4 4 Estimación de la demanda con un modelo de transporte público

En la simulación se utilizó una ciudad hipotética, que constaba de 25 objetivos potenciales para un ataque terrorista, una red de transporte de 26 nodos y 75 enlaces. Este sistema de red ejemplar fue útil para demostrar la metodología y puede transferirse a una red del mundo real utilizando datos o estimaciones locales. La técnica de espera en tierra es un concepto antiguo que se ha propuesto para modelar las operaciones de las pistas de los aeropuertos. En la técnica de espera en tierra, se consideró el tiempo necesario para que cada aeronave permaneciera en tierra antes del despegue, y los investigadores desarrollaron enfoques para minimizar el tiempo perdido antes del despegue y reducir el costo de demora. En Filar et al. , se propuso un modelo de optimización adaptativa mediante la incorporación de características especiales de decisión para mejorar el rendimiento del transporte por vía aérea, como el toque de queda nocturno a partir de las 11.00 p.m.

Análisis de sistemas de transporte

5 2.7 conversión de la demanda en ingresos

La confiabilidad también se puede interpretar como la probabilidad de que los viajes se completen con éxito entre los pares Origen-Destino (O-D). La incertidumbre en el impacto del desastre influye en la demanda y el comportamiento de los viajes y, por lo tanto, influye en la fiabilidad de los viajes.

Comenzando con los datos socioeconómicos del año base, el modelo de transporte se ejecuta para el mismo año, lo que representa un día promedio de ese año. Las matrices desnatadas del modelo de transporte, generalmente proporcionadas para el tiempo de viaje y los costos de viaje, se incorporan al modelo de uso de la tierra que modela los cambios de uso de la tierra desde 2000 a 2001.

La restauración del sistema de transporte después de un desastre tiene una gran importancia en la respuesta y gestión de desastres. El objetivo de las agencias de transporte es restaurar los enlaces bloqueados / dañados / fallados en la red de carreteras después de cualquier desastre para que la distribución de ayuda y el programa de evacuación posterior al desastre se pueda operar de manera eficiente. Basado en este concepto, Hu desarrolló un modelo basado en optimización para maximizar el número de rutas restauradas en el menor tiempo posible. laoracionasanpancracio.com Ariano y Pranzo adoptaron un modelo de restauración del sistema ferroviario basado en minimizar el retraso entre los viajes consecutivos en tren. La eficiencia de los modelos basados ​​en el tiempo de restauración depende en gran medida de la operación de envío de recursos de emergencia. La confiabilidad se define típicamente como la probabilidad de ser funcional / operativa después de un desastre. Desde la perspectiva del sistema de transporte, puede ser el desempeño del sistema con un cierto nivel de servicio en un escenario de interrupción.

La salida del modelo de uso de la tierra reemplaza los datos socioeconómicos del año base para la siguiente ejecución del modelo del modelo de transporte. Algunos incidentes, como el reciente ataque a los coches eléctricos de Tesla, demostraron el peligro de la ciberseguridad. Hay 100 millones de líneas de códigos de software que se ejecutan en algunos de los modelos de vehículos avanzados existentes. Con el transporte conectado cada vez más una realidad, las amenazas a la ciberseguridad para este sector van en aumento. Más allá de la infraestructura de transporte, CAV se conectará a servicios en la nube para respaldar muchas aplicaciones relacionadas con la operación, la seguridad y el rendimiento de los vehículos. Dado que la falla de la red de comunicaciones, parcial o totalmente debida a ciberataques, puede provocar la falla del sistema de movilidad total, la importancia de la resistencia a las amenazas cibernéticas del futuro sistema de movilidad es primordial.

Aunque el modelado de desastres basado en el clima es complejo, el concepto de un escenario de desastre estocástico se puede utilizar en la planificación de la resiliencia del transporte. Al evaluar las métricas de resiliencia, algunos estudios consideraron la interdependencia crítica del sistema con otros sistemas (por ejemplo, el sistema energético). Por ejemplo, se utilizó un algoritmo evolutivo multiobjetivo de inversión en energía y transporte, propuesto inicialmente por Ibáñez y McCalley, para optimizar la estrategia de desempeño de los sistemas de energía y transporte con base en tres criterios: costo, sostenibilidad y resiliencia. La formulación de resiliencia propuesta podría utilizarse para diseñar planes de inversión a largo plazo para infraestructuras interdependientes.

