Evaluación de algoritmos de ruteo en nuevo sistema de fizcalización de Transantiago

Abstract

Todas las ciudades, a medida que se comienzan a extender y densificar, se ven enfrentadas al complejo fenómeno del sistema de transporte público, donde constantemente está en juego el desafío de lograr transportar una gran cantidad de gente de forma eficiente y efectiva. Actualmente, el sistema de transporte público de Santiago se ve afectado por un problema importante: los usuarios evaden el pago del pasaje. Según cifras recientes del año 2017, el índice de evasión supera el 30%, manteniendo una tasa creciente en el tiempo, y es bajo esta preocupación que se propone el proyecto FONDEF Desarrollo de tecnologías para el control de la evasión en el transporte público . Este proyecto busca desarrollar algoritmos eficientes para la resolución de un modelo de fiscalización a gran escala con el fin de mejorar los índices de efectividad del sistema de fiscalización actual y es en este contexto que se desarrolla esta memoria de título. Los modelos, considerados en el marco del proyecto, consisten en una estrategia mixta de fiscalización sobre el grafo de paraderos de Santiago, es decir, una densidad de probabilidad de fiscalización dentro del área de cobertura. Sin embargo, la implementación de estos resultados al sistema no es directa. Es por este motivo que este trabajo busca implementar un modelo de calendarización, que condense un estado probabilístico a una respuesta humanamente realizable, pero que a la vez sea eficiente en su ejecución. En virtud de este objetivo, se implementan dos modelos de calendarización diferentes; uno estático, que mantiene el sistema actual de fiscalización por paraderos, y uno dinámico, que se ajusta a sistemas de fiscalización implementados en otros países y permite la fiscalización con los buses en movimiento. Esta segunda estrategia permite ampliar el abanico de oportunidades que tiene el área de fiscalización del DPTM para cumplir su tarea. Dentro del arista estática, se generan dos propuestas: un sistema más directo, donde se genera una submuestra con su matching respectivo, y un segundo sistema más desarrollado, donde se genera una combinación de turnos a realizar. Generando una diferencia de hasta 92% en los costos de transporte entre estos modelos. Con respecto al modelo dinámico, se mejora en un 42% la capacidad de ejecutar correctamente los resultados de fiscalización. Esta mejora corresponde a la comparación de un modelo aleatorio con respecto a un modelo de decisión dinámica glotón por tramos. A modo de conclusión se propone la implementación del sistema estático en el corto plazo, mientras se trabaja en la formulación de modelos de decisión dinámicos más robustos a los utilizados actualmente junto con la generación de las herramientas necesarias para su correcta implementación. Como trabajo futuro se propone estudiar la posible implementación de un modelo híbrido que mantenga características tanto estáticas como dinámicas.