=1,
(,
1
, ,
,
1
, ,
,
1
, ,
)
. .
,
Donde denota la funcin de costos, el total de lneas con que contar el
sistema,
su frecuencia y
la capacidad
de sus vehculos. Se denotar por al conjunto de todas las posibles rutas,
mientras que representa a la matriz O-D y a la cantidad de pasajeros
que el sistema es capaz de transportar; as, la ltima restriccin exige que el
sistema pueda satisfacer la demanda existente por transporte pblico. Notar
que implcitamente se est asumiendo que en este caso, la definicin de una
lnea estar dada por su ruta, su frecuencia y su capacidad.
Evidentemente hay varias ambigedades en la definicin de este problema.
Por ejemplo, la funcin de costo a considerar qu tipo de gastos incorpora?
Cmo se calcula? Respecto a las lneas a ser escogidas, cules son las
rutas factibles? Y sobre la restriccin de satisfacer la demanda, es esta
3
demanda fija? Cmo se define la oferta para un par O-D? Estas preguntas
dan una muestra de la complejidad del problema a tratar.
Hay varios otros factores que podran incorporarse, como son las ya
mencionadas diferencias dentro de una lnea, o ciertas restricciones
presupuestarias. Por ltimo, habiendo definido todo lo anterior, no es claro
que el problema sea directo de resolver; varios factores pueden influir, pero
principalmente la inmensa cantidad de rutas posibles, hacen que la
dimensin del problema sea inmanejable para cualquier red mediana o
grande.
Existen diversas formas de abordar el problema anterior. La siguiente
revisin bibliogrfica da cuenta de variados estudios en ese sentido. Cabe
sealar que los estudios aqu citados se basan en gran parte en las
revisiones realizadas por Guihaire y Hao (2008) y por Kepaptsoglou y
Karlaftis (2009).
En el actual estado del arte de la investigacin sobre diseo de estructuras
de lneas para buses en transporte pblico, a grandes rasgos es posible
distinguir dos tipos de acercamientos. Por un lado, quienes se preocupan de
resolver el "problema genrico", es decir, que toman redes genricas (en
general un grafo no dirigido
2
cualquiera, al que se le piden condiciones
mnimas de conexidad). Este problema es altamente complejo, en el sentido
de que su solucin exacta requerira tiempos computacionales
extremadamente altos. De hecho, Quak (2003) y Schoebel y Scholl (2008)
muestran que es un problema NP-duro en algunas de sus formulaciones. Por
ello, la mayora de los trabajos en el rea buscan desarrollar distintas
heursticas para encontrar algn tipo de solucin, ya sea con algoritmos que
operan directamente sobre el grafo o con la resolucin aproximada de un
problema de programacin lineal (PPL). En ambos casos, las funciones de
costo utilizadas varan, aunque la mayora considera tanto a los usuarios
como a los operadores. Cabe destacar que en esta mirada casi todos los
estudios omiten el clculo de las frecuencias de las lneas, considerndolo
como un problema posterior a la determinacin de las estructuras de lneas.
De esta manera, presumen que para el clculo de las frecuencias las rutas de
las lneas de buses son un dato conocido. Separando la determinacin de
rutas ptimas con el clculo de sus frecuencias el anlisis se hace ms
simple, pero es importante tener en cuenta que tambin es menos preciso,
pues que una estructura sea mejor o peor que otra depende fuertemente de
cules sean las frecuencias asignadas.
En el otro extremo estn las investigaciones en redes especficas y
simplificadas, que en muchos casos admiten soluciones exactas. Con ellas es
2
Podra parecer ms natural trabajar con grafos dirigidos, es decir, donde cada arco tiene una direccin. Sin
embargo, el utilizar grafos no dirigidos da mayores libertades, pues permite identificar si ajustar las direcciones de
las calles tiene impacto relevante en el sistema de transporte pblico. El ajuste a la estructura vial, de ser necesario,
puede realizarse mediante pequeos cambios en las rutas.
4
posible apreciar ciertos fenmenos, como la relacin entre afluencia total de
pasajeros y preponderancia de lneas directas o de estructuras que priorizan
los trasbordos. Sin embargo, no son aplicables al problema real y su
simpleza hace imposible incorporar ciertos fenmenos interesantes al
fusionar demasiados nodos y pasajeros, como la existencia de varias rutas
posibles para un mismo par O-D, la combinatoria entre distintas lneas para
cubrir de formas diferentes la demanda, entre otros.
Lo anterior sugiere la existencia de un espacio "intermedio". Es decir, la
definicin de una forma urbana basada en la literatura sobre ciudades y que
permita incorporar suficientes fenmenos interesantes y relevantes para la
estructura de transporte pblico. Sin embargo, como se ver a continuacin,
los trabajos que existen se basan en redes que se limitan a algunas familias
especficas, sin explicar por qu con ellas sera posible aproximarse de una u
otra forma a ciudades reales. En este caso algunas resoluciones se basan en
heursticas y otras en clculos exactos, aunque usualmente restringiendo a
priori el conjunto de lneas posibles.
Se estudian primero aquellos modelos en redes genricas, haciendo un
pequeo resumen de los diferentes enfoques y heursticas que se han
construido para intentar resolverlo, haciendo especial nfasis en la
formulacin del problema. Seguidamente, se revisan las redes ms simples y
la evolucin de los trabajos en ese mundo, lo que puede servir como gua de
cmo avanzar y complejizar otros enfoques. Luego, se estudian las redes
intermedias, donde se encuentran bsicamente dos tipos de modelos:
ciudades concntricas y ciudades en forma de grilla, con mayor o menor
grado de homogeneidad en los pares O-D. En estos casos se trabaja con
redes que responden a algn tipo de estructura, y se optimizan ciertos
parmetros. En todos los casos se estudian tambin los tipos de costos
incorporados y de qu forma los consideran. Por ltimo se propondr, en
base a la revisin bibliogrfica, una forma para hacer avanzar la capacidad
de enfrentarse al problema del diseo de estructuras ptimas de estructuras
de lnea para el transporte pblico.
La forma de clasificar cada estudio fue la siguiente: un estudio se
considerar en redes generales cuando su metodologa funciona en grafos
cualquiera, quiz con algn mnimo grado de conexidad o regularidad. Una
red se considera simple cuando, por la naturaleza propia de la red (y de los
supuestos sobre la estructura de la demanda), el diseo de transporte
colapsa a unos pocos parmetros, reduciendo as notoriamente la
complejidad del sistema. Una red intermedia es una red que sigue siendo
suficientemente compleja como para poder disear una cantidad inmanejable
de estructuras distintas, pero a la que se le exigen ciertas restricciones
importantes. Cabe sealar que en estos casos, muchas veces el modelador
decide a priori optimizar en alguna sub-familia ad hoc de estructuras de
lneas, y por lo mismo se pueden realizar anlisis similares a los que se
5
hacen en las redes simples, sin embargo, la diferencia es que en este caso es
decisin del modelador y no una consecuencia natural de la red.
1.1 Heursticas en redes generales
Este enfoque considera un grafo = (, ). Es usual que tantos los orgenes
como los destinos estn restringidos a subconjuntos de , y que la demanda
sea fija para cada par O-D, aunque en algunos casos la demanda puede ser
adems dependiente de la calidad del servicio. La diferencia entre los
distintos artculos tiene que ver con la forma concreta en que se plantea y se
resuelve el problema, incluyendo por ejemplo distintas funciones objetivo,
distintas formas de incorporar el anlisis sobre las frecuencias y distintas
heursticas. Aquellas diferencias sern resumidas a continuacin.
Para la funcin objetivo en general son dos los agentes involucrados: los
operadores y los usuarios. El costo para los operadores es siempre el costo
monetario directo; para los usuarios se encuentran el tiempo total, la suma
de tiempos ponderados, el nmero de trasbordos, y combinaciones lineales
de los mismos. Hay unos pocos artculos (y referidos a trenes, donde el
anlisis es similar) que consideran solamente el costo de los operadores,
sujeto a satisfacer la demanda, como lo hacen Goossens et al (2001). La
mayora de los artculos considera el costo total, es decir la suma de
operadores y usuarios, pero vara la forma de considerar a cada uno.
Pattnaik et al (1998), al igual que Ceder y Wilson (1986), suman el costo de
los operadores (proporcional a la flota) con un costo proporcional al tiempo
total de viaje, calculado sumando el tiempo en el vehculo, el tiempo de
espera y el tiempo en trasbordos para cada pasajero; Ceder y Wilson (1986)
exploran tambin qu sucede si se omite a los operadores y a los tiempos de
espera. Quak (2003) desglosa ambos aspectos; para el costo de los
operadores considera el total de buses-hora del sistema y la cantidad de
ciclos de cada lnea, mientras que para los usuarios considera el nmero
total de lneas
3
sumado a los tiempos de viaje, los que son calculados
mediante simulaciones (donde considera no solamente el promedio de los
tiempos de viaje simulados, sino que tambin el promedio de los cuadrados
de esas cifras y tambin el tiempo mximo de viaje). Finalmente, Borndrfer
et al (2005) consideran para los usuarios su tiempo total de viaje, y para los
operadores incorpora un costo fijo por cada lnea y una componente
proporcional a la frecuencia de la lnea; sus restricciones son solamente de
capacidad de buses y arcos.
Existen formas alternativas de combinar costos de usuarios y operadores.
As, Schoebel y Scholl (2008) minimizan una combinacin lineal del tiempo
3
Considerar el nmero total de lneas se hace relevante porque en su manera de resolver el problema podran
aparecer demasiadas lneas muy similares entre s, lo que sera muy incmodo para ser memorizado por los
pasajeros.
6
total de viajes y del nmero de trasbordos de cada usuario, sujeto a una
restriccin presupuestaria (es decir, imponiendo una cota mxima para el
costo de los operadores), pero en este caso asume que para cada lnea se
conoce a priori cunto costara incorporarla. Notar que al incluir esta
restriccin, el costo de los operadores se incorpora pero de forma indirecta.
Dubois et al (1979) dividen la solucin en dos pasos, la eleccin de calles y
luego la eleccin de lneas. Para lo primero se supone un presupuesto para
infraestructura (que es la forma en la que se incorporan los costos de los
operadores), y con esa restriccin se minimiza el tiempo total de viajes
suponiendo que sern directos; para la eleccin de lneas, si bien no se
explicita la funcin de costos, el algoritmo que utilizan busca un equilibrio
entre pocas lneas y pocos trasbordos. Van Nes et al (1988) maximizan la
cantidad de pasajeros que se incorporan al sistema de transporte pblico -
utilizando un modelo tipo gravitacional que incorpora la particin modal
4
- y
sus viajes directos, argumentando que ms pasajeros significa mayor calidad
de servicio.
Entre quienes estudian el problema genrico, una mayora define las lneas
solamente mediante sus rutas, omitiendo determinar sus frecuencias. Siguen
la lgica de diseo de transporte pblico en pasos: diseo de la estructura de
lneas, definicin de frecuencia por lnea, y luego las agendas por bus y
conductor. Para ello, es necesario omitir la frecuencia (y en consecuencia, los
tiempos de espera y las flotas) de las funciones de costo.
Sin embargo, existen algunas excepciones donde la determinacin de las
frecuencias se hace en forma simultnea con la estructura de lneas. Es claro
que tericamente es ms completo, pues permite incorporar el tiempo de
espera
5
en la comparacin entre estructuras de lneas diferentes, no
obstante, hace el problema ms complejo
6
.
Dentro de los que incorporan frecuencias al problema, Borndrfer et al
(2005) lo hacen incorporndola como una variable dentro del PPL que
plantean, siendo parte de la funcin objetivo y de las restricciones, pues
existen capacidades que respetar. El enfoque para ingresar las frecuencias
de Pattnaik et al (1998) es similar, aunque adems incorporan restricciones
de frecuencia mnima. Ceder y Wilson (1986) comparten la misma
orientacin.
La ltima diferencia est en cmo afrontar el problema. Dado que en sus
diversas variantes es de alta complejidad, todo lo que existe son heursticas,
4
Particin modal se refiere a la porcin de pasajeros de cada par O-D que utiliza cada modo de transporte.
5
En general se considera que el tiempo que el usuario pasa en el paradero es mucho ms molesto que el tiempo en
el vehculo. Luego, no incorporar el tiempo de espera significa despreciar un elemento relevante en la estructura de
costos.
6
Ms adelante se ver que dado un conjunto de lneas, un problema relevante es saber predecir qu lnea usar
cada pasajero. Cuando la frecuencia no se incorpora, aquello no es relevante, pues solamente importa el tiempo de
viaje y es coincidente entre todas las lneas candidatas, pues son candidatas precisamente por minimizarlo.
7
algunas directamente en el grafo, y otras buscando resolver un PPL entero;
por lo mismo, se enumerarn a grandes rasgos los mtodos, teniendo en
consideracin que el objetivo de esta revisin no es desarrollar heursticas
nuevas. Ceder y Wilson (1986) utilizan un algoritmo tipo glotn
7
: van
agregando lneas directas entre los pares O-D con mayor demanda,
finalizando cuando todos los pares estn conectados por alguna ruta cuya
distancia no sea demasiado ms larga que la de la ruta ptima. Otros
algoritmos glotones son los que desarrollan Dubois et al (1979), quienes
proponen 3 heursticas para determinar el conjunto de calles, dos de ellas
basados en ir retirando nodos si el hacerlo no aumenta demasiado los
tiempos, y el tercero que va agregando aquellos que s los disminuyan en
forma significativa. Posteriormente trabajan un algoritmo para encontrar la
estructura de lneas, tomando como principio el tener lneas que sean
bastante directas y que sirvan a muchos pasajeros, para luego trabajar de la
siguiente forma: primero seleccionar lneas directas (con algn criterio, como
menor tiempo o mayor afluencia) hasta que toda la red est conectada,
luego buscar los pares O-D que tengan mayor tiempo perdido por
conexiones, y conectar directamente esos pares hasta que tales conexiones
sean suficientemente bajas. Finalmente, suprimir las lneas que hayan
quedado inutilizadas. Por otro lado, Pattnaik et al (1998) usan algoritmos
"genticos", que construyen diversas rutas entre los nodos que definen como
terminales; seguidamente se rankean segn el tiempo que tardan, se
generan nuevas rutas al azar con probabilidades que dependen del rnking,
y se itera hasta converger.
Resolver directamente un PPL entero es lo que hacen Borndrfer et al
(2005), mediante generacin de columnas. Para hacer el problema
manejable, ellos optimizan sobre un conjunto prefijado de posibles rutas
simples entre los nodos terminales. No es claro cmo escoger tal conjunto.
Van Nes et al (1988) tambin trabajan directamente con la formulacin como
problema de programacin, aunque en su caso la funcin objetivo no es
lineal. Para solucionarlo, utilizan una heurstica basada en ir aumentando la
frecuencia de aquella lnea, del conjunto total de posibles lneas, cuyo aporte
marginal a la bsqueda de nuevos pasajeros es la mayor, hasta que se viole
alguna restriccin. Tambin se presenta el problema de que el conjunto de
lneas posibles no tiene una construccin clara.
En sntesis, se observa que no existe una forma nica de considerar los
costos, pero que s hay ciertos elementos que se repiten bastante. As, lo
usual es involucrar tanto a los operadores como a los usuarios. El tamao de
la flota es el factor ms relevante para los primeros, mientras que para los
usuarios es el tiempo total de viaje, que en ocasiones incorpora tiempos de
espera y trasbordos.
7
Es decir, un algoritmo que en cada paso toma la decisin que escoge la opcin que ms permite acercarse a algn
objetivo en ese mismo instante, pero sin una visin global respecto a cmo van interactuando los distintos pasos
entre s.
8
Para la resolucin, es interesante observar que el uso de algoritmos glotones
fuerza un anlisis local, pero impide construir estrategias globales; por otro
lado, la resolucin va PPL tiene asociadas otras dificultades como la
definicin de las rutas posibles. La caracterstica comn que comparten todas
las heursticas es que el anlisis desarrollado para estudiar su rendimiento se
basa exclusivamente en evidencias empricas (probar el mtodo en uno o dos
casos especficos y comparar), mas sin ningn estudio ni resultado terico
que garantice ni un buen resultado (por ejemplo, alguna cercana
garantizada al ptima o alguna cota mxima) ni tiempos admisibles.
1.2 Modelos en redes simples
El contexto general de los artculos que consideran redes pequeas responde
a un anlisis exacto y exhaustivo de todas las distintas estructuras de lneas
que pueden ser utilizadas en una red. Sin embargo, dada la complejidad de
hacerlo en redes cualquiera, se utilizan redes simples; de este modo, es
posible analizar cmo ciertas variables especficas inducen uno u otro
resultado para poder concluir ciertos fenmenos, pero se tiene la limitante de
estar sujetas a una red particular, y luego se hace necesaria una segunda
lectura para determinar si son conclusiones extrapolables o no. Es
interesante sealar que a diferencia del contexto anterior, donde haba varios
modelos que diferan en las heursticas y en las funciones de costo, en este
contexto es claro que existe un desarrollo cronolgico tendiente a ir
incorporando ms complejidades en el anlisis, ya sea incorporando nuevas
variables (como distancia entre paraderos, o elasticidad en las demandas)
como en el ir avanzando a redes menos sencillas.
Los modelos ms simples estudian fenmenos en una lnea. El primero es el
de Mohring (1972) que estudia frecuencias ptimas para una lnea nica. En
este caso no tiene sentido la pregunta sobre estructuras de lneas (pues
adems no hay paraderos ni tiempo por paradas en el modelo), pero su
metodologa sirve de base para todos los trabajos siguientes. Posteriormente
Jansson (1980) incluye el tiempo que es tomado por cada pasajero por subir
y bajar del bus, lo que influye en los costos de los usuarios (mayores
tiempos de viaje) y de los operadores (mayores tiempos de ciclo que
significan mayor flota), con lo que obtiene nuevas frmulas para las
frecuencias, pero aun sin considerar el problema de la determinacin de la
estructura de lnea ptima, por existir una nica posibilidad. En ambos casos
se rescata la clsica regla de la raz cuadrada entre frecuencias y afluencia,
aunque cuando los tiempos de subida y bajada son muy altos, entonces se
acerca a una regla lineal.
Mohring (1976), si bien no estudia diferentes estructuras de lneas, da un
primer paso en complejizar el diseo al optimizar tambin sobre el nmero
de paraderos (equidistantes) ptimo en una lnea, notando que estos
9
disminuyen el tiempo de acceso pero aumentan el tiempo de viaje y el
tiempo de ciclo. No encuentra solucin ptima en forma analtica en este
caso.
El primer artculo que considera redes ms complejas es el de Kocur y
Hendrickson (1982), donde se considera una ciudad engrillada en la que
todos los usuarios deben llegar a una va principal horizontal, por lo que lo
relevante, en trminos de estructura, es determinar la distancia entra las
lneas verticales. Sin embargo, tambin optimiza segn frecuencias y segn
tarifas, esto ltimo porque es de los pocos artculos que considera que la
demanda es elstica
8
. Estudia adems 3 tipos de funciones objetivo, a saber,
la ganancia del operador, una combinacin entre la ganancia del operador y
el beneficio del consumidor (que puede calcularlo directamente por conocer
la funcin de demanda) y el puro beneficio del consumidor sujeto a alguna
restriccin presupuestaria. Finalmente, el costo de los operadores lo supone
proporcional a los minutos-bus que pasa la flota en la calle, con lo que es
posible expresarlo en funcin de la frecuencia y de la separacin entre las
lneas verticales. Es interesante que en este caso se obtiene una regla cbica
en lugar de cuadrada, salvo cuando se maximiza solamente el beneficio del
consumidor, donde se recupera la raz cuadrada. Chang y Schonfeld (1991)
desarrollan un trabajo similar, dividiendo el rectngulo con el que modelan la
ciudad en zonas divididas verticalmente, con troncales (a velocidad alta) y
alimentadores, con velocidad ms baja y que se mueven en una sola zona, y
estudiando tanto demanda elstica como demanda paramtrica, e incluyendo
un anlisis multiperodo.
En otra lnea de investigacin, Oldfield (1988) busca determinar el tamao
ptimo de buses, con una sola ruta. Lo interesante de este trabajo es que
tambin considera la demanda como endgena y luego puede considerar el
beneficio del consumidor, y adems incorpora la tasa de ocupacin (qu tan
lleno va el vehculo) como un factor que incide en el tiempo de espera, por la
probabilidad de que un bus pase lleno. Una lnea similar desarrollan Delle
Site y Filippi (1998), quienes consideran cmo combinar lneas cortas con
lneas largas, donde el tamao de los buses pasa a ser tambin un factor (se
asume que el tamao de los buses es uniforme dentro de una misma lnea).
Consideran adems que la demanda es elstica por lo que la tarifa tambin
es una variable.
Hurdle (1973) realiza un estudio en un contexto bastante similar al de Kocur
y Hendrickson (1982), pero incorpora adems la variable temporal. Ms
concretamente, estudia las lneas que llevarn a la lnea principal (aunque en
este caso no asume que la distancia entre lneas tenga que ser uniforme),
pero tambin los horarios para cada uno de estas lneas. En trminos de
costos, considera costos totales, donde para el pasajero lo nico relevante es
8
Utiliza una de las tpicas funciones de demanda, en este caso lineal trunca, dependiente de las variables ya
mencionadas.
10
cunto debe caminar hasta su paradero ms prximo. En trminos
matemticos tambin es interesante que agrega una visin continua de la
demanda, tanto en trminos espaciales como temporales, por lo que luego
todos los tratamientos y los costos se trabajan tambin de esa forma.
El siguiente trabajo que considera redes an simples, pero ms complejas, y
que genera estructuras de lneas especficas (intuitivas) y compara sus
rendimientos es el de Jara-Daz y Gschwender (2003). Describen cmo
extender el anlisis de Jansson (1980) para encontrar frecuencias y flotas
ptimas en redes genricas, y luego aplican este mtodo a una red particular
en forma de cruz, con 3 matrices O-D, para comparar una estructura de
lneas directas con otra de corredores, y evaluar en qu caso cada alternativa
es mejor. A grandes rasgos, el resultado ms interesante es que para los
operadores siempre es ms conveniente las lneas directas, al igual que al
considerar costo total si las demandas son suficientemente grandes. Jara-
Daz y Gschwender (2003b) tambin profundizan en mayor complejidad, en
este caso no variando la red (pues no estudian ninguna en particular), sino
que en la estructura de costos: incorporan en el tiempo de viaje un factor
que depende de la tasa de ocupacin del bus, entendiendo que un viaje en
un bus ms lleno es ms desagradable. Adems plantean un modelo ms
general, que incluye externalidades (no explcitas, que incluyen por ejemplo
el riesgo de accidentarse) y tambin la decisin sobre paraderos como
Mohring (1976), aunque no lo resuelven.