• El presupuesto de recuperación no significa necesariamente el presupuesto necesario para recuperarse por completo del impacto de la interrupción; más bien, representa el presupuesto que puede asignarse para actividades de recuperación en función de la situación económica de la comunidad / agencia.
• Asadabadi y Miller-Hooks utilizaron el costo operativo como un requisito de inversión relativa para aumentar el rendimiento de la resiliencia en un sistema de red de transporte marítimo.
• La discrepancia entre el presupuesto de recuperación necesario y el presupuesto de recuperación asignado puede variar según los costos de los daños asociados con el impacto de la interrupción.
• Sin embargo, la asignación de inversiones adicionales para mejorar la condición de la infraestructura existente antes del desastre, considerando eventos climáticos estocásticos, puede reducir el requisito de un alto presupuesto de recuperación después del desastre.
• La vulnerabilidad se usa ampliamente para expresar la susceptibilidad de los componentes críticos de una red de transporte y comúnmente representa el desempeño operativo de la red.

Este estudio fue una buena representación de cómo las decisiones gerenciales pueden afectar el desempeño de la operación. La perturbación en los servicios de transporte debido a interrupciones (por ejemplo, clima extremo, eventos terroristas) causa un deterioro parcial o total de los enlaces de la red, interrupción de los viajes programados, retraso del viaje o cancelación software mantenimiento del viaje. Muchos estudios exploraron modelos de resiliencia específicos del modo considerando factores críticos asociados con diferentes modos de transporte. Chen y Miller-Hooks definieron la resiliencia como la fracción esperada de la demanda de viajes que el sistema de transporte puede adaptarse después del desastre, considerando el presupuesto de recuperación asignado.

Se utilizó una combinación del método entero en forma de L y la simulación de Monte Carlo para medir el requisito de recursos máximo y mínimo de un sistema de red de transporte de carga para mejorar la resiliencia. La naturaleza integral de este artículo fue única, que incluye el impacto de las actividades de preparación en la fase previa al desastre y la cuantificación de la resiliencia en la fase posterior al desastre en función de factores clave como la capacidad, el flujo, el tiempo de recuperación y el presupuesto. La capacidad se representó como la capacidad de acomodación del tráfico de la red en el escenario posterior al desastre en comparación con la demanda de tráfico de la red original anterior al desastre aplicando la siguiente ecuación. horoscoposdiarios.club Se utilizó un sistema de red de contenedores de doble pila en el oeste de Estados Unidos para demostrar la aplicación del modelo. Se concluyó que los esfuerzos de recuperación y las actividades de preparación podrían mejorar el nivel de resiliencia en un 14% y 11%, respectivamente, mientras que la recuperación y la preparación juntas podrían mejorar la resiliencia en un 18%. Dado que el perfil de riesgo de una red de transporte es fundamental para analizar el desempeño de la resiliencia, Murray-Tuite propuso una combinación de enfoque basado en árboles de eventos que se introdujo en Murray-Tuite. Se aplicó la simulación de Monte Carlo para determinar el perfil de riesgo de una red de transporte hipotética en el caso de un ataque terrorista.

La medición de la confiabilidad basada en la capacidad del enlace de la red de carreteras para satisfacer una demanda de viaje específica también se consideró como un índice de resiliencia en Chen et al. y Patil y Bhavathrathan. Una de las limitaciones clave de estos estudios es que se basan en el supuesto de cierta distribución de la capacidad de las carreteras en lugar de estimar la distribución utilizando datos de campo. Además, estos estudios demostraron la relación entre resiliencia y confiabilidad, ya que los investigadores a menudo proporcionaron una interpretación vaga para distinguir estos dos.