decir, hasta que haya suficiente espacio para que el vehículo entre en el carril de conducción. Cualquier vehículo siguiente que aún no haya llegado al
carril de conducción donde el vehículo desea ingresar, tendrá que esperar. Ambas paradas de este tipo en la terminal de Slussen se modelan con una
capacidad de siete vehículos que utilizan las paradas al mismo tiempo, independientemente de la longitud de los vehículos.

4.4 Tope de ángulo

Las paradas en ángulo se utilizan para los procesos de abordaje en la terminal de Slussen y se pueden ver en la parte inferior de la Figura 1. La
Figura 7 muestra una representación en red del modelado de la parada. En el nodo I, los vehículos inician una actividad para pasar o al frente de la
parada. En ambos casos, hay ciertas posiciones donde el vehículo puede necesitar detenerse y esperar. Estos se establecen en relación con las
paradas más adelante y representan las posiciones en las que un vehículo esperará si otro vehículo está retrocediendo desde una parada adelante.
La actividad se repite hasta que ya no es necesario esperar. El carril de conducción se divide en celdas y como vehículo

I l

Unidad inicial Agregar. manejar

metro

Manejar Unidad inicial

Residir

j k

Figura 5: Representaciones en red de una parada lineal con literas no fijas y entrada en la parte trasera.

1212
 Lindberg, Johansson, Peterson y Tapani

Residir Esperar

I j k

Figura 6: Representaciones en red de una parada lineal con literas no fijas y entrada en hueco.

conduce a través, estos son los horarios de llegada y salida. Al entrar en la parada, el vehículo continúa hacia adelante. En el nodo j, el tiempo de conducción
inicial se puede ajustar iterativamente si el tiempo inicial fue demasiado corto. A esto le sigue el tiempo de permanencia en el nodo k y por dos actividades de
acompañamiento, donde la primera se inicia directamente. La segunda actividad de respaldo, iniciada en el nodo metro, incluirá el tiempo de espera si hay
otro vehículo bloqueando el camino. La actividad se repite hasta que el vehículo ha podido retroceder por completo. La última actividad, en el nodo norte, es
una segunda actividad adicional de tiempo de conducción que se repite hasta que el tiempo de conducción es correcto.

Los vehículos que dan marcha atrás de una parada primero retroceden una distancia de 3 m, que se ha estimado a partir de videos de la terminal. El punto donde

los vehículos en el carril de conducción esperarán en un vehículo que da marcha atrás se encuentra a 20 m de la posición que alcanzará la parte delantera del vehículo

que da marcha atrás después de haber terminado de dar marcha atrás.

4.5 Otras adaptaciones de modelos

Dado que un vehículo conducirá durante otra vuelta si su parada está ocupada, existe la posibilidad de que una vuelta completa se congestione y
cada vehículo se vea impedido de moverse por el que está delante. Se ha implementado una forma técnica de evitar este punto muerto. Se agrega
una cola adicional entre las partes superior e inferior de la terminal donde los vehículos regresan para otra vuelta. Esta cola solo permite el paso de
vehículos si el camino está despejado y, como no tiene extensión en el espacio, actúa como almacenamiento de vehículos.

5 CALIBRACIÓN, ANÁLISIS DE SENSIBILIDAD Y VALIDACIÓN

Debido al número limitado de fuentes de datos empíricos disponibles para el terminal de casos, solo se usa el parámetro tiempo por
pasajero embarcado para la calibración y el retraso promedio simulado a la salida para las comparaciones con las mediciones empíricas
(recopiladas durante las mismas seis semanas que los datos de entrada) . No se espera que otros parámetros de calibración
alternativos tengan un efecto tan grande como el tiempo de embarque. Las brechas de tiempo y espacio mínimos entran en detalles del
comportamiento de conducción, y si bien la velocidad disminuye el tiempo a través de la terminal, no es el origen de las colas. El tiempo
muerto es una pequeña fracción del tiempo total de permanencia, a menos que haya muy pocos pasajeros que suban o bajen. El
tiempo por pasajero que desciende ocurre antes en la progresión a través de la terminal, a menudo antes del tiempo de espera
planificado.

5.1 Método

El conjunto de datos se divide en dos partes, de modo que las primeras cuatro semanas se utilizan para la calibración y las dos últimas para la validación.
La misma separación se realiza en los datos de entrada al modelo (consulte la Sección 3.4). Los análisis se basan en 100 repeticiones para obtener valores
medios.