Los esfuerzos siguientes, llevados a cabo por Jara-Daz y Gschwender (2009)
y por Jara-Daz et al (2012), utilizan el mismo mtodo del prrafo anterior,
pero se preocupan fundamentalmente de la comparacin entre incluir o no a
los usuarios para la determinacin de la estructura ptima y de las
consiguientes frecuencias. En ambos casos se incorpora al costo de los
operadores su dependencia del tamao del vehculo, lo que permite
determinar frecuencias ptimas desde el punto de vista exclusivo del
operador. Jara-Daz et al (2012) estudian tambin un grafo que se reduce a
un camino de 3 nodos, donde el primer nodo es el nico origen y la demanda
es balanceada; definen 4 posibles estructuras de lneas y estudian para
distintos niveles de demanda y de desbalance cul es la ptima segn costo
total y segn solamente costo de los operadores. Se dan cuenta que el no
considerar a los usuarios significa menores frecuencias, pero tambin puede
significar distintas estructuras de lneas. Gschwender et al (2013) estudian
una nueva red en forma de "Y", con 3 nodos orgenes, de modo de poder
incluir dispersin en la generacin de viajes adems de un desbalance entre
los viajes que salen de la periferia (los extremos de la "Y") y aqullos que
parten desde el nodo central.
Cabe mencionar por ltimo el trabajado desarrollado por Jara-Daz et al
(2008). La red es una sola lnea con mltiples paraderos, pero el aporte
interesante es que discuten cmo modelar cuando no existen los datos para
cada par O-D, sino que solamente en forma agregada.
11
Como sntesis, se observa que es posible encontrar frecuencias ptimas dada
una estructura de lneas, aunque teniendo en cuenta que el problema de la
asignacin
9
en estos casos es inusualmente sencillo por la simpleza de las
redes. Dado que la cantidad de estructuras es siempre pequea, es posible
hacer la comparacin una a una. Se observan ciertas conclusiones genricas,
como son que niveles altos de demanda favorecen lneas directas y que si
existen desbalances importantes en los niveles de demanda para distintos
pares O-D, tiene sentido el potenciar lneas especficas para aquellos pares
ms demandados.
La conclusin ms interesante tiene que ver con la metodologa para
determinar la estructura ptima. Si bien sta no es aplicable a redes
generales, pues se hace imposible la comparacin una a una y la asignacin
de pasajeros puede tambin exigir tiempos demasiado altos, s se logra
mostrar que teniendo una cantidad pequea de estructuras candidatas a ser
ptimas, y una forma de asignar a los pasajeros, entonces se puede
determinar la estructura ptima sin importar la forma y complejidad de la
red.
Cabe rescatar tambin que para determinar los costos, se incorporan los
mismos elementos sealados en la seccin anterior, pero se agregan adems
factores que dependen de las frecuencias como son el tiempo de espera y las
capacidades.
1.3 Estudios intermedios
Enfocar el problema de acuerdo a una de las dos visiones anteriores es lo
ms usual, pero existen ciertos esfuerzos que se ubican en medio. No se
resuelven todas las redes como lo hacen quienes desarrollan heursticas,
pero la red en la que se trabaja tiene una complejidad suficiente para admitir
una cantidad enorme de estructuras de lneas posibles. La propia red en
ocasiones estar caracterizada topolgicamente por una cantidad pequea de
parmetros, de modo que el grafo no es uno especfico pero s tiene
importantes restricciones. La idea es que sea una red que aproxime en algn
sentido a la ciudad, pero asumiendo ciertas uniformidades.
Los dos modelos de redes ms usados son una ciudad tipo grilla y una ciudad
concntrica, ambos casos pudiendo tener bastantes matices. Al igual que en
los casos anteriores, existen diversas formas de enfrentar la modelacin, en
trminos de la funcin objetivo, en los costos utilizados, entre otros.
9
El problema de la asignacin se refiere a saber qu lnea tomar cada pasajero si suponemos conocida la
estructura de lneas, con sus respectivas rutas, frecuencias y dems caractersticas. Suele ser un problema
necesario de resolver para poder calcular los costos de los usuarios, y en modelos ms sofisticados, afectan
tambin los costos de los operadores, por su incidencia en las capacidades de los buses, tiempos de ciclo de las
lneas, entre otros efectos.
12
Una ciudad en forma de grilla es lo que considera Daganzo (2010). Supone
adems que la distribucin de viajes es uniforme, tanto en su origen como
en su destino, construyendo a su vez una ciudad totalmente uniforme
10
. En
su bsqueda de la estructura ptima, distingue en primer lugar dos opciones
extremas: que en cada punto de la grilla solamente pasen buses en una
direccin (con lo que se puede construir una estructura de tipo hub & spoke
11
si se orientan correctamente las lneas de modo tal que todas lleguen al
centro del grafo), o en ambas, con lo que existe la posibilidad de hacer la
ruta ms corta para cada par O-D. A nivel intuitivo, la primera opcin parece
ms favorable para los operadores y la segunda para los usuarios. Por lo
mismo, plantea luego un sistema al que llama "hbrido", que define un
cuadrado interno de la grilla donde se tendr la cobertura completa, y afuera
de tal cuadrado una direccin por punto. As, la optimizacin se hace en tres
parmetros: la distancia espacial entre lneas, la distancia temporal
(equivalentemente, en la frecuencia) y en el tamao del cuadrado interior.
Newell (1979) tambin estudia grillas. Propone dos estructuras, la primera
en la que cada lnea recorre la grilla slo horizontal o verticalmente. Para
esta estructura explica que no es claro que la estrategia ptima imponga
frecuencias iguales frente a una demanda homognea, pues priorizar uno de
los sentidos (horizontal o vertical) puede ser ms eficiente. En la segunda
estructura todo el mundo trasborda exactamente una vez, con una gran
avenida horizontal en la mitad de la ciudad, y lneas que atraviesan la ciudad
verticalmente, pero desvindose en tal avenida. De este modo, en esa
avenida la gran mayora requiere trasbordo. Compara ambas estructuras,
encontrando que cul es mejor depende tanto de la relacin entre los
parmetros asociados a los costos como de la geometra del rectngulo.
Es interesante notar que en los dos artculos recin mencionados, las
estructuras que consideran menos lneas implican viajes ms largos, por lo
que el tiempo de viaje en el vehculo promedio pasa a depender fuertemente
de la estructura escogida, fenmeno que en general no se observa en los
estudios en redes simples caracterizados en la Seccin 1.2.
Tirachini et al (2010) analizan una ciudad de tipo concntrica. Consideran
solamente lneas radiales, suponiendo que toda la demanda va hacia el
centro de la ciudad. Para agregar mayor flexibilidad presumen adems que
existe un crculo interior, en el cual la demanda es distinta que en el anillo
que queda fuera, siendo uniformes al interior de cada una de estas dos
zonas. As, optimizan segn ngulo entra las lneas y segn frecuencias. Un
trabajo similar es el desarrollado por Byrne (1975), sin embargo en este
10
Desechando por ejemplo la presencia de un CBD o Central Business District. CBD es como se conoce en la
literatura al centro de la ciudad, que juega un rol en la mayora de los modelos. Esta discusin ser profundizada en
el Captulo 2.
11
Una estructura tipo hub & spoke concentra a todos los pasajeros desde sus orgenes en un punto hub que juega
el rol de estacin de trasbordo. En ese punto los pasajeros toman buses a sus lugares de destino.
13
caso la ciudad es una porcin de un crculo y no el crculo completo. Adems,
en un primer anlisis no se hacen supuestos sobre uniformidad en las
demandas; esto trae como consecuencia que cada lnea (las que tambin
supone radiales) tendr su propia frecuencia. La asignacin de pasajeros en
este caso es ms compleja, para solucionarla se zonifica la ciudad de
acuerdo a las curvas de indiferencia para los pasajeros, suponiendo
conocidos los ngulos entre lneas y sus frecuencias.
Respecto a la estructura de costos, Daganzo (2010) considera a usuarios y a
operadores. Para los operadores, adems del tamao de flota y del total de
kilmetros-bus recorridos, se preocupa de la infraestructura a construir. Para
los usuarios, incorpora el tiempo de viaje (que incluye espera por ascenso de
los pasajeros al autobs y prdida de velocidad por las paradas), de acceso,
de espera, y tambin el nmero de trasbordos. Debe asumir varios
supuestos para poder asignar: todo usuario ir siempre al paradero ms
cercano al origen y se bajar en el ms cercano al destino, usar la ruta ms
corta y con menor cantidad de trasbordos, si es necesario trasbordar lo har
a la primera oportunidad y, cuando aplique, elegir la direccin del primer
bus al azar. La resolucin slo la hace en trminos numricos. Newell (1979)
utiliza una estructura de costos estndar (para los usuarios tiempo de viaje,
acceso y espera, para los operadores proporcional a los buses-kilmetro) y
agrega una penalizacin por trasbordo por pasajero.
Tirachini et al (2010) tambin consideran costos de operadores y usuarios,
pero existen varios elementos propios que son interesantes: para los
usuarios, incorpora tiempo de acceso, y para la espera, considera dos
opciones, a saber, frecuencias altas y un anlisis usual, o frecuencias bajas
(frecuencias bajo un umbral predefinido) pero con horarios de pasada
prefijados y conocidos, que presentan dos expresiones distintas, explcitas,
del costo. Para el tiempo de viaje, incluye el tiempo por la subida y bajada
de pasajeros, adems de ponderarlo por un factor de desagrado segn cuan
lleno est el vehculo. Para los usuarios, hace un anlisis de los distintos
factores que producen costos, dependiendo as de la flota mxima, de la
cantidad de lneas (por infraestructura), de los vehculos-hora y de los
vehculos kilmetro. Adems impone restricciones de capacidad mxima de
los vehculos y de frecuencia mxima para las lneas.
En el caso de Byrne (1974) tambin se suman costos de operadores y
usuarios. Para los usuarios, cuya densidad est definida puntualmente, se
calcula mediante una integral que incorpora tiempo de acceso, tiempo de
viaje y tiempo de espera. Para los operadores, supone que el costo (por
unidad de tiempo) es proporcional a la flota para cada lnea. Al resolver le
quedan ecuaciones integrales, imponiendo por ejemplo que el total del costo
de los usuarios asociado al tiempo de espera de una lnea, debe ser igual al
total del costo para el operador de la misma lnea. Adems trabaja el caso en
el que la densidad es radial, donde encuentra soluciones explcitas en funcin
14
del primer y segundo momento de la densidad. Por ltimo, analiza el caso
general incorporando adems una restriccin de flota.
Finalmente, existen algunos estudios que analizan una sola va, pero donde
sta tiene varios paraderos y disean estrategias tipo lneas expresas, lneas
cortas y otras que deciden en cules detenerse y en cules no. Si se asume a
la ruta como un elemento caracterizador de la lnea, significa que estas
estrategias son en rigor varias lneas, por lo que se est diseando tambin
una estructura de lneas, complejizando lo que antes definimos como redes
simples. Tirachini et al (2011) proponen dos lneas, una completa y una
corta. Modelan para encontrar las frecuencias ptimas para ambas lneas y
los extremos ptimos para la lnea corta, minimizando costo de usuarios y
operadores (incluyendo as tiempo de espera y tiempo de viaje). Tsao y
Schonfeld (1981) analizan el zonificar un corredor para as tener servicios
locales y servicios expresos, optimizando tambin al mismo tiempo la
frecuencia.
En resumen, se puede observar que en este contexto hay mayor consenso
en el considerar tanto a operadores como a usuarios en el diseo de los
costos, y en el incorporar las frecuencias desde un comienzo. Sin embargo,
la mayor complejidad de la red ya impone que la bsqueda de una estructura
ptima se haga en sub-familias dadas, y no se plantee el encontrar
estructuras ptimas en general.
Con esta complejidad ya empiezan a asomarse algunos problemas en la
asignacin de pasajeros, as como la posibilidad de que diversas rutas
signifiquen diversas posibilidades respecto al tiempo en el vehculo para un
mismo par O-D. Este ltimo fenmeno no se apreci en las redes simples,
pese a ser un hecho frecuente en las ciudades reales.
Es interesante observar que los dos modelos de redes mencionados, la grilla
y la ciudad concntrica, presentan virtudes y carencias antnimas. As,
mientras la ciudad concntrica permite la existencia de un CBD, hace
imposible la presencia de otros puntos que tambin atraigan viajes. Por el
contrario, la grilla permite combinaciones mucho ms complejas, pero en las
cuales no hay nodos o arcos que jueguen roles ms preponderantes, a
menos que la matriz O-D as lo imponga. Esta mayor complejidad tambin
impone que las soluciones presentadas necesiten mayores supuestos y
familias ms restringidas en las cuales optimizar.
1.4 Enfoque y estructura de este trabajo
El anlisis hecho en las secciones anteriores da cuenta de que existen dos
formas principales de afrontar el problema de construccin de estructuras de
lnea ptimas para el transporte pblico. Estos dos enfoques no tienen
ninguna relacin ni dilogo entre s, sino que se han desarrollado en forma
15
paralela y obteniendo resultados que responden a objetivos diferentes y por
lo tanto no se pueden comparar.
Los resultados para redes simples entregan intuiciones y descubren
fenmenos, pero stos no son incorporados en absoluto cuando se trabaja
con heursticas en redes cualesquiera. Ms an, para estas heursticas la
estructura de la red y la matriz O-D son solamente elementos que se
consideran para algunos de los pasos del algoritmo, pero no en la definicin
del algoritmo en s, con lo que se pierde toda posibilidad de integracin de
fenmenos urbanos en general, y de aqullos estudiados a nivel de redes
simples en particular.
La totalidad de modelos estudiados son rgidos, pues no son capaces de
incorporar en sus resoluciones las diversas formas urbanas posibles.
Pareciera posible entonces construir en forma sistmica una forma de
afrontar el problema en alguna red intermedia, que permita justificadamente
aproximar ciudades reales de forma paramtrica y tambin ligar los dos
enfoques ya descritos.
El principal aporte de las redes simples para este estudio ser entregar una
metodologa, adems de ciertas intuiciones que permitan describir mejor a
priori qu estructuras de lneas darse para la comparacin, en el supuesto
que sea imposible analizar todas las estructuras de lneas factibles. Esto, sin
perjuicio de tambin buscar la conexin en el otro sentido, es decir, estudiar
cmo responderan los algoritmos ya existentes para imaginar cmo disear
heursticas nuevas que incorporen los resultados de los estudios en redes
simples e intermedias.
Para avanzar en esta direccin, la literatura entrega elementos que muestran
claramente cuales variables son las ms importantes al disear, identificando
cules son ms relevantes para usuarios y cules para operadores. Por
supuesto las rutas de las lneas son una variable clave, pudiendo ser descrita
en trminos de sus secuencias de nodos y arcos, o mediante alguna
simplificacin que permita caracterizarlas por uno o dos parmetros (como
los ejemplos explicados respecto a distancia angular u horizontal entre
lneas). Esta variable es relevante para el costo de usuarios y para el de
operadores, como se explicar ms adelante. Las otras variables que son
consideradas en la mayora de los artculos y cambian cualitativamente la
capacidad del modelo son las frecuencias, y en menor medida la capacidad
de los buses y la distancia entre paraderos. En estos ltimos 3 se observa
que existe una especie de trade off entre operadores y usuarios.
Las variables antes descritas definen los costos de usuarios y tambin los de
operadores en la mayora de los estudios previos. As, para los usuarios los
principales componentes del costo son el tiempo de viaje (que depende del
tiempo arriba del vehculo, consecuencia de las rutas de cada lnea, y del
tiempo gastado como consecuencia de las paradas), el tiempo de espera, el
16
tiempo de acceso (que depende de la ubicacin de paraderos y del diseo de
las rutas) y el nmero de trasbordos (relacionado con las rutas). Por el lado
de los operadores son relevantes la flota (que depende de las frecuencias, de
las capacidades y de las rutas), la capacidad y, en algunos modelos, la
infraestructura.
Con todo esto en mente, el objetivo de este estudio ser el proponer una
forma de encontrar estructuras de lneas ptimas para redes y patrones de
demandas simplificados pero que incorporen caractersticas suficientes para
reflejar los fenmenos usuales en una ciudad moderna. De esta forma, se
busca avanzar en la comprensin de cules estructuras de lneas son
mejores para qu ciudades, junto con construir puentes entre los enfoques
ya descritos.
Para poder llevar a cabo tal objetivo, se partir definiendo en el Captulo 2 la
estructura urbana, con su red y matriz O-D sobre la cual se realizar el
trabajo. Para ello se estudiarn ciertos aspectos de las discusiones urbanas
actuales, con centralidad en los que ms afectan las decisiones sobre
transporte pblico, como son los niveles de concentracin de la ciudad y la
estructura topolgica de sus calles. Se compararn con las estructuras tipo
grilla o tipo ciudades concntricas, y se identificarn los parmetros libres
que definan al grafo y a la matriz O-D con algunos fenmenos urbanos
interesantes que se relacionen con la eleccin de estructura de lneas de
transporte pblico. La estructura urbana a ser definida debe combinar
riqueza en los fenmenos que represente y factibilidad en solucionar el
problema en ella.
Posteriormente, en el Captulo 3, se precisar el modelo a ser utilizado, para
luego definir las estructuras que se estudiarn en forma exhaustiva. Para
cada una de ellas se describirn sus principales caractersticas, y se
calcularn las expresiones que representen los costos asociados. En el
Captulo 4 sern resueltas en forma numrica, analizando tambin cmo
cambian estas soluciones cuando los parmetros relevantes para la red y la
matriz O-D tambin varan. De esta forma, se podr analizar cul estructura
es la que mejor responde a los fenmenos urbanos que se logre identificar.
Se ver tambin cun robusto es el modelo. Todo esto apunta a complejizar
los anlisis exhaustivos realizados en redes simples, acercndoles a redes
reales.
En el Captulo 5 se analizarn cules estructuras emergeran si se aplican
algunas de las heursticas a la misma estructura urbana. De esta forma, se
podr comparar con las estructuras estudiadas previamente y aproximarse a
un anlisis cualitativo respecto a los sesgos que tengan las heursticas,
identificando qu fenmenos pueden incorporar y cules no. Con todo ello,
se propondrn temas de investigacin futura que permitan tambin mejorar
la lgica con la cual se construyen los algoritmos que buscan solucionar este
problema. Por ltimo, en el Captulo 6 se sintetizarn las principales
17
conclusiones de este trabajo y con ello sus aportes ms relevantes para la
resolucin del problema de estructuras de lneas ptimas de transporte
pblico.
18
Captulo 2: Estudio y Definicin de la
Ciudad, Red y Patrn de Demanda
"...Aunque las metrpolis ya no sean un fenmeno extrao, en ninguna parte
del mundo existe an un rea metropolitana con cualquier carcter visual
claro, cualquier estructura evidente. Todas las famosas ciudades sufren la
misma expansin sin rostro hacia la periferia."
Image of The City, Lynch (1960).
En la pregunta del diseo de un sistema de transporte pblico ptimo, la
ciudad sobre la cual se vaya a trabajar determina en gran medida las
caractersticas deseables del mismo. El tamao de la ciudad, la cantidad y
distribucin de sus habitantes, la forma de sus redes viales, entre muchos
otros factores, definirn qu tan bien se adapte cada posible diseo.
La pregunta particular sobre la estructura de lneas no escapa a esta
realidad. Las rutas, frecuencias y capacidades deben ser suficientes para
hacerse cargo de toda la demanda, pero adems una estructura ptima debe
propiciar un desarrollo armnico de la ciudad misma, ser capaz de distinguir
economas de escala o de densidad cuando ellas existan, identificar pares O-
D prioritarios y utilizar eficientemente la flota, entre otros diversos desafos.
En esa lnea, el objetivo de esta seccin ser definir la estructura urbana que
ser utilizada, para luego caracterizar su red y el patrn de demanda sobre
esa red, posiblemente ambas definiciones con parmetros libres. Basndose
en la literatura, se busca dar estas respuestas de modo tal de aproximarse
razonablemente a las ciudades reales, pero manteniendo una simpleza
suficiente para poder desarrollar posteriormente un anlisis exhaustivo de las
estructuras de lnea que se vayan a proponer.
Ms en concreto, "aproximarse razonablemente" significar identificar
fenmenos usuales en la estructura urbana que sean relevantes para el
transporte pblico, y en funcin de ellos definir el modelo de ciudad sobre el
que se trabajar, representado por su red y matriz de demanda, explicitando
aquellos fenmenos que no sean incorporados.
Estos dos elementos (red y demanda) son suficientes para poder realizar el
diseo de estructura de lneas propuesto como objetivo de este trabajo. La
red dar el espacio fsico por el cual transitarn los buses, y por lo tanto
define tiempos, rutas factibles, posibles paraderos, entre otras eventuales
caractersticas. El patrn de demanda seala los viajes que el sistema deber
ser capaz de hacerse cargo.
19
La demanda depende fundamentalmente de las actividades, y las actividades
dependen de los usos de suelo que a su vez dependen de los sistemas de
transporte. Ms an, la decisin de viajar o no puede estar mediada por el
sistema de transporte disponible. En este trabajo se considerar que son
elementos independientes y por lo tanto el patrn de demanda ser esttico.
Este supuesto simplifica el problema, pero adems es una suposicin
razonable, pues los cambios relevantes en el patrn de demanda toman
plazos largos, y las decisiones respecto a estructuras de lnea pueden ser
tomadas en plazos suficientemente cortos para adaptarse a los cambios en la
demanda. Hacerlo de esta forma, adems, permite concentrar el anlisis
posterior en aquellas variables que son controlables por los diseadores.
Cabe recordar que al revisar la literatura se encontraron trabajos en redes de
complejidad intermedia, como son la grilla en el caso de Daganzo (2010) o
ciudades concntricas para Tirachini et al (2010), por lo que estas
estructuras asoman como posibles candidatas.
Una ciudad puede estudiarse desde muy diversos enfoques. Estudios
topolgicos, geomtricos, demogrficos, histricos o econmicos, son
solamente algunos ejemplos. Para el objetivo de este captulo, el nfasis
estar puesto en aquellos elementos que sean relevantes para definir la red
y el patrn de demanda. Evidentemente los distintos anlisis se
entremezclan, sin embargo es posible rescatar diversas conclusiones,
especialmente a partir de los anlisis topolgicos y algunos elementos del
anlisis econmico.
Como advierte la cita del clsico libro de Lynch que abre este captulo, el
intentar definir una forma nica de ciudad es un desafo quiz irreal. Sin
embargo, el identificar los fenmenos principales y en funcin de aquello
modelar s es plausible.
2.1 Definiciones topolgicas
Una forma usual e intuitiva para representar matemticamente una red son
los grafos. Antes de profundizar en la literatura y los anlisis que se han
hecho en ciudades reales y sus representaciones grficas, es importante
definir claramente los objetos a ser utilizados. Se har un breve repaso de la
nocin general de grafos, para luego definir aquellos aspectos ms
relevantes para este estudio en particular.
Informalmente, un grafo es un conjunto de nodos y de arcos que los
conectan. Formalmente, est definido por un conjunto de nodos o
vrtices, y un conjunto de arcos, donde cada elemento est definido por
20
un par de elementos de 11F
12
. En esta seccin se notar a la cantidad de
vrtices y a la cantidad de arcos. Sin prdida de generalidad, se trabajar
con grafos conexos, es decir, donde todo par de nodos puede ser conectado
mediante una secuencia de arcos del grafo.
