Uma proposta para o problema de escalonamento de veículos sob o paradigma de queda de demanda

Abstract

Este trabalho apresenta dois modelos diferentes para o problema de escalonamento de ônibus em sistemas de trânsito, considerando a perda de passageiros. Est pesquisa é motivad a a pela perda considerável na demanda por transporte de ônibus no Brasil nas últimas décadas. O principal objetivo dos modelos é permitir que os operadores de trânsito ajustem a frota dada a perda de passageiros. Ao agrupar as viagens dentro de pequenos intervalos de tempo no horário, o pico de demanda das viagens agrupadas é ajustado à frota, defi nindo uma atribuição de menor custo para uma demanda decrescente de passageiros. Dois diferentes agrupamentos foram criados, abordagens sequenciais e combinatórias, formuladas como modelos inteiros de programação linear. Devido à complexidade da última abo rdagem, um algoritmo baseado em geração de colunas foi projetado. Nós os comparamos entre si e com a solução do problema tradicional de programação de veículos, usando dados reais de uma empresa de transporte no sul do Brasil e grandes instâncias geradas a leatoriamente, considerando diferentes perfis de demanda e intervalos de viagem de agrupamento aceitáveis. Os resultados dos modelos permitiram economia no escalonamento de veículos, mantendo bons níveis de serviço aos passageiros. Os modelos provaram apoi ar a tomada de decisão no planejamento do transporte público, considerando diferentes cenários operacionais.

This research work presents two different models for the bus scheduling problem in transit systems, considering loss in ridership. This research is motivated by the considerable loss in the demand for bus transport in Brazil in the last decades. The main objective of the models is to allow transit operators to adjust the fleet given loss of passengers. By grouping trips within small time intervals in the timetabling, the peak demand of the grouped trips is adjusted to the fleet, defining a lower cost assignment for a fallen demand of passengers. Two different groupings were devised, sequential and combinatorial approaches, formulated as integer linear programming models. Due to the complexity of the latter approach, a column generation based algorithm has been designed. We compared them with each other and with the solution of the traditional vehicle scheduling problem, using real world data from a transportation company in southern Brazil and large random generated instances, considering different demand profiles and acceptable grouping trip intervals. The results of models allowed savings in the vehicle scheduling, while keeping good service levels to passengers. The models proved to support decision making in the planning of public transport, considering diferente operational scenarios.