Herramientas de gestión de tráfico multiagente
ITS Euskadi, 15 de noviembre 2024
This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No 955273
TANGENT de un vistazo
• Mobility for Growth: topic “MG-2-11-2020 - Network and traffic management for future mobility”
• EU Contribution: 4,8 M€
• Duration 39 Months (1/Sept/2021 – 31/Nov/2024)
• 13 Partners from 9 countries
• TANGENT ha desarrollado nuevas herramientas de optimización de las operaciones de gestión del tráfico para balancear la oferta y demanda del transporte multimodal de forma dinámica.
RENNES GREATER MANCHESTER
LISBON
TANGENT de un vistazo – Rennes (FR)
• A partir de: datos en tiempo real e históricos (tráfico y TP), y un modelo de transporte calibrado en el área específica.
• Eventos planificados: partidos de futbol, operación salida vacacional
• Eventos NO planificados: accidentes, obras.
• Modos de transporte implicados: autobuses públicos, metro, vehículos privados y bicicletas.
• 17 agentes de transporte identificados para la gestión del tráfico
TANGENT de un vistazo – Rennes(FR)
• TANGENT proporciona Servicios de información en Tiempo Real integrando todos los modos de transporte disponibles, impulsando la cooperación entre los diferentes agentes de transporte.
• Ejemplo: INCIDENTE: Se produce un fallo en una linea de METRO que conecta el centro con evento a las afueras.
• TANGENT proporciona un PLAN DE RESPUESTA
a) Los agentes disponen de una vision común del incidente. TANGENT facilita la cooperación entre ellos.
b) TANGENT sugiere incrementar la frecuencia de una determinada linea de autobus, absorbiendo la demanda no atendida por el metro debida al fallo.
c) Sincronización de DRT: los servicios de DRT son redirigidos a la zona para llevar a los pasajeros a otra estación operativa que conecte las líneas de metro.
INNOVACIONES
• Vision común de la situación actual (Common situational awareness): todos los agentes de transporte disponen de la imagen completa del incidente.
• El plan de respuesta se acuerda entre las diferentes entidades de transporte considerando un balance entre sus intereses particulares: minimo/ maximo nivel de servicio, coste operacional, modelo de negocio,…
• Inteligencia Artificial y técnicas de modelado de transporte para facilitar el diseño de los planes de respuesta cooperativos.
Bigeventinperiurbanarea
Infrastructure providers
PTOperators
Public Authority
La herramienta TANGENT
Monitorización y Predicción de
Planificación
Gestión de incidencias Datos
El entorno de TANGENT
This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement
S3: Planificación
Generación de Políticas de Transporte y Planes de Respuesta empleando Diseño Optimizado por Ordenador (COD)
• La red de transporte es cada vez más compleja, con nuevos modos de transporte (CAVs, micromovilidad,…)
• Las autoridades públicas deberán orquestar el transporte actual con los futuros tipos
• Se requieren herramientas nuevas que faciliten la toma de decisiones
• Propuesta: Aplicamos el concepto de Diseño Optimizado por Ordenador (COD) para generar politicas o intervenciones en el transporte
Casos de uso de optimización
• DRT: Integración del Transporte a Demanda (DRT) y el Transporte Público (PT)
• PTTC: Sincronización del Transporte Público y el Control de Tráfico
• SVCC: Control acoplado de la señalización de vehículos con vehículos conectados y autónomos (CAVs)
• DCP: Control dinámico del precio de los peajes en base a la congestión
DRT: Integración del Transporte a Demanda y el Transporte Público
• El problema de Primera/Última Milla puede afectar al uso del Transporte Publico (PT) en áreas donde el PT es menos frecuente
• Las caracteristicas del Transporte a Demanda (DRT) se adecúan bien como alimentadores o colectores de PT
• Propuesta de Deusto: aplicar COD para determinar la flota y rutas óptimas de DRT que den servicio a primera/ultima milla en un área