Al grafo se le asocia su matriz de incidencia
de dimensin . El
elemento (, ) de la matriz ser 1 si el arco existe en el grafo y ser nulo
en caso contrario. Notar que
=0
(, ).
Grado promedio : es el promedio de los grados de cada nodo, y su
valor est dado por
2
.
Grado de assortativity : mide si los nodos de mayor grado se
conectan prioritariamente con nodos de grados tambin altos, si no
hay correlacin, o si la relacin es inversa. La definicin formal se
encuentra en Buhl et al (2006).
Distancia: si cada arco tiene asociado un largo, la distancia entre dos
nodos , es el largo del camino ms corto que comienza en y termina
en . En el grafo dual, se utilizar la distancia topolgica, es decir,
cada arco tiene largo 1.
Centro de un grafo: es aquel nodo que minimiza su distancia respecto
al nodo que tiene ms lejos. La distancia entre estos dos nodos ser el
radio del grafo.
Coeficiente cluster: para un nodo , es la razn entre el total de
conexiones que existen entre sus vecinos y el mximo posible.
Formalmente:
(,)
(,)
(,)
,=1,>
(()1)()/2
. El coeficiente cluster del grafo es
el promedio entre todos sus vrtices.
Coeficiente caras: Definido en Buhl et al (2006) para grafos planares,
=
25
es la porcin existente de caras sobre la cota terica. As,
valdr 0 si el grafo es acclico. Un valor igual a 1 significar que no es
posible agregar caras sin perder la planaridad.
Existe un coeficiente ms, el coeficiente grilla. Se estudiar ms en
profundidad este tipo de red antes de definirlo. Asimismo se analizar el
valor que tomaran en una grilla los coeficientes ya definidos y algunas de
sus caractersticas principales, recordando que este grafo es uno de los
principales candidatos a ser considerado como una buena aproximacin de
las ciudades reales.
Intuitivamente, una grilla de es un retculo cuadriculado, donde las
intersecciones son los nodos y las uniones los arcos. Formalmente, es un
grafo = (, ), donde V= {(, ): = 1, . . . , , = 1, . . . , }, = {(, )(, ): | | + |
23
| = 1}. Notar que entonces una grilla es el grafo primal de una ciudad
perfectamente cuadriculada tipo damero.
En tal ciudad cuadriculada, las calles pueden dividirse en dos tipos: las
horizontales y las verticales. Se denotar a estos conjuntos , , cuya
unin representa los nodos del grafo dual. Las calles horizontales son todas
paralelas entre s, y lo mismo ocurre con las verticales, por lo tanto no hay
intersecciones al interior de esos conjuntos; en el grafo dual, ello significa
que toda arista conecta a un nodo del conjunto con uno del conjunto .
Un grafo cuyo conjunto de vrtices puede ser particionado en 2 subconjuntos
tales que toda arista va de uno al otro, se dice que es un grafo bipartito
14
. La
Figura 2.2 muestra una grilla de tamao 4 3 y su dual.
Figura 2.2: Un grafo grilla de 4 3 y su dual.
Con esto claro, es posible definir el coeficiente grilla. Definido en el grafo
dual, el coeficiente grilla de un vrtice (es decir, de una calle) es la razn
entre la cantidad de ciclos de largo 4 en los que est presente el nodo y el
total de ciclos largo 4 en los que participara si todos sus vecinos estuvieran
conectados con todos aquellos nodos a distancia 2 del nodo en cuestin. El
coeficiente grilla del grafo dual es el promedio entre sus nodos. De este
modo, si el primal es una grilla tal coeficiente vale 1.
Notar que en el primal todos los nodos "internos" (aquellos que no estn en
el borde) tienen grado 4. Existen ( 2)( 2) nodos de este tipo. Los 4
nodos esquina tienen grado 2 y los 2( +) 8 vrtices restantes tienen
14
En este caso cada calle horizontal intersecta a todas las verticales y viceversa, por lo tanto en el grafo dual todo
elemento de CH estar conectado con todo elemento de CV. A ello se le llama un grafo bipartito completo, y se dice
que es un grafo de tipo
,
.
24
grado 3. Ello da un grado promedio de
(42(+))
0
16
, mientras que el tiempo entre un subcentro y la periferia de su
respectiva zona ser
0
en llegar, siendo un valor paramtrico.
La Figura 2.5 representa tal ciudad para = 5. Los nodos rojos representan
las periferias, mientras que los nodos lila representan los subcentros, a
distancias iguales entre s. Las flechas dobles indican las avenidas, que son
todas consideradas en doble sentido. Se muestran adems las distancias en
tiempo entre cada par de nodos conectados.
As, si bien no se permiten diferencias entre las zonas, ser observable la
eventual concentracin cerca del CBD como una variable que puede ser
modificada a travs de los parmetros y
0
. Las distancias entre los
respectivos subcentros estarn determinadas por las condiciones
geomtricas ya descritas.
El Patrn de Demanda: Para definir la matriz O-D, notar que los nodos del
grafo se pueden dividir en 3 tipos: el CBD, los subcentros y las periferias.
El CBD es un atractor natural de viajes, pero la argumentacin dada en la
seccin anterior muestra que es altamente insuficiente para explicar todos
los viajes de la ciudad. Supondremos entonces que cada periferia tendr una
porcin de viajes hacia el CBD. De esta forma, el valor de ser una
medicin de cuan monocntrica es la ciudad.
Los subcentros tambin atraern viajes. Como se ha visto, un subcentro
atrae principal pero no exclusivamente viajes desde sus zonas ms cercanas.
Cuando un viaje va desde una zona hasta otra diferente, adems aporta a la
dispersin. Se supondr entonces que para cada periferia, una porcin de
los viajes all generados ir a los subcentros de zonas ajenas, en partes
iguales para cada subcentro. Este ltimo detalle parece poco realista, pues
podra esperarse que subcentros ms cercanos atrajeran mayor cantidad de
viajes. Lo anterior se descarta tanto porque significa introducir una
complejidad adicional al modelo sin aportar caractersticas cualitativamente
diferentes, y porque as el valor de representar mucho ms directamente
el nivel de dispersin de la ciudad.
A la porcin de viajes que parten desde la periferia y van a su subcentro se
le llamar (y por lo tanto + + = 1. ). Este parmetro medir entonces el
nivel de policentrismo de la ciudad.
16
Se definen como tiempos y no como distancias porque es la variable que luego ser relevante para los clculos.
Notar que en trminos tericos, es equivalente dar cualquiera de los dos parmetros mientras se suponga, como se
har en este modelo, que la velocidad de cada bus no vara.
37
Para los viajes generados en los subcentros, el parmetro carece de
sentido (pues el origen y el destino seran el mismo), lo que obliga a
modificar los parmetros. Para poder preservar la idea de que representa
el nivel de monocentrismo y el nivel de dispersin, se supondr que
,
donde es la porcin de los viajes generados en el subcentro que van al
CBD y la porcin que va a los dems subcentros, repartida en partes
iguales, verificndose + = 1. Luego se tendr que =
1
, =
1
, por lo
que slo dos de los cinco parmetros sern independientes. De esta forma,
se mantiene una ciudad que es simtrica en trminos radiales, pero no todos
los viajes sern radiales.
A nivel de origen, la periferia es el generador por excelencia de viajes. Sin
embargo, si solamente las periferias generaran viajes, significara que ningn
nodo puede ser origen y destino al mismo tiempo, y adems que en los arcos
adyacentes a las periferias se podra ver mayor flujo que en aquellos
adyacentes al CBD, cuestin contraria a lo que se observa cotidianamente en
todas las ciudades. Por ello, se supondr que los subcentros tambin
generan viajes, y as se definirn nuevos parmetros. La porcin de viajes
cuyo origen est en las periferias ser denotada por , y = 1 ser la
porcin que emerge desde los subcentros. En general se supondr que >
salvo que se explicite lo contrario.
El total de pasajeros ser denotado por , que se dividir uniformemente
entre las zonas. La Tabla 2.2 resume la matriz O-D con la que se trabajar,
la que se grafica en la Figura 2.6. Notar que para calcular los totales se debe
considerar que son los subcentros al sumar.
La Tabla 2.3 resume adems los parmetros que sern utilizados en el
modelamiento. Las relaciones matemticas entre ellas se resumen en la
Tabla 2.4. Cabe destacar la interpretacin de los parmetros , y como
aqullos que se hacen cargo de la discusin comentada anteriormente entre
modelos monocntricos, policntricos y dispersos. Estos parmetros le
otorgan flexibilidad al modelo diseado para representar las ciudades. Esta
interpretacin se hace grfica en las Figura 2.7. Cabe sealarse que en la
ltima figura se muestran los viajes que emergen solamente desde una
zona, para hacer ms claro el dibujo.
38
O/D CBD Subcentro Subcentro
( )
Periferia
Periferia
Total
Periferia
( 1)
0 0
Subcentro
( 1)
0 0
Total ( +) ( +) +
( +) +
0 0
Tabla 2.2: Matriz O-D de la ciudad con la que se trabajar.
Figura 2.6: Resumen grfico de los viajes existentes en la ciudad, con sus orgenes y
destinos respectivos.
39
Figura 2.7: Representacin grfica de una ciudad monocntrica, una ciudad policntrica y
una ciudad dispersa en este modelo, respectivamente.
40
Parmetro Definicin Interpretacin
Nmero de zonas Al crecer cada subcentro
es menos significativo
Afluencia total de
viajes
Mide la magnitud del
sistema
4
2
=
1
3
. Por ltimo, el
CBD tiene vecinos, y entre ellos hay arcos (precisamente los arcos que
conforman el anillo de subcentros). Luego, el coeficiente cluster del CBD vale
=
2
1
. El promedio indica que el coeficiente cluster del grafo ser
3
+
2
1
+1
=
42
2
+6
3(+1)(1)
. Si se considera un valor de entre 4 y 12 (que ser el rango
utilizado posteriormente para el anlisis), el coeficiente cluster tomar
valores entre 0,33 y 0,63, ambos nmeros mayores al 0,25 encontrado en la
literatura como mximo. Si bien esto es una mala noticia, es relevante hacer
notar que en las simplificaciones que implica la red escogida para
representar la forma urbana en estudio se fusionan varios nodos, lo cual
aumenta artificialmente las conexiones y por lo tanto el coeficiente cluster.
Para el coeficiente caras, es fcil ver que la cantidad de caras es
exactamente , que son todos los tringulos que se forman entre pares
consecutivos de subcentros y el CBD (ver Figura 2.5). La cantidad de vrtices
del grafo es 2 + 1, por lo que el coeficiente caras es
43
. Este nmero ser
levemente mayor a 0,25 que es la cota encontrada en la literatura. Este
resultado es sustantivamente mejor que el de una grilla, que como se vio en
la Tabla 2.1 es cercano a 0,5.
Para el dual, se omitir el clculo del coeficiente grilla pues solamente tiene
sentido para comparar con grillas, que no estn presentes en este caso.
Luego los coeficientes a ser estudiados son el grado promedio, la porcin de
nodos con grado mayor al promedio (valor que indica la concentracin de
conexiones, y as la existencia de avenidas principales) y el radio. Para
estudiar estos valores, hay que notar que el grafo primal tiene tres tipos de
arcos (que representan tres tipos de nodos en el dual): arcos que conectan
periferias con subcentros, que conectan subcentros vecinos y que
conectan al CBD con subcentros. Se tomar cada arco como una calle
diferente. Si bien hay continuidad en la direccin entre los arcos que unen a
una periferia con su subcentro y el que va desde ese subcentro al CBD, estos
arcos representan movimientos muy diferentes y es razonable suponer que
la avenida comienza desde el subcentro. Esto adems permitir hacer un
anlisis ms claro respecto a cules calles son el esqueleto principal de la red
vial.
Los arcos que conectan periferias con su subcentro tienen 3 arcos vecinos:
los que van desde el subcentro hacia sus dos subcentros vecinos, y el que va
desde el subcentro al CBD. Los arcos que conectan subcentros vecinos entre
s tienen 6 arcos vecinos: los dos arcos que conectan cada subcentro con la
periferia de su zona respectiva, los dos arcos que conectan cada subcentro
con el otro vecino (nuevamente suponiendo > 3) y los dos arcos que
conectan cada subcentro con el CBD. Por ltimo, los arcos que conectan a
algn subcentro con el CBD, tienen como vecinos a los 1 arcos
equivalentes, adems de los 2 arcos que conectan al mismo subcentro con
sus vecinos y al arco que conecta al subcentro con su periferia, totalizando
+ 2 vecinos. Con ello, el grado promedio resulta ser
11+
3
, lo cual cae dentro
de los valores encontrados en la literatura que son siempre menores a la
43
decena. Reemplazando los valores propuestos para , el rango resultante es
5 7,7.
Si 7, la cantidad de nodos del dual cuyo grado es mayor o igual al
promedio ser
2
3
, lo cual es muy alto para los valores de la Tabla 2.1. En
cambio, si > 7 tal cantidad ser
1
3
, lo que refuerza la idea de que la red vial
primaria sern los arcos que conectan los subcentros con el CBD. En
cualquiera de los dos casos, hay que notar que sera razonable hacer una
especie de "zoom" en cada periferia y definir all calles internas, con lo que la
cantidad de nodos del dual cuyo grado es mayor al promedio disminuira.
As, este anlisis muestra que la ciudad efectivamente est constituida por
avenidas principales en torno a las cuales se ordena el resto de las calles.
Por ltimo, es fcil ver que el radio en el grafo dual valdr 3, pues cualquier
par de arcos del primal se pueden conectar va CBD, siendo la mayor
distancia aqulla entre arcos que conectan periferias con subcentros que no
son vecinos entre s. La "small world property" antes mencionada se
conserva entonces, pero exagerada por las simplezas propias del grafo que
hacen que el total de arcos sea muy pequeo comparado con las ciudades
reales.
Ciudades Reales Ciudad de este
Trabajo
Indicador Valor en
Primal
Valor en
Dual
Valor en
Primal
Valor en
Dual
Grado
Promedio
2 3.5 < 10 ~3 5 7,7
Porcin
nodos con
grado
mayor al
promedio
Sin
informacin
0.2 0.4 No
calculado
1
3
2
3
Radio Sin
informacin
9 20 No
calculado
3
Coeficiente
Cluster
0.06 0.25 Sin
informacin
0.33 0.63 No
calculado
Coeficiente
Caras
0.01 0.25 No aplica > 0.25 No aplica
Tabla 2.5: Sntesis de los principales indicadores topolgicos de una ciudad real, comparados
con los de la ciudad definida para este trabajo.
44
La Tabla 2.5 sintetiza los resultados recin expuestos. En ella se puede
apreciar que la comparacin entre los indicadores topolgicos de una ciudad
real y aqullos de la ciudad definida para este trabajo resulta bastante
favorable, salvo por aquellos indicadores donde el fusionar nodos afecta
directamente. En cualquier caso, los resultados son muy superiores a los
obtenidos cuando la comparacin es con una grilla terica.
45
Captulo 3: Definicin y Estudio de las
Estructuras de Lnea Relevantes
Teniendo clara ya la ciudad a utilizar, con su respectiva red y patrn de
demanda, corresponde proceder a resolver y determinar qu estructura de
lnea es la ptima para ella. Para realizarlo, en un primer paso se seguir la
lnea desarrollada por Jara-Daz y Gschwender (2003) y por Gschwender et
al (2013): proponer un conjunto de estructuras que sigan lgicas diferentes,
para luego poder comparar en qu circunstancias es ptima cada una de
ellas. Esta forma de abordar el problema tiene la deficiencia de buscar un
ptimo en un conjunto acotado. Sin embargo, al considerar estructuras
bastante diversas, se pueden extraer conclusiones importantes respecto a
cmo responder frente a determinadas caractersticas de las ciudades. Este
objetivo resulta ms relevante, considerando que la ciudad en estudio no es
una ciudad real, pero s permite identificar determinados fenmenos. Con el
anlisis propuesto, tales fenmenos urbanos podrn ser asociados a la
estructura de lneas que mejor se ajuste a cada uno de ellos.
En primer lugar se describirn a grandes rasgos las estructuras que se
estudiarn y se introducir la notacin para las distintas lneas que las
componen. Posteriormente se explicar la funcin de costos del modelo, la
que ser detallada en las secciones posteriores que ahondarn el anlisis
para cada una de las estructuras.
3.1 Notacin y lneas a considerar
Las cuatro estructuras a analizar son:
1) Directas: Su caracterstica principal es que ningn pasajero requiere
trasbordar, sino que para cada par O-D se asegura que exista al menos
una lnea que los conecte. En adelante se denotar Dir.
2) Exclusivas: Tampoco requiere trasbordos, pero adems cada lnea sirve
en forma exclusiva un par O-D especfico, y cada par O-D tiene una
lnea que lo cubre sin detenerse en otros nodos y por tanto sin servir a
otros pares. Ser denotada Exc.
3) Hub & Spoke (en el CBD): El centro de la ciudad se convierte en un
punto relevante de trasbordo. Gran parte de los viajes se dirigen hacia
el CBD para luego tomar un segundo bus en direccin al destino final.
Cabe sealar que en este caso no ser un hub & spoke puro, porque
para algunos viajes seguir esa ruta implica un aumento en la distancia
que llega a ser absurdo en comparacin con una ruta ptima, y
significara agregar costos muy altos y evitables, empeorando as la
estrategia y hacindola menos competitiva frente al resto. Se usar
46
entonces una estrategia hub & spoke modificada, a la que se agregar
una lnea que corrija lo sealado. Notar que esta estrategia nunca ser
peor que hub & spoke puro, pues en el caso contrario la optimizacin
asignar frecuencia nula a la lnea agregada. Esta estructura ser
denotada por H&S.
4) Troncal-Alimentador: Los pasajeros de la periferia toman buses
"alimentadores" hasta el subcentro de la misma zona. Una vez all,
habr lneas directas para todos los posibles destinos mediante los
buses "troncales". Se denotar T-A.
Las cuatro estructuras pueden verse en las Figuras 3.1 y 3.2. Los parmetros
y
= 2.
Figura 3.2: Estructuras de lneas de tipo hub & spoke y de troncales-alimentadores para
= 5, =
= 2.
47
Antes de describir el detalle de estas estructuras, ser necesario aclarar la
notacin a utilizar y ejemplificarla mostrando las diversas rutas que seguirn
las lneas que compondrn las 4 estructuras.
En general los anlisis se harn fijando una zona especfica como origen para
estudiar cmo se distribuye a sus destinos, aprovechando que la simetra de
la ciudad y de la demanda de viajes permite que en las dems zonas el
anlisis sea exactamente el mismo. A menos que se explicite lo contrario, se
notar por a la zona de origen, y cuando sea necesario por a una zona
distinta que ser el destino.
Para denotar inequvocamente a las lneas, se sealarn mediante su origen
y su destino. As por ejemplo la lnea
.
Las relaciones entre y
.
En la Figura 3.3 se grafican las lneas
, que
van desde un subcentro directo hacia el CBD. En estas lneas basta denotar
el nodo de origen y el de destino, pues hay una sola ruta razonable para
unirlos. Por simetra, cuando alguna de estas lneas exista, existir para cada
una de las zonas.
La Figura 3.4 muestra a las lneas
. Las primeras
dos lneas llegan a subcentros ajenos desde la periferia, mostrando los
conjuntos que fueron definidos como y respectivamente. La tercera
lnea es una lnea exclusiva, que parte desde la periferia y llega al CBD pero
no se detiene en el subcentro respectivo. Cabe sealar que el trayecto del
bus pasa por ese subcentro, pero se grafica enfatizando el hecho de que la
conexin entre la periferia y el CBD ser directa. Por simetra, cuando una de
estas lneas exista, habr una equivalente partiendo de cada una de las
zonas, llegando a cada uno de los nodos para el caso de destinos en , y en
ambas direcciones en el caso de . La Figura 3.5 muestra lneas anlogas
pero que parten desde subcentros, introduciendo tambin al conjunto
.
49
Figura 3.4: Lneas
.
50
Figura 3.5: Lneas
.
La Figura 3.6 muestra una lnea circular, que recorre sucesivamente los
nodos del anillo de subcentros. Esta lnea tiene una notacin distinta a las
dems: . Esto pues no tiene un nodo inicial ni final, y por lo tanto no
tiene sentido denominarla bajo esas definiciones. Cabe resaltar que el
suponer que hay una lnea que no tenga ni comienzo ni final es un tanto
abusivo, pues en la realidad cada bus tiene un terminal desde el cual partir y
otro al cual llegar. Sin embargo, el anlisis que se realiza con una demanda
fija presupone que se est considerando un perodo especfico de la jornada
(por ejemplo hora punta maana) y por lo tanto es razonable suponer que
los buses de esa lnea ya estn en circulacin y en equilibrio para el
momento de anlisis de este estudio. Por simetra, cuando esta lnea exista,
tambin lo har su equivalente en sentido contrario.
Figura 3.6: Lnea circular, que recorre el anillo de subcentros.
51
3.2 La funcin de costos
Para poder comparar las estructuras recin explicadas, as como para
caracterizar el problema, no basta con definir las estructuras y conocer la
matriz O-D. Tambin es necesaria la funcin de costos, que como se vio en
el Captulo 1, puede tener muchas expresiones distintas. En este caso se
utilizar la funcin usada por Jara-Daz y Gschwender (2003) incluyendo
penalizacin por trasbordo, que tiene la principal ventaja de incorporar las
frecuencias como variable por ser significativas para los tiempos de viaje, de
ciclo y de espera. Si bien ello suma una dificultad extra por no poder resolver
en pasos separados la ruta y la frecuencia de cada lnea, esta manera de
definir los costos es ms completa pues la optimalidad de un conjunto de
rutas depende de las frecuencias que se le asignen. La funcin de costos
incorporar adems los principales elementos discutidos en el Captulo 1:
costos de operadores mediante flotas y capacidades, costos de usuarios
mediante tiempos de espera, tiempos de viaje en el vehculo y trasbordos.
En concreto, la funcin de costos que ser usada es:
= (
0
+
1
())() +
El significado de los distintos parmetros se explica en la Tabla 3.1.
Parmetro Significado
sern considerados exgenos. Sus valores sern definidos cuando se realice
el anlisis numrico.
Para poder explicar cmo las frecuencias determinan los costos, se hace
necesario primero explicitar ciertos supuestos que habr que asumir:
Todos los pasajeros escogern la ruta de menor costo generalizado
18
.
Las lneas tendrn controlado el intervalo de tiempo entre dos buses
consecutivos para que ste sea constante. De este modo, el tiempo de
espera promedio para los pasajeros que aguardan por la lnea en
cuestin ser la mitad del inverso de la frecuencia.
El tiempo de viaje en el vehculo tendr dos componentes. El tiempo en
movimiento, cuyos valores estn definidos en el Captulo 2 (que no
depende de la cantidad de pasajeros)
19
, y el tiempo detenido en los
paraderos. Para calcular este ltimo, se supondr que cada pasajero
que suba o baje tardar un tiempo en hacerlo.
