Estimación de tiempo de respuesta de vehículos de Bomberos en la ciudad de Santiago, a partir de un microsumulador de tráfico

Abstract

Es de vital importancia que los vehículos de bomberos atiendan las emergencias que se les notifican de la manera más rápida posible para reducir el riesgo de pérdidas humanas y materiales. Para lograr esto, es necesario conocer de manera precisa el tiempo asociado a las diferentes calles que recorrerá el vehículo de emergencia en su viaje. Con la finalidad de estimar el tiempo de respuesta, es posible trabajar en base a un microsimulador de tráfico para simular distintos escenarios de tráfico reales. En esta memoria se procesan datos GPS registrados por carros de bomberos con la finalidad de obtener rutas reales de vehículos de emergencia del CBS y de esa forma calibrar de mejor manera la red codificada del centro de Santiago en el microsimulador PARAMICS. Además, se estiman tres matrices origen-destino de vehículos particulares en distintos bloques horarios para el centro histórico de Santiago a partir de una matriz origen-destino para una zona más amplia de la ciudad de Santiago; ajustando estas matrices y comparándolas con los flujos reales medidos por diferentes puntos de control ubicados en la red. Se utilizan métricas de ajustes para medir el error de rutas reales basadas en datos GPS y las simulaciones utilizando la matriz origen-destino respectiva a dicha emergencia, detectando variaciones de acuerdo con el tipo de pista que se encuentra en las calles por donde viaja el carro de bomberos. Posteriormente, se proponen 3 modelos de regresión lineal de estimación de tiempos de viaje y un modelo de estimación de velocidad media espacial de los carros de bomberos para determinar el impacto de la topología de la red en los tiempos de respuesta o en la velocidad de los vehículos de emergencia. Finalmente, se evalúa la variación de un modelo Log-lineal de estimación de tiempo de viaje y de un modelo de estimación de velocidad del carro de bomberos, donde el primero de estos dos presenta mejores ajustes con un mayor número de rutas con un ajuste menor al 30%, en particular para rutas de pistas mixtas con un error promedio del 16%.