Dissertação desenvolvida na Poli USP onde foi elaborado um modelo de otimização da rede de transporte público de uma região estudada, reduzindo a quantidade de transferências e os tempos de viagem e espera dos passageiros.
Está em andamento a continuidade desta pesquisa para sua aplicação em grandes cidades.
Projeto de Redes Otimizadas de Transporte Público por Ônibus Utilizando Algoritmo Genético (slides)
1. {
Projeto de Redes Otimizadas de
Transporte Público Por Ônibus
Utilizando Algoritmo Genético
Defesa da Dissertação apresentada ao programa de
Pós-Graduação em Engenharia de Transportes da USP
Área de Concentração: Engenharia de Transportes
Planejamento e Operação
Mestrando: Renato Oliveira Arbex
Orientador: Prof Dr. Claudio Barbieri
São Paulo, 17 de Novembro de 2014
2. Introdução
Conceitos e Contextualização do Problema
Revisão da Literatura
Caracterização do Problema
Método de Solução
Experimentos Computacionais
Sistema de Visualização
Considerações Finais
Roteiro da Apresentação
3. Problema
Objetivo da Pesquisa
Fatores de Qualidade
no Transporte Público
Introdução
4. Problema
Aumento do uso do automóvel nos deslocamentos diários
Congestionamentos Diários nas grandes cidades: estresse
Como oferecer um transporte público que seja uma
alternativa viável ao uso do carro nos deslocamentos urbanos?
Objetivo da Pesquisa
Desenvolver um método de solução para a resolução do problema
de Projeto de Rede de Transporte Público por Ônibus
Traçado das linhas no sistema viário, seu itinerário e
Frequências de Operação
Minimizando
Custos dos Operadores (Frota Total e Quilometragem percorrida) e
Custos dos Usuários (Soma dos custos generalizados,
minimizando transferências, tempo de viagem e de espera)
Introdução
5. Como o transporte público pode ser uma alternativa viável
ao automóvel nos deslocamentos diários?
Pela sua Qualidade, representada pelos atributos:
(Ferraz e Torres, 2004)
Frequência de Atendimento
Tempo de Viagem
Conforto
Confiabilidade
Sistema de Informações
Conectividade
Se algum desses atributos não for atendido, a atratividade do
transporte público é bastante reduzida e o uso do automóvel
para o par OD em questão é potencializada para quem o possui
Introdução
Alta Frequência de Atendimento
Baixos Tempos de Viagem
Alto Conforto
Boa Confiabilidade no Sistema
Bom Sistema de Informações
Alta Conectividade
6. Conceitos e Termos
Contextualização do Trabalho
Conceitos e Contextualização do
Problema
7. Conceitos e Termos
Rede: conjunto de linhas de ônibus formando uma
infraestrutura de serviços de transporte público oferecido à
população
Rotas: são os serviços de transporte público oferecidos à
população, com um local de início, fim e trajeto fixo, atendendo
a uma sequência pré-estabelecida de pontos de parada, sendo
sujeita a um limite de capacidade
Ponto de Ônibus: um parada do serviço para o embarque e
desembarque de passageiros. Neste trabalho, como em outros,
grupos de pontos foram agregados em centroides
