Aproximación Bayesiana aplicada al Reparto Modal en Modelos de Transporte

• Autores: Óscar de Gregorio Vicente
• Directores de la Tesis: Beatriz González Pérez (dir. tes.), Miguel Ángel Gómez Villegas (dir. tes.)
• Lectura: En la Universidad Complutense de Madrid ( España ) en 2021
• Idioma: español
• Número de páginas: 184
• Tribunal Calificador de la Tesis: Rosario Susi García (presid.), Isabel Salazar Mendoza (secret.), Juan Miguel Marín Díazaraque (voc.), Manuel Mendoza Ramirez (voc.), Rosa Ríos Prado (voc.)
• Programa de doctorado: Programa de Doctorado en Ingeniería Matemática, Estadística e Investigación Operativa por la Universidad Complutense de Madrid y la Universidad Politécnica de Madrid
• Materias:
  • Matemáticas
    • Álgebra
      • Álgebras no asociativas
    • Análisis y análisis funcional
      • Ecuaciones en diferencias
• Enlaces
  • Tesis en acceso abierto en: Docta Complutense
• Resumen
  • español

    Los avances en los últimos diez años en el sector de la movilidad y el transporte, tanto en entornos urbanos como en entornos regionales o mundiales, requieren innovar y aplicar nuevas soluciones a los modelos de transporte utilizados hasta la fecha, tanto para pasajeros como para mercancías, que permitan representar o modelizar, de forma analítica, la situación actual y futura de su red de infraestructuras.

    La investigación realizada está orientada a demostrar que la utilización de las Redes Bayesianas, aplicadas a los modelos de transporte, representa una mejora innovadora comparándola con otras técnicas habitualmente empleadas hasta la fecha como son los modelos Logit y las Redes Neuronales. En concreto, su utilización en la etapa del reparto modal de los modelos clásicos de cuatro etapas (generación-atracción, distribución, reparto o elección modal y asignación), que es aquella correspondiente en la que se enfrenta la unidad de decisión dentro de un conjunto discreto de alternativas, tanto para pasajeros como mercancías.

    Trabajos similares recientes sobre modelos de transporte como los de Sun et al. (2006), Correa et al. (2009), Tang et al. (2012), Daziano et al. (2013), Yannis Tyrinopoulos (2013) y Tai Yu Ma (2015), han obtenido resultados prometedores. Sin embargo, todos ellos se focalizan en ámbitos de estudio urbanos o metropolitanos y de vehículo privado, por lo que difieren en cuanto a su uso hacia un modelo de transporte de mercancías, como el llevado a cabo durante la presente investigación. Esta constituye la principal contribución original, al aplicarse a un modelo multimodal de mercancías de ámbito mundial.

    Los objetivos generales perseguidos con la investigación son: mejorar el proceso de decisión de viajeros y operadores de carga; optimizar los modelos de transporte utilizados en planificación; comprobar que la aplicación de las aproximaciones bayesianas en la etapa de reparto modal supone obtener mejores resultados; promover las redes bayesianas en entornos complejos que ya son una realidad como son los Sistemas Inteligentes de Transporte y los Sistemas Cooperativos.

    El caso de estudio se basa en el proyecto de un corredor ferroviario de pasajeros y mercancías, en el que, partiendo del modelo de transporte asociado, que utiliza los datos oficiales existentes, se obtienen resultados comparativos de los errores (absolutos y relativos) correspondientes a la elección de las posibles alternativas de transporte de mercancías, aplicando los tres métodos indicados: un Multi Nomial Logit, una Red Neuronal multicapa y una Red Bayesiana. Para ello se utiliza software específico de modelización y el programa R, de orientación estadístico-matemático.

    Los resultados obtenidos permiten concluir que la aproximación bayesiana consigue los mejores ajustes de las tres técnicas, minimizando los errores en la elección del modelo de reparto modal, por lo que se demuestra la hipótesis de partida. Además, mediante el grafo resultante, es posible analizar las relaciones de dependencia condicionada entre las distintas variables empleadas en el modelo, así como entre las alternativas de transporte

  • English

    The work showed in this Report is aimed at demonstrating that the use of Bayesian Networks (RB), applied to the area of transport planning, represents an innovative improvement compared to other techniques commonly used to date such as Logit models and Neural Networks (RN). Specifically, its use in the stage of modal split of four-stage demand models (trip generation, distribution, modal split and assignment), which is the one in which the decision unit is faced within a discreet set of alternatives, both for passengers and freight...