La tarifa es la misma para todos los viajes, por lo que no juega un rol
en la modelacin.
Con los supuestos claros, se proceder a explicar cmo se determinar el
valor de los distintos componentes de expresados en funcin de las
frecuencias. Se ejemplificar adems con la resolucin de la primera
estructura. Todo el anlisis presupone que, dada la estructura, hay capacidad
de predecir qu lnea(s) utilizar(n) cada pasajero, y por lo tanto saber
tambin cuantos pasajeros se subirn y se bajarn de cada bus en cada
nodo.
Para determinar la capacidad de cada lnea, la nica restriccin es que el bus
sea capaz de transportar a todos los pasajeros que querrn tomarlo. En cada
arco de su ruta tendr una cantidad distinta de pasajeros, y por lo tanto la
capacidad del bus ser igual a la mayor carga que tenga al comparar entre
todos los arcos. De esta forma se cumple con la restriccin, y se hace de la
forma menos costosa posible.
La flota de la lnea se determina directamente mediante la relacin () =
()
(), donde
sern tiles
para ms pasajeros, y por lo tanto sus frecuencias y capacidades
deben ser estudiadas por separado. En la Figura 3.1 no hay lneas de
este tipo porque =
.
El tamao de podra determinarse priorizando viajes cortos. Sin
embargo, el criterio ptimo no es obvio, por lo que se resolver para
los distintos posibles y se comparar.
Dado , el tamao de
hacia un subcentro en
= , tanto
para la definicin de lneas como para la asignacin de pasajeros, y se
calcularn las frecuencias ptimas. Con estos datos se comparar el
costo total para el pasajero que va desde
.
La Figura 3.1 muestra las lneas que provienen de una zona especfica, y el
anlisis para determinar las cifras relevantes para el costo se har en forma
anloga para las dems zonas. Para poder determinar el costo total, se hace
necesario entonces saber cuntas lneas de cada tipo hay en el sistema, lo
que para esta estructura se resume en la Tabla 3.2.
Para encontrar los valores de las diversas componentes de la funcin de
costos expresados como funcin de las frecuencias, el primer paso es
determinar cuntos pasajeros suben y cuntos bajan en un bus cualquiera en
cada parada de cada lnea. Ello requiere primeramente determinar, para
cada par O-D, las lneas y rutas a seguir, informacin resumida en la Tabla
3.3.
55
Lnea Cantidad
2
Tabla 3.2: Cantidad de lneas por cada tipo en la estructura Dir.
Viaje Lneas posibles de utilizar
en
en
en
en
en
en
Tabla 3.3: Asignacin de pasajeros en la estructura Dir.
Ahora se estudiar cuantos pasajeros suben y bajan en cada nodo, en cada
bus de cada lnea de esta estructura. Para ello primero sern definidas
ciertas cantidades auxiliares:
56
=
((
) +(
) +
+ (
+ 2(
))
.
Esta cantidad representa la cantidad de pasajeros por unidad de tiempo y
por bus, cuyo origen es una periferia y el destino es el subcentro de la
misma zona. El numerador es el total de viajes de ese tipo, dividir por deja
los pasajeros de una zona especfica, y se divide por la frecuencia por ser la
cantidad de buses que pasarn en la unidad de tiempo.
=
((
) +
+ (
)(
))
.
Expresin equivalente a la anterior para los viajes que van desde una
periferia al CBD. La siguiente cantidad es anloga para quienes van desde un
subcentro al CBD.
=
(
) +
+ (
+(
) +
)
.
=
( 1)(
)
.
Esta ltima expresin es equivalente a las anteriores para viajes que van
desde la periferia a un subcentro especfico en
=
( 1)
+(
)
,
=
( 1)(
)
.
57
Esta expresin es equivalente a las dems para viajes que ven desde la
periferia a un subcentro especfico que se ubique en
=
( 1)(
=
(
)
( 1)()
Estas ltimas expresiones son equivalentes a las anteriores cuando se parte
desde una periferia para ir a un subcentro especfico en , y su versin
anloga cuando el origen est en un subcentro, respectivamente.
En la Tabla 3.4 se caracterizan la subida y bajada de pasajeros por lnea, por
nodo.
Lnea Nodo Suben Bajan
58
0
0
0
0
( 1)
+()
=1
( 1)
+(
=+1
+
( 1)
+()
=+1
( 1)
+()
=1
+
( 1)
+()
=1
+
Tabla 3.4: Cantidad de pasajeros que se suben y bajan por bus en cada paradero para las
distintas lneas de la estructura Dir.
Las expresiones de la Tabla 3.4 se explican por s mismas, salvo para las
ltimas dos lneas. Para entenderlas, notar que para un viaje entre dos
subcentros que se hace va anillo, que hayan lneas de tipo
que
sirvan significa que el viaje es de largo + 1. As, en
+
los valores que
toma la sumatoria son los largos de los caminos que faltan por recorrer para
el caso de la subida, y de los caminos ya recorridos para el caso de la
bajada. Para la lnea circular el anlisis es anlogo, slo que en este caso
todos los viajeros que van a
segn el anlisis ya hecho, mientras que para los nodos que van
desde + 1, ,
) =
.
Se procede a determinar los tiempos de espera y de viaje promedio, y los
tiempos de ciclo y carga mxima de cada lnea.
=
1
2
) +(
) +
+ (
+ 2(
)
+
(
) +
+ (
( 1)
+
(
)
( 1)(
)
+
2
( 1)(
)
+
(
) +
+ (
+(
) +
)
+
( 1)(
)
+
2
1
+()
+
2(
)
( 1)()
=1
Esta frmula presupone que los buses de una misma lnea pasan a intervalos
fijos; el factor
1
2
aparece por ser el promedio del tiempo que percibirn los
usuarios (que llegan en forma aleatoria al paradero). Despus cada sumando
es el producto entre la porcin de viajeros que sigue un viaje determinado y
el tiempo de espera percibido considerando el fenmeno de lneas comunes
ya explicado.
Para el tiempo de viaje, nuevamente la forma de calcularlo ser haciendo la
suma ponderada de los tiempos para cada uno de los pares O-D. Notar que
en este caso se har necesario diferenciar entre las lneas comunes, pues los
tiempos de subida y bajada de pasajeros diferirn de acuerdo a la lnea
tomada.
60
=
0
+
2[(
) +(
) +
+ (
+ 2
]
(
)(
+(
)(
) +
+ (
, + 2
+ ( + 1)
0
+
(
) +
+ (
)(
)
(
) (
)
+(
) +
(
, )
2
+
,
2
+ (
)(
)(
,
2
) +
1
( + 2)
0
+
,
+
+
(
)
1
( + 2)
0
+
,
+
+
2
1
0
( +
=1
+
,
+
+
,
+
+
,
+
2
1
=0
61
+
0
+
2 (
) +(
) +
+ (
)(
, ) +(
)(
, )
+
, + (
,
+
, )
1
2
0
+
+(
,
+
2
+
, +
2
+
2
1
=1
+
( + 1)
+()
,
+
+1
=+1
=0
+
,
+
+
,
++
2
+() ( 1)(,
) +(,
) +
()
2
+
2
1
0
+(( 1)(,
) +(,
) +
(,
)
2
)
=+1
Recordar que el trmino
0
es la distancia entre dos subcentros adyacentes.
Ambos subcentros son parte de una circunferencia centrada en el CBD y de
radio
0
, y estn conectados en lnea recta, por lo que el teorema del coseno
entrega directamente que
= 2 2 cos
2
.
Cabe resaltar que la frmula de tiempo de viaje incluye varias
complejidades, pues varios sumandos contienen productos cruzados entre
62
distintas frecuencias en el denominador. Esta observacin, que ya era vlida
para clculos anteriores pero que se extrema en este caso, ser relevante
pues har muy difcil una resolucin analtica del problema, como se ver en
el prximo captulo.
Para describir los tiempos de ciclo, ser til la nocin de carga total de una
lnea, es decir, el total de pasajeros que utilizan un bus cualquiera de esa
lnea, pues as se obtiene fcilmente el tiempo que le toma a ese bus el
esperar por subida y bajada de pasajeros en total. Se usar entonces la
notacin () = (, ).
2
0
+ 2(
2( + 1)
0
+ 2(
2( + 1)
0
+ 2(
2( + 1)
0
+ 2(
(2 +
)
0
+ 2(
2
0
+ 2(
2
0
+ 2(
0
+ 2()
Tabla 3.5: Tiempos de ciclo de las lneas de la estructura Dir.
Es relevante notar que para cumplir el ciclo entero, el bus debe llegar a un
punto desde donde comienza nuevamente el recorrido. En este caso, se
aprovecha la simetra de la forma urbana para que no vuelvan exactamente
al mismo punto desde el cual partieron, sino que partan desde el punto
equivalente (ya sea periferia o subcentro) ms cercano al punto donde se
bajaron sus ltimos pasajeros. As por ejemplo, los buses de la lnea
max[(
), (
) +(
) (
)]
max
max
max
, max
=0,,1
,
+
(
,
+
)
=0
( 1)
+ 1
() +()
+
+ 1
()
=+1
=1
Tabla 3.6: Carga mxima de las lneas de la estructura Dir.
Para comprender la carga de la lnea circular, basta fijar un arco cualquiera y
recordar que si hay lneas de tipo
) se determina por
criterios estrictamente geomtricos, pues el nico factor diferenciador entre
las dos posibles rutas para llegar a un subcentro cualquiera desde una zona
distinta es el largo de tal ruta. Luego, partiendo desde la zona se tendr
que
+
<=>
2 <=>
2
1 cos
2
.
Y por lo tanto =
=
2
1cos
2
.
Para las lneas de tipo
+
o
+
, respectivamente. Las lneas que van a subcentros
ajenos atravesando el CBD tienen el mismo largo y por lo tanto all la
equivalencia es completa.
En este caso la asignacin de los pasajeros es directa, pues a cada par O-D
le corresponde la lnea que une especficamente ese par. Con ello,
caracterizar las matrices y es sumamente simple, como muestra la Tabla
3.8.
65
Lnea Cantidad
Tabla 3.7: Cantidad de lneas por cada tipo en la estructura Exc.
El tiempo de espera en este caso es directo de calcular:
=
1
2
)
+
(
)
+
( 1)(
)
+
2
1
1
(
+
)
+
(
)
+
( 1)(
=1
+
2
1
1
(
+
)
=1
.
El tiempo de viaje:
=
0
+
(, )
2
+ ( + 1)
0
+
(, )
2
+
1
( + 2)
0
+
(, )
2
+
2
1
( +
)
0
+
( +, +)
2
=1
+
0
+
(, )
2
+
1
2
0
+
(, )
2
+
2
1
0
+
( +, +)
2
=1
.
66
Lnea Nodo Suben Bajan
)
0
)
0
0
( 1)(
)
0
( 1)(
( 1)(
)
0
( 1)(
)
0
0
( 1)(
( 1)(
( 1)(
( 1)(
)
Tabla 3.8: Cantidad de pasajeros que se suben y bajan por bus en cada paradero para las
distintas lneas de la estructura Exc.
67
Los tiempos de ciclo, replicando la notacin usada para las estructuras
directas, se presentan en la Tabla 3.9.
Lnea Tiempo de Ciclo
2
0
+ 2(
(2 + 2)
0
+ 2(
(2 + 2)
0
+ 2(
+
( +
)
0
+ 2(
+
)
2
0
+ 2(
2
0
+ 2(
0
+ 2(
+
)
Tabla 3.9: Tiempos de ciclo de las lneas de la estructura Exc.
Las cargas mximas por bus se extraen directamente de la Tabla 3.8, pues la
carga es constante en todos los arcos y su valor es precisamente la cantidad
de pasajeros que se suben en su nodo de origen.
3.5 Estructura tipo hub & spoke
Para esta estructura, graficada en la Figura 3.2, es necesaria definir una
nueva notacin: el subcentro
2
Tabla 3.10: Cantidad de lneas por cada tipo en la estructura H&S.
En este caso el supuesto de que nadie har trasbordos sera mucho ms
fuerte, pues en algunos casos trasbordar puede significar distancias mucho
menores. La esencia de una estructura H&S es que los pasajeros trasborden
en el nodo dispuesto para ello. Esto significa que tanto quienes parten desde
la periferia como desde el subcentro a zonas ajenas tienen dos rutas
posibles; luego el problema tanto en como en
es de equilibrio y se hace
necesario iterar en ambos. Cabe resaltar que se tendr siempre
. Para
comprobarlo, basta notar que un pasajero que parte desde la periferia
siempre partir tomando una lnea
. As, irse por el anillo tiene el mismo costo para ambos, pero irse va
CBD es ms barato para quien viene de la periferia.
La Tabla 3.11 muestra las lneas posibles a ser utilizadas para cada par O-D.
El smbolo "+" representa un trasbordo. La Tabla 3.12 resume la asignacin
de pasajeros.
En este caso el tiempo de espera estar dado por:
=
1
2
)
+
(
)
+
( 1)(
)
+
( 1)
1
1
(
)
+
1
(
) +(
+
2
1
1
(
)
+
1
()
+
(
)
+
( 1)(
)
+
(
1)
1
1
(
)
+
1
(
) +(
)
+
2
( 1)()
.
69
Viaje Combinaciones de Lneas posibles
de utilizar
en
+ (
en
en
+ (
en
Tabla 3.11: Asignacin de pasajeros en la estructura H&S.
70
Lnea Nodo Suben Bajan
)
0
)
+
( 1)(
)
+
2
( 1)(
)
( 1)
( 1)(
) +(
)
+
(
1)
( 1)(
) +(
)
+
(
)
+
( 1)
( 1)(
)
+
(
1)
( 1)(
( 1)(
)
+
( 1)(
)
+(
, )
, ) 0
0 (
, )
( 1)()
+
( 1)()
( 1)()
+
( 1)()
Tabla 3.12: Cantidad de pasajeros que suben y bajan por bus en cada paradero para las
distintas lneas estructura H&S.
Y el tiempo de viaje:
=
0
+
2
(
)
+ ( + 1)
0
+ (
) +(
) +
(
, )
2
71
+ ( + 1)
0
+ (
) +(
) +
(
, )
2
+
1
( + 2)
0
+ (
) +(
) +(
, ) +(
, )
+
(
)
2
+
( 1)(
)
( 1)((
) +(
))
( + 2)
0
+ (
) +(
) +
(
, )
2
+
(
)
2
+
( 1)(
)
( 1)((
) +(
))
( + 2)
0
+ (
) +(
) +
(
, )
2
+
(
)
2
+
2
1
( +
)
0
=1
+
(
)
2
+ ( 1)((,
) +(,
))
+
(,
)
2
+
0
+
(
, )
2
+
1
2
0
+ (
, ) +(
, ) +
(
)
2
+
( 1)(
)
( 1)((
) +(
))
2
0
+
(
, )
2
+
(
)
2
+
( 1)(
)
( 1)((
) +(
))
2
0
+
(
, )
2
+
(
)
2
+
2
1
0
+ ( 1)((,
) +(,
)) +
(,
)
2
=1
.
72
Los tiempos de ciclo se resumen en la Tabla 3.13.
Lnea Tiempo de Ciclo
2( + 1)
0
+ 2(
2
0
+ 2(
0
+ 2()
Tabla 3.13: Tiempos de ciclo de las lneas de la estructura H&S.
A su vez, las capacidades de cada lnea se describen en la Tabla 3.14.
Lnea Carga Mxima
max{(
), (
) +(
)
(
), (
) +(
)
(
) +(
, ) (
, )}
, )
( 1)
+ 1
()
=1
+
( 1)
+ 1
()
=1
Tabla 3.14: Carga mxima de las lneas de la estructura H&S.
El razonamiento para determinar la carga de la lnea circular es anlogo al
explicado para el caso de la estructura Dir. Cabe sealar que en este caso las
sumas son fciles de resolver, y se obtiene que tal valor es
2(1)()
[(
2
+) + (
2
+
)].
Como se explic previamente, en esta estructura hay trasbordos, los que
deben ser calculados tambin para el caso en que
1)
1
.
73
3.6 Estructura de lneas troncales y alimentadoras
Esta estructura, graficada en la Figura 3.2, tiene una caracterstica bien
particular. Recoge a todos los pasajeros de la periferia, los lleva hasta el
subcentro de su misma zona y desde all se reparten en una lgica de lneas
directas. Es necesario resaltar que una vez en el subcentro, los pasajeros de
la periferia estarn exactamente en las mismas condiciones que los
pasajeros que comienzan su viaje en el subcentro, y por tanto la reparticin
de viajes ser la misma. Ello implica, entre otras cosas, que para esta
estructura =
.
Las Tablas 3.15, 3.16 y 3.17 muestran la cantidad de lneas por tipo, la
asignacin de pasajeros y la subida y bajada de pasajeros por nodo y lnea,
respectivamente.
Lnea Cantidad
2
Tabla 3.15: Cantidad de lneas por cada tipo en la estructura T-A.
Viaje Combinaciones de Lneas
Posibles a Utilizar
en
en
en
en
Tabla 3.16: Asignacin de pasajeros en la estructura T-A.
74
Lnea Nodo Suben Bajan
)
0
+
( 1)
+
( 1)
0
0
( 1)
+
( 1)
( 1)()
+
( 1)()
Tabla 3.17: Cantidad de pasajeros que se suben y bajan por bus en cada paradero para las
distintas lneas de la estructura T-A.
Se muestran a continuacin los tiempos de espera y de viaje.
=
1
2
)
+
1
(
)
+
1
(
)
+
1
1
(
)
+
1
(
+
2
1
1
(
)
+
1
()
+
(
)
+
( 1)(
)
+
2
( 1)()
75
=
0
+
2
(
) + ( + 1)
0
+
2
(
) +(
, )
+
1
( + 2)
0
+
(
)
2
+
, +
2
+
2
1
( +
)
0
=1
+
(
)
2
+ ( 1)(,
) +(,
)
+
(,
)
2
+
0
+
,
2
+
1
2
0
+ (, ) +
2
+
2
1
=1
+ ( 1)(,
) +(,
) +
(, )
2
.
Por ltimo, las Tablas 3.18 y 3.19 resumen los tiempos de ciclo y las
capacidades de cada lnea, respectivamente.
Lnea Tiempo de Ciclo
2
0
+ 2(
2
0
+ 2(
0
+ 2()
Tabla 3.18: Tiempos de Ciclo de las lneas de la estructura T-A.
Lnea Carga
)
(
2
+)
2( 1)
( +)
Tabla 3.19: Carga mxima de las lneas de la estructura T-A.
76
Nuevamente la carga de la lnea circular se determina en forma anloga a las
estructuras anteriores, se presenta en este caso la suma resuelta. Esta
estructura presenta trasbordos, para todos los pasajeros que provienen de la
periferia, con la excepcin de aqullos cuyo destino final era el punto donde
el resto de los pasajeros trasbordar: el subcentro propio. Por ello
= ( +).
3.7 Sntesis
En este captulo se han definido las estructuras con las que se trabajar:
Directas, Exclusivas, Hub & Spoke y Troncales-Alimentadores, con sus
caractersticas principales y sus definiciones formales. Se present adems la
funcin de costos, la que incorpora los costos de los operadores -que
dependen de la flota y de las capacidades de los buses- y los costos de los
usuarios -los que incluyen tiempo de espera, tiempo de viaje en el vehculo y
los trasbordos-.
Con el anlisis anterior, se conoce para cada una de las estructuras la
funcin de costos expresada totalmente en funcin de parmetros exgenos,
de las frecuencias y de los valores de y
y la cantidad total de
trasbordos . El resto de los parmetros no dependen de la estructura ni de
las frecuencias en este modelo.
Por otro lado, a lo largo de este captulo se expresan diversos valores para
cada estructura. Aqullos que son necesarios para determinar las variables
presentes en la funcin de costos, y que por lo tanto exigen definir nueva
notacin, son la cantidad de lneas existentes en el sistema por tipo de lnea,
nmero que ser denotado (); la carga mxima que deben ser capaces de
trasladar los buses de cada lnea, denotada por (); el tiempo que tarda el
ciclo completo de un bus, denotado por
y de
espera
()()
Capacidad () ()
Tiempo de viaje promedio
Tiempo de espera promedio
Cantidad de trasbordos
Tabla 3.20: Sntesis de cmo calcular los elementos de la funcin de costos desde las
expresiones conocidas.
Con lo anterior la funcin de costos se calcula directamente con las frmulas
expresadas en las Secciones 3.3, 3.4, 3.5 y 3.6. A continuacin se realizar
el proceso de optimizacin numrica para as encontrar las frecuencias
ideales en diversos casos, para luego comparar las estructuras. La
comparacin ser realizada en distintos escenarios, representados por
distintos valores de algunos parmetros exgenos, para as poder identificar
qu estructuras son idneas para distintos tipos de ciudad, adems de
reconocer qu parmetros juegan roles ms relevantes.
De esta forma, se completar el proceso que permitir cumplir uno de los
objetivos principales de esta tesis: disear una forma sistmica para poder
enfrentar la bsqueda de estructuras de lnea ptimas de transporte pblico.
En efecto, se tendr ya un modelo de ciudad debidamente justificado, y con
el trabajo de este captulo y el prximo se tendr una visin respecto de cul
estructura es mejor, dentro de las cuatro aqu desarrolladas, para ese
modelo dependiendo de los parmetros ms relevantes.
78
Captulo 4: Resultados Numricos
Con la descripcin analtica del captulo anterior para las estructuras Directa
(Dir), Exclusivas (Exc), Hub & Spoke (H&S) y Troncal-Alimentador (T-A), se
procede a determinar las frecuencias ptimas, lo que permite calcular los
costos totales para cada estructura y poder compararlas.
El anlisis se har en forma numrica, pues la presencia de lneas
compartidas introduce factores que hacen muy complejo la resolucin de las
ecuaciones que implicaran una optimizacin analtica. Si bien no en todas las
estructuras aparece este fenmeno, los resultados interesan para poder
comparar las estructuras entre s, y por lo tanto el procedimiento para cada
estructura ser el mismo.
En este captulo se explicar brevemente el mtodo numrico utilizado, se
determinarn frecuencias y estructuras ptimas moviendo algunos
parmetros, y luego se estudiar cmo se comportan algunas caractersticas
especficas del sistema. Con ello se construir una visin general sobre cada
estructura y se reconocer cul de ellas es mejor respuesta para diversos
fenmenos urbanos representados en los parmetros que definen el
problema. Por ltimo, se analizar la robustez del modelo utilizado.
4.1 El mtodo numrico
La programacin y el clculo se llevaron a cabo usando el software Matlab.
Dentro de las herramientas ya programadas para optimizar, se utiliz el
mtodo de punto interior, como se puede ver en los manuales en lnea de
Mathworks.com (2014, 2014b). El mtodo consiste en una optimizacin sin
restricciones pero con barrera logartmica, es decir, se minimiza la funcin
(, ) = () + ln
sujeto a: () + = 0
Donde representa las restricciones de tipo desigualdad. Al partir desde un
punto factible, la presencia del logaritmo asegura que al iterar con cualquier
mtodo de optimizacin numrica, nunca se saldr de la zona factible. La
idea es hacer converger a 0 para llegar a un mnimo del problema original.