I norte

Unidad inicial Agregar. manejar

o
Unidad inicial Reverso 2

Agregar. manejar Residir Reverso 1

j k l metro

Figura 7: Representación en red del tope angular.

1213
 Lindberg, Johansson, Peterson y Tapani

En la calibración, el tiempo por pasajero embarcado, ( t Junta en la ecuación (1)), se ajusta hasta que hay un error suficientemente pequeño
entre la salida de la simulación y las mediciones empíricas y pasa una prueba t independiente de dos lados para dos muestras con un intervalo de
confianza del 95% (ver, por ejemplo, Moore y McCabe 1999 ). La validación se lleva a cabo utilizando el modelo calibrado y comparando la salida
de la simulación basada en el segundo conjunto de datos de entrada con el segundo conjunto de mediciones empíricas del retraso promedio en la
salida durante un período pico de la tarde. También se realiza un análisis de sensibilidad sobre el parámetro tiempo por pasajero que desciende, t posarse
en la ecuación (1). Este parámetro se varía para ver cuánto afecta el retraso promedio a la salida utilizando el conjunto de datos de calibración.

5.2 Resultados

La calibración dio como resultado un valor del tiempo por pasajero abordo de t tablero = 2,4 s. Con este parámetro, la simulación arrojó un
retraso promedio a la salida de 1.28 minutos (Tabla 2). El valor correspondiente de las mediciones empíricas fue de 1,27 minutos, lo que
arroja una diferencia entre el retraso medido y simulado, establecido en relación con el retraso medido, del 0,86%. Con un valor de p de
0,87, no se pudo rechazar la hipótesis nula de los conjuntos de retrasos medidos y simulados con medias iguales. El valor calibrado de
tiempo por pasajero embarcado, 2,4 s, es menor que el valor de 4,6 s informado por Tirachini (2013) para autobuses similares. Sin
embargo, breves inspecciones de la terminal han sugerido que este valor informado es demasiado alto y que el valor calibrado es
razonable.

Los resultados del análisis de sensibilidad del tiempo por pasajero que desciende se pueden ver en la Tabla 3. Grandes cambios de 1 s
dan cambios al error relativo de hasta 1,35 puntos porcentuales. Este es un cambio mucho menor que el observado cuando se varía el tiempo
por pasajero embarcado. Un cambio de la misma magnitud del valor calibrado dio lugar a cambios en el porcentaje de error de hasta 36 puntos
porcentuales. La gran diferencia en el efecto de los parámetros en los resultados puede explicarse por el hecho de que el tiempo por pasajero
embarcado está íntimamente relacionado con el retraso en la salida, mientras que el tiempo por pasajero desembarcado incide en una etapa
anterior del paso por la terminal y los retrasos que ocurren durante esta etapa a menudo pueden ser absorbidos por el tiempo de escala.

En la validación, la salida de la simulación arrojó una demora promedio a la salida de 1.29 minutos y los datos empíricos tuvieron una demora promedio de 1.02 minutos.

Esto da un error relativo del 26%, una diferencia algo grande. Para comparar aún más el resultado de la simulación con las mediciones, la Figura 8 muestra histogramas del

retraso en la salida de cada vehículo que sale, normalizados de modo que todos los vehículos sumen uno, tanto para el resultado de la simulación como para los datos

empíricos. Esto muestra que una gran fracción del resultado de retraso simulado es igual a 0. Esto significa que muchos vehículos deben esperar el horario después de haber

terminado de abordar a todos los pasajeros. Esto puede explicarse en parte por el hecho de que las mediciones empíricas de la demora también incluyen valores negativos

(salidas anticipadas). Esto no está permitido en el modelo de simulación, ya que permitir que algunos vehículos salgan temprano daría lugar a más parámetros y la necesidad

de más datos empíricos de los disponibles. En la calibración, esto da como resultado tiempos de embarque más cortos y más salidas con retrasos con valor cero. El retraso

simulado también llega a valores más altos (no mostrados en la Figura 8) que los medidos. Por lo tanto, la salida de retraso con valor cero también compensa la salida con

valores altos. Esto muestra que si bien el modelo se puede calibrar únicamente en función del tiempo de embarque por pasajero, esto Por lo tanto, la salida de retraso con valor

cero también compensa la salida con valores altos. Esto muestra que si bien el modelo se puede calibrar únicamente en función del tiempo de embarque por pasajero, esto Por

lo tanto, la salida de retraso con valor cero también compensa la salida con valores altos. Esto muestra que si bien el modelo se puede calibrar únicamente en función del

tiempo de embarque por pasajero, esto

Tabla 2: El retraso resultante en la salida en la calibración y validación tanto para la salida de la simulación como para las mediciones y el error
relativo de la salida de la simulación.

