Modelo de asignación dinámica de trenes y usuarios en un congestionado

línea urbana-ferroviaria
ST. BELLO ALARCON JHON EDISSON
La dinámica cinemática de los trenes, es decir, las fases de aceleración y
desaceleración incorporadas en el cálculo del recorrido tiempo en la línea.
Evidentemente, el número de estas fases dependerá del número de estaciones
servidas en un recorrido, pero también de la línea. Si la línea está congestionada, y
dependiendo del tipo de sistema de señalización y las estrategias operativas, viajar
los tiempos pueden verse afectados en diferentes grados. Señalización mixta, con
fijo bloques, pero donde los trenes pueden moverse más juntos porque cada tren
sabe dónde se encuentra su predecesor en la línea.
Entonces el propósito es enriquecer el modelo de línea híbrida para incluir esta
dinámica en la prestación del servicio y por lo tanto ofrecer un modelo simplificado
de la ocurrencia y la propagación de retrasos en una red ferroviaria, de acuerdo con
la carga de pasajeros en el tren y la capacidad de la plataforma. Las condiciones de
viaje de los usuarios a lo largo de la línea dependerán de los retrasos de los trenes,
en cuanto a la comodidad a bordo y las condiciones de espera en los andenes. Esto
contribuirá a nuestra comprensión de la dinámica involucrada y ayudará a
cuantificar con precisión los usuarios afectados por fenómenos de congestión, de
manera que se puedan evaluar mejor los problemas en la línea. Los escenarios
probados pueden ayudar a sugerir soluciones operativas originales tanto con
respecto a la línea como con respecto a la gestión de pasajeros en estaciones o a
través de la red. Una simulación dinámica original de pasajeros y trenes en la red de
la Línea 13 de París ilustra la modelo en un caso del mundo real.
El tiempo de permanencia en el modelo híbrido es un dato exógeno que rige el
abordaje del tren y la capacidad residual. En el modelo actual, el tiempo de
permanencia es endógeno y varía según la demanda y el nivel de tráfico ferroviario.
Si el sistema funciona sin problemas, el tren puede salir y este tiempo de
permanencia corresponde al final. Tiempo de permanencia. Por otro lado, si la
congestión de los trenes obliga al tren a permanecer más tiempo en la estación, el
tiempo de permanencia aumentará. Sin embargo, el tiempo de permanencia puede
incrementarse ocasionalmente debido a factores externos. Factores, como un
pasajero bloqueando una puerta. El tronco central consta de 32 bloques más 17 en
el ramal Este, 11 en el ramal Oeste, con 21 estaciones. La distancia total en el
tronco central es de 10 km, 5,9 km en el ramal Oeste y 7,5 km en el ramal Este. Dos
tipos de misiones dan servicio a la línea con el mismo material rodante, una misión
por ramal alternativamente, dando servicio a todos los estaciones visitadas.
Según estos datos, 140.000 usuarios transitan por la línea en el sentido Sur-Norte
durante el mpp. El beneficio de este tipo de datos es que brindan una buena
representación del flujo total. En contraste con el cobro automático de tarifas
recopiladas por IDFM y denominados datos de la tarjeta de viaje NAVIGO, la
encuesta incluye pasajeros que usan boletos. Por esta razón, usar datos de AFC
para contar el flujo total de origen-destino no sería exacto. Sin embargo, los datos
de la encuesta son estáticos, por lo que los datos de AFC se utilizan para obtener
una representación de la dinámica de los flujos en la línea. IDFM, que gestiona y
suministra los datos, reconstruyó algunos de los viajes y rutas sobre la base de
sucesivos datos individuales de AFC en el camino en, ya que una entrada puede
corresponder a la salida de un viaje anterior. Usamos esta base de datos de viaje
reconstruida para obtener una aproximación de la dinámica de los flujos en la línea.
No se incluirán, por tanto, los flujos interurbanos procedentes de las estaciones, así
como una proporción no despreciable de las grandes estaciones de conexión Es por
eso que solo usaremos estos datos para dividir el flujo de datos TJRF en el intervalo
de tiempo mpp. Datos AFC en el la entrada a las estaciones está cronometrada al
segundo, pero los lectores de tarjetas generalmente se encuentran a menos de 1
minuto de la plataforma.
El período pico está más extendido cuando el tiempo de permanencia es limitado.
La frecuencia se reduce inicialmente en más del 30% del valor teórico con un
tiempo de permanencia máximo de 70 s pero mejora a lo largo del tronco central.
Sin embargo, limitar el tiempo de permanencia máximo conduce al deterioro de las
condiciones a lo largo de la línea. De manera similar, al final del período pico, el
tiempo de viaje en tren es más corto con una permanencia máxima tiempo de los
70s. Otro resultado interesante es la correlación entre el tiempo de permanencia
calculado a partir de los flujos de embarque y desembarque y el tiempo máximo de
permanencia. Para los tiempos de permanencia máximos más bajos, la alta
frecuencia y los flujos de embarque y espera bajos limitan la permanencia real
tiempo. Se crea un círculo virtuoso que limita el impacto de la restricción de tiempo
máximo de permanencia en los flujos de espera. No obstante, la dispersión del
tiempo de espera y el tiempo de permanencia en la línea sugeriría lo contrario. Esto
confirma que el rendimiento de la línea es más robusto cuando la frecuencia es
limitada y el sistema puede hacer frente a eventos únicos, como un aumento
significativo en el tiempo de permanencia en una estación.
Proporcionamos un modelo de eventos discretos para el progreso de los trenes que
se puede aplicar operacionalmente muy fácilmente. Nuestro modelo para la
dinámica la asignación de flujos de pasajeros en una línea utiliza los conteos de
pasajeros del operador, así como los datos de pase de tarjeta, para obtener datos
precisos. El comportamiento del modelo es consistente con las observaciones del
operador, pero los valores obtenidos deben ser confirmados con mediciones de
campo, como cargas de trenes o frecuencias observadas. En nuestro modelo, la
densidad media a bordo de los trenes es limitada por un umbral teórico, pero las
líneas muy congestionadas superan este valor medio. Nuestro modelo no es un
modelo preciso de una línea de tránsito, sino la demostración de la utilidad de un
enfoque de simulación integrado. En el modelo de asignación de demanda
dinámica, los usuarios están representados por flujos por paso de tiempo y se
asignan por tren. Por lo tanto, el cálculo del tiempo de permanencia podría
mejorarse mediante una representación detallada de los intercambios por tren,
como en este modelo, y por puerta, con un modelo de distribución espacial que
tendría en cuenta el efecto de la puerta crítica en el tiempo de permanencia. El
modelo propuesto en este artículo se basa únicamente en las interacciones
esperadas entre los flujos de pasajeros y los tiempos de intercambio. El modelo
necesita parámetros más refinados. Los datos y los conteos TJRF ayudarían a
calibrar nuestro modelo de cálculo del tiempo de permanencia.