GovTech simula viajes en autobús de 4M para optimizar rutas


TL; DR: planificar rutas de autobús no es tarea fácil; La Autoridad de Transporte Terrestre de Singapur debe considerar los efectos de cualquier cambio en la red de transporte. Con Reroute, un simulador desarrollado por la Agencia de Tecnología del Gobierno de Singapur, la Autoridad de Transporte Terrestre ahora puede probar diferentes escenarios para maximizar la conveniencia de los servicios de autobuses.

Imagine este escenario: se construye una nueva propiedad de la junta de desarrollo de viviendas en su vecindario y aumenta drásticamente el volumen de pasajeros en el servicio de autobuses alimentadores. Lo que solía ser un viaje cómodo ahora se convierte en una experiencia desgarradora de empujar a bordo y bajar del autobús.

Usted piensa: "¿Por qué la Autoridad de Transporte Terrestre (LTA) no puede desviar un servicio de autobús existente para satisfacer la creciente demanda?". Es una pregunta válida, pero es más fácil preguntar que responder.

Al igual que con la mayoría de las decisiones económicas, existen compensaciones cuando se planifican nuevos servicios de autobuses o se realizan cambios en las rutas de autobuses existentes. La LTA necesita analizar adecuadamente no solo el número de personas afectadas por los cambios de ruta y los horarios de los autobuses, sino también tener en cuenta los efectos indirectos en otras rutas de autobuses. Con Más de cuatro millones de viajes públicos en más de 300 rutas de autobuses al día.

, llamar a la planificación de autobuses un proceso complejo sería un eufemismo.

Para mejorar la eficiencia de la planificación de autobuses, un equipo de la Agencia de Tecnología del Gobierno de Singapur (GovTech), Ciencia de Datos e Inteligencia Artificial (DSAI) trabajó con la LTA para desarrollar Reroute, una aplicación que simula el impacto que los cambios o retiros de la ruta del autobús tienen en los viajeros.

Aquí hay un vistazo detrás de escena de cómo lo construyeron.

Fase 1: Fuentes de datos y elección del modelo

Antes de poder construir un simulador robusto, uno debe tener datos.

Afortunadamente para el equipo de GovTech DSAI, LTA registra grandes cantidades de datos de tarjetas de tarifas del mundo real, que capturan los comportamientos de los viajeros. Del mismo modo, tendría que conocer a una persona lo suficientemente bien como para comprender cómo puede reaccionar ante un giro inesperado de los eventos, los datos de la tarjeta de tarifa servirían como punto de partida para analizar posibles cambios en la ruta del autobús.

El siguiente paso consiste en elegir un modelo para analizar datos. En este caso, el equipo de GovTech DSAI decidió lo que se conoce como un modelo de gráfico dirigido, en el que los datos se organizan como nodos y bordes.

Aplicado al contexto de los servicios de autobús, un nodo representa un estado en el viaje de un viajero: una parada de autobús o una puerta de tarifa, por ejemplo. Los bordes indican una transición entre estados, lo que podría significar que el viajero está caminando, abordando, viajando o descendiendo. Como las rutas de los autobuses tienen un punto de inicio y finalización fijo, los bordes se consideraron direccionales. Usando este modelo, el equipo generó una red de aproximadamente 33,000 nodos y unos 84,000 bordes. Los pesos de borde, o los tiempos de viaje, se estimaron en base a los datos de la tarjeta de tarifa del período pico y la experiencia en tierra de los planificadores de autobuses.

Fase 2: Habilitación de simulaciones rápidas

Con los miles de nodos y bordes, Reroute primero crea un gráfico de transporte que representa el estado actual de las rutas de autobús y los viajes de cercanías. Los planificadores de autobuses pueden hacer un cambio en uno o más parámetros específicos de un gráfico y simular los efectos de onda en el sistema.

Sin embargo, el equipo de GovTech DSAI descubrió que su modelo inicial no tenía en cuenta el hecho de que los viajeros pueden combinar diferentes rutas para llegar a su destino. Por lo tanto, el equipo utilizó una técnica matemática que estima de manera eficiente el número de combinaciones requeridas para una simulación precisa de las opciones de ruta para el mismo par origen-destino, lo que permite clasificar las opciones de cercanías en función del tiempo de viaje.

Ahora que el modelo modificado representaba una mayor complejidad en el viaje de cercanías, surgió otro problema: las simulaciones tardaron demasiado en completarse; más de ocho horas, de hecho.

Reconociendo que esto no sería práctico para los planificadores de autobuses, el equipo decidió implementar lo que se conoce como un algoritmo de ruta de desviación que permite el almacenamiento en caché de resultados intermedios para acelerar los cálculos 100 veces sin requerir hardware adicional para la potencia de procesamiento. Ahora, cada simulación tarda entre 20 minutos y una hora en completarse.

Fase 3: Aprovechar el poder de la nube y la metodología ágil

En lugar de tener que 'apilar y apilar' e integrar hardware informático antes de implementar Reroute, el equipo de GovTech DSAI confió en servicios administrados en la nube, como AWS S3 para almacenamiento, AWS Lambda para servir interfaces de programación de aplicaciones (API) y Databricks para servidores sin servidor cálculo. Esto minimizó el tiempo de configuración y la configuración al tiempo que permitía ampliar el simulador en un modelo de pago por uso.

Dado que es probable que las simulaciones se ejecuten ad-hoc con una intensidad computacional variable, tal método de fijación de precios significa que los costos de ejecutar Reroute se mantendrían bajos. Según el equipo, los costos operativos para Reroute son tan bajos como S $ 200 por mes.

Como la mayoría de los flujos de trabajo de desarrollo ágiles, nunca hay un producto terminado, y el equipo de DSAI de GovTech compuesto por científicos de datos e ingenieros de software continúa construyendo, probando e implementando código para Reroute. Las pruebas de los usuarios con los planificadores de autobuses también se llevan a cabo en paralelo con los ciclos de desarrollo, lo que significa iteraciones más rápidas y una solución que se adapta a las necesidades de los usuarios.

  • Este artículo apareció por primera vez en GovTech.

Crédito de la imagen destacada: Ondas de carga

LO MÁS LEÍDO

Leave a Reply

Your email address will not be published. Required fields are marked *