Cabe destacar que en este caso hay una restriccin evidente como es la
positividad de las frecuencias, a la cual se le incorpora el exigir que las
capacidades de los buses sean acotadas. En este caso, se defini como
tamao mximo el de 291 pasajeros que es la capacidad de un bus
biarticulado.
79
La pregunta es entonces si existe mnimos de la funcin de costos y si este
mtodo permite llegar a l. El resultado que ser presentado a continuacin
responde parcialmente tal pregunta. Para demostrarlo, se utilizar que de
acuerdo con Wright y Nocedal (1999), si las funciones son continuamente
diferenciables y el punto lmite cumple con la condicin de que los gradientes
de las restricciones activas forman un conjunto linealmente independiente
(condicin LICQ), entonces tal punto lmite cumple con las condiciones de
primer orden.
Proposicin 4.1: La funcin de costos descrita en la Seccin 3.2 tiene un
mnimo si las frecuencias estn restringidas a ser positivas
21
. Adems, si al
aplicar el mtodo descrito y programado en Matlab converge, su lmite
cumplir con las condiciones de primer orden a menos que la funcin de
costos no sea diferenciable en ese punto.
Demostracin: Para la primera aseveracin, notar que la funcin a minimizar
es una funcin continua. Si la norma del vector de frecuencias se acerca a 0,
los tiempos de espera se hacen infinitos y por lo tanto el costo total se hace
infinito. Si la norma del vector de frecuencias se va hacia infinito, es decir si
alguna lnea lo hace, su flota tambin tender a infinito y asimismo lo har el
costo. Por lo tanto es equivalente a minimizar una funcin continua en un
compacto. Cabe sealar que en el caso a ser resuelto, es decir considerando
la cota mxima de 291 pasajeros para las capacidades de los buses, la
existencia del mnimo est garantizada por el mismo argumento recin
expuesto.
Para demostrar que el eventual lmite cumple con las condiciones expresadas
en el enunciado de la Propiedad 4.1, el primer paso es explicar que la
condicin LICQ no ser un problema, pues en las soluciones encontradas
nunca ser ms de una lnea la que alcance la capacidad mxima, y por lo
tanto la independencia lineal est garantizada.
Lo anterior no es suficiente para concluir, pues las funciones no son
continuamente diferenciables. Las capacidades de las lneas (presentes tanto
en las restricciones como en la funcin de costos) en muchos casos estn
definidos por mximos entre varias cifras, y por lo tanto dependiendo del
rango de valores en los que se encuentren las frecuencias la cifra en la que
tal mximo es alcanzado puede variar. Es decir, es una funcin
continuamente diferenciable por trozos. Sin embargo, es posible extender el
resultado de Wright y Nocedal (1999). En efecto, si el punto lmite del
algoritmo es uno en el que las funciones en cuestin son diferenciables,
significa que lo son tambin en un abierto alrededor de tal punto, pues para
la diferenciabilidad basta con no ser un punto en los que los mximos que
definen las capacidades cambien. Por ello, para concluir la demostracin,
basta con restringir la funcin de costos a tal abierto, en ella aplicar el
21
Notar que la cota superior para las capacidades no es necesaria para la existencia del mnimo.
80
algoritmo de punto interior y utilizar el resultado original de Wright y Nocedal
(1999).
Lo anterior concluye la demostracin, pero quedan al menos tres
cuestionamientos que son necesarios analizar:
1. La Proposicin 4.1 no garantiza que el mtodo efectivamente converja.
No se realizar un anlisis terico, pues la propia resolucin de Matlab
indica cuando ello ocurre. En los casos que sern resueltos en las
secciones siguientes, el algoritmo siempre converge, por lo que este
cuestionamiento no es problemtico.
2. El punto lmite podra ubicarse en la frontera entre dos zonas de
diferenciabilidad de la funcin de costos.
3. La funcin a optimizar no es convexa, por la presencia de factores del
tipo
+
. Ello significa que el cumplir las condiciones de primer orden no
es garanta de estar en presencia de un mnimo sino que podra caerse
en un punto silla. Al igual que el punto anterior, no hay forma de
zafarse de esta dificultad, por lo tanto urge tenerlas presentes y
comprender que si en algunos casos aparecen resultados pocos
consistentes con el resto de la tendencia, stas sern las razones ms
probables. De todos modos, los resultados sern consistentes desde el
punto de vista cualitativo, de lo que se concluye que en general s se
obtienen mnimos y por lo tanto el anlisis y las conclusiones son
vlidas.
4.2 Los Parmetros
Como se explic en el Captulo 2, los parmetros , y juegan un rol clave
en la definicin de la estructura urbana en la que se resolver el problema,
pues valores altos representan una ciudad monocntrica, policntrica o
dispersa, respectivamente. Por lo mismo, el proceso de optimizacin se har
considerando distintos valores para estas variables. Recordar que para ello
basta variar los valores de y . Los trabajos de Jara-Daz et al (2012) y de
Gschwender et al (2013) muestran que tambin la afluencia total afecta en
forma relevante. Cmo lidiar con esos tres parmetros ser explicado ms
adelante. El resto de los parmetros, para el primer anlisis, se mantendrn
fijos.
As, los valores de ,
0
,
1
,
0,1775 US$/minuto
0,0034 US$/minuto
30 minutos
1
3
2,5 segundos
4,44 US$/hora
1,48 US$/hora
0
0,8
8
Tabla 4.1: Valores de los parmetros utilizados.
Con estos parmetros fijos, quedan 3 parmetros para variar, como son ,
e . Intentar variar simultneamente los 3 presenta dos complicaciones: en
primer lugar, graficar se hace demasiado engorroso. En segundo lugar, el
tiempo de resolucin tambin explota. Dado ello, la estrategia para resolver
consistir en una particin fina, en 50 partes iguales, del intervalo [
1
52
,
50
52
]
para , (se evita llegar a los valores nulos pues varias componentes de la
funcin de costos all se indeterminaran), y resolver para 3 valores
especficos de : 8000, 24000 y 72000 pasajeros por hora (de modo que de
cada zona emergen 1000, 3000 y 9000 pasajeros, respectivamente). De esta
forma es posible obtener las frecuencias ptimas y los costos respectivos
para cada uno de estos valores. Cabe sealar que una particin ms fina, si
bien podra ser deseable, comienza a incidir fuertemente en la factibilidad de
resolver el problema, pues ya con estos rangos calcular para las cuatro
estructuras significa un tiempo aproximado de 10 horas. Se estudiarn todas
las combinaciones posibles del par (, ), pero es necesario tener en
consideracin lo discutido en el Captulo 2: en todas las ciudades el CBD
sigue jugando un rol relevante, y por lo tanto valores muy pequeos de
carecen de sentido real.
Los valores de se escogen buscando mantener valores suficientemente
grandes para que el problema del transporte pblico y de la forma de
crecimiento de la ciudad tengan sentido, pero acotados de modo tal que los
supuestos realizados en este modelo mantengan validez. Valores grandes de
82
significan que la congestin ya no puede ser ignorada, especialmente para
aquellas estructuras que concentran los traslados como H&S. Asimismo, si
es muy grande significa que las periferias, los subcentros y el CBD ya no
pueden entenderse como un nico paradero, y por lo tanto los tiempos de
acceso son importantes, lo cual es particularmente crtico para la estructura
de lneas exclusivas.
4.3 Los Resultados
Se presentar en primer lugar un panorama general respecto a cules
estructuras son ptimas para los distintos valores de , , e , analizando
adems el rol de
.
La nica excepcin al punto anterior se obtiene en aquellos puntos
donde la estructura Dir es la ptima. Notar que esto ocurre muy cerca
de la diagonal, es decir, cuando el valor de es prcticamente nulo.
En el captulo anterior se asumi el supuesto que en la estructura Dir
nadie trasbordara. Al verificarlo, es decir, al revisar si con las
frecuencias dadas por la optimizacin el viaje directo tiene un menor
costo para el usuario, se encuentra que el supuesto solamente falla en
casos donde 0,76, es decir en aquellos casos donde la estructura Dir
no es la ptima, pero adems en ciudades donde los subcentros atraen
la mayor parte de los viajes, pero no lo hacen desde su propia zona.
Claramente estas ciudades son ms bien una posibilidad terica que
real, y por lo tanto el supuesto utilizado no representa problema.
84
A mayores niveles de se impone la estructura H&S. Este resultado es
esperable, pues precisamente esa estructura se basa en llevar muchos
pasajeros al centro de la ciudad y por lo tanto la mayora de los
pasajeros se ven beneficiados por las altas frecuencias que tendrn
tales lneas. Precisando ms, es interesante ver que existen valores de
para los cuales, sea cual sea el valor de , la estructura H&S ser la
mejor. Tales valores se mueven entre 0,45 y 0,65 -valores que
implican una ciudad fuertemente monocntrica- dependiendo del valor
de . Asimismo, si es suficientemente pequeo esta estructura nunca
ser la ptima. En este caso, el valor crtico se mueve entre 0,2 y 0,5.
Valores altos para favorecen la estructura T-A. Tambin es una
conclusin esperable, pues esta estructura lleva a todos los pasajeros
de la periferia a su subcentro propio, y por lo tanto las capacidades de
los buses podrn ajustarse muy bien a la cantidad de viajes. En otras
palabras, habr poca capacidad ociosa, lo que es beneficioso para los
operadores.
Al comparar los 3 grficos, se observa que tambin juega un rol
relevante. A medida que crece la estructura H&S se hace menos
competitiva, mientras que las estructuras Dir y T-A se imponen en ms
pares (, ).
Se observa adems que el parmetro pareciera ser ms relevante
que el parmetro . En efecto, la lnea que divide los sectores del
grfico donde predominan las estructuras H&S y T-A respectivamente,
es una lnea con una pendiente cercana a una lnea horizontal. Notar
que si la pendiente fuese efectivamente horizontal significara que es
irrelevante, en cambio si fuera vertical la conclusin sera anloga para
. Si bien al ser oblicua se concluye que ambos parmetros influyen,
se realza como la variable ms importante.
Para comprender mejor las razones detrs de estos fenmenos, y cuanto de
lo aqu expuesto se explica por los usuarios y cuanto por los operadores, se
presentan a continuacin grficos sobre caractersticas especficas.
En este caso se utilizar a como variable principal, para poder mostrar en
simultneo como cambian tales caractersticas para cada una de las
estructuras. Dado que fijar el valor de no es suficiente para calcular
frecuencias y costos, se tomar el promedio entre todos los posibles valores
de para los que se calcularon las frecuencias ptimas. Hacerlo de esta
manera permite analizar especficamente como afecta el valor de . Formas
alternativas que impliquen fijar el valor confundiran el estudio, pues sera
imposible distinguir si las conclusiones se deben a los cambios de valor de
o al valor especfico de .
85
Notar que entonces los grficos que vienen a continuacin no representan los
valores para alguna ciudad especfica, sino que muestran cmo se mueven
tales valores con . El uso de este parmetro tiene que ver con que el grado
de monocentrismo define ms fuertemente el carcter de la ciudad, y con lo
ya comentado respecto a que el valor de es ms relevante para definir la
estructura ptima. Se mostrarn los grficos para = 24000.
Cabe resaltar que la forma interesante de analizar estos grficos es
comparando las estructuras. Mirar solamente una estructura y analizar si
"mejora" o "empeora" cuando cambia esconde que las caractersticas en
general cambiarn porque la estructura general (y el largo promedio en
particular) de los viajes cambiar.
La Figura 4.2 proporciona nueva informacin. Se reafirma que la estructura
H&S es la que ms mejora cuando crece, sin embargo para valores muy
altos aumenta sus costos pese a que las estructuras Dir y Exc los
disminuyen. Es posible obtener ms informacin adems sobre las
estructuras que no son ptimas. As, se concluye que Dir es una estructura
competitiva si es grande; Exc, en cambio, est siempre muy lejos de la
estructura ptima. Es interesante ver tambin que una estructura del tipo T-
A es claramente errnea si la ciudad tiene un CBD muy relevante.
Figura 4.2: Costo total de cada estructura al variar el valor de .
86
Figura 4.3: Costo de operadores de cada estructura al variar el valor de .
La Figura 4.3 permite comparar cual estructura es mejor si el nico punto de
vista que importa es el de los operadores. Notar que las frecuencias siguen
estando definidas de acuerdo a la funcin de costos que involucra tanto a
operadores como a usuarios. En este caso, la estructura Exc se hace ms
competitiva, lo cual se explica por su baja capacidad ociosa. Sus altos
tiempos de espera no son relevantes para los operadores. Similarmente la
estructura Dir tambin aparece como mucho ms beneficiosa para los
operadores, mientras que la estructura H&S tiene una posicin relativa
mucho peor.
La Figura 4.4 muestra que, si de los usuarios dependiese, siempre se
escogera la estructura H&S. Es muy notable adems que desde el punto de
vista de los usuarios, el valor de es casi irrelevante, salvo si la estructura
es Dir, en cuyo caso una ciudad ms concentrada resulta ser mucho mejor.
De aqu tambin se infiere que T-A es globalmente mejor que H&S para
pequeo por su mejor desempeo para los operadores.
87
Figura 4.4: Costo de usuarios de cada estructura al variar el valor de .
A continuacin se estudiarn las caractersticas especficas que explican los
costos. Para los operadores, los dos valores relevantes son la flota total (que
en la funcin de costos va multiplicada por
0
) y el total disponible de plazas
(es decir, la suma sobre todas las lneas de la flota de cada lnea multiplicada
por su capacidad; este valor va multiplicado por
1
en la funcin de costos).
Para los usuarios, los valores a mostrar son el tiempo de espera y el tiempo
de viaje promedio, adems de los trasbordos totales para las lneas en las
que haya.
La flota total significa un costo directo a los operadores, y adems permite
tener ciertas nociones sobre cmo se comparan las frecuencias. La Figura 4.5
muestra que la inmensa flota necesaria para la estructura Exc es una de sus
principales desventajas, mientras que las estructuras Dir y H&S salvo para
valores muy bajos de - requieren muchos menos buses. Adems, un mayor
nivel de concentracin en general requiere menos buses, salvo para una
estructura de tipo T-A.
88
Figura 4.5: Flota total de cada estructura al variar el valor de .
La Figura 4.6 seala que la cantidad de plazas de las distintas estructuras es
similar, salvo para la estructura H&S cuando es pequeo. Como es de
esperar, la estructura Exc presenta ventajas en esta dimensin, pues no
presenta capacidad ociosa salvo cuando los buses van de vuelta a re-
comenzar sus recorridos. Es destacable que la estructura T-A sea la siguiente
estructura ms competitiva, consecuencia de juntar toda la demanda en los
subcentros para luego repartirla. Cabe recordar que la cantidad de plazas
tiene una expresin directa en los costos de los operadores, multiplicada por
1
.
Interpretar la Figura 4.7 exige tener bien presente que lo relevante es la
diferencia absoluta ms que las diferencias relativas. Si bien eso es cierto
para todos los grficos (pues la funcin de costos es una suma de los
diversos factores que inciden en ella), en este caso el nfasis es necesario
porque los valores absolutos son menores y las diferencias relativas se
acrecientan. Este grfico explica en buena medida por qu la estructura Exc
resulta negativa para los usuarios: su alto tiempo de espera, predecible
considerando que cada lnea sirve a un par O-D especfico, y luego a un
universo pequeo de pasajeros. Es interesante notar adems que la
estructura H&S, pese a sus trasbordos, es siempre la que presenta menores
tiempos de espera, aunque la estructura Dir se hace competitiva si la ciudad
es ms concentrada.
89
Figura 4.6: Cantidad de plazas de cada estructura al variar el valor de .
Figura 4.7: Tiempo de espera de cada estructura al variar el valor de .
90
Figura 4.8: Tiempo de viaje de cada estructura al variar el valor de .
Como es de esperar, el estudio de la Figura 4.8 nos muestra que las
diferencias en los tiempos de viaje no son demasiado significativas. Las que
hay se explican por dos razones: menos tiempo en los paraderos (el gran
factor que favorece a la estructura Exc), y el valor de y
son
ms grandes, donde algunos optan por viajar a travs del centro en lugar de
por el anillo de subcentros pese a que esta ltima opcin es ms corta. Notar
que lo anterior es razonable siendo una estructura que se basa en que los
pasajeros viajarn al centro para trasbordar, y por lo tanto donde las
frecuencias sern mayores para esa alternativa.
91
Figura 4.9: Frecuencia de los distintos valores tomados por y
iguales a 5 o incluso a 7. Recordemos que sta es la nica estructura que
puede decidir el valor de , y por ello es posible aumentar los tiempos de
92
viaje promedio (como se vio en la Figura 4.8) si eso permite aumentar las
lneas comunes y disminuir as los tiempos de espera, el tamao de la flota o
el nmero de plazas. Las Figuras 4.8 y 4.9, que muestran que en una ciudad
dispersa la estructura Dir presenta valores altos para y
, explican en gran
medida por qu esta estructura es ms competitiva cuando la ciudad tiene
un CBD ms atractivo.
Figura 4.10: Trasbordos de cada estructura al variar el valor de .
Respecto a la Figura 4.10, son solamente dos las estructuras que presentan
trasbordos, y esta cantidad puede calcularse fcilmente en forma terica,
como se mostr en el Captulo 3. Se presenta en porcentajes en lugar de
totales porque la cantidad no depende de . Este grfico no permite explicar
la comparacin entre las estructuras, pues no se est considerando una
penalizacin para los trasbordos, pero s permite visualizar y reafirmar que
para una ciudad monocntrica, un sistema H&S se hace eficiente mientras
que la estructura T-A pierde eficiencia. Es interesante notar adems como
incluso para el mejor caso para el sistema T-A, desde el punto de vista de los
trasbordos el sistema H&S es ligeramente mejor.
93
Figura 4.11: Capacidad promedio de los buses de cada estructura al variar el valor de .
La Figura 4.11 muestra el tamao de un bus promedio para cada estructura,
donde el promedio se toma sobre el total de buses (y no sobre el total de
lneas, pues hay lneas que tienen ms buses que otras). Como es de
esperar, las lneas de la estructura Exc -que no tienen capacidad ociosa- son
las de menor capacidad, mientras que las otras tres estructuras tienen
capacidades similares, salvo por la alta capacidad de H&S si la ciudad es
dispersa.
Notar adems que en algunos casos sera necesario pensar en otras
tecnologas como minibuses, pues las capacidades son demasiado chicas
para un bus.
4.4 El rol de los trasbordos
Como ya se explic, los resultados anteriores suponen que trasbordar no
tiene costos. Cambiar el valor de
= 24
= 0,
se mencion que el valor de era el que determinaba en mayor medida la
eleccin de estructura. En este caso, cuando = 24000 o = 72000, la lnea
que divide a las dos estructuras principales (Exc y Dir) es prcticamente
paralela a las curvas de nivel de .
Esta diferencia en los resultados reafirma lo imperioso que resulta un valor
claro para modelar la molestia de trasbordar. Distintos valores presentes en
la literatura pueden entregar ordenamientos muy distintos en cuanto a la
valoracin de cada estructura y por tanto la decisin respecto a qu
estructura impulsar depende muy fuertemente de este valor.
95
4.5 El rol de la afluencia
Las Figuras 4.1 y 4.12, que muestran las estructuras ptimas para distintos
valores de , dan cuenta de que este parmetro afecta en forma relevante la
estructura ptima. En ese sentido resulta interesante realizar un anlisis ms
exhaustivo para esta variable.
Para poder graficar la estructura ptima se requiere mximo dos variables,
luego se seguir variando , entendido como el parmetro ms relevante
para ordenar la matriz O-D. Nuevamente se estudiarn 3 casos, pero aqu no
sern valores fijos de o , sino que relaciones entre ellos:
Caso 1, mximo: se supondr que nunca el subcentro propio recibir
menos viajes desde la periferia de su zona que los subcentros ajenos.
Dado que un subcentro ajeno recibe desde una periferia especfica
(1)
pasajeros, mientras que el propio recibe
= 2 2 cos
2
la
distancia entre dos subcentros consecutivos.
Luego, una ruta que parta desde la periferia llegar al subcentro de la zona
+ recorriendo el anillo de subcentros si y slo si
+
+2
1 +(
,
+
).
Anlogamente, llegar al mismo subcentro atravesando el CBD si y slo si
+2
+
1 +(
,
+
). De este modo, la ruta ptima siempre estar
considerada dentro de las rutas factibles, pero si esta ruta es muy pareja con
su alternativa, ambas rutas sern consideradas como factibles.
Podra darse el caso de que se considere factible una ruta que atraviese el
CBD y luego recorra parte del anillo de subcentros. Anlogamente, otra ruta
podra primero recorrer parte del anillo y luego ir hacia el CBD, para terminar
all o atravesarlo. Sin embargo, es claro que en la asignacin de pasajeros
nadie tomar esa ruta en su totalidad, lo que de inmediato augura que la
optimizacin las dejar con frecuencias nulas
22
.
De esta forma, retomando la notacin definida en el Captulo 3, la estructura
que se obtiene segn el trabajo de Ceder y Wilson (que desde ahora
denotaremos estructura CW) contiene las lneas
sern
entonces encontrados de acuerdo a criterios de equilibrio. Sin embargo, para
el equilibrio estar garantizado para cualquier asignacin posible, pues eso
de inmediato implicar frecuencia nula para la ruta alternativa por ser sta
ms costosa para el usuario. La nica alternativa razonable para encontrar
es optimizar. Dado ,
estn limitados a un
subconjunto determinado por el valor de la funcin (, ). Esto tiene varias
implicancias:
22
Si bien algunos pasajeros podran tomarla para ciertas porciones de esa ruta, cada bus asignado a esa lnea es
ineficiente pues podra servir la porcin especfica donde sea utilizada.
111
La estructura CW siempre estar dominada por la estructura Dir, luego
nunca ser ptima.
Al menos en este primer intento, aparecen similitudes claras entre lo
que entrega un algoritmo heurstico y lo que se propuso desde la
observacin y la intuicin. Eso s, la ventaja que presenta
inherentemente un procedimiento por ser algortmico (el poder
utilizarlo en forma automtica en cualquier red) se ve contrapesada
por detalles especficos que pueden mejorarse cuando se trabaja desde
un punto de vista analtico.
Incorporar lmites a priori para la diferencia entre el largo de una ruta
y el largo de la ruta ptima entre ambos puntos tiene sentido para
disminuir la cantidad de rutas factibles. En este caso, sin embargo,
aquello empeora la estructura sin aportar en factibilidad para su
resolucin.
La estructura obtenida en ningn momento considera los valores de
, y , salvo eventualmente para determinar los valores de y
. Es
decir, el resultado es prcticamente ciego a la matriz O-D. Esto
demuestra una gran rigidez del modelo para poder adecuarse a
distintos patrones de demanda en la misma estructura urbana.