Calibración Validación

Retraso promedio simulado a la salida Retraso 1,28 min 1,29 min

promedio medido a la salida Error relativo 1,27 min 1,02 min
0,86% 26%

1214
 Lindberg, Johansson, Peterson y Tapani

Tabla 3: El retraso en la salida y el error relativo de la salida de la simulación para diferentes valores de tiempo por pasajero que
desciende.

Tiempo por pasajero que desciende 0.3 s 1,3 s 2,3 segundos

Tardanza media a la salida 1,26 min 1,28 min 1,28 min Error relativo
- 0,49% 0,86% 0,96%

(a) (B)

Figura 8: Medidas empíricas (a) y resultado simulado (b) del retraso en la salida.

La calibración puede compensar otras partes del modelo, incluidos los valores de otros parámetros, y puede volverse incorrecta cuando se
cambia el conjunto de datos. El uso de más parámetros de calibración y métricas de salida para la comparación puede mejorar el resultado, por
ejemplo, el parámetro de velocidad del vehículo y el retraso de conducción promedio métrico. Sin embargo, no se dispone de medidas empíricas
del retraso de conducción.
Puede observarse que, si bien hay un cambio notable en el retraso promedio de las mediciones empíricas entre los dos conjuntos de datos,
no se puede decir lo mismo sobre el retraso promedio simulado. Esto implica que las diferencias entre estos períodos de tiempo no están
representadas en el modelo. Los datos de entrada que difieren entre los períodos de tiempo consisten en el número de pasajeros que suben y
bajan y el retraso en la llegada a la terminal. Dado que una fracción tan grande de la demora simulada en la salida es igual a cero, más pasajeros
que abordan no tienen un gran efecto, ya que los vehículos ya deben esperar el horario. Las diferencias en los retrasos a la llegada y los tiempos
de desembarque se manejan mediante el tiempo de escala y los márgenes de tiempo de espera al abordar. Con un modelo calibrado basado en
más parámetros y métricas de salida, puede haber menos margen de tiempo de espera en el embarque y una mayor diferencia entre el retraso en
la salida para los dos conjuntos de datos. Un parámetro interesante para investigar más a fondo es el límite de tiempo cuando los vehículos
abandonan el área de escala para la parada de abordaje. Ahora los cuatro minutos utilizados se basan en la normativa, que puede no ser una
representación correcta del comportamiento de los conductores en la realidad. Cuatro minutos es un período de tiempo largo y si el vehículo llega
poco después de salir del área de escala, el número de pasajeros requerido para que el vehículo llegue tarde es grande. Esto indica que los
conductores pueden salir más tarde de este límite. También se puede observar que incluso si un vehículo llega muy temprano, los pasajeros
pueden llegar cerca de la hora de salida. Si muchos llegan simultáneamente, el vehículo puede retrasarse. Esto no se captura en el modelo.

También es posible que de hecho haya factores de la terminal que difieran entre los dos períodos de tiempo que no están representados en
el modelo. El primer período comienza el 20 de agosto th y los pasajeros aún pueden haber seguido un patrón de viaje diferente asociado con los
meses de verano. Otra explicación bastante probable es que, dado que todavía era una terminal bastante nueva durante este período (se puso en
uso gradualmente durante la primavera), el comportamiento y las reglas de conducción informales y formales aún no se habían fijado. La terminal
estaba experimentando congestión y probablemente se probaron varias formas de aliviar esto durante el período. Otro

1215
 Lindberg, Johansson, Peterson y Tapani

La posible razón de la diferencia entre el retraso promedio simulado y medido es el tamaño algo pequeño de los conjuntos de datos empíricos. Dos
semanas dan un conjunto de solo diez promedios de retraso en la salida. También se puede observar que la distribución logarítmica normal que
describe el retraso en la llegada del conjunto de datos de validación parece tener un peor ajuste a los datos (ver Figura 3a). Esto podría tener
efectos en los resultados y puede investigarse más a fondo.

