[dropcap]E[/dropcap]l perfil de los investigadores del proyecto IMBIPAND es muy diverso: matemáticos, estadísticos, ingenieros, arquitectos… Y aunque el enfoque en los últimas publicaciones del blog ha sido más bien de perfil económico, nos gustaría dedicar una serie de posts a la parte más científica-matemática de los Sistemas de Bicicleta Pública (SBP) partiendo de la premisa de que todos (empresas y personas) somos ineficientes y el trabajo siempre se pueden hacer un poco (o mucho) mejor. ¿Cierto?
En este punto es donde nos gustaría centrarnos unas cuantas semanas y hablar de la optimización de los SBP. Ya nuestro compañero Julián Sastre le dedicó unas líneas a este tema en su blog pero en el ámbito ferroviario (16 Estrategias para optimizar los Costes de Operación y Mantenimiento de un Proyecto de metro).
El primer problema que nos gustaría comentar es el del balanceo de las estaciones de bici (rebalancing problem) que parece se está poniendo de moda entre matemáticos e ingenieros informáticos (en la Vienna University of Technology y el Austrian Institute of Technology se están probando algoritmos ad hoc en el SBP de Vienna así como en Nueva York usan algoritmos propuestos por la Cornell University). [one_half last=»no»]Las estaciones llenas son indeseables pues los ciclistas no pueden devolver la bici. De la misma forma, las estaciones vacías son una mala cosa pues usuarios potenciales no pueden acceder a ellas. Teniendo en cuenta que los ciclistas realizamos prácticamente siempre los mismos trayectos (y no siempre de ida y vuelta), las bicicletas se cogen y devuelven casi siempre en las mismas pocas estaciones y en las mismas horas puntas.[/one_half]
[one_half last=»yes»]
[/one_half]
Problema. Determinar las estaciones, el número de bicicletas, las horas, frecuencia, el número de camiones y las rutas a realizar para balancear el sistema minimizando el coste del proceso. Este problema es de enorme complejidad pero justamente en estos problemas es donde el ahorro esperable es mayor.
[one_half last=»no»]
[/one_half]
[one_half last=»yes»]
Solución. Desarrollar algoritmos que optimicen el sistema y nos ayude a tomar las decisiones más apropiadas en cada momento a medida que se está usando. Este algoritmo debe ser capaz a su vez de realizar las predicciones necesarias sobre la demanda de las distintas estaciones basándose en datos históricos según día, hora, climatología… [/one_half]
Es interesante que las empresas, organismos públicos y operadores conozcan estas soluciones pues los ahorros pueden llegar a sorprenderlos pero sobre todo supone un incremento muy notable en la calidad del servicio ofrecido a los ciudadanos.
Desde IMBIPAND animamos a las concesionarias nacionales a que se pongan en contacto con nosotros para realizarles una simulación real usando los parámetros (número de bicis, estaciones, abonados, matriz de origen/destino…) de su SBP.