Frequência: quantidade de vezes em um intervalo de tempo
que a viagem é realizada. Normalmente por hora
Conceitos e Contextualização do
Problema
8. Conceitos e Termos
Demanda: quantidade de viagens que surgem das
necessidades das pessoas de realizarem atividades em locais
espacialmente distribuídos em horários específicos (Muñoz e
Giesen, 2010)
Carregamento: demanda existente em um trecho de rota ou
via, ao longo de um intervalo de tempo específico
Transferências: parada intermediária na viagem para
embarque em outro serviço de transporte quando a demanda
não pode ser atendida através de um único serviço
Alocação: distribuição da demanda por transporte público
entre as diferentes opções de serviços de transporte oferecidas à
população
Conceitos e Contextualização do
Problema
9. Contextualização do Trabalho
Processo de Planejamento de Transportes
Estrutura de tomada de
decisão no processo de
planejamento de transportes
Ortúzar e Willumsen (2011)
Generate Solutions
For Testing
(inserção deste trabalho)
Conceitos e Contextualização do
Problema
10. Processo de Planejamento Operacional do Transporte Público
Muñoz e Giesen
(2010)
adaptado de
Ceder e Wilson
(1986)
Conceitos e Contextualização do
Problema
11. Métodos de Solução
Metaheurísticas Utilizadas
Conclusões da Revisão da Literatura
Revisão da Literatura
12. Métodos de Solução
Dois diferentes grupos:
Geração de Banco de rotas e cada solução é um subgrupo de
rotas deste banco:
Pattnaik et al. (1998)
Cipriani et al. (2012)
Afandizadeh et al. (2013) e outros
Construção de rotas com base em heurísticas e melhoria e
modificação das rotas ao longo do processo de busca
Bielli et al. (2002)
Hu et al. (2005)
Yang et al. (2007) e outros
Revisão da Literatura
13. Métodos de Solução
Metaheurísticas:
Algoritmo Genético:
Pattnail et al. (1998)
Tom e Mohan (2003)
Agrawai e Mathew (2004)
Petrelli (2004)
Cipriani et al. (2005)
Fan e Machemehl (2006)
Szeto et al. (2011)
Chew e Lee (2012)
Cipriani et al. (2012)
Afandizadeh et al. (2013)
Colônia de Abelhas:
Yang et al. (2007)
Yan et al. (2013)
Busca Tabu:
Fan e Machemehl (2004)
Zhao e Gan (2003)
Simulated Annealing
Fan e Machemehl (2004)
Revisão da Literatura
14. Conclusão da Revisão
Não detalham métodos de alocação, dificultando a comparação
das redes
Muitos não mostram e não calculam a frota necessária
Pouco se ressalta e discute a questão da alta proporção de
inviabilidade da rede e as complicações decorrentes nos
operadores do algoritmo genético
Não se observou a análise do melhor ponto de transferência
nos artigos: o que influencia diretamente no carregamento,
logo, na frequência (e, consequentemente, na Frota)
Revisão da Literatura
15. Modelo Matemático
Dados de Entrada
Variáveis de Decisão
Função Objetivo
Restrições
Caracterização do Problema
17. Variável
De Decisão
Parâmetros
Calculados
A partir
De uma
Solução
Dada por
Um conj.
De Rotas
Caracterização do Problema
𝑟 𝑚