• Indicadores (KPI) de desempeño:
• % de demanda atendida
• Emisiones de la flota DRT totales
• Coste operacional del servicio DRT
• Tiempo medio de viaje de los pasajeros (primera milla + PT + ultima milla)
DRT: Integración del Transporte a Demanda y el Transporte Público
• Testeado en Atenas:
• Conexión entre Paiania y el centro
• 712 peticiones de viaje estimadas entre 7:30AM- 10:30AM
Centro: 356, Trigono Lagou: 178, Agia Marina: 178
• Cada petición tiene una ventana temporal de salida [DTWstart,
DTWend] y una ventana de llegada [ATWstart,, ATWend ]
• Los usuarios son recogidos a una distancia no mayor de 150m de su origen
• Se consideran diferentes tamaños de flotas DRT con capacidad para 12 personas: 6, 12, 18, 24 vehículos
DRT: Integración del Transporte a Demanda y el Transporte Público
Comparativa en tiempo de viaje
Ratio Demanda Servida vs Coste Operacional del DRT
PTTC: Sincronización del Transporte Público y el Control de Tráfico
• El Transporte Publico (PT) puede verse afectado por:
• La congestion de tráfico (e.g. buses)
• La falta de flexibilidad ante eventos que cambian la demanda u oferta
• Propuesta de Deusto: ante un evento planificado o no planificado (e.g. fallo de una línea de metro), reajustar simultáneamente la frecuencia y/o la capacidad de las lineas de PT en superficie y el control de la señalización de tráfico
• Indicadores (KPI) de desempeño:
• Coste de usuario de las lineas de PT afectadas
• Coste operacional de la flota de PT
• Congestion en áreas definidas
• Reducción de las emisiones
PTTC: Sincronización del Transporte Público y el Control de Tráfico
• Testeo en Manchester:
• Utilizado el modelo de Aimsun
• 26 lineas de autobus
• 27 nodos señalizados (>60 fases de señal)
• Se asume un control de tráfico fijo
• Día con un evento (partido del Manchester United)
• Se compara con un escenario de referencia habitual
PTTC: Sincronización del Transporte Público y el Control de Tráfico
• Costes de usuario (Frecuencia media de servicio): 10,8%
• Costes operacionales: 28,3%
• Emisiones: 2,4%
Trafico General
Referencia vs PT optim Referencia vs PTTC optim
Trafico de Autobús
Referencia vs PT optim Referencia vs PT+TC optim
Tiempo de Retraso
Densidad
Flujo
Cola de media
Velocidad
Tiempo de Viaje
Vehículos esperando entrar
PTTC: Sincronización del Transporte Público y el Control de Tráfico
Referencia - Densidad
PT + TC Optimización - Densidad
ESKERRIK ASKO GRACIAS
CONTACTOS
Ponente
Hugo Landaluce – Universidad de DEUSTO hlandaluce@deusto.es
Coordinadora del Proyecto
Leire Serrano – Universidad de DEUSTO
leire.serrano@deusto.es
Planificación
Optimización y Simulación
Predicción
Dashboard and API
TANGENT API Cooperative Incident Management (CIM) & Smart Network Load Balancing (SNLB)
Captura y harmonizado de datos
S2 Gestión de incidencias
Servicios para la Optimización de la red de Transporte
Servicio para la Optimización de la red de Transporte
Consensus
Results Visualization
Herramientas: Diseño Optimizado por Ordenador & Mecanismos de alcance de Consenso
PTTC: Sincronización del Transporte Público y el Control de Tráfico
• Testing framework:
• Aimsun model for a Route de L’orient Area in Rennes
• 4 public transport bus lines
• 1 signalised node (7 signal phases)
• Fixed traffic control plan
• PPS scenario
• Comparison with baseline scenario
PTTC: Sincronización del Transporte
Público y el Control de
Tráfico
• Costes de usuario (Frecuencia media de PT): 9,37% (24 → 21.75)
• Costes de usuario (Retraso medio de PT): 81,91% (11.67 → 2.11)
• Costes operacionales: 13,96% (0.046 → 0.054)
• Emisiones: -4,4% (0.067 → 0.044)
• Congestion (Retraso en tiempo de viaje): 18,99% (3.45 → 4.11)
PTTC: Sincronización del Transporte Público y el Control de Tráfico
Referencia – Retraso PT + TC Optim – Retraso