6 CONCLUSIONES E INVESTIGACIONES FUTURAS

En esta investigación, se adapta un modelo de simulación de eventos discretos a la terminal de autobuses de Slussen en Estocolmo,
Suecia. La adaptación incluye el modelado de tres nuevos tipos de paradas. Utilizando cuatro semanas de datos empíricos, el
modelo se calibró ajustando el parámetro de tiempo por pasajero de embarque y comparando el retraso promedio simulado y medido
en la salida. Luego se utilizó la misma cantidad para validar el modelo frente a un conjunto de datos empíricos separados de dos
semanas. La diferencia resultante entre el retraso medio simulado y medido empíricamente en la salida muestra la necesidad de un
enfoque de calibración más avanzado que utilice más datos empíricos de los que se encuentran disponibles, o posiblemente un
modelo más avanzado. También se realizó un análisis de sensibilidad del tiempo por pasajero que descendió,

En investigaciones futuras, esta nueva y prometedora área de simulación de terminales de autobuses se explorará más a fondo y se ampliará el primer
enfoque para la validación de modelos. Esto incluye investigaciones sobre nuevas fuentes de datos y, con esto, más parámetros de calibración y métricas de
salida para comparaciones. También es de interés investigar los efectos de las reglas terminales y las simplificaciones relacionadas del modelo. En una etapa
posterior, el modelo se puede utilizar para probar varios diseños y soluciones de terminales de bus con el fin de brindar consejos y pautas generales. También se
podría utilizar para optimizar la planificación de la asignación de paradas en una terminal de autobuses.

EXPRESIONES DE GRATITUD

Esta investigación se realizó en colaboración con K2, el Centro de conocimiento sueco para el transporte público. También nos gustaría
agradecer a la Administración de Transporte, el Ayuntamiento de Estocolmo, así como a Keolis, Nobina y Arriva por el acceso a datos
empíricos e ideas útiles.

REFERENCIAS

Adhvaryu, B. 2006. "Diseño de la estación de autobuses: un estudio de caso en Brighton". Ingeniería y control de tráfico 47 (5): 182–186. Al-Mudhaffar, A., A. Nissan y K.-L.
Estallido. 2016. “Capacidad de paradas y terminales de autobuses”. Investigación de transporte
Procedia 14: 1762-1771.
Fernández, R. 2010. “Modelado de paradas de transporte público mediante simulación microscópica”. Investigación de transporte Parte C 18: 856–868
(Número especial sobre simulación de transporte).
Figueras Jové, J. y J. Casanovas-Garc´ı́a. 2018. “Modelización y análisis de operaciones intermodales de pasajeros en un crucero
Terminal". En Actas de la conferencia Winter Simulation de 2018, editado por M. Rabe, A. Juan, N. Mustafee, A. Skoogh,
S. Jain y B. Johansson, 1515-1526. Piscataway, Nueva Jersey: IEEE.
Lindberg, T., A. Peterson y A. Tapani. 2017. “Un modelo de simulación del acceso al transporte público local en una estación de tren”. En
7 th Conferencia Internacional sobre Modelización y Análisis de Operaciones Ferroviarias (RailLille2017). 4 de abril th –7 th, Lille, Francia. Lindberg, T., A. Peterson y A. Tapani.
2018. “Un modelo de simulación para la evaluación y evaluación del diseño de terminales de autobuses”.
En la Conferencia sobre Sistemas Avanzados en Transporte Público y TransitData. 23 de julio rd –25 th, Brisbane, Australia. Moore, DS y GP McCabe. 1999. Introducción
a la práctica de la estadística. 3ª ed. Nueva York: WH Freeman y
Compañía.
Neubert, L., L. Santen, A. Schadschneider y M. Schreckenberg. 1999. “Datos de un solo vehículo sobre el tráfico en las carreteras: una estadística
Análisis.". Revisión física E 60 (6): 6480–90.
Rietveld, P., F. Bruinsma y D. Van Vuuren. 2001. “Afrontar la falta de fiabilidad en las cadenas de transporte público: un estudio de caso
Países Bajos". Investigación del transporte Parte A: Política y práctica 35 (6): 539–559. SL
2016. "Fakta om SL och Länet 2016 ”. AB Storstockholms Lokaltra fi k. https://sl.se/contentassets/
9314f2e3ea1a4890b5e25d8fa5092c9a / sl och lanet 2016.compressed.pdf, consultado el 4 de junio th 2020.
Tan, J., Z. Li, L. Li, Y. Zhang y L. Lu. 2013. “Planificación de la asignación de literas para paradas de autobuses multilínea”. Diario de Avanzado
Transporte 48 (7): 750–765.