= 𝑖𝑔𝑢𝑎𝑙 𝑎 1 𝑠𝑒 𝑎 𝑟𝑜𝑡𝑎 𝑚 𝑓𝑎𝑧 𝑝𝑎𝑟𝑡𝑒 𝑑𝑎 𝑠𝑜𝑙𝑢çã𝑜; 𝑧𝑒𝑟𝑜 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜
∶ 𝑚 = 1,2, … , 𝑀
18. Funções Objetivo
Caracterização do Problema
Custos dos Usuários
(Direta e Transferências)
Custos dos
Operadores
(frota total)
Custos da
Demanda não-
atendida
19. Restrições
4.1 ℎ 𝑚𝑖𝑛 ≤ ℎ 𝑟 𝑚
≤ ℎ 𝑚𝑎𝑥, 𝑟 𝑚 ∈ 𝑅 (𝑣𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑜𝑠 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜𝑠)
4.2 𝐹𝐶𝑟 𝑚
=
𝑄 𝑟 𝑚
𝑚𝑎𝑥
𝑓𝑟 𝑚∙𝐶𝐴𝑃
≤ 𝐹𝐶 𝑚𝑎𝑥 𝑟𝑒𝑠𝑡𝑟𝑖çã𝑜 𝑑𝑒 𝑙𝑜𝑡𝑎çã𝑜 𝑚á𝑥𝑖𝑚𝑎
4.3 𝐷 𝑚𝑖𝑛 ≤ 𝐷𝑟 𝑚
≤ 𝐷 𝑚𝑎𝑥, 𝑟 𝑚 ∈ 𝑅 (𝑒𝑥𝑡𝑒𝑛𝑠ã𝑜 𝑑𝑎 𝑟𝑜𝑡𝑎)
4.4 𝑀 ≤ 𝑅 𝑚𝑎𝑥 (𝑛ú𝑚𝑒𝑟𝑜 𝑚á𝑥𝑖𝑚𝑜 𝑑𝑒 𝑟𝑜𝑡𝑎𝑠)
4.5 𝑚=1
𝑀
𝐹𝑇𝑟 𝑚
= 𝑚=1
𝑀 𝑇𝐶 𝑟 𝑚
ℎ 𝑟 𝑚
≤ 𝐹𝑇 𝑚𝑎𝑥, 𝑟 𝑚 ∈ 𝑅 (𝑓𝑟𝑜𝑡𝑎 𝑑𝑖𝑠𝑝𝑜𝑛í𝑣𝑒𝑙)
Viabilidade da REDE:
(4.6) Os nós devem ser únicos nas rotas, mas podem ser repetidos na
rede;
(4.7) Todos os nós da rede são atendidos por ao menos uma rota;
(4.8) As rotas da rede devem estar conectadas entre si e
(4.9) A mesma rota não pode aparecer repetida em uma rede.
Caracterização do Problema
20. Banco de Rotas
Algoritmo Genético
Alocação da Demanda
Avaliação da Solução
Método de Solução
21. Banco de Rotas
Formar um conjunto de linhas de ônibus onde todas sejam
atrativas aos usuários, ou seja, oferecendo tempos de viagem
baixos, próximos do mínimo. As soluções serão compostas por
rotas sorteadas deste Banco.
Método de Geração do Banco:
Para cada par Origem Destino com Demanda Não-Nula, são
adicionadas a rota que corresponde ao menor tempo de viagem total e
todas aquelas cujo tempo de viagem total seja igual ou inferior ao
tempo mínimo acrescido de 20%.
Algoritmos: (Dijkstra, 1959) e (Yen’s,1971)
Sub-bancos:
Todas as linhas partindo de um ponto i
Todas as linhas que ligam cada par (i , j)
Método de Solução
22. 20%: pela análise da influência da razão entre o tempo de viagem
entre automóvel e TP por Ven den Heuvel (1993) apud Immers e
Stada (2004)
Método de Solução
Análise de Sensibilidade
23. Algoritmo Genético
Algoritmo Evolucionário baseado em população de soluções
Componentes Principais:
Representação do Cromossomo: codificação para representar uma solução
Inicialização da População: construção de soluções iniciais
Viabilidade dos Indivíduos: eles são viáveis?
Aptidão: qualidade das soluções
Estratégia de Seleção: como selecionar pais com viés para melhores aptidão
Estratégia de Reprodução: operadores de cruzamento e mutação
Atualização da População: como indivíduos competem
Critério de Parada: quais critérios para término do processamento?
Método de Solução
24. (1) Representação do Cromossomo
Uma solução é representada pelos números correspondentes da
linha da rede no Banco de Rotas
A linha da solução também está
associado uma frequência, os
carregamentos a frota necessária
para sua operação e descritores de
desempenho da rede (em seguida).
Ex. da solução à direita:
Vetor de Rotas do Banco:
Rota 23 (azul): 1-2-4-6-8-10-14-13.
Rota 102 (rosa): 5-4-2-3-6-8-10-11.
Rota 230 (verde escuro): 11-4-6-15-8.
Rota 318 (verde clara): 3-6-15-7.
Rota 440 (vermelha): 6-15-9.
