Identificación de incidentes de tránsito a partir de registros GPS del transporte público
Palabras clave:
Transporte público, Incidentes de tránsito, GPSResumen
Los operadores de transporte público en las rutas licitadas del Gran Concepción están utilizando dispositivos de posicionamiento global (GPS) y cámaras de video para controlar de manera más eficiente la operación y recaudación de su flota. Dichos datos son almacenados en bases de datos administradas por empresas informáticas locales. Dado a que los dispositivos GPS ya han sido instalados en los vehículos de transporte público, el costo adicional de almacenar y administrar dichos datos es significativamente bajo comparado con el costo de instalar dichos dispositivos en la flota y por lo tanto en la medida que la recolección y almacenamiento de los datos capturados por los dispositivos GPS se masifique, y que además se implementen los protocolos para acceder a ellos, resulta natural pensar en explorar el potencial uso de dicha información. En este estudio, se propone una metodología que permite caracterizar la operación del sistema de transporte público por medio de la identificación de patrones y anomalías a partir de los datos censados por los dispositivos GPS. Los resultados de la aplicación de la metodología a un caso de estudio dan cuenta del potencial de información contenida en los registros históricos de la operación del sistema de transporte público. En particular la metodología permite identificar la frecuencia, duración y severidad de incidentes de tránsito, y en consecuencia su explotación es de interés para la implementación de planes de manejo de incidentes de tránsito en corredores de transporte público.
Citas
Ahmet Can Diker (2012) Estimation of Traffic Congestion Level via FN-DBSCAN Algorithm by uaing GPA Data. Problems of Cybernetics and Informatics (PCI), 2012 IV International Conference, Baku, Azerbaijan.
Alpaydin, E. (2004) Introduction to Machine Learning. The MIT Press, Massachusetts.
Alvarez, P., Hadi, M., Zhan, C. (2010) , Using Intelligent Transportation Systems Data Archives for Traffic Simulation Applications, Transportation Research Record 2161, Journal of the Transportation Research Board,, pp.29-39, , Washington, DC.
Bizama, J. (2012) Modelación y simulación mediante un microsimulador de la zona de influencia del Puente Llacolén. Memoria de Título Universidad del Bio Bio.
Cambridge Sys Inc., H. Cohen and Science Applications International Corporation (1998) Sketch Methods for Estimating Incident Related Impacts. Report No. DTFH61- 95-00060: 21. Office of Environment and Planning, Federal Highway Administration, Washington, D. C.
Cambridge Systematics, Texas A&M University, Dowling Associates, Street Smarts, H. Levinson and H. Rakha. (2010) Analytical Procedures for Determining the Impacts of Reliability Mitigation Strategies.
Cortés, C. E., J. Gibson, A. Gschwender, M. Munizaga, M. Zúñiga (2011) Commercial bus speed diagnosis based on GPS-monitored data. Transportation Research Part C 19(4): 695-707.
Courage, K.G. and S. Lee.(2008) Development of a Central Data Warehouse for Statewide ITS and Transportation Data in Florida: Phase II Proof of Concept. Florida Department of Transportation.
National Academy of Sciences (NAS), (2000), Highway Capacity Manual
Lomax T., D. Schrank, S. Turner, and R. Margiotta, (2003) Report for Selecting Travel Reliability Measures. Federal Highway Administration, Washington, D. C.
May, Adolf D. (1990) Traffic Flow Fundamentals. Prentice-Hall, Inc. Englewood Cliffs, New Jersey.
McGroarty, J. (2010) Recurring and Non-Recurring Congestion: Causes, Impacts, and Solutions. Working paper https://www.uc.edu/cdc/niehoff_studio/programs/great_streets/w10/reports/recurring_non-recurring.pdf
Pardillo, J., Sánchez V., (2015) Apuntes de Ingeniería de Tránsito. ETS Ingenieros de Caminos, Canales y Puertos, Madrid, España
Skabardonis Alexander, Varaiya Pravin, Petty Karl. (2003) Measuring Recurrent and Non-Recurrent Traffic Congestion. Washington, D.C.
Thammasak Thianniwet, Satidchoke Phosaard, Wasan Pattara-atikom. (2009) Classification of Road Traffic Congestion Levels from GPS Data using a Decision Tree Algorithm and Sliding Windows.
U.S. Department of Transportation (2004), Archived Data Management Systems - A Cross-Cutting Study. Publication FHWA-JPO-05-044. FHWA, U.S. Department of Transportation.
Zhang Yong-chuanm, Zuo Xiao-qing, Zhang li-ting, Chen Zhen-ting. (2011). Traffic Congestion Detection Based On GPS Floating-Car Data. Proceedings of Engineering 15 (2011) 5541-5546.
