Análisis de sistemas de transporte

Tiempo de restauración

SATURN es un paquete de meso-simulación que modela de manera eficiente grupos de vehículos y trata los retrasos y la congestión con precisión, pero sus instalaciones de transporte público son demasiado débiles para el diseño de BRT. Del mismo modo, TMODEL y QRS II son débiles para modelar la demanda de transporte público y no se recomiendan para BRT. Las etapas anteriores en el proceso de modelado se enfocaron principalmente en el lado de la demanda de los servicios de transporte público o en la generación de matrices OD. La etapa de “asignación” es donde la oferta de servicios de transporte público se empareja con estas condiciones de demanda en una simulación. Esto se hace calculando los tiempos y costos requeridos en cada segmento de ruta de la red, combinándolo para todas las rutas posibles para todos los pares OD para definir cuál se tomará para cada «segmento de mercado».

• Janic midió la resiliencia del aeropuerto en función del número de vuelos alojados en el aeropuerto para un índice de capacidad específico, mientras que Faturechi et al. cuantificó la probabilidad esperada de acomodar el número de vuelos en una situación posterior a un desastre.
• Otro artículo reciente consideró la demanda de viajes que surge de las evacuaciones de emergencia de las zonas afectadas por el desastre y se resolvió de manera óptima para encontrar la estrategia de ruta eficiente para mejorar la operación de evacuación.
• Además, en los estudios de resiliencia basados ​​en redes de transporte aéreo, la capacidad de la calle de rodaje y la capacidad de la pista durante y después de las fases de desastre se consideran parámetros de resiliencia (por ejemplo,).

Aunque el modelo aspatial de Forrester no se ha aplicado ampliamente, fue un hito en el modelado urbano que estimuló el desarrollo de nuevos modelos de uso del suelo. El modelo de gravedad ha sido popular por su simplicidad durante décadas, y algunas regiones aplican modelos derivados de la gravedad incluso hoy. El modelo de entropía de Wilson se ha desarrollado aún más muchas veces, aunque siguió siendo un ejercicio académico en su mayor parte.

Las decisiones subyacentes de los hogares individuales que pueden conducir al crecimiento de la población generalmente no son analizadas por Cellular Automata. El pronóstico de los datos socioeconómicos es estático y representa la asignación futura más probable de hogares, trabajos y otros datos zonales. La asignación del crecimiento en el año futuro se determina exógenamente y no se ve afectada por la información calculada endógenamente elaspirador-escoba.com en el modelo, como la accesibilidad. A veces, un escenario de crecimiento alternativo se calcula exógenamente al proceso de modelado de viajes para probar una asignación diferente (como un escenario de alto crecimiento además del escenario base). Los modelos de uso del suelo se pueden integrar con los modelos de demanda de viajes para reflejar las interacciones entre el sistema de transporte y el desarrollo del uso del suelo.

Las ecuaciones 6 a 9 se utilizaron para medir la importancia relativa, la importancia autoexcluyente y la resiliencia de cada aeropuerto, respectivamente. La ecuación 6 midió la importancia relativa de un aeropuerto calculando la relación entre el número de vuelos manejados por un aeropuerto y el número total de vuelos manejados por todos los aeropuertos. La Ecuación 7 midió la importancia autoexcluyente de un aeropuerto omitiendo el número de vuelos manejados por un aeropuerto del denominador de eq. La Ecuación 8 midió la resiliencia de un aeropuerto considerando la cantidad de vuelos entrantes y salientes durante y después de un desastre, y eq. En este estudio se analizó una red de 16 aeropuertos para evaluar su resiliencia debido al huracán Sandy. Según los resultados del análisis, el impacto del desastre fue el impacto más severo (es decir, la menor resiliencia) en el quinto día del desastre debido al cierre de varios aeropuertos. Este trabajo fue una representación simplista de un sistema de transporte aéreo en tiempos de desastre y pudo expresar las implicaciones de los desastres en el mundo real.