Método de Solução
25. (2) Inicialização da População
1º : Atendimento dos nós isolados da rede (necessariamente
uma rota deve chegar ou partir deste nó)
O vetor de nós ainda não atendidos após a inserção das
linhas anteriormente é randomizado
Para cada par de Nós ainda não atendidos, procura-se uma
linha que os ligue no sub-banco do respectivo par OD
Caso exista mais de uma, é feita uma escolha aleatória, caso
não, são buscadas outras combinações de pares de nós ainda
não atendidos
Método de Solução
27. (3) Viabilidade dos Indivíduos
Viabilidade dos Headways (Frequências)
Restrição do Fator de Carregamento
Extensão da Rota
Número Máximo de Rotas
Frota Limite
Nós únicos nas rotas
Todos os nós são atendidos
Rotas conectadas entre si
Rotas distintas na rede
(4) Aptidão: é necessária a alocação da demanda
Método de Solução
28. (5) Método de Seleção
“quanto melhor o indivíduo, melhores são suas chances de ser pai”
Pressão seletiva direcionará a população a soluções melhores
Os piores indivíduos também têm de ter uma chance de serem
selecionados, para manter uma certa diversidade (para escapar de
ótimos locais)
Foi adotado a estratégia de seleção por
Ranking Linear (Linear Ranking): cada indivíduo é tão apto quanto a
sua posição relativa no ranking dos melhores, escalada linearmente
Método de Solução
29. (6) Método de Reprodução
Operadores do AG:
Cruzamento: 1 ponto: troca de linhas do vetor de linhas
Busca local para maximizar a viabilidade dos indivíduos
gerados, caso não se gere indivíduos viáveis (sem a busca
local o número de inviáveis resultantes é muito alto):
Testa todos os cortes possíveis para um par de pais
Testa outros pares de pais (até 80% do total possível)
Método de Solução
30. (6) Método de Reprodução
Operadores do AG:
Mutação:
Troca de 1 linha da solução por outra do Sub-banco
correspondente (procura por uma rota que utilize outro
caminho para ligar aquele par OD)
Busca local no operador para buscar viabilidade
Procura por todas as rotas do sub-banco da OD daquela rota
Caso ainda não tenha gerado indivíduo viável,
Outras rotas do indivíduo são escolhidas para procurar
no sub-banco correspondente
Outros indivíduos são escolhidos e o processo se repete
Método de Solução
31. (7) Atualização da População
Substituição Completa com Elitismo:
Toda a população da geração atual e da prole é reunida, e um
número de indivíduos, igual ao tamanho pré-estabelecido da
população, segue para a próxima geração após ordenar pelos
mais aptos
Aptidão: A Ordenação dos Mais Aptos é Feita Alternadamente,
ora a pressão evolutiva atua favorecendo as soluções com menor
frota, ora com menor custos dos usuários (gerações pares/ímpares)
Reinicialização da população: Toda vez que as solução são
idênticas por N gerações a população é reinicializada conforme
procedimento de geração de solução inicial (os melhores
indivíduos vão sendo guardados)
(8) Critério de Parada: atingido um número fixo de gerações
Método de Solução
32. Alocação da Demanda
Primeiramente procura-se uma linha que ligue diretamente a
origem ao destino do usuário
Caso haja mais de uma então a demanda é dividida entre elas em
função da frequência
Caso não haja, Procura-se uma opção com 1 Transferência
Por último procura-se com 2 Transferências
Caso haja mais de uma opção com transferência, é aplicado o
modelo logit multinomial para dividir a demanda entre as
opções,
Sendo a função utilidade o CUSTO GENERALIZADO da
opção
𝑃𝑒𝑠𝑐𝑜𝑙ℎ𝑎𝑂𝑝𝑐𝑎𝑜=
𝑒 𝑈 𝑖
𝑖 ∈ 𝑂𝑝𝑐𝑜𝑒𝑠 𝑒 𝑈 𝑖
Método de Solução
34. Alocação da Demanda
Algoritmo que Cria Ligações com 1 ou 2 Transferências
Varre todos os pontos que se pode alcançar fazendo 1 (ou 2)
transferências
Para cada par de 1ª linha (origem até ponto de transferência)
e 2ª linha (transferência até destino) [ou 3ª], atribuir características
como frequências e tempos de viagem
Listagem de todos os pontos de transferências possíveis
Qual o ponto de transferência real dentre todos os possíveis?