5.2 La estructura que escoge una ruta por cada par O-D
Como se explic en el Captulo 1, Dubois et al (1979) tienen un primer
algoritmo para definir cules sern las calles que utilizar el sistema de
transporte pblico, pues tal variable se incorpora como costo de
infraestructura para los operadores en su modelo. En el modelo de este
trabajo las calles son fijas y no son parte de la funcin de costos, por lo que
esa parte del anlisis ser omitida. El algoritmo para definir la estructura de
lneas primero define ciertas rutas candidatas, y luego tiene un segundo paso
en el que define las lneas definitivas, que estarn solamente caracterizadas
por sus rutas.
Se expresar este algoritmo primero en un formato tipo seudo-cdigo, para
poder leerlo globalmente, y luego se explicar en detalle al aplicarlo sobre la
ciudad en cuestin. Cabe anticipar que hay varios elementos del algoritmo
que el artculo no explicita; cuando sea necesario en la aplicacin, se les ir
dando forma concreta. El seudo-cdigo es:
(1) Definir el conjunto como aqul que contiene a todas las rutas
de largo mnimo que sean maximales en el sentido de la inclusin.
(2) Construir
que va de a y luego de a mediante caminos de largo mnimo. Si
112
el largo de
en
de menor largo.
(3) Definir
. ste ser el
conjunto de rutas candidatas.
(4) Ordenar
a la periferia donde
comienza la ruta en anlisis y
. Tres son
los casos posibles.
Caso 1: La ruta ptima desde hacia y desde hacia es en ambos
casos va CBD. Entonces el tiempo total aumenta desde (2 + 2)
0
a
(4 + 2)
0
. Luego, este camino ser parte de
ssi
(4+2)
0
(2+2)
0
1 +, o
equivalentemente 2 (2 +). La validez de tal desigualdad depender
de los valores de y de . Para poder comparar, al usar el valor
= 1/3 considerado para la modelacin (ver Tabla 4.1), se requiere
3
4
y por lo tanto este caso se descarta.
Caso 2: La ruta ptima desde hacia es va CBD, pero desde hacia
es va el anillo de subcentros
23
. En este caso, la nueva distancia ser
(2 + 2)
0
+
0
, donde es la cantidad de arcos a recorrer en el anillo
de subcentros. En este caso esta ruta ser parte de
ssi
(2+)
0
+
0
(2+2)
0
1 +, o equivalentemente si
22cos
2
2+
. Nuevamente esta
desigualdad puede ser cierta, en este caso dependiendo de los valores
de , y . Reemplazando con los valores de la Tabla 4.1, la
desigualdad se convierte en 0.328 , lo que tambin descarta a
estas rutas (pues es un nmero natural siempre mayor o igual a 1).
Caso 3: La ruta ptima desde hacia y desde hacia es en ambos
casos va el anillo de subcentros. En este caso la nueva distancia es
2
0
+
0
, donde es la cantidad de subcentros en total que se
recorrern (notar que dado que el camino ptimo de
es va CBD,
ser siempre mayor a la distancia en arcos entre la zona inicial y el
extremo del conjunto respectivo, por lo que al reemplazar
numricamente se tendr 3) y por lo tanto la condicin a ser
cumplida es
2
2+2
. La comparacin numrica se har en primer lugar
con el menor posible, es decir = 3, lo que transforma la desigualdad
en 0,111; por lo tanto, la ruta que va desde
.
23
Notar que este caso es anlogo a aqul en que la ruta ptima desde hacia es va anillo de subcentros y desde
hacia es va CBD.
114
Para el caso = 4 la desigualdad se convierte en 0,398 y por lo tanto
tal ruta queda descartada.
Falta an analizar el caso en que la ruta ptima desde la zona hacia es va
el anillo de subcentros. Ac nuevamente hay varios subcasos que estudiar:
Caso 1: El nodo que se incorpora es el CBD. Luego la distancia pasa de
ser 2
0
+
0
a ser 2
0
+ 2
0
, y por lo tanto la desigualdad a
estudiar es
2
2+
(que, por
definicin de
0
, con
lo que la desigualdad a estudiar es ( 2)
. La ruta ptima
desde hacia y desde hacia es en ambos casos va el anillo de
subcentros, pero el camino generado consiste en la misma ruta original
desde hacia , para luego seguir en la misma direccin arcos hasta
y luego devolverse hasta . La nueva ruta tiene largo 2
0
+ ( +
2)
0
, por lo que la desigualdad a ser analizada resulta ser
2
2+
.
En la comparacin con el escenario estudiado en el Captulo 4, el caso
extremo = 1, = 2 exigira 0,697 por lo que este caso se
descarta.
25
Caso 4: El nodo que se incorpora es un subcentro
. La ruta ptima
desde hacia es va CBD, y desde hacia es va el anillo de
subcentros recorriendo nodos. El nuevo costo ser entonces
2( + 1)
0
+
0
, por lo que la desigualdad a ser evaluada es
24
Esta situacin slo ser posible si 6. En efecto, se requiere poder cubrir todo el anillo de subcentros con 3
caminos, donde cada uno de ellos es ptimo. Recordemos que, segn vimos en el captulo 3, tal optimalidad
implica que la distancia entre cada par de subcentros debe ser menor o igual a
2
1cos
2
. La condicin
3
2
1cos
2
2+
. La ruta ptima
desde hacia y desde hacia es en ambos casos va CBD. El nuevo
costo ser entonces 2( + 2)
0
, y la desigualdad a ser estudiada
4
2+
. Notar que este caso ser siempre peor que el caso 4 (pues el
hecho de que la ubicacin de implique que el camino desde hacia
sea ptimo va el anillo de subcentros, significa precisamente que esa
alternativa es ms corta que hacerlo va CBD), y por lo tanto se puede
predecir que este caso se descarta, lo que se corrobora en el anlisis
numrico pues se necesitara 1,12.
Con lo anterior se ha completado la revisin de todos los casos posibles y se
definieron los conjuntos y
. Mientras
mayor sea , menor ser el cambio porcentual que provoquen los desvos y
por lo tanto ms fcilmente tales rutas modificadas caern en
, pues la
mayor parte del viaje ser fija: ir desde la periferia inicial a su subcentro y
del subcentro final a su periferia. Asimismo, mayores valores de harn
menores las distancias entre subcentros consecutivos, y por lo tanto desvos
en el anillo de subcentros que signifiquen recorrer pocos subcentros sern
ms probablemente parte de
.
Para el paso (3), el conjunto definitivo
se
determinarn por criterios exclusivamente geomtricos. Cabe sealar que el
anlisis realizado sobre la estructura de lneas directas mostr que aquello
suele no ser ptimo.
En el caso de Dubois et al (1979), primero se definen las rutas candidatas y
luego se pule ese conjunto para obtener la estructura definitiva. Para
encontrar las candidatas se estudia el mismo caso ( = 8) que se estudi en
el anlisis numrico trabajado. Tras resolver, se obtiene nuevamente una
estructura anloga a la de lneas directas estudiada en este trabajo, aunque
en este caso con =
respectivamente, para
las distintas estructuras, con = 8000.
142
Figura A.18: Frecuencia de los distintos valores tomados por y
, respectivamente, para
las distintas estructuras, con = 72000.
143
Anexo B: Los Cdigos para la
Programacin
En este anexo se presentan los cdigos escritos para la programacin en
Matlab. Es importante sealar que muchos resultados exigieron ir
modificndolos, adems de trabajar con ellos en ocasiones desde la ventana
de comandos, por lo que su aplicacin no siempre es mecnica.
El primer cdigo programa la subida y bajada de pasajeros en cada
estructura, para cada lnea y en cada nodo, generando las matrices
denominadas y .
f unct i on [ Z, V] =
subebaj a( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) %T1 i ndi ca si
l os pasaj er os en E1 pr ef i er en t omar un t r asbor do medi ant e el
val or 1, 0 si no. Pr i mer a coor denada es Pi SCj Hgor r o, segunda es
Pi CBD, t er cer a es Pi SCj F
al f agor r o=al f a/ ( 1- bet a) ;
gamma=1- al f a- bet a;
b=1- a;
gammagor r o=gamma/ ( 1- bet a) ;
F=( n- 1- H) / 2;
Fgor r o=( n- 1- Hgor r o) / 2;
numnodos=2*n+1; %pr i mer os n nodos son l os per i f er i cos, si gui ent es
n l os subcent r os, el ul t i mo es el CBD
CBD=2*n+1;
Pi =1; %par a l as l i neas que no andan por " vespuci o" , i se r ef er i r a
a l a zona de par t i da y j a l a de l l egada
Pj =2;
SCi =n+1; %no par a t odas l as l i neas cada nodo r epr esent ar a l o
mi smo. Se di st i ngue ent r e l as ci r cul ar es - donde l a r epr esent aci on
es t ext ual - y l as ot r as, donde es si mbol i ca
SCj =n+2;
i f est r uct ur a==1 %est r uct ur a di r ect a
numl i neas=8; %bast a poner una r epr esent at i va por t i po
Z=zer os( numl i neas, numnodos) ;
V=zer os( numl i neas, numnodos) ;
LPi SCi =1; %LPi SCi es l a l i nea 0, que se i ndexar a 1 en l as
mat r i ces Z y V
LPi CBD=2;
LPi SCj H=3;
LPi SCj Hb=4; %son l as l i neas t i po 3 que no l l egan a Hgor r o, y
por l o t ant o l l evan menos pasaj er os
LPi SCj F=5;
LSCi CBD=6;
LSCi SCj Hgor r o=7;
144
Lci r cul ar =8;
%descr i bi mos cuant o l l eva un bus par a cada par OD
Pi SCi =( a*bet a*Y) / ( n*( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi S
Cj Hb) *( H- Hgor r o) +2*f ( LPi SCj F) ) ) ;
Pi SCi b1=a*gamma*Y*Hgor r o*( T1( 1) ==1) / ( n*( n-
1) *( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) ;
Pi SCi b2=a*al f a*Y*( T1( 2) ==1) / ( n*( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hg
or r o+f ( LPi SCj Hb) *( H- Hgor r o) +2*f ( LPi SCj F) ) ) ;
Pi SCi b3=( T1( 3) ==1) *2*a*gamma*Y/ ( n*( n-
1) *( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) ;
Pi CBD=( T1( 2) ==0) *a*al f a*Y/ ( n*( f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SC
j Hb) *( H- Hgor r o) ) ) ;
SCi CBD=b*al f agor r o*Y/ ( n*( f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *
( H- Hgor r o) +f ( LSCi CBD) +f ( LSCi SCj Hgor r o) *Hgor r o) ) ;
SCi CBDb1=( 1/ ( f ( LSCi SCj Hgor r o) ) ) *( T1( 1) ==1) *a*gamma*( Y/ ( n*( n-
1) ) ) *( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *( Hgor r o- 1) +f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) / ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LP
i SCj Hb) *( H- Hgor r o) +2*f ( LPi SCj F) ) ;
SCi CBDb2=( 1/ ( f ( LSCi SCj Hgor r o) +f ( LSCi CBD) ) ) *( T1( 2) ==1) *a*al f a*( Y/ n
) *( f ( LPi SCi ) +2*f ( LPi SCj F) ) / ( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r
o+f ( LPi SCj Hb) *( H- Hgor r o) +2*f ( LPi SCj F) ) ) ;
Pi SCj Hgor r o=a*gamma*Y*( T1( 1) ==0) / ( n*( n- 1) *f ( LPi SCj H) ) ;
SCi SCj Hgor r o=b*gammagor r o*Y/ ( n*( n-
1) *( f ( LPi SCj H) +f ( LSCi SCj Hgor r o) ) ) +a*gamma*Y*Hgor r o*( T1( 1) ==1) / ( n*
( n- 1) *f ( LSCi SCj Hgor r o) ) ;
Pi SCj H=a*gamma*Y/ ( n*( n- 1) *f ( LPi SCj Hb) ) ;
Pi SCj F=( T1( 3) ==0) *a*gamma*Y/ ( n*( n- 1) *f ( LPi SCj F) ) ;
SCi SCj Fgor r o=( Fgor r o- F) *b*gammagor r o*Y/ ( n*( n-
1) *f ( Lci r cul ar ) ) +( T1( 3) ==1) *( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor
r o+f ( LPi SCj Hb) *( H-
Hgor r o) +f ( LPi SCj F) ) / ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi S
Cj Hb) *( H- Hgor r o) +2*f ( LPi SCj F) ) ) *F*a*gamma*Y/ ( n*( n-
1) *f ( Lci r cul ar ) ) ;
%asi gnamos a l os buses
Z( LPi SCi , Pi ) =Pi SCi +Pi SCi b1+Pi SCi b2+Pi SCi b3*F;
V( LPi SCi , SCi ) =Pi SCi +Pi SCi b1+Pi SCi b2+Pi SCi b3*F;
Z( LPi CBD, Pi ) =Pi SCi +Pi CBD+Pi SCi b1+Pi SCi b2+Pi SCi b3*F;
Z( LPi CBD, SCi ) =SCi CBD;
V( LPi CBD, SCi ) =Pi SCi +Pi SCi b1+Pi SCi b3*F;
V( LPi CBD, CBD) =Pi CBD+SCi CBD+Pi SCi b2;
Z( LPi SCj H, Pi ) =Pi SCi +Pi SCi b1+Pi SCi b2+Pi SCi b3*F+Pi CBD+Pi SCj Hgor r o;
145
Z( LPi SCj H, SCi ) =SCi CBD+SCi SCj Hgor r o; %dado q t r asbor dar
si empr e es desagr adabl e, supondr emos que si al gui en deci de
t r asbor dar es por que no podr t omar l uego un bus que de haber se
t omado i ni ci al ment e, hubi er a si do di r ect o
V( LPi SCj H, SCi ) =Pi SCi +Pi SCi b3*F;
V( LPi SCj H, CBD) =Pi CBD+SCi CBD+Pi SCi b2;
V( LPi SCj H, SCj ) =Pi SCj Hgor r o+SCi SCj Hgor r o+Pi SCi b1;
Z( LPi SCj Hb, Pi ) =Pi SCi +Pi SCi b1+Pi SCi b2+Pi SCi b3*F+Pi CBD+Pi SCj H;
Z( LPi SCj Hb, SCi ) =SCi CBD;
V( LPi SCj Hb, SCi ) =Pi SCi +Pi SCi b1+Pi SCi b3*F;
V( LPi SCj Hb, CBD) =Pi CBD+SCi CBD+Pi SCi b2;
V( LPi SCj Hb, SCj ) =Pi SCj H;
Z( LSCi CBD, SCi ) =SCi CBD+SCi CBDb2;
V( LSCi CBD, CBD) =SCi CBD+SCi CBDb2;
Z( LSCi SCj Hgor r o, SCi ) =SCi CBD+SCi SCj Hgor r o+SCi CBDb1+SCi CBDb2;
V( LSCi SCj Hgor r o, CBD) =SCi CBD+SCi CBDb2;
V( LSCi SCj Hgor r o, SCj ) =SCi SCj Hgor r o+SCi CBDb1;
%en el cuadr o que vi ene a cont i nuaci on se def i nen var i abl es
que ser an
%ut i l es par a Z y V en l as l i neas ci r cul ar es, por ser
sumat or i as
sumat or i a=1: F;
auxi l i ar =1: F;
f or k=1: F
auxi l i ar ( k) =1/ ( k*f ( LPi SCj F) +f ( Lci r cul ar ) ) ;
end
f or l =1: F
sumat or i a( l ) =sum( auxi l i ar ( l +1: F) ) ;
end
%ahor a vol vemos a l o nuest r o, def i ni r Z y V
Z( LPi SCj F, Pi ) =Pi SCi +F*Pi SCj F+Pi SCi b1+Pi SCi b2+Pi SCi b3*F;
Z( LPi SCj F, SCi ) =sum( auxi l i ar ) *b*gammagor r o*Y/ ( n*( n- 1) ) ;
V( LPi SCj F, SCi ) =Pi SCi +Pi SCi b1+Pi SCi b2;
f or l =1: F- 1
Z( LPi SCj F, SCi +l ) =b*gammagor r o*Y*sumat or i a( l ) / ( n*( n- 1) ) ;
V( LPi SCj F, SCi +l ) =Pi SCj F+Pi SCi b3/ 2+b*Y*gammagor r o*sumat or i a( F-
l ) / ( n*( n- 1) ) ;
end
V( LPi SCj F, SCi +F) =Pi SCj F+Pi SCi b3/ 2+b*Y*gammagor r o*sum( auxi l i ar ) / ( n
*( n- 1) ) ;
Z( Lci r cul ar , SCi ) =sum( auxi l i ar ) *b*gammagor r o*Y/ ( n*( n-
1) ) +SCi SCj Fgor r o;
V( Lci r cul ar , SCi ) =sum( auxi l i ar ) *b*gammagor r o*Y/ ( n*( n-
1) ) +SCi SCj Fgor r o;
end
146
i f est r uct ur a==2 %t odo excl usi vas. %aqui Hgor r o=H y est a dado por
F= caj on i nf er i or ( r ai z( 2/ ( 1- cos( 2pi / n) ) )
numl i neas=5+2*F; %bast a poner una r epr esent at i va por t i po.
l as di st i nt as l i neas ci r cul ar es no son equi val ent es pq sus
di st i nt os t i empos de ci cl o si gni f i car an f r ecuenci as di f er ent es.