Varios estudios consideraron la minimización del tiempo de viaje en escenarios de desastre con un rango variado de impacto, sin incluir el impacto de las actividades de preparación previas al desastre. Además de considerar el «tiempo de viaje» como un índice de resiliencia, varios investigadores han desarrollado otras métricas utilizando datos de tiempo de viaje (por ejemplo, vulnerabilidad, confiabilidad y restauración), que se analizan por separado en las siguientes secciones. Los paquetes más sólidos para la planificación y el diseño de sistemas BRT de propósito general son EMME, CUBE y VISUM, y TransCad ofrece capacidades cercanas. Sin embargo, en la actualidad, los costos más importantes serán la capacitación del personal para que se familiarice y se familiarice con el paquete de software. Los modeladores más antiguos y sofisticados, como el flexible Emme, permiten al personal escribir fácilmente subprogramas, llamados «macros». Cada vez más consultores utilizan Emme en combinación con otros programas con mejor capacidad GIS o con instalaciones de micro-simulación.

Sostenibilidad de productos, procesos y cadenas de suministro

Chen y Miller-Hooks propusieron un modelo estocástico de enteros mixtos para cuantificar la resiliencia aplicando los conceptos de descomposición de Benders, generación de columnas y simulación de Monte Carlo. Se concluyó que un mayor tiempo de recuperación y un mayor presupuesto de recuperación podrían mejorar el nivel de resiliencia del 5% al ​​100% del nivel previo al desastre. Como este modelo se aplicó en base a un tiempo de recuperación hipotético y un escenario presupuestario y muchas suposiciones software transportes (lógicas pero aún no probadas en el mundo real), la capacidad de implementación del modelo en un escenario del mundo real debe explorarse en el futuro. Janic formuló un modelo para estimar la resiliencia, la friabilidad (es decir, la tasa de resiliencia decreciente) y los costos de la red de transporte aéreo. Este modelo incluyó la importancia relativa de los diferentes aeropuertos, la importancia autoexcluyente del aeropuerto, la resiliencia del aeropuerto y la resiliencia de la red de transporte aéreo.

Triángulo de resiliencia

Dado que los cambios revolucionarios esperados de la tecnología CAV son innegables, los estudios futuros deben explorar sus impactos en los comportamientos de viaje de los usuarios y las implicaciones en la planificación de la resiliencia del sistema de transporte blanqueardientes.org en el futuro. El tiempo de viaje es el tiempo invertido en viajar desde el origen del viaje hasta el destino y depende sustancialmente de las características topográficas del sistema de transporte y las condiciones meteorológicas durante un escenario de desastre.

Los modelos de planificación de croquis se utilizan ampliamente hasta la fecha como sistemas de apoyo a la planificación. Por lo general, no se integran con los modelos de demanda de viajes, sino que sirven para visualizar varios supuestos de distribuciones de crecimiento. Los modelos de elección discreta simulan decisiones espaciales explícitamente, en lugar de estimar el resultado emergente en conjunto. Estos modelos estiman el cambio de las celdas ráster en función de las características de las celdas ráster vecinas.

Tanto los hogares como las empresas prefieren ubicaciones con -todo lo demás en igualdad de condiciones- mayor accesibilidad y, por lo tanto, están influenciados por los tiempos de viaje que son un resultado de los modelos de transporte. Las elecciones de ubicación de los hogares, las empresas y los desarrolladores, a su vez, influyen en la ubicación y la escala de la demanda de viajes que se calcula mediante el modelo de demanda de viajes. La integración del uso del suelo con los modelos de transporte ha demostrado mejorar la sensibilidad del modelo en los análisis de escenarios. Los principios de diseño comunes muestran cómo los diferentes elementos de los modelos de uso de la tierra trabajan juntos. En el modelado de resiliencia, se aplicó el paradigma de optimización para identificar la forma más eficiente de mejorar la resiliencia de un sistema. Li y col. investigó el problema del diseño de redes continuas en el contexto del modelado de resiliencia del sistema de transporte. Este modelo fue capaz de lograr una mayor precisión en la búsqueda de una solución óptima para la expansión de la capacidad de la carretera con un tiempo de cálculo más alto que fue eficiente que muchos otros modelos.

Como los desastres pueden afectar las características topográficas (es decir, los enlaces de la red de carreteras) así como el tiempo de viaje de manera significativa, el tiempo de viaje es uno de los parámetros más utilizados para cuantificar el desempeño del sistema en un escenario de desastre. El tiempo de viaje se ha utilizado para identificar la diferencia en el desempeño de un sistema de transporte antes y después del desastre. Además, el tiempo de viaje se puede interpretar de diferentes formas para explicar las características de resiliencia del sistema de transporte. Sin embargo, si un sistema sufre una destrucción a gran escala que afecta a la mayoría de los enlaces y requiere un período de recuperación prolongado, es posible que el ritmo no proporcione una descripción general completa del estado de la red.