Aquele que gera a maior quantidade de opções
Cálculo da demanda pelo logit em função do
custo generalizado da opção
Método de Solução
35. Avaliação da Solução
Cálculo dos parâmetros da rede para obtenção do valor da aptidão
do indivíduo, para ordenação e competição
(Descritores de Desempenho da Rede)
Custos dos Operadores: Frota Total
Custos dos Usuários: Custos Generalizados Somados (tempo de
espera, tempo de viagem e penalidades de transferências)
Demanda Total de Passageiros com 0/1/2 Transferências
Demanda Não Atendida (exigiria 3 transferências)
Tempo total de viagem dentro do veículo na rede
Tempo total de espera
Tempo total de penalidades de transferências
Quilometragem total percorrida pela frota
Carregamento por Trecho da Rede e por Linha
Carregamento máximo e por trecho de cada Linha
Método de Solução
36. Aplicação à Rede de Mandl
Análise de Sensibilidade
DashBoard Interativo de Resultados
Comparação dos Resultados com a Literatura
Experimentos Computacionais
37. Aplicação à Rede de Mandl (rede de localidades da Suíça)
Número de Assentos: 40
Load Factor Máximo: 1.25
Mínimo de nós atendidos: 3
Algoritmo Genético:
Crossover: 100%
Mutação: 10%
4000 gerações
Reinicia a cada 200 repetidas
Avaliação Alternada da Aptidão
(ora Frota, ora Custos dos Usuários)
Experimentos Computacionais
39. Cenário
Penalidade
1ª transfer.
(min)
Penalidade
2ª transfer.
(min)
Multiplicador
do Valor do
Tempo de
Espera
População
do AG
Razão TP/TI na
Geração do Banco de
Rotas
Número de Linhas na
Solução
1 15 20 2 10, 14, 18 1,0 até 1,5 4 a 12 linhas
2 30 40 2 10, 14, 18 1,0 até 1,5 4 a 12 linhas
3 15 20 3 10, 14, 18 1,0 até 1,5 4 a 12 linhas
4 30 40 3 10, 14, 18 1,0 até 1,5 4 a 12 linhas
5 5 17 2 10, 14, 18 1,0 até 1,5 4 a 12 linhas
Experimentos Computacionais
Análise de Sensibilidade: 5 cenários
Penalidade de Transferência: 15/20 (Wardman), 30/40 e 5/17 (literatura)
População: 10, 14 e 18
Multiplicador do Tempo de Espera: 2 e 3 (Wardman, 2001)
Razão TP/TI: 1,0 até 1,5
Número de Linhas: 4 a 12 (e não só 4, 6 e 8 como outros autores)
40. 1680 combinações de parâmetros por cenário
8100 execuções ao todo
Para cada execução a cada 100 gerações exportamos as melhores
soluções (para operadores e usuários)
Ao todo 131.220 soluções foram registradas para análise (por cenário)
Como avaliar quais os parâmetros levaram a melhores soluções
aos operadores e usuários?
Feito um dashBoard interativo com os descritores de desempenho de
cada solução:
Razão TP/TI, Número de Linhas, População, Frota, Custos Usuários,
Proporção 0/1/2 transferências, Headway Médio e Headway máximo
Experimentos Computacionais
42. Posso aplicar filtros e os resultados se ajustam
Filtro: Proporção Ligações Diretas: >95%; Headway máximo: 20 min
Experimentos Computacionais
43. Filtro: Proporção Ligações Diretas: >95%; Headway máximo: 20 min
Apenas 14,46% das soluções atendem. Mas ainda são ~18 mil
É preciso aplicar outra
Técnica de análise para
Elencar quais realmente
São as melhores soluções.
Experimentos Computacionais
Fronteira de Pareto
45. Experimentos Computacionais
São agora por volta de 12 soluções por cenário na Fronteira.
Essas soluções são aqueles que melhor entendem tanto aos usuários
como aos operadores de forma equilibrada. Exemplos:
46.