Z=zer os( numl i neas, numnodos) ;
V=zer os( numl i neas, numnodos) ;
LPi SCi =1;
LPi CBDE=2;
LPi SCj HE=3;
LPi SCj FE=4: 4+F- 1;
LSCi CBD=4+F;
LSCi SCj Hgor r oE=5+F;
LSCi SCj Fgor r oE=6+F: 5+2*F;
Pi SCi =a*bet a*Y/ ( n*f ( LPi SCi ) ) ;
Pi CBD=a*al f a*Y/ ( n*f ( LPi CBDE) ) ;
Pi SCj H=a*gamma*Y/ ( n*( n- 1) *f ( LPi SCj HE) ) ;
SCi CBD=b*al f agor r o*Y/ ( n*f ( LSCi CBD) ) ;
SCi SCj Hgor r o=b*gammagor r o*Y/ ( n*( n- 1) *f ( LSCi SCj Hgor r oE) ) ;
%aqui Hgor r o=H y est a dado por F= caj on i nf er i or ( r ai z( 2/ ( 1-
cos( 2pi / n) ) )
Z( LPi SCi , Pi ) =Pi SCi ;
V( LPi SCi , SCi ) =Pi SCi ;
Z( LPi CBDE, Pi ) =Pi CBD;
V( LPi CBDE, CBD) =Pi CBD;
Z( LPi SCj HE, Pi ) =Pi SCj H;
V( LPi SCj HE, SCj ) =Pi SCj H;
Z( LSCi CBD, SCi ) =SCi CBD;
V( LSCi CBD, CBD) =SCi CBD;
Z( LSCi SCj Hgor r oE, SCi ) = SCi SCj Hgor r o;
V( LSCi SCj Hgor r oE, SCj ) =SCi SCj Hgor r o;
f or k=1: F
Z( LPi SCj FE( k) , Pi ) =a*gamma*Y/ ( n*( n- 1) *f ( LPi SCj FE( k) ) ) ;
V( LPi SCj FE( k) , SCj ) =a*gamma*Y/ ( n*( n- 1) *f ( LPi SCj FE( k) ) ) ;
Z( LSCi SCj Fgor r oE( k) , SCi ) =b*gammagor r o*Y/ ( n*( n-
1) *f ( LSCi SCj Fgor r oE( k) ) ) ;
V( LSCi SCj Fgor r oE( k) , SCj ) =b*gammagor r o*Y/ ( n*( n-
1) *f ( LSCi SCj Fgor r oE( k) ) ) ;
end
end
i f est r uct ur a==3 %hub and spoke en el CBD
numl i neas=3;
Z=zer os( numl i neas, numnodos) ;
V=zer os( numl i neas, numnodos) ;
LPi SCmenosi =1;
Lci r cul ar =2;
LCBDSCj =3;
Pi SCi =a*bet a*Y/ ( n*f ( LPi SCmenosi ) ) ;
147
Pi CBD=a*al f a*Y/ ( n*f ( LPi SCmenosi ) ) ;
Pi SCmenosi =a*gamma*Y/ ( n*( n- 1) *f ( LPi SCmenosi ) ) ;
Pi SCj H=a*gamma*Y*( H- 1) / ( n*( n- 1) *f ( LPi SCmenosi ) ) ;
Pi SCj F=a*gamma*Y*F/ ( n*( n- 1) *f ( LPi SCmenosi ) ) ;
SCi CBD=b*al f agor r o*Y/ ( n*f ( LPi SCmenosi ) ) ;
SCi SCmenosi =b*gammagor r o*Y/ ( n*( n- 1) *f ( LPi SCmenosi ) ) ;
SCi SCj Hgor r o=b*gammagor r o*Y*( Hgor r o- 1) / ( n*( n-
1) *f ( LPi SCmenosi ) ) ;
CBDSCj =a*gamma*Y*( H- 1) / ( n*( n-
1) *( f ( LPi SCmenosi ) +f ( LCBDSCj ) ) ) +b*gammagor r o*Y*( Hgor r o- 1) / ( n*( n-
1) *( f ( LPi SCmenosi ) +f ( LCBDSCj ) ) ) ;
Z( LPi SCmenosi , Pi ) =a*Y/ ( n*f ( LPi SCmenosi ) ) ;
Z( LPi SCmenosi , SCi ) =SCi CBD+SCi SCj Hgor r o+SCi SCmenosi ;
V( LPi SCmenosi , SCi ) =Pi SCi +2*Pi SCj F;
Z( LPi SCmenosi , CBD) =CBDSCj ;
V( LPi SCmenosi , CBD) =Pi CBD+SCi CBD+Pi SCj H+SCi SCj Hgor r o;
V( LPi SCmenosi , SCj ) =CBDSCj +Pi SCmenosi +SCi SCmenosi ;
Z( Lci r cul ar , SCi ) =a*gamma*F*Y/ ( n*( n-
1) *f ( Lci r cul ar ) ) +b*gammagor r o*Fgor r o*Y/ ( n*( n- 1) *f ( Lci r cul ar ) ) ;
V( Lci r cul ar , SCi ) =a*gamma*F*Y/ ( n*( n-
1) *f ( Lci r cul ar ) ) +b*gammagor r o*Fgor r o*Y/ ( n*( n- 1) *f ( Lci r cul ar ) ) ;
Z( LCBDSCj , CBD) =CBDSCj ;
V( LCBDSCj , SCj ) =CBDSCj ;
end
i f est r uct ur a==4 %hub and spoke en el SC
numl i neas=3;
Z=zer os( numl i neas, numnodos) ;
V=zer os( numl i neas, numnodos) ;
LPi SCi =1;
LSCi SCj Hgor r o=2;
Lci r cul ar =3;
Pi CBD=a*al f a*Y/ ( n*f ( LSCi SCj Hgor r o) *H) ;
SCi CBD=b*al f agor r o*Y/ ( n*f ( LSCi SCj Hgor r o) *H) ;
Pi SCj H=a*gamma*Y/ ( n*( n- 1) *f ( LSCi SCj Hgor r o) ) ;
SCi SCj H=b*gammagor r o*Y/ ( n*( n- 1) *f ( LSCi SCj Hgor r o) ) ;
Pi SCj F=a*gamma*F*Y/ ( n*( n- 1) *f ( Lci r cul ar ) ) ;
SCi SCj F=b*gammagor r o*F*Y/ ( n*( n- 1) *f ( Lci r cul ar ) ) ;
Z( LPi SCi , Pi ) =a*Y/ ( n*f ( LPi SCi ) ) ;
V( LPi SCi , SCi ) =a*Y/ ( n*f ( LPi SCi ) ) ;
Z( LSCi SCj Hgor r o, SCi ) =Pi CBD+SCi CBD+Pi SCj H+SCi SCj H;
V( LSCi SCj Hgor r o, CBD) =Pi CBD+SCi CBD;
V( LSCi SCj Hgor r o, SCj ) =Pi SCj H+SCi SCj H;
Z( Lci r cul ar , SCi ) =Pi SCj F+SCi SCj F;
V( Lci r cul ar , SCi ) =Pi SCj F+SCi SCj F;
end
end
148
Los siguientes cdigos determinan los elementos que componen la funcin de
costos. El tiempo de ciclo de cada lnea:
f unct i on [ t c] =
t i empoci cl o( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t )
[ Z, V] =subebaj a( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
numl i neas=si ze( Z, 1) ;
af l uenci a=1: numl i neas;
f or L=1: numl i neas
af l uenci a( L) =sum( Z( L, : ) ) +sum( V( L, : ) ) ;
end
al f agor r o=al f a/ ( 1- bet a) ;
gamma=1- al f a- bet a;
b=1- a;
gammagor r o=gamma/ ( 1- bet a) ;
F=( n- 1- H) / 2;
Fgor r o=( n- 1- Hgor r o) / 2;
r n=sqr t ( 2*( 1- cos( 2*pi / n) ) ) ;
numnodos=2*n+1; %pr i mer os n nodos son l os per i f er i cos, si gui ent es
n l os subcent r os, el ul t i mo es el CBD
CBD=2*n+1;
Pi =1; %par a l as l i neas que no andan por " vespuci o" , i se r ef er i r a
a l a zona de par t i da y j a l a de l l egada
Pj =2;
SCi =n+1; %no par a t odas l as l i neas cada nodo r epr esent ar a l o
mi smo. Se di st i ngue ent r e l as ci r cul ar es - donde l a r epr esent aci on
es t ext ual - y l as ot r as, donde es si mbol i ca
SCj =n+2;
i f est r uct ur a==1
LPi SCi =1;
LPi CBD=2;
LPi SCj =3;
LPi SCj b=4;
LPi SCj F=5;
LSCi CBD=6;
LSCi SCj Hgor r o=7;
Lci r cul ar =8;
t c( LPi SCi ) =2*g*T0+t *af l uenci a( LPi SCi ) ;
t c( LPi CBD) =2*( g+1) *T0+t *af l uenci a( LPi CBD) ;
t c( LPi SCj ) =2*( g+1) *T0+t *af l uenci a( LPi SCj ) ;
t c( LPi SCj b) =2*( g+1) *T0+t *af l uenci a( LPi SCj b) ;
t c( LPi SCj F) =T0*( 2*g+F*r n) +t *af l uenci a( LPi SCj F) ;
t c( LSCi CBD) =2*T0+t *af l uenci a( LSCi CBD) ;
t c( LSCi SCj Hgor r o) =2*T0+t *af l uenci a( LSCi SCj Hgor r o) ;
t c( Lci r cul ar ) =n*r n*T0+n*t *af l uenci a( Lci r cul ar ) ;
end
i f est r uct ur a==2
LPi SCi =1;
149
LPi CBDE=2;
LPi SCj HE=3;
LPi SCj FE=4: 4+F- 1;
LSCi CBD=4+F;
LSCi SCj Hgor r oE=5+F;
LSCi SCj Fgor r oE=6+F: 5+2*F;
t c( LPi SCi ) =2*g*T0+t *af l uenci a( LPi SCi ) ;
t c( LPi CBDE) =2*( g+1) *T0+t *af l uenci a( LPi CBDE) ;
t c( LPi SCj HE) =2*( g+1) *T0+t *af l uenci a( LPi SCj HE) ;
t c( LSCi CBD) =2*T0+t *af l uenci a( LSCi CBD) ;
t c( LSCi SCj Hgor r oE) =2*T0+t *af l uenci a( LSCi SCj Hgor r oE) ;
f or k=1: F %oj o, no queda t ot al ment e r ef er enci ado, hay que
cambi ar a mano en caso de que haya que ar r egl ar al go
t c( LPi SCj FE( k) ) =g*T0+r n*k*T0+t *af l uenci a( LPi SCj FE( k) ) ;
t c( LSCi SCj Fgor r oE( k) ) =r n*k*T0+t *af l uenci a( LSCi SCj Fgor r oE( k) ) ;
end
end
i f est r uct ur a==3
LPi SCmenosi =1;
Lci r cul ar =2;
LCBDSCj =3;
t c( LPi SCmenosi ) =2*( 1+g) *T0+t *af l uenci a( LPi SCmenosi ) ;
t c( Lci r cul ar ) =n*r n*T0+n*t *af l uenci a( Lci r cul ar ) ;
t c( LCBDSCj ) =2*T0+t *af l uenci a( LCBDSCj ) ;
end
i f est r uct ur a==4
LPi SCi =1;
LSCi SCj Hgor r o=2;
Lci r cul ar =3;
t c( LPi SCi ) =2*g*T0+t *af l uenci a( LPi SCi ) ;
t c( LSCi SCj Hgor r o) =2*T0+t *af l uenci a( LSCi SCj Hgor r o) ;
t c( Lci r cul ar ) =n*r n*T0+n*t *af l uenci a( Lci r cul ar ) ;
end
end
La carga de cada lnea:
f unct i on [ l ambda] =
car ga( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1)
[ Z, V] =subebaj a( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
numl i neas=si ze( Z, 1) ;
al f agor r o=al f a/ ( 1- bet a) ;
gamma=1- al f a- bet a;
b=1- a;
gammagor r o=gamma/ ( 1- bet a) ;
F=( n- 1- H) / 2;
150
Fgor r o=( n- 1- Hgor r o) / 2;
CBD=2*n+1;
Pi =1;
Pj =2;
SCi =n+1;
SCj =n+2;
i f est r uct ur a==1
LPi SCi =1;
LPi CBD=2;
LPi SCj =3;
LPi SCj H=LPi SCj ;
LPi SCj b=4;
LPi SCj Hb=LPi SCj b;
LPi SCj F=5;
LSCi CBD=6;
LSCi SCj Hgor r o=7;
Lci r cul ar =8;
l ambda( LPi SCi ) =Z( LPi SCi , Pi ) ;
l ambda( LPi CBD) =max( Z( LPi CBD, Pi ) , Z( LPi CBD, Pi ) +Z( LPi CBD, SCi ) -
V( LPi CBD, SCi ) ) ;
l ambda( LPi SCj ) =max( Z( LPi SCj , Pi ) , Z( LPi SCj , Pi ) +Z( LPi SCj , SCi ) -
V( LPi SCj , SCi ) ) ;
l ambda( LPi SCj b) =max( Z( LPi SCj b, Pi ) , Z( LPi SCj b, Pi ) +Z( LPi SCj b, SCi ) -
V( LPi SCj b, SCi ) ) ;
aux=1: F- 1;
f or k=1: F- 1
aux( k) =Z( LPi SCj F, Pi ) +sum( Z( LPi SCj F, SCi : SCi +k) ) -
sum( V( LPi SCj F, SCi : SCi +k) ) ;
end
M=max( aux) ;
l ambda( LPi SCj F) =max( [ M Z( LPi SCj F, Pi )
Z( LPi SCj F, Pi ) +Z( LPi SCj F, SCi ) - V( LPi SCj F, SCi ) ] ) ;
l ambda( LSCi CBD) =Z( LSCi CBD, SCi ) ;
l ambda( LSCi SCj Hgor r o) =Z( LSCi SCj Hgor r o, SCi ) ;
aux2=1: F;
f or l =1: F
aux2( l ) =( F- l +1) / ( f ( Lci r cul ar ) +l *f ( LPi SCj F) ) ;
end
s2=sum( aux2) ;
aux3=F+1: Fgor r o;
f or l =F+1: Fgor r o
aux3( l - F) =( Fgor r o- l +1) / f ( Lci r cul ar ) ;
end
s3=sum( aux3) ;
l ambda( Lci r cul ar ) =b*gammagor r o*( Y/ ( n*( n-
1) ) ) *( s2+s3) +( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *
( H- Hgor r o) +f ( LPi SCj F) ) / ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+
151
f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) *( T1( 3) ==1) *a*gamma*Y*F*( F+1) / ( f ( Lci r cul ar )
*2*n*( n- 1) ) ;
end
i f est r uct ur a==2
LPi SCi =1;
LPi CBDE=2;
LPi SCj HE=3;
LPi SCj FE=4: 4+F- 1;
LSCi CBD=4+F;
LSCi SCj Hgor r oE=5+F;
LSCi SCj Fgor r oE=6+F: 5+2*F;
l ambda( LPi SCi ) =Z( LPi SCi , Pi ) ;
l ambda( LPi CBDE) =Z( LPi CBDE, Pi ) ;
l ambda( LPi SCj HE) =Z( LPi SCj HE, Pi ) ;
l ambda( LPi SCj FE) =Z( LPi SCj FE, Pi ) ;
l ambda( LSCi CBD) =Z( LSCi CBD, SCi ) ;
l ambda( LSCi SCj Hgor r oE) =Z( LSCi SCj Hgor r oE, SCi ) ;
l ambda( LSCi SCj Fgor r oE) =Z( LSCi SCj Fgor r oE, SCi ) ;
end
i f est r uct ur a==3
LPi SCmenosi =1;
Lci r cul ar =2;
LCBDSCj =3;
aux1=max( Z( LPi SCmenosi , Pi ) , Z( LPi SCmenosi , Pi ) +Z( LPi SCmenosi , SCi ) -
V( LPi SCmenosi , SCi ) ) ;
l ambda( LPi SCmenosi ) =max( aux1, Z( LPi SCmenosi , Pi ) +Z( LPi SCmenosi , SCi )
- V( LPi SCmenosi , SCi ) +Z( LPi SCmenosi , CBD) - V( LPi SCmenosi , CBD) ) ;
l ambda( Lci r cul ar ) =( Y/ ( f ( Lci r cul ar ) *2*n*( n-
1) ) ) *( ( F^2+F) *a*gamma+( Fgor r o^2+Fgor r o) *b*gammagor r o) ;
l ambda( LCBDSCj ) =Z( LCBDSCj , CBD) ;
end
i f est r uct ur a==4
LPi CBD=1;
LSCi SCj Hgor r o=2;
Lci r cul ar =3;
l ambda( LPi CBD) =Z( LPi CBD, Pi ) ;
l ambda( LSCi SCj Hgor r o) =Z( LSCi SCj Hgor r o, SCi ) ;
l ambda( Lci r cul ar ) =( F^2+F) *Y*[ a*gamma+b*gammagor r o] / ( 2*n*( n-
1) ) ;
end
end
El tiempo de espera promedio de cada estructura:
152
f unct i on [ t e] =
t i empoesper a( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1)
al f agor r o=al f a/ ( 1- bet a) ;
gamma=1- al f a- bet a;
b=1- a;
gammagor r o=gamma/ ( 1- bet a) ;
F=( n- 1- H) / 2;
Fgor r o=( n- 1- Hgor r o) / 2;
i f est r uct ur a==1
LPi SCi =1;
LPi CBD=2;
LPi SCj H=3;
LPi SCj Hb=4;
LPi SCj F=5;
LSCi CBD=6;
LSCi SCj H=7;
LSCi SCj Hgor r o=LSCi SCj H;
Lci r cul ar =8;
auxi l i ar =1: F;
f or k=1: F
auxi l i ar ( k) =1/ ( k*f ( LPi SCj F) +f ( Lci r cul ar ) ) ;
end
sumat or i a=sum( auxi l i ar ) ;
t e=a*bet a/ ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) +a*al f a*( T1( 2) ==0) / ( f ( LPi CBD) +Hgor r o*f ( LPi SC
j H) +( H-
Hgor r o) *f ( LPi SCj Hb) ) +a*gamma*Hgor r o*( T1( 1) ==0) / ( f ( LPi SCj H) *( n-
1) ) +a*gamma*( H- Hgor r o) / ( f ( LPi SCj Hb) *( n-
1) ) +2*a*gamma*F*( T1( 3) ==0) / ( f ( LPi SCj F) *( n-
1) ) +b*al f agor r o/ ( f ( LPi CBD) +Hgor r o*f ( LPi SCj H) +( H-
Hgor r o) *f ( LPi SCj Hb) +f ( LSCi CBD) +Hgor r o*f ( LSCi SCj H) ) +b*gammagor r o*H
gor r o/ ( ( n- 1) *( f ( LSCi SCj H) +f ( LPi SCj H) ) ) +2*b*gammagor r o*( Fgor r o-
F) / ( ( n- 1) *f ( Lci r cul ar ) ) +2*b*gammagor r o*sumat or i a/ ( n-
1) +( T1( 1) ==1) *a*al f a*( Hgor r o/ ( n-
1) ) *[ 1/ ( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) +( ( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *( Hgor r o-
1) +f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) / ( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f (
LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) ) *( 1/ ( f ( LSCi SCj Hgor r o) ) ) ] +( T1( 2) ==1) *a*al f a
*[ 1/ ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) +( ( f ( LPi SCi ) +2*f ( LPi SCj F) ) / ( ( f ( LPi SCi ) +f ( LPi
CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) ) *( 1/ ( f ( LSCi CBD) +Hgor r o*f ( LSCi SCj Hgor r o) ) ) ]
+( T1( 3) ==1) *[ ( 1/ ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb
) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) +( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+
153
f ( LPi SCj Hb) *( H- Hgor r o) +
f ( LPi SCj F) ) / ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H
- Hgor r o) +2*f ( LPi SCj F) ) ) *( 1/ f ( Lci r cul ar ) ) ] ;
end
i f est r uct ur a==2
LPi SCi =1;
LPi CBDE=2;
LPi SCj HE=3;
LPi SCj FE=4: 4+F- 1;
LSCi CBD=4+F;
LSCi SCj Hgor r oE=5+F;
LSCi SCj Fgor r oE=6+F: 5+2*F;
aux1=1: F;
aux2=1: F;
f or k=1: F
aux1( k) =1/ f ( LPi SCj FE( k) ) ;
aux2( k) =1/ f ( LSCi SCj Fgor r oE( k) ) ;
end
t e=a*bet a/ f ( LPi SCi ) +a*al f a/ f ( LPi CBDE) +a*gamma*( H/ ( n-
1) ) / f ( LPi SCj HE) +2*a*gamma*( 1/ ( n-
1) ) *sum( aux1) +b*al f agor r o/ f ( LSCi CBD) +b*gammagor r o*( Hgor r o/ ( n-
1) ) / f ( LSCi SCj Hgor r oE) +2*b*gammagor r o*sum( aux2) / ( n- 1) ;
end
i f est r uct ur a==3
LPi SCmenosi =1;
Lci r cul ar =2;
LCBDSCj =3;
t e=a*bet a/ f ( LPi SCmenosi ) +a*al f a/ f ( LPi SCmenosi ) +a*gamma/ ( f ( LPi SCme
nosi ) *( n- 1) ) +a*gamma*( H- 1) *( 1/ ( n-
1) ) *[ 1/ f ( LPi SCmenosi ) +1/ ( f ( LPi SCmenosi ) +f ( LCBDSCj ) ) ] +2*a*gamma*( F
/ ( n-
1) ) *[ 1/ f ( LPi SCmenosi ) +1/ f ( Lci r cul ar ) ] +b*al f agor r o/ f ( LPi SCmenosi ) +
b*gammagor r o/ ( f ( LPi SCmenosi ) *( n- 1) ) +( Hgor r o-
1) *b*gammagor r o*( 1/ ( n-
1) ) *[ 1/ f ( LPi SCmenosi ) +1/ ( f ( LPi SCmenosi ) +f ( Lci r cul ar ) ) ] +2*Fgor r o*b
*gammagor r o/ ( ( n- 1) *f ( Lci r cul ar ) ) ;
end
i f est r uct ur a==4
LPi SCi =1;
LSCi SCj H=2;
Lci r cul ar =3;
t e=a*bet a/ f ( LPi SCi ) +a*al f a*( 1/ f ( LPi SCi ) +1/ ( H*f ( LSCi SCj H) ) ) +a*gamm
a*H*( 1/ ( n- 1) ) *( 1/ f ( LPi SCi ) +1/ f ( LSCi SCj H) ) +2*a*gamma*F*( 1/ ( n-
1) ) *( 1/ f ( LPi SCi ) +1/ f ( Lci r cul ar ) ) +b*al f agor r o/ ( H*f ( LSCi SCj H) ) +b*ga
mmagor r o*H/ ( ( n- 1) *f ( LSCi SCj H) ) +2*b*gammagor r o*F/ ( ( n-
1) *f ( Lci r cul ar ) ) ;
end
154
t e=t e/ 2;
end
El tiempo de viaje promedio de cada estructura:
f unct i on [ t v] =
t i empovi aj e( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t )
[ Z, V] =subebaj a( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
numl i neas=si ze( Z, 1) ;
al f agor r o=al f a/ ( 1- bet a) ;
gamma=1- al f a- bet a;
b=1- a;
gammagor r o=gamma/ ( 1- bet a) ;
F=( n- 1- H) / 2;
Fgor r o=( n- 1- Hgor r o) / 2;
r n=sqr t ( 2*( 1- cos( 2*pi / n) ) ) ;
numnodos=2*n+1; %pr i mer os n nodos son l os per i f er i cos, si gui ent es
n l os subcent r os, el ul t i mo es el CBD
CBD=2*n+1;
Pi =1; %par a l as l i neas que no andan por " vespuci o" , i se r ef er i r a
a l a zona de par t i da y j a l a de l l egada
Pj =2;
SCi =n+1; %no par a t odas l as l i neas cada nodo r epr esent ar a l o
mi smo. Se di st i ngue ent r e l as ci r cul ar es - donde l a r epr esent aci on
es t ext ual - y l as ot r as, donde es si mbol i ca
SCj =n+2;
i f est r uct ur a==1
LPi SCi =1;
LPi CBD=2;
LPi SCj H=3;
LPi SCj Hb=4;
LPi SCj F=5;
LSCi CBD=6;
LSCi SCj H=7;
LSCi SCj Hgor r o=LSCi SCj H;
Lci r cul ar =8;
Pi SCi =a*bet a*( g*T0+( t / 2) *( ( f ( LPi SCi ) *V( LPi SCi , SCi ) +f ( LPi CBD) *V( LP
i CBD, SCi ) +Hgor r o*f ( LPi SCj H) *V( LPi SCj H, SCi ) +( H-
Hgor r o) *f ( LPi SCj Hb) *V( LPi SCj Hb, SCi ) +2*f ( LPi SCj F) *V( LPi SCj F, SCi ) ) /
( f ( LPi SCi ) +f ( LPi CBD) +Hgor r o*f ( LPi SCj H) +( H-
Hgor r o) *f ( LPi SCj Hb) +2*f ( LPi SCj F) ) ) ) ;
Pi CBDa=a*al f a*[ ( g+1) *T0+( t / ( f ( LPi CBD) +Hgor r o*f ( LPi SCj H) +( H-
Hgor r o) *f ( LPi SCj Hb) ) ) *( f ( LPi CBD) *( Z( LPi CBD, SCi ) +V( LPi CBD, SCi ) +V( L
Pi CBD, CBD) / 2) +Hgor r o*f ( LPi SCj H) *( Z( LPi SCj H, SCi ) +V( LPi SCj H, SCi ) +V(
LPi SCj H, CBD) / 2) +( H-
Hgor r o) *f ( LPi SCj Hb) *( Z( LPi SCj Hb, SCi ) +V( LPi SCj Hb, SCi ) +V( LPi SCj Hb, C
BD) / 2) ) ] ;
155
Pi CBDb=Pi CBDa*( f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) ) / ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) +( ( f ( LPi SCi ) +2*f ( LPi SCj F) ) / ( f ( LPi SCi ) +f ( LPi C
BD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) *( ( 1+g) *T0+( t / 2) *( ( f ( LPi SCi ) *V( LPi SCi , SCi ) +
2*f ( LPi SCj F) *V( LPi SCj F, SCi ) ) / ( f ( LPi SCi ) +2*f ( LPi SCj F) ) ) +( t / 2) *( ( f (