1216
 Lindberg, Johansson, Peterson y Tapani

Tirachini, A. 2013. “Tiempo de permanencia en el autobús: el efecto de diferentes sistemas de cobro de tarifas, nivel de piso del autobús y edad de los pasajeros”.

Transportmetrica A: Ciencia del transporte 9 (1): 28–49. Treiber, M. y A. Kesting. 2013. Dinámica del flujo de
tráfico. Berlín, Heidelberg: Springer.
van der Spek, T., B. van Stein, M. van der Holst y T. Bäck. 2017. “Una simulación multimétodo de una alta frecuencia
Línea de bus". En 2017 IEEE 20 th Conferencia Internacional sobre Sistemas de Transporte Inteligentes (ITSC). 1 de octubre S t –6 th,
Yokohama, Japón.
Ye, P., Z. Chen y H. Yang. 2017. “Modelado del tiempo de servicio del autobús para una parada en la acera”. Registro de investigación de transporte 2647 (1): 71–

79.
Zhao, J., K. Chen, T. Wang y JO Malenje. 2018a. “Modelado de la efectividad del área de carga en paradas de autobús fuera de línea sin
Separación clara de literas ”. Transportmetrica A: Ciencia del transporte: 1–21.
Zhao, X., Y. Li, S. Xu y H. Zhai. 2018b. “Modelado de un sistema de tranvía moderno integrado con una simulación de tráfico por carretera”.
Simulación: transacciones de la Society for Modeling and Simulation International 94 (1): 77–90.

BIOGRAFÍAS DEL AUTOR

THERESE LINDBERG es estudiante de doctorado en el Instituto Nacional de Investigación de Transporte y Carreteras (VTI) de Suecia y en la Universidad de Linköping. Tiene una
Maestría en Ingeniería Física de la Universidad de Karlstad. Su investigación se centra en las terminales de autobuses, donde se desarrollan y utilizan métodos cuantitativos para el
análisis. Está asociada a K2 - El Centro Sueco de Conocimientos para el Transporte Público. Su dirección de correo electrónico es therese.lindberg@vti.se .

FREDRIK JOHANSSON es investigador del grupo de Análisis de Trá fi co y Logística del Instituto Nacional Sueco de Investigaciones sobre Transporte y Carreteras (VTI). Sus
principales intereses de investigación son el modelado y la simulación de tráfico microscópico con un enfoque en los modos activos y su conexión con el transporte público y la
automatización. Tiene un doctorado en Infrainformática de la Universidad de Linköping. Su dirección de correo electrónico es fredrik.johansson@vti.se .

ANDERS PETERSON es profesor asociado en sistemas de tráfico en el Departamento de Ciencia y Tecnología de la Universidad de Linköping y tiene un doctorado en Infrainformática de
esa universidad. Sus principales intereses de investigación se encuentran en el área de métodos cuantitativos para analizar los sistemas de tráfico y transporte, la modelización del
tráfico, la previsión del tráfico y la simulación. Los proyectos de investigación en curso son la construcción y capacidad de horarios ferroviarios, así como la simulación de estaciones de
intercambio más grandes. Ha publicado ca. 30 artículos en revistas revisadas por pares y actas de congresos y actualmente supervisa a cinco estudiantes de doctorado. Su dirección de
correo electrónico es anders.peterson@liu.se .

ANDREAS TAPANI es Jefe de la Sección de Análisis del Departamento de Aviación Civil y Marítima de la Agencia de Transporte de Suecia. Sus intereses de investigación están
en el modelado y simulación de tráfico con aplicaciones que incluyen gestión de tráfico, automatización, transporte público y modos suaves. Andreas Tapani tiene un doctorado
en Infrainformática de la Universidad de Linköping. Es autor de más de 20 artículos de revistas revisadas por pares y capítulos de libros y muchos más artículos e informes de
conferencias. Su dirección de correo electrónico es andreas.tapani@transportstyrelsen.se .

1217