47.
48.
49. Linhas Mais Frequentes que aparecem nas soluções da
Fronteira de Pareto de todos os cenários
50. Linhas Mais Frequentes que aparecem nas soluções da
Fronteira de Pareto de todos os cenários
54. Relevância do Sistema de Visualização
Autores mencionam a importância da visualização:
Kepaptsoglou e Karlaftis (2009)
“uma direção de pesquisa seria o desenvolvimento de sistemas de
suporte a decisão que poderiam interagir com os planejadores e
representar graficamente os resultados produzidos pelos modelos”.
Fan e Machemehl (2004)
“permitiria aos planejadores desenvolver uma percepção do
desempenho da rede notando rapidamente a sensitividade das
soluções resultantes de diferentes parâmetros de entrada do modelo”
Sistema de Informação ao Usuário
A Visualização do Sistema é uma etapa natural da criação de
sistemas de informação ao usuário e de roteirização otimizada no TP
Sistema de Visualização
55. Visualizações Desenvolvidas
Linhas de Desejo da Rede (demanda de viagens/hora)
Linhas de Desejo a partir de um Ponto (demanda de
viagens/hora)
Todas as Linhas da Rede (visualização completa da rede)
Carregamento de Uma Linha (passageiros/hora)
Carregamento da Rede (passageiros/hora/trecho)
(Mapa de Frequências das Linhas de um Ponto
(frequência/hora)
Sistema de Visualização
56. Trajetos das
Linhas na
Rede
Carregamento
dos Links
(usuários)
Número
da Linha
na Solução
Nó de
Origem
Nó de
Destino
Sequência de Nós
Número
de Nós
Tempo de
Viagem
(minutos)
Frequência
por hora
Frota
Headway
(minutos)
Carregamento
Crítico
Trecho
Crítico
Demanda
Total
Cor no
Mapa das
Linhas
Índice de
Renovação
1 1 13 1-2-3-6-8-10-11-13 8 33 10.91 12.00 5.50 526 6-8 2784 Vermelha 5.29
2 9 12 9-15-7-10-11-12 6 32 8.44 9.00 7.11 403 10-11 1646 Verde Clara 4.08
3 7 5 7-15-8-6-3-2-4-5 8 18 6.67 4.00 9.00 309 6-3 1096 Azul Escuro 3.55
4 2 14 2-4-6-8-10-11-13-14 8 29 9.31 9.00 6.44 461 10-11 2114 Marrom 4.59
5 13 4 13-14-10-8-6-3-2-4 8 28 8.57 8.00 7.00 406 10-8 1808 Amarela 4.45
6 1 12 1-2-5-4-12 5 28 3.21 3.00 18.67 131 1-2 346 Rosa 2.64
7 11 1 11-10-7-15-6-3-2-1 8 30 13.00 13.00 4.62 649 10-7 2948 Laranja 4.54
8 5 11 5-4-6-8-10-11 6 23 11.74 9.00 5.11 579 10-8 1674 Azul Claro 2.89
9 13 1 13-11-12-4-5-2-1 7 43 3.49 5.00 17.20 167 1-2 708 Roxo 4.24
10 9 12 9-15-8-6-3-2-4-12 8 30 4.00 4.00 15.00 158 6-3 546 Verde Escuro 3.46
Cenário 2- Solução 11
Carregamento
dos Links
(veículos)
62. Trabalhos Futuros
Continuidade da Pesquisa (ideias após mestrado):
Aplicação do Método à cidade de São Paulo para Rede da
Madrugada, Final de Semana e em seguida: Rede Expressa
Utilizando Dados de GPS para gerar a Rede de Velocidades
(velocidades por cada link, input do modelo)
Também usando Dados de Smart Card (Bilhetagem) para
gerar a Matriz Origem-Destino a ser atendida
Diferentes Estratégias Operacionais: Ônibus Expressos
Considerar Demanda Variável em função da Oferta (incluindo
demanda de automóvel)
Considerações Finais