LSCi CBD) *V( LSCi CBD, CBD) +Hgor r o*f ( LSCi SCj Hgor r o) *V( LSCi SCj Hgor r o, C
BD) ) / ( f ( LSCi CBD) +Hgor r o*f ( LSCi SCj Hgor r o) ) ) ) ;
Pi CBD=Pi CBDa*( T1( 2) ==0) +Pi CBDb*( T1( 2) ==1) ;
Pi SCj Hgor r o=( 1/ ( n-
1) ) *a*gamma*Hgor r o*[ ( g+2) *T0+t *( Z( LPi SCj H, SCi ) +V( LPi SCj H, SCi ) +V( L
Pi SCj H, CBD) +V( LPi SCj H, SCj ) / 2) ] ;
Pi SCj Ha=( 1/ ( n- 1) ) *a*gamma*( H-
Hgor r o) *[ ( g+2) *T0+t *( Z( LPi SCj Hb, SCi ) +V( LPi SCj Hb, SCi ) +V( LPi SCj Hb, C
BD) +V( LPi SCj Hb, SCj ) / 2) ] ;
Pi SCj Hb=Pi SCj Ha*( f ( LPi SCj H) / ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r
o+f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) +( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *( Hgor r o-
1) +f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) / ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LP
i SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) *[ ( 2+g) *T0+( t / 2) *( ( f ( LPi SCi ) *V( LPi SCi , SCi ) +
f ( LPi CBD) *V( LPi CBD, SCi ) +2*f ( LPi SCj F) *V( LPi SCj F, SCi ) +( H-
Hgor r o) *f ( LPi SCj Hb) *V( LPi SCj Hb, SCi ) +( Hgor r o-
1) *V( LPi SCj H, SCi ) *f ( LPi SCj H) ) / ( f ( LPi SCi ) +f ( LPi CBD) +( H-
Hgor r o) *f ( LPi SCj Hb) +( Hgor r o-
1) *f ( LPi SCj H) +2*f ( LPi SCj F) ) ) +t *( V( LSCi SCj H, CBD) +V( LSCi SCj H, SCj ) / 2
) ] ;
Pi SCj H=( T1( 1) ==0) *Pi SCj Ha+( T1( 1) ==1) *Pi SCj Hb;
%var i abl es auxi l i ar es
sumat or i a=1: F;
f or k=1: F
aux2=1: k;
f or l =1: k
aux2( l ) =Z( LPi SCj F, SCi +l - 1) +V( LPi SCj F, SCi +l - 1) ;
end
s=sum( aux2) ;
sumat or i a( k) =T0*( g+k*r n) +t *( s+V( LPi SCj F, SCi +k) / 2) ;
end
%t er mi namos con l as auxi l i ar es
Pi SCj Fa=( 1/ ( n- 1) ) *2*a*gamma*sum( sumat or i a) ;
aux1b=1: k;
f or k=1: F
aux1b( k) =g*T0+k*r n*T0+t *( k-
1) *( V( Lci r cul ar , SCi ) +Z( Lci r cul ar , SCi ) ) +t *V( Lci r cul ar , SCi ) / 2+( t / 2)
*( ( f ( LPi SCi ) *V( LPi SCi , SCi ) +f ( LPi CBD) *V( LPi CBD, SCi ) +f ( LPi SCj H) *Hgo
r r o*V( LPi SCj H, SCi ) +f ( LPi SCj Hb) *
156
( H-
Hgor r o) *V( LPi SCj Hb, SCi ) +f ( LPi SCj F) *V( LPi SCj F, SCi ) ) / ( f ( LPi SCi ) +f ( L
Pi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H- Hgor r o) +f ( LPi SCj F) ) ) ;
end
Pi SCj Fb=Pi SCj Fa*( f ( LPi SCj F) / ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r
o+f ( LPi SCj Hb) *( H- Hgor r o) +2*f ( LPi SCj F) ) ) +( 2/ ( n-
1) ) *a*gamma*( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *(
H-
Hgor r o) +f ( LPi SCj F) ) / ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi S
Cj Hb) *( H- Hgor r o) +2*f ( LPi SCj F) ) ) *sum( aux1b) ;
Pi SCj F=Pi SCj Fa+Pi SCj Fb;
Pi SCj =Pi SCj Hgor r o+Pi SCj H+Pi SCj F;
SCi CBD=b*al f agor r o*[ T0+( t / 2) *( f ( LPi CBD) *V( LPi CBD, CBD) +Hgor r o*f ( LP
i SCj H) *V( LPi SCj H, CBD) +( H-
Hgor r o) *f ( LPi SCj Hb) *V( LPi SCj Hb, CBD) +f ( LSCi CBD) *V( LSCi CBD, CBD) +Hgo
r r o*f ( LSCi SCj H) *V( LSCi SCj H, CBD) ) / ( f ( LPi CBD) +Hgor r o*f ( LPi SCj H) +( H-
Hgor r o) *f ( LPi SCj Hb) +f ( LSCi CBD) +Hgor r o*f ( LSCi SCj H) ) ] ;
SCi SCj Hgor r o=( 1/ ( n-
1) ) *b*gammagor r o*Hgor r o*[ 2*T0+t *[ 1/ ( f ( LPi SCj H) +f ( LSCi SCj H) ) ] *( f ( L
Pi SCj H) *V( LPi SCj H, CBD) +f ( LPi SCj H) *V( LPi SCj H, SCj ) / 2+f ( LSCi SCj H) *V(
LSCi SCj H, CBD) +f ( LSCi SCj H) *V( LSCi SCj H, SCj ) / 2) ] ;
aux=F+1: Fgor r o;
f or k=F+1: Fgor r o
aux( k) =k*r n*T0+t *( k-
1) *( Z( Lci r cul ar , SCi ) +V( Lci r cul ar , SCi ) ) +t *V( Lci r cul ar , SCi ) / 2;
end
SCi SCj Fgor r o=( Fgor r o>F) *2*b*gammagor r o*sum( aux) / ( n- 1) ;
aux1=1: F;
f or k=1: F
aux2=1: F- k+1;
f or l =0: F- k
aux3=l +1: l +k- 1;
f or h=l +1: l +k- 1
aux3( h- l ) =Z( LPi SCj F, SCi +h) +V( LPi SCj F, SCi +h) ;
end
aux2( l +1) =sum( aux3) +V( LPi SCj F, SCi +k+l ) / 2;
end
aux1( k) =k*r n*T0+( t / ( f ( Lci r cul ar ) +( F-
k+1) *f ( LPi SCj F) ) ) *( f ( LPi SCj F) *sum( aux2) +f ( Lci r cul ar ) *[ ( k-
1) *( Z( Lci r cul ar , SCi ) +V( Lci r cul ar , SCi ) ) +V( Lci r cul ar , SCi ) / 2] ) ;
end
SCi SCj F=2*b*gammagor r o*sum( aux1) / ( n- 1) ;
SCi SCj =SCi SCj Hgor r o+SCi SCj Fgor r o+SCi SCj F;
end
i f est r uct ur a==2
LPi SCi =1;
LPi CBDE=2;
157
LPi SCj HE=3;
LPi SCj FE=4: 4+F- 1;
LSCi CBD=4+F;
LSCi SCj Hgor r oE=5+F;
LSCi SCj Fgor r oE=5+F: 6+2*F;
Pi SCi =a*bet a*( g*T0+t *V( LPi SCi , SCi ) / 2) ;
Pi CBD=a*al f a*( ( g+1) *T0+( t / 2) *V( LPi CBDE, CBD) ) ;
Pi SCj H=( 1/ ( n- 1) ) *a*gamma*H*( ( g+2) *T0+t *V( LPi SCj HE, SCj ) / 2) ;
aux1=1: F;
f or k=1: F
aux1( k) =g*T0+k*r n*T0+( t / 2) *V( LPi SCj FE( k) , SCj ) ;
end
Pi SCj F=( 1/ ( n- 1) ) *2*a*gamma*sum( aux1) ;
aux1b=1: F;
Pi SCj =Pi SCj H+Pi SCj F;
SCi CBD=b*al f agor r o*( T0+t *V( LSCi CBD, CBD) / 2) ;
SCi SCj Hgor r o=( 1/ ( n-
1) ) *b*gammagor r o*Hgor r o*( 2*T0+t *V( LSCi SCj Hgor r oE, SCj ) / 2) ;
aux2=1: F;
f or k=1: F
aux2( k) =k*r n*T0+( t / 2) *V( LSCi SCj Fgor r oE( k) , SCj ) ;
end
SCi SCj F=2*b*gammagor r o*sum( aux2) / ( n- 1) ;
SCi SCj =SCi SCj Hgor r o+SCi SCj F;
end
i f est r uct ur a==3
LPi SCmenosi =1;
Lci r cul ar =2;
LCBDSCj =3;
Pi SCi =a*bet a*[ g*T0+t *V( LPi SCmenosi , SCi ) / 2] ;
Pi CBD=a*al f a*[ ( g+1) *T0+t *( V( LPi SCmenosi , SCi ) +Z( LPi SCmenosi , SCi ) +V
( LPi SCmenosi , CBD) / 2) ] ;
Pi SCmenosi =a*gamma*( 1/ ( n-
1) ) *[ T0*( g+2) +t *( V( LPi SCmenosi , SCi ) +Z( LPi SCmenosi , SCi ) +V( LPi SCmen
osi , CBD) +Z( LPi SCmenosi , CBD) +V( LPi SCmenosi , SCj ) / 2) ] ;
Pi SCj H1=( f ( LPi SCmenosi ) / ( f ( LPi SCmenosi ) +f ( LCBDSCj ) ) ) *a*gamma*( ( H-
1) / ( n-
1) ) *[ ( g+2) *T0+t *[ V( LPi SCmenosi , SCi ) +Z( LPi SCmenosi , SCi ) +V( LPi SCmen
osi , CBD) / 2+V( LPi SCmenosi , SCj ) / 2] ] ;
Pi SCj H2=( f ( LCBDSCj ) / ( f ( LPi SCmenosi ) +f ( LCBDSCj ) ) ) *a*gamma*( ( H-
1) / ( n-
1) ) *[ ( g+2) *T0+t *[ V( LPi SCmenosi , SCi ) +Z( LPi SCmenosi , SCi ) +V( LPi SCmen
osi , CBD) / 2+V( LCBDSCj , SCj ) / 2] ] ;
Pi SCj H=Pi SCmenosi +Pi SCj H1+Pi SCj H2;
aux=1: F;
f or k=1: F
158
aux( k) =T0*( g+k*r n) +t *[ V( LPi SCmenosi , SCi ) / 2+V( Lci r cul ar , SCi ) / 2+( k-
1) *[ V( Lci r cul ar , SCi ) +Z( Lci r cul ar , SCi ) ] ] ;
end
Pi SCj F=2*a*( gamma/ ( n- 1) ) *sum( aux) ;
Pi SCj =Pi SCj H+Pi SCj F;
SCi CBD=b*al f agor r o*[ T0+t *V( LPi SCmenosi , CBD) / 2] ;
SCi SCmenosi =b*gammagor r o*( 1/ ( n-
1) ) *[ 2*T0+t *( V( LPi SCmenosi , CBD) +Z( LPi SCmenosi , CBD) +V( LPi SCmenosi ,
SCj ) / 2) ] ;
SCi SCj Hgor r o1=( f ( LPi SCmenosi ) / ( f ( LPi SCmenosi ) +f ( LCBDSCj ) ) ) *b*gamm
agor r o*( ( Hgor r o- 1) / ( n-
1) ) *[ 2*T0+t *[ V( LPi SCmenosi , CBD) / 2+V( LPi SCmenosi , SCj ) / 2] ] ;
SCi SCj Hgor r o2=( f ( LCBDSCj ) / ( f ( LPi SCmenosi ) +f ( LCBDSCj ) ) ) *b*gammagor
r o*( ( Hgor r o- 1) / ( n-
1) ) *[ 2*T0+t *[ V( LPi SCmenosi , CBD) / 2+V( LCBDSCj , SCj ) / 2] ] ;
SCi SCj Hgor r o=SCi SCmenosi +SCi SCj Hgor r o1+SCi SCj Hgor r o2;
aux=1: Fgor r o;
f or k=1: Fgor r o
aux( k) =T0*k*r n+t *[ V( Lci r cul ar , SCi ) / 2+( k-
1) *[ V( Lci r cul ar , SCi ) +Z( Lci r cul ar , SCi ) ] ] ;
end
SCi SCj Fgor r o=2*b*sum( aux) *gammagor r o/ ( n- 1) ;
SCi SCj =SCi SCj Hgor r o+SCi SCj Fgor r o;
end
i f est r uct ur a==4
LPi SCi =1;
LSCi SCj H=2;
Lci r cul ar =3;
Pi SCi =a*bet a*( g*T0+t *V( LPi SCi , SCi ) / 2) ;
Pi CBD=a*al f a*( ( g+1) *T0+t *( V( LPi SCi , SCi ) +V( LSCi SCj H, CBD) ) / 2) ;
Pi SCj H=a*gamma*( H/ ( n-
1) ) *( ( g+2) *T0+t *( V( LPi SCi , SCi ) / 2+V( LSCi SCj H, CBD) +V( LSCi SCj H, SCj ) /
2) ) ;
aux=1: F;
f or k=1: F
aux( k) =T0*( g+k*r n) +t *( V( LPi SCi , SCi ) / 2+V( Lci r cul ar , SCi ) / 2+( k-
1) *( V( Lci r cul ar , SCi ) +Z( Lci r cul ar , SCi ) ) ) ;
end
Pi SCj F=2*a*( gamma/ ( n- 1) ) *sum( aux) ;
Pi SCj =Pi SCj H+Pi SCj F;
SCi CBD=b*al f agor r o*( T0+t *V( LSCi SCj H, CBD) / 2) ;
SCi SCj H=b*gammagor r o*( H/ ( n-
1) ) *( 2*T0+t *V( LSCi SCj H, CBD) +t *V( LSCi SCj H, SCj ) / 2) ;
f or k=1: F
159
aux( k) =T0*k*r n+t *[ V( Lci r cul ar , SCi ) / 2+( k-
1) *[ V( Lci r cul ar , SCi ) +Z( Lci r cul ar , SCi ) ] ] ;
end
SCi SCj F=2*b*sum( aux) *gammagor r o/ ( n- 1) ;
SCi SCj =SCi SCj H+SCi SCj F;
end
t v=Pi SCi +Pi CBD+Pi SCj +SCi CBD+SCi SCj ;
end
Los trasbordos por estructura:
f unct i on [ T] =
t r asbor dos( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1)
gamma=1- al f a- bet a;
gammagor r o=gamma/ ( 1- bet a) ;
b=1- a;
F=( n- H- 1) / 2;
%def i ni mos l as l i neas par a l a est r uct ur a 1, es l a uni ca q l as
necesi t a
%def i ni das
LPi SCi =1;
LPi CBD=2;
LPi SCj H=3;
LPi SCj Hb=4;
LPi SCj F=5;
LSCi CBD=6;
LSCi SCj Hgor r o=7;
Lci r cul ar =8;
t r asbor dosE1=0;
i f est r uct ur a==1
t r asbor dos1=( T1( 1) ==1) *a*gamma*( Hgor r o/ ( n-
1) ) *( ( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *( Hgor r o- 1) +f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) / ( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f (
LPi SCj Hb) *( H- Hgor r o) +2*f ( LPi SCj F) ) ) ) ;
t r asbor dos2=( T1( 2) ==1) *a*al f a*( ( ( f ( LPi SCi ) +2*f ( LPi SCj F) ) ) / ( ( f ( LPi
SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) +2*f ( LPi SCj F) ) ) ) ;
t r asbor dos3=( T1( 3) ==1) *a*gamma*2*( F/ ( n-
1) ) *( ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi SCj Hb) *( H-
Hgor r o) +f ( LPi SCj F) ) / ( f ( LPi SCi ) +f ( LPi CBD) +f ( LPi SCj H) *Hgor r o+f ( LPi S
Cj Hb) *( H- Hgor r o) +2*f ( LPi SCj F) ) ) ;
t r asbor dosE1=t r asbor dos1+t r asbor dos2+t r asbor dos3;
end
T= t r asbor dosE1*( est r uct ur a==1) +( est r uct ur a==3) *( a*gamma*Y*( ( n-
2) / ( n- 1) ) +b*gammagor r o*Y*( Hgor r o- 1) / ( n-
1) ) +( est r uct ur a==4) *( a*al f a+a*gamma) *Y;
end
160
La flota:
f unct i on
[ B] =f l ot a( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t )
F=( n- 1- H) / 2;
Fgor r o=( n- 1- Hgor r o) / 2;
l ambda = car ga( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
t c =
t i empoci cl o( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t ) ;
t e = t i empoesper a( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
t v =
t i empovi aj e( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t ) ;
T = t r asbor dos( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
i f est r uct ur a==1
cant l i nea=1: 8;
LPi SCi =1; cant l i nea( LPi SCi ) =n;
LPi CBD=2; cant l i nea( LPi CBD) =n;
LPi SCj H=3; cant l i nea( LPi SCj H) =Hgor r o*n;
LPi SCj Hb=4; cant l i nea( LPi SCj Hb) =( H- Hgor r o) *n;
LPi SCj F=5; cant l i nea( LPi SCj F) =2*n;
LSCi CBD=6; cant l i nea( LSCi CBD) =n;
LSCi SCj Hgor r o=7; cant l i nea( LSCi SCj Hgor r o) =n*Hgor r o;
Lci r cul ar =8; cant l i nea( Lci r cul ar ) =2;
end
i f est r uct ur a==2
cant l i nea=1: 5+2*F;
LPi SCi =1; cant l i nea( LPi SCi ) =n;
LPi CBDE=2; cant l i nea( LPi CBDE) =n;
LPi SCj HE=3; cant l i nea( LPi SCj HE) =n*H;
LPi SCj FE=4: 4+F- 1; cant l i nea( LPi SCj FE) =2*n;
LSCi CBD=4+F; cant l i nea( LSCi CBD) =n;
LSCi SCj Hgor r oE=5+F; cant l i nea( LSCi SCj Hgor r oE) =n*Hgor r o;
LSCi SCj Fgor r oE=6+F: 5+2*F; cant l i nea( LSCi SCj Fgor r oE) =2*n;
end
i f est r uct ur a==3
cant l i nea=1: 3;
LPi SCmenosi =1; cant l i nea( LPi SCmenosi ) =n;
Lci r cul ar =2; cant l i nea( Lci r cul ar ) =2;
LCBDSCj =3; cant l i nea( LCBDSCj ) =n;
end
i f est r uct ur a==4
cant l i nea=3;
LPi SCi =1; cant l i nea( LPi SCi ) =n;
LSCi SCj Hgor r o=2; cant l i nea( LSCi SCj Hgor r o) =n*Hgor r o;
Lci r cul ar =3; cant l i nea( Lci r cul ar ) =2;
end
B=sum( f . *cant l i nea. *t c) ;
end
161
Y la cantidad de plazas:
f unct i on
S=si l l as( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t )
F=( n- 1- H) / 2;
Fgor r o=( n- 1- Hgor r o) / 2;
l ambda = car ga( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
t c =
t i empoci cl o( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t ) ;
i f est r uct ur a==1
cant l i nea=1: 8;
LPi SCi =1; cant l i nea( LPi SCi ) =n;
LPi CBD=2; cant l i nea( LPi CBD) =n;
LPi SCj H=3; cant l i nea( LPi SCj H) =Hgor r o*n;
LPi SCj Hb=4; cant l i nea( LPi SCj Hb) =( H- Hgor r o) *n;
LPi SCj F=5; cant l i nea( LPi SCj F) =2*n;
LSCi CBD=6; cant l i nea( LSCi CBD) =n;
LSCi SCj Hgor r o=7; cant l i nea( LSCi SCj Hgor r o) =n*Hgor r o;
Lci r cul ar =8; cant l i nea( Lci r cul ar ) =2;
end
i f est r uct ur a==2
cant l i nea=1: 5+2*F;
LPi SCi =1; cant l i nea( LPi SCi ) =n;
LPi CBDE=2; cant l i nea( LPi CBDE) =n;
LPi SCj HE=3; cant l i nea( LPi SCj HE) =n*H;
LPi SCj FE=4: 4+F- 1; cant l i nea( LPi SCj FE) =2*n;
LSCi CBD=4+F; cant l i nea( LSCi CBD) =n;
LSCi SCj Hgor r oE=5+F; cant l i nea( LSCi SCj Hgor r oE) =n*Hgor r o;
LSCi SCj Fgor r oE=6+F: 5+2*F; cant l i nea( LSCi SCj Fgor r oE) =2*n;
end
i f est r uct ur a==3
cant l i nea=1: 3;
LPi SCmenosi =1; cant l i nea( LPi SCmenosi ) =n;
Lci r cul ar =2; cant l i nea( Lci r cul ar ) =2;
LCBDSCj =3; cant l i nea( LCBDSCj ) =n;
end
i f est r uct ur a==4
cant l i nea=3;
LPi SCi =1; cant l i nea( LPi SCi ) =n;
LSCi SCj Hgor r o=2; cant l i nea( LSCi SCj Hgor r o) =n*Hgor r o;
Lci r cul ar =3; cant l i nea( Lci r cul ar ) =2;
end
S=sum( f . *cant l i nea. *l ambda. *t c) ;
Con ello, se programan los costos en funcin de las frecuencias para cada
estructura:
162
f unct i on [ c] =
cost os( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t , pv, pe, pT, c
0, c1)
F=( n- 1- H) / 2;
Fgor r o=( n- 1- Hgor r o) / 2;
l ambda = car ga( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
t c =
t i empoci cl o( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t ) ;
t e = t i empoesper a( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
t v =
t i empovi aj e( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t ) ;
T = t r asbor dos( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
i f est r uct ur a==1
cant l i nea=1: 8;
LPi SCi =1; cant l i nea( LPi SCi ) =n;
LPi CBD=2; cant l i nea( LPi CBD) =n;
LPi SCj H=3; cant l i nea( LPi SCj H) =Hgor r o*n;
LPi SCj Hb=4; cant l i nea( LPi SCj Hb) =( H- Hgor r o) *n;
LPi SCj F=5; cant l i nea( LPi SCj F) =2*n;
LSCi CBD=6; cant l i nea( LSCi CBD) =n;
LSCi SCj Hgor r o=7; cant l i nea( LSCi SCj Hgor r o) =n*Hgor r o;
Lci r cul ar =8; cant l i nea( Lci r cul ar ) =2;
end
i f est r uct ur a==2
cant l i nea=1: 5+2*F;
LPi SCi =1; cant l i nea( LPi SCi ) =n;
LPi CBDE=2; cant l i nea( LPi CBDE) =n;
LPi SCj HE=3; cant l i nea( LPi SCj HE) =n*H;
LPi SCj FE=4: 4+F- 1; cant l i nea( LPi SCj FE) =2*n;
LSCi CBD=4+F; cant l i nea( LSCi CBD) =n;
LSCi SCj Hgor r oE=5+F; cant l i nea( LSCi SCj Hgor r oE) =n*Hgor r o;
LSCi SCj Fgor r oE=6+F: 5+2*F; cant l i nea( LSCi SCj Fgor r oE) =2*n;
end
i f est r uct ur a==3
cant l i nea=1: 3;
LPi SCmenosi =1; cant l i nea( LPi SCmenosi ) =n;
Lci r cul ar =2; cant l i nea( Lci r cul ar ) =2;
LCBDSCj =3; cant l i nea( LCBDSCj ) =n;
end
i f est r uct ur a==4
cant l i nea=3;
LPi SCi =1; cant l i nea( LPi SCi ) =n;
LSCi SCj Hgor r o=2; cant l i nea( LSCi SCj Hgor r o) =n*Hgor r o;
Lci r cul ar =3; cant l i nea( Lci r cul ar ) =2;
end
cost ooper ador =( c0+c1*l ambda) . *f . *t c. *cant l i nea;
cost ooper ador =sum( cost ooper ador ) ;
c=cost ooper ador +pv*t v*Y+pe*t e*Y+pT*T;
end
163
Se reescriba incorporando los parmetros que no sern considerados
variables:
f unct i on x = opt ( f )
gl obal est r uct ur a
gl obal al f a
gl obal bet a
gl obal a
gl obal Y
gl obal n
gl obal H
gl obal Hgor r o
gl obal T1
gl obal T0
gl obal g
gl obal t
gl obal pv
gl obal pe
gl obal pT
gl obal c0
gl obal c1
x=cost os( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1, T0, g, t , pv, pe, pT
, c0, c1) ;
end
Se programa la restriccin, paso necesario para usar las herramientas de
optimizacin de Matlab:
f unct i on [ ci neq, ceq] =r est r i cci on( f )
gl obal est r uct ur a
gl obal al f a
gl obal bet a
gl obal a
gl obal Y
gl obal n
gl obal H
gl obal Hgor r o
gl obal T1
capaci dadmaxi ma=291; %buses BI ar t i cul ados t r ansant i ago
l ambda=car ga( est r uct ur a, al f a, bet a, a, Y, f , n, H, Hgor r o, T1) ;
ci neq=l ambda- capaci dadmaxi ma;
ceq=[ ] ;
end
164
Con ello, se procede a resolver para los distintos valores de y ,
hacindose cargo del clculo de y