Formulation of new models of passenger behavior in public transport using fare collection data

Abstract

Los sistemas de transporte público son fundamentales para reducir la congestión y la contaminación atmosférica en las ciudades de todo el mundo. Por ello, entender las preferencias de los pasajeros de transporte público es esencial para mejorar, promover y evaluar las políticas públicas en este ámbito. Los modelos de elección de rutas son utilizados para entender las preferencias de los pasajeros, y por tanto, para mejorar el diseño de los sistemas de transporte. En este contexto, uno de los mayores desafíos es representar el comportamiento de elección de ruta de los pasajeros de forma realista y recoger, integrar y procesar datos que puedan apoyar el desarrollo de políticas públicas informadas. En la última década, varios estudios de elección de rutas de transporte público han utilizado tarjetas inteligentes y datos de GPS para obtener las elecciones de ruta de los pasajeros y una gran cantidad de información sobre los viajes, como por ejemplo: el tiempo de viaje y el número de transbordos. Una de las principales ventajas de los datos pasivos de transporte es la cantidad de datos recogidos y la exactitud de la información de movilidad. Aunque muchos estudios han intentado representar de forma realista el comportamiento de elección de rutas de los pasajeros, todavía quedan muchos desafíos por resolver. El objetivo general de esta tesis doctoral es formular un nuevo marco de modelación de transporte público que permita una comprensión más realista del comportamiento y las percepciones de los pasajeros de un sistema de transporte público multimodal a gran escala y con disponibilidad de datos pasivos. Esto se traduce en las siguientes contribuciones principales de esta tesis: i) desarrollar y aplicar métodos que capturen la heterogeneidad de la estrategia de elección de ruta entre los pasajeros; ii) proponer y aplicar una metodología para evaluar diferentes enfoques para abordar el problema del conjunto de consideración en los modelos de elección de ruta de transporte público; iii) proponer y aplicar un método para incorporar el proceso de aprendizaje de los pasajeros en un modelo de elección de ruta mediante el uso de datos de tarjetas inteligentes; iv) proponer y aplicar un método para evaluar el efecto de incentivos económicos y mensajes de cooperación para motivar a los pasajeros de transporte público a compartir información sobre las condiciones del sistema de transporte público utilizando una aplicación crowdsourcing. Esta tesis muestra que datos pasivos de transporte público pueden utilizarse para comprender las preferencias de los pasajeros mediante la estimación de modelos de elección de rutas y que los datos recogidos a partir de tecnologías crowdsourcing pueden utilizarse para complementar los datos pasivos de transporte. Por último, los resultados de esta tesis ayudan a las autoridades de transporte a confiar en el uso de modelos de elección de ruta generados con datos pasivos de transporte y tecnologías de crowdsourcing para recoger datos de